水处理技术
水處理技術
수처리기술
2011年
5期
22-25
,共4页
BP神经网络%遗传算法%短程亚硝化%主导因子%最佳运行参数%厌氧氨氧化
BP神經網絡%遺傳算法%短程亞硝化%主導因子%最佳運行參數%厭氧氨氧化
BP신경망락%유전산법%단정아초화%주도인자%최가운행삼수%염양안양화
以匹配后续厌氧氨氧化主体脱氮工艺进水为目的,采用亚硝酸型硝化工艺进行前期脱氮预处理.在前期试验及动力学分析基础上,利用带动量的自适应学习速率梯度下降算法,建立BPNN模型,预测系统温度、进水pH、碱度、进水氨氮质量浓度、曝气量5个生态因子对亚硝化过程影响.采用分割连接权值( PCW)和偏导数(PaD)2种方法,定量化分析网络各层神经元的连接权值,明确了既定进水条件下,匹配厌氧氨氧化的短程亚硝化过程主导因子依次为曝气量、温度及碱度.采用遗传算法对已建立BPNN模型寻优,结果表明系统最优运行参数为:温度28.5℃、进水pH为8.34、进水碱度值6 777 mg·L-1,进水氨氮质量浓度1 215.8 mg·L-1、曝气量0.24 m3.h-1,与实际试验具有较好一致性.同时表明加大曝气量可以一定程度上降低温度要求.
以匹配後續厭氧氨氧化主體脫氮工藝進水為目的,採用亞硝痠型硝化工藝進行前期脫氮預處理.在前期試驗及動力學分析基礎上,利用帶動量的自適應學習速率梯度下降算法,建立BPNN模型,預測繫統溫度、進水pH、堿度、進水氨氮質量濃度、曝氣量5箇生態因子對亞硝化過程影響.採用分割連接權值( PCW)和偏導數(PaD)2種方法,定量化分析網絡各層神經元的連接權值,明確瞭既定進水條件下,匹配厭氧氨氧化的短程亞硝化過程主導因子依次為曝氣量、溫度及堿度.採用遺傳算法對已建立BPNN模型尋優,結果錶明繫統最優運行參數為:溫度28.5℃、進水pH為8.34、進水堿度值6 777 mg·L-1,進水氨氮質量濃度1 215.8 mg·L-1、曝氣量0.24 m3.h-1,與實際試驗具有較好一緻性.同時錶明加大曝氣量可以一定程度上降低溫度要求.
이필배후속염양안양화주체탈담공예진수위목적,채용아초산형초화공예진행전기탈담예처리.재전기시험급동역학분석기출상,이용대동량적자괄응학습속솔제도하강산법,건립BPNN모형,예측계통온도、진수pH、감도、진수안담질량농도、폭기량5개생태인자대아초화과정영향.채용분할련접권치( PCW)화편도수(PaD)2충방법,정양화분석망락각층신경원적련접권치,명학료기정진수조건하,필배염양안양화적단정아초화과정주도인자의차위폭기량、온도급감도.채용유전산법대이건립BPNN모형심우,결과표명계통최우운행삼수위:온도28.5℃、진수pH위8.34、진수감도치6 777 mg·L-1,진수안담질량농도1 215.8 mg·L-1、폭기량0.24 m3.h-1,여실제시험구유교호일치성.동시표명가대폭기량가이일정정도상강저온도요구.
