基于B/S架構(gòu)的超濾膜污染預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

錢晨，徐忻，嵇達(dá)文

(光大環(huán)境科技(中國(guó))有限公司，江蘇 南京 210003)

在垃圾滲濾液處理中，膜污染已成為影響膜系統(tǒng)運(yùn)行效率的重要因素，引起人們廣泛的關(guān)注。目前很多研究者開展了有關(guān)膜污染防治、膜處理工藝和膜處理效果等方面的研究，并取得了實(shí)質(zhì)性的進(jìn)展。劉研萍等人對(duì)垃圾滲濾液處理項(xiàng)目進(jìn)行了研究，從預(yù)處理、膜污染結(jié)構(gòu)與形態(tài)、膜清洗等方面，探討了膜污染的防治措施并取得了階段性的成果[1]；遲軍永等人分析了膜污染的形成，并提出了判斷清洗時(shí)機(jī)和評(píng)價(jià)清洗效果的方法，對(duì)超濾膜在滲濾液處理中的應(yīng)用有一定的指導(dǎo)意義[2]；羅丹等人論述了膜分離技術(shù)在垃圾滲濾液處理中的應(yīng)用，并發(fā)現(xiàn)膜污染是阻礙其發(fā)展的主要原因，為此提出研發(fā)新材料，優(yōu)化膜工藝才能使膜技術(shù)更好的為垃圾滲濾液處理服務(wù)[3]。由上述研究現(xiàn)狀總結(jié)可見，對(duì)垃圾滲濾液膜污染的研究主要偏向于對(duì)膜污染的治理、膜工藝的改進(jìn)和優(yōu)化方面，而對(duì)膜處理過程中的自動(dòng)化、信息化和智能化問題鮮有涉足。在該背景下，本文提出了評(píng)估超濾膜污染狀況的方法并據(jù)此設(shè)計(jì)了一套系統(tǒng)，該系統(tǒng)基于瀏覽器/服務(wù)器(B/S)模式并結(jié)合神經(jīng)網(wǎng)絡(luò)算法以及當(dāng)前主流的前后端框架，以網(wǎng)頁(yè)形式展示預(yù)測(cè)結(jié)果，并以此為依據(jù)及時(shí)對(duì)膜進(jìn)行清洗，從而提高超濾處理過程的效率。

1 算法設(shè)計(jì)

根據(jù)歷史工況數(shù)據(jù)預(yù)測(cè)超濾膜污染情況，首先要獲取超濾處理過程的歷史數(shù)據(jù)，但由于現(xiàn)場(chǎng)很多情況下超濾循環(huán)泵都是滿負(fù)荷運(yùn)行，導(dǎo)致歷史工況數(shù)據(jù)較為單一，直接使用這些數(shù)據(jù)建模可能會(huì)導(dǎo)致效果不佳，因此需要進(jìn)行一段時(shí)間的實(shí)驗(yàn)來獲取不同工況下的數(shù)據(jù)。實(shí)驗(yàn)中通過對(duì)超濾過程進(jìn)行固定時(shí)間間隔取樣，獲取其中涉及的相關(guān)量并以此為依據(jù)選取距離上一次的清洗時(shí)間、COD值、氨氮比、污泥濃度、進(jìn)水流量、溫度、進(jìn)水壓力、產(chǎn)水流量、濃水壓力作為樣本。算法模型設(shè)計(jì)流程分三個(gè)部分。

1.1 對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理

根據(jù)實(shí)際工藝，考慮到現(xiàn)場(chǎng)沒有安裝出水壓力測(cè)量裝置，因此只能根據(jù)原理得出超濾膜出水壓力等于進(jìn)水壓力減去濃水壓力，進(jìn)而計(jì)算出超濾膜壓差等于進(jìn)水壓力與出水壓力的差值。再選取實(shí)驗(yàn)過程中運(yùn)行最好的工況作為初始狀態(tài)，對(duì)應(yīng)的膜壓差和膜通量作為初始膜壓差和初始膜通量，并結(jié)合理論推導(dǎo)出膜污染指數(shù)公式[4]如式(1)所示：

(1)

式中：FI——膜污染指數(shù)，m2/L；J0——初始膜通量，L/(m2·h)；J——膜通量，L/(m2·h)；p0——初始膜壓差，Pa；p——膜壓差，Pa；Vsp——單位面積膜的產(chǎn)水量，L/m2。

在實(shí)驗(yàn)過程中難免會(huì)出現(xiàn)數(shù)據(jù)采集中斷、人為誤操作和儀器儀表故障等客觀原因?qū)е聰?shù)據(jù)缺失，目前最常用的缺失值處理辦法是刪除法和填補(bǔ)法，其中填補(bǔ)法又包括替代法和模型預(yù)測(cè)法。模型預(yù)測(cè)法包含回歸、灰度理論、極大似然估計(jì)、移動(dòng)平均等算法[5-6]。根據(jù)現(xiàn)場(chǎng)實(shí)驗(yàn)情況發(fā)現(xiàn)超濾進(jìn)水水質(zhì)變化有一定的規(guī)律性，因此本文采用回歸填補(bǔ)法，盡可能不失真地還原缺失數(shù)據(jù)。

除此之外，還考慮到儀器故障、系統(tǒng)采集信號(hào)延遲和網(wǎng)絡(luò)丟包等因素造成的數(shù)據(jù)異常，目前對(duì)異常值的處理辦法主要包括： 刪除異常值、將異常值視為缺失值、用平均值修正等[5-8]。本文采用將異常值視為缺失值的方法。

1.2 采用預(yù)處理后的數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型

首先將預(yù)處理后的數(shù)據(jù)集劃分成訓(xùn)練集和測(cè)試集；然后采用訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，同時(shí)利用測(cè)試集評(píng)估建立的模型[9]。反復(fù)執(zhí)行上述步驟，優(yōu)化模型參數(shù)以獲取最優(yōu)模型。本文在模型訓(xùn)練中采用梯度下降法[10]，如式(2)所示：

(2)

式中：α——步長(zhǎng)；θ——求解的待定系數(shù)；J(θ)——θ方差最小的損失函數(shù)。

本文通過采樣時(shí)間內(nèi)的數(shù)據(jù)訓(xùn)練得到3層神經(jīng)網(wǎng)絡(luò)模型如圖1所示，輸入層節(jié)點(diǎn)數(shù)為6，輸出層節(jié)點(diǎn)數(shù)為1，隱藏層節(jié)點(diǎn)數(shù)為7。除輸入層外，每一層的節(jié)點(diǎn)都包含了1個(gè)非線性Sigmoid變換[11]，該變換呈現(xiàn)單增性，且可以將任何實(shí)數(shù)映射到0，1之間，但該模型需要根據(jù)具體工藝和具體采樣時(shí)間更新模型參數(shù)以適應(yīng)工況的變化。

圖1 神經(jīng)網(wǎng)絡(luò)模型示意

1.3 基于獲得的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)膜污染

獲取輸入?yún)?shù)的最新數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行運(yùn)算，產(chǎn)生唯一的輸出用于預(yù)測(cè)超濾膜污染情況。

2 系統(tǒng)設(shè)計(jì)

該系統(tǒng)采用B/S模式，在該種模式下，用戶通過瀏覽器發(fā)出請(qǐng)求，服務(wù)器對(duì)用戶的請(qǐng)求作出響應(yīng)。瀏覽器只負(fù)責(zé)將結(jié)果對(duì)外展示，而主要的事務(wù)邏輯均放在服務(wù)端統(tǒng)一完成[12]。B/S架構(gòu)通常分為3層[13]： 第1層為表現(xiàn)層，只負(fù)責(zé)前端頁(yè)面展示；第2層為業(yè)務(wù)邏輯層，起到承上啟下的作用，向上接收前端用戶請(qǐng)求，將邏輯處理后的結(jié)果返回給表現(xiàn)層，向下既要調(diào)用數(shù)據(jù)庫(kù)訪問層的接口，又要接收訪問數(shù)據(jù)庫(kù)返回的結(jié)果；第3層為數(shù)據(jù)訪問層，負(fù)責(zé)對(duì)數(shù)據(jù)庫(kù)進(jìn)行增、刪、改、查操作。

該系統(tǒng)以Linux操作系統(tǒng)為平臺(tái)，以IntelliJ IDEA為Java語(yǔ)言開發(fā)工具。采用前后端分離的開發(fā)模式，模塊化編程，前后端并行開發(fā)提升效率。系統(tǒng)架構(gòu)如圖2所示，其有四個(gè)部分： 前端、后端、數(shù)據(jù)庫(kù)以及算法實(shí)現(xiàn)部分。其中前端由Jquery框架、BootStrap框架、ACE框架以及HighCharts框架構(gòu)成，實(shí)現(xiàn)了Web頁(yè)面的響應(yīng)式布局、局部刷新和模塊化展示。后端開發(fā)是以JDK8為開發(fā)工具包，使用SSM整合框架，并引入Shiro作為后端的安全框架進(jìn)行身份認(rèn)證和會(huì)話管理[14]。數(shù)據(jù)庫(kù)采用MySql開源關(guān)系型數(shù)據(jù)庫(kù)，以事務(wù)管理的方式保證數(shù)據(jù)存儲(chǔ)的安全性和可靠性，同時(shí)采用目前性能較佳的數(shù)據(jù)庫(kù)連接池技術(shù)druid，合理地配置數(shù)據(jù)庫(kù)連接資源，提高數(shù)據(jù)庫(kù)操作的性能。算法實(shí)現(xiàn)部分采用PyCharm集成開發(fā)工具編寫Python腳本，以Json數(shù)據(jù)格式返回結(jié)果并寫入數(shù)據(jù)庫(kù)中。整個(gè)系統(tǒng)的管理采用Apache Maven工具，用于管理項(xiàng)目依賴的jar包、編譯、文檔及維護(hù)整個(gè)項(xiàng)目的生命周期(project lifecycle)。

圖2 系統(tǒng)架構(gòu)示意

3 系統(tǒng)實(shí)現(xiàn)

由圖2可知，按功能把系統(tǒng)分為登錄模塊、算法模塊和Web展示模塊。登錄模塊通過SpringBoot整合Shiro完成用戶身份認(rèn)證和會(huì)話管理。身份認(rèn)證采用Shiro的過濾器設(shè)置過濾鏈表，使所有用戶只有成功登錄后才能訪問主頁(yè)，否則被攔截。會(huì)話管理是通過創(chuàng)建由Shiro統(tǒng)一管理的Session對(duì)象實(shí)現(xiàn)，每次http請(qǐng)求都會(huì)攜帶SessionID以保證同一會(huì)話，一旦Session過期失效，用戶需要重新登錄開啟新的會(huì)話，否則用戶發(fā)起的任何請(qǐng)求都會(huì)強(qiáng)制跳轉(zhuǎn)到登錄頁(yè)。

圖3 算法模塊執(zhí)行流程示意

算法模塊執(zhí)行流程如圖3所示。

該流程分為前期處理和算法執(zhí)行兩部分，其中算法執(zhí)行部分采用Python語(yǔ)言實(shí)現(xiàn)，通過Crontab腳本將Python程序加入Linux定時(shí)任務(wù)列表循環(huán)執(zhí)行，源源不斷地將算法輸出結(jié)果存入數(shù)據(jù)庫(kù)，實(shí)現(xiàn)按時(shí)預(yù)測(cè)膜污染指數(shù)的功能。

Web模塊執(zhí)行流程如圖4所示。

圖4 Web模塊執(zhí)行流程示意

Web展示模塊基于傳統(tǒng)MVC模式，采用SSM輕量級(jí)復(fù)合框架搭建后端業(yè)務(wù)平臺(tái)，通過靈活地使用Jquery，BootStrap和HighCharts框架對(duì)前端頁(yè)面進(jìn)行快速簡(jiǎn)潔地開發(fā)，同時(shí)合理地選用前后端銜接技術(shù)有效地降低系統(tǒng)的耦合度，提高代碼的可復(fù)用性。由圖4可知，點(diǎn)擊膜污染指數(shù)評(píng)估菜單，通過ajax的GET方式發(fā)起異步請(qǐng)求，請(qǐng)求對(duì)應(yīng)Restful風(fēng)格的url： "optimization/mog1PollutionData/"+startTime+"/"+endTime。位于后端的DispatcherServlet接收到請(qǐng)求并進(jìn)行解析，找到與之匹配的@RequestMapping("/optimization")控制器類后，進(jìn)一步窄化請(qǐng)求找到與@GetMapping(value="/mog1PollutionData/{startTime}/{endTime}")對(duì)應(yīng)的Restful方法。方法中通過@PathVariable("")注解得到startTime和endTime并把它們作為實(shí)參傳入Service對(duì)象的業(yè)務(wù)處理函數(shù)selectByModelIdandName()，通過在該函數(shù)中注入Mapper代理對(duì)象，調(diào)用其接口函數(shù)從數(shù)據(jù)庫(kù)中查詢到前12 h膜污染指數(shù)的預(yù)測(cè)結(jié)果，進(jìn)而向上返回到Service層再到Controller層，最后成功地返回給ajax請(qǐng)求的異步函數(shù)，并結(jié)合Highcharts圖表框架對(duì)前端頁(yè)面進(jìn)行局部渲染，同時(shí)通過BootStrap響應(yīng)式柵格系統(tǒng)優(yōu)化頁(yè)面布局，使其結(jié)構(gòu)清晰層次分明。

4 系統(tǒng)運(yùn)用

該系統(tǒng)在光大環(huán)保能源公司滲濾液處理站部署以來運(yùn)行效果良好，前12 h膜污染指數(shù)預(yù)測(cè)曲線如圖5所示。

圖5 膜污染指數(shù)預(yù)測(cè)曲線示意(2020-01-10)

由圖5可知，由于短時(shí)間內(nèi)膜污染程度變化不大，因此只展示出每小時(shí)的預(yù)測(cè)結(jié)果，通過這些數(shù)據(jù)操作人員便可直觀地了解超濾膜污染情況，提前對(duì)膜進(jìn)行處理，改善超濾產(chǎn)水水質(zhì)，確保反滲透的正常運(yùn)行。除此之外，還可以點(diǎn)擊“實(shí)時(shí)推薦”按鈕，系統(tǒng)立即執(zhí)行算法預(yù)測(cè)出超濾循環(huán)泵推薦功率、超濾膜污染指數(shù)預(yù)測(cè)值及預(yù)期產(chǎn)水量，為現(xiàn)場(chǎng)技術(shù)人員及時(shí)決策提供了參考。以2020年1月10日某時(shí)刻為例，按下“實(shí)時(shí)推薦”按鈕后，推薦功率為28.2 kw，膜污染指數(shù)為38.7%，預(yù)期產(chǎn)水量為6.1 L/m2。

5 結(jié)束語(yǔ)

本文基于B/S模式并結(jié)合神經(jīng)網(wǎng)絡(luò)模型，采用當(dāng)前主流的前后端框架和Python智能化語(yǔ)言，開發(fā)了超濾膜污染情況預(yù)測(cè)系統(tǒng)，該系統(tǒng)通過登錄模塊、算法模塊和Web展示模塊為用戶提供了身份認(rèn)證、預(yù)測(cè)分析以及結(jié)果查詢等功能，并且具有界面友好、操作簡(jiǎn)單和便于維護(hù)等優(yōu)勢(shì)。將該系統(tǒng)應(yīng)用于光大環(huán)保能源公司項(xiàng)目中，為現(xiàn)場(chǎng)操作人員準(zhǔn)確判斷膜清洗的時(shí)機(jī)提供了依據(jù)，對(duì)推動(dòng)滲濾液處理信息化有一定的現(xiàn)實(shí)意義。