庹婧艺，徐冰峰，徐 悦，喻 岚，王雪颖，郭露遥

（昆明理工大学建筑工程学院，昆明650000）

混凝投药是自来水厂运行的关键，投加量直接决定着水厂的出水水质和经济效应。在保证出厂水水质达标的情况下，实现投药量的最佳控制，是净水行业现阶段的重点［1］。张瑶瑶、刘泽华［2，3］研究发现因原水浊度对投药量的影响大，采用回归方程模型分析水厂投药量时，须将样本分为高浊与低浊两个方程分别计算，其计算方式冗杂，对数据要求高。李培军、唐德翠［4，5］等人采用机理模型模拟投药工艺，模型只是在一定的特殊条件下建立的，需要对自来水厂投药混凝的各影响因子都进行解析计算，其准确度不是很高。王晓杰、李拓［6，7］等人采用BP神经网络预测混凝投药量，网络本身收敛速度慢，网络规模小，精度难以提高。研究结果如表1。

据表1可知，由于单一神经网络结构自身所具有的约束性，还需其他组合算法来增加模型的全局搜索能力［9］、降低运动过程的鲁棒性、提高预测精度［10，11］，从而达到模型目标期望值的目的。本文采用PSO 优化RBF 建立非线性的高维映射水厂投药量动态模型，以了解原水数据与投药量之间的规律，实现在不同季节、不同水厂、不同条件下对投药量的动态预测，尽早发现水质变化趋势，降低药耗。

表1 自来水厂常用模拟算法精度对比

1 PSO优化RBF神经网络模型的建立

1.1 RBF神经网络结构

RBF 能将训练样本点使用核函数方法（Cover 函数）投射到更高维的空间中，可以近似任意非线性函数，精度较高，能避免陷入局部最优［12，13］。……