1 概述
污水处理是指通过构建一项可靠有效的体系来治理与改善水质，并依靠一套切合实际的自主监控体系来维护其正常运行的过程，这一体系所涉及的参数较多，必须及时给予检测，才能保证污水排放的指标与我国环保部门的有关规定相符合。在实际操作期间，由于污水处理的过程比较复杂、变化较大、具有一定的非线性等，存在传感器不能及时准确地检测和传输数据的情况。针对这一问题，通常主要采用下面两种方法进行解决：第一，可利用新开发的硬件检测仪直接检测过程参数，但因污水处理的过程比较复杂，硬件检测仪器虽能检测到污水中有机物的参数，却无法实时在线监测各种水质中的有机物。因此，要想完成这一污水处理过程相对较难。第二，通过计算机结合易于测量的信息数据进行估算待测量的变量值，即所谓的软测量。在污水处理过程中结合软测量进行构建相应的模型，以完成对污水处理过程的实时监控，从而开发出相关的自行监测体系，满足污水排放的达标标准。
2 软测量技术及其内容
软测量技术实质是根据可测量与易测量过程的变量及无法直接测量的待测变量的关系，而按照相应原则来选取新型网络计算机技术进行检测与评估待测变量的方法。通常该项技术主要包含以下内容，即收集和处理数据信息、选取相应的辅助变量、构建软测量的模型及在线校正等。首先，数据信息的收集是指收集原始辅助变量和主导变量的历史数据，使其具备精简、均衡及代表性的特点，以便能够充分反映出污水处理过程的全部状况。而数据处理主要包含数据的变换处理与误差处理两种，目的是为了确保数值的一致性，减少污水处理体系的非线性，减小误差因素。其次，辅助变量的选取，大体包含类型、数量、检测点方位等选取内容且选取时应满足特异性、准确性、灵活性等原则。最后，构建软测量的模型，它的建立方式很多，一般包括回归分析的构建法、工艺机理的构建法及人工神经网络的构建法等。其中基于神经网络的建模方法的研究最多。然而，模型辨识作为软测量的核心要素，在建立模型时，应对其进行认真检验，保证模型得以满足预设的标准要求。
3 软测量在污水处理过程中的具体应用
3.1 污水处理体系故障诊断中软测量的应用实践
在污水处理的过程中，由于相关部件发生故障出现异常问题，导致水质逐渐恶化，最终造成整个污水处理体系的运行受到影响。因此，为提高污水处理体系的安全性与可靠性，可将软测量的技术具体应用到部件故障的诊断中，将软测量的理论输出和传感器的实际输出相比较，再根据残余信号诊断传感器的故障，最后由软测量的实际输出替换故障仪表的输出。在具体实践过程中，污水处理体系的正常运行，需要较多的传感器进行实时监测才能实现。而该过程从本质上来说是一个运行分类的问题，也就是将体系运转的状态划分为正常和各种异常状况。对此，可运用模型分类的方式进行检测生产过程的实际运转状态。基于支持向量机的检测技术，实质是一项以最小化结构风险为原则的测量方法，因其的构造较为简单且具备良好泛化与全局最优性能的特点，进而在软测量的故障诊断中获得大量研究。据相关文献显示，借助软测量SVM+BP模型进行预测二沉池的污泥体积指数（SVI），以此判定污泥的膨胀程度。但因该法所选择的污泥膨胀影响参数相对较少，加上基于支持向量机（SVM）在测量小样本参数后取得的误差较大。而在实际的污水处理中，往往异常现象的样本数量均少于正常现象的样本数量。因而在异常现象的预计误差偏大时，就会引起误判的可能。应利用结构风险的泛函加以改进基于支持向量机的方法，结合故障数据的不均匀特性，获取显著的分类预计效果。
3.2 优化过程中软测量的应用情况
在污水处理的过程中，因无法在线监测水质中的各种参数，若能准确估算很难测量或者无法在线检测的参数，并将其用来随时调节有关设备的运转情况，如调整阀门开度、电机工作频率等。便能达到环保节能，实现通过消耗最少的物资能源来完成污水排放达标的目的。在污水处理中，微生物的氧气需求量可随着环境与时间的改变而变化。因此，应在不同工作状况下研究及构建氧变化的溶解模型，尤其是污水优化期间很难测量或无法实时测量的变量模型，并在此基础上对鼓风量实施低消耗的有效控制。除曝气优化之外，软测量还可应用于其他的优化工艺中。如用来估计序批式活性污泥（SBR）工艺的循环时间。SBR作为一种污水处理工艺，有序与间歇运行的操作便是其最大的特征，并且该过程具备较大的灵敏性，能依据进水的水质适时调节工艺，确保出水水质的达标。据相关文献资料，利用软测量技术来估算SBR工艺中各阶段的最优处理时间，并按照不同工艺的要求进行分段控制，可实现SBR工艺的全过程优化。此外，污水经一二级的处理后，其水质相对有所改善，污水中的细菌不断减少，但即便如此，污水中可能还会存有少许的病原菌。排放前需给予全面消毒，且加入适量的氯物质。据文献报道，通过神经网络的软测量方法来预先测量大肠杆菌的数量，并投放适量的氯参加氯化与反氯化反应，能起到改善水质的作用。
4 回顾展望
由于污水处理的过程具有强非线性、多变量的耦合及参数变化等特点，目前，软测量技术在污水处理过程中的发展趋势，主要是将人工智能、回归分析及机理模型等手段有机结合而成的软测量模型，来进行测量无法测量或难以在线测量的参数，以便有效诊断及优化污水处理的过程。软测量在污水处理过程的运用与实施仍处于初步阶段，还存有较多的问题需要解决。首先，污水处理过程的复杂性与多变性，所获取的数据存在较大误差，进而严重影响了精确模型的建立，为此需要建立一个能自主适应的软测量的模型。其次，软测量的模型没有得到很好校正，始终阻碍着软测量技术的发展应用，尤其是在传感器出现故障时，不知如何完成软测量的自行校正。最后，如何有效应用软测量来诊断及优化污水处理的过程，尤其是污泥膨胀的现象。
5 结语
总而言之，在污水生化处理的过程中，尚存有多变量的耦合、测量参数的经常变化、非线性强烈等问题，这给污水生化处理的监控工作造成严重影响。因此，我们只有在污水生化处理中有针对性地应用软测量，尽可能地将其用来优化污水治理的整个过程，从而有效提高污水处理的经济和社会效益
。
参考文献
[1] 李明河，杨明.污水总氮软测量模型的研究与应用
[J].自动化与仪表，2009，（9）：1-4.
[2] 马军爽.污水处理出水水质软测量建模研究[J].微计算机信息，2010，26（1）：154-156.
[3] 黄道平，刘乙奇，李艳.软测量在污水处理过程中的研究与应用[J].化工学报，2011，62（1）：2-9.
[4] 杨文娟.神经网络和主元分析——神经网络软测量技术在污水处理系统中的应用[J].地球科学与环境学报，2008，30（1）：102-106.
[5] 刘乙奇，黄道平，李艳.基于改进JIT算法的软测量建模及其在污水处理中的应用[J].华南理工大学学报（自然科学版），2011，39（5）：56-67.
