李 赞，张长胜，田海湧，毛 辉，王 卓，马泽楠

(1.昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2.云南树业科技有限公司，云南 昆明 650221；3.中国市政工程华北设计研究总院有限公司 昆明分公司，云南 昆明 650051)

在自来水厂水处理中，混凝、沉淀、过滤和滤后消毒是最重要的4个工艺。其中混凝反应[1]是整个处理过程中最为关键的步骤，混凝效果的好坏直接影响后续处理工艺设备的负担、处理成本及出厂水浊度，而混凝投药量(混凝剂量)是混凝反应的关键，投药量对混凝效果起到决定性作用。准确的投药量使得混凝效果较好，可以减轻沉淀和过滤的负担，减少投药成本，使得出厂水浊度达标。因此，混凝投药量控制是自来水厂整个处理工艺的核心问题，也是水处理专家和研究学者急需解决的问题。

Oladipupo等[2-4]提出用于水处理厂混凝控制的多模型预测控制(MMPC)策略、模糊模型预测控制(FMPC)策略及利用Takagi-Sugeno模糊推理系统开发的基于模糊切换方案的MMPC策略。Yamamura等[5]使用摄像机记录絮凝物图像，通过输入记录的絮凝物图像和浊度水平作为训练数据集，利用卷积神经网络构建用于预测上清液浊度的模型，通过提取控制絮凝物沉降性的特征能立即自动预测凝结状态，从而控制混凝剂聚合氯化铝的用量。Li等[6]阐述了人工智能的数据分析和进化学习机制，能够实现水质诊断、自主决策和运行过程优化。针对混凝投药量控制呈现出非线性多参数的特点，建立准确的数学模型有一定难度，且数学模型的适用性较差。……