基于模糊神经网络的A/O工艺出水氨氮在线预测模型

被引：14

作者：

胡康 ^{[1
]}

万金泉 ^{[1
,2
,3
]}

马邕文 ^{[1
,2
,3
]}

黄明智 ^{[2
,3
]}

王艳 ^{[2
,3
]}

机构：

[1] 华南理工大学制浆造纸国家重点实验室

[2] 华南理工大学环境科学与工程学院

[3] 华南理工大学教育部工业聚集区污染控制与生态修复重点实验室

来源：

中国环境科学 | 2012年 / 02期

基金：

广东省自然科学基金;

关键词：

自适应模糊人工神经网络; 自适应模糊C均值聚类算法; 污水处理; 氨氮去除; 厌氧/缺氧/好氧污水处理系统;

D O I：

暂无

中图分类号：

X703 [废水的处理与利用];

学科分类号：

083002 ;

摘要：

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.

引用

页码：260 / 267

页数：8

共 17 条

[1]

Neural-fuzzy control system application for monitoring process response and control of anaerobic hybrid reactor in wastewater treatment and biogas production[J]. Chaiwat Waewsak,Annop Nopharatana,Pawinee Chaiprasert.Journal of Environmental Sciences. 2010(12)

[2] 基于ANN的SBBR-CRI处理模拟生活污水及其仿真研究 [J].