基于ANN的SBBR-CRI处理模拟生活污水及其仿真研究

被引：5

作者：

孙红松

杨朝晖

曾光明

刘水清

徐峥勇

邓久华

季丽丽

陈颖

机构：

[1] 湖南大学环境科学与工程学院,环境生物与控制教育部重点实验室

来源：

中国环境科学 | 2010年 / 30卷 / 11期

关键词：

人工神经网络; 权重; SBBR; 人工快渗; 生活污水;

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：

采用序批式生物膜反应器(SBBR)与人工快速渗滤系统(CRI)工艺结合对模拟生活污水进行处理,由于该工艺影响因素与出水参数的复杂非线性关系,利用人工神经网络(ANN)对SBBR-CRI处理生活污水的过程进行仿真模拟.在MATLAB语言环境下,以DO、淹没时间/落干时间、曝气时间/停曝时间、进水COD、进水NH4+-N、进水TP为输入因素,出水COD、NH4+-N、TN和TP为输出因素,构建具有自适应学习规则的人工神经网络.结合最优网络运行参数:隐含层节点数6,初始学习率0.13,动量因子0.6,训练次数6000次,对样本仿真学习,预测值与实际值拟合度较好,样本的绝对平均误差率在7.5%之内,均方根误差均在0.085之内.结果表明,当DO为2mg/L,曝气时间/停曝时间为2/1,淹没时间/落干时间为1/3时,NH4+-N去除率能达到98%以上,TN和TP去除率85%以上,COD去除率94%以上.通过权重分析,进水NH4+-N、DO和进水TP对出水参数影响较大.

引用

页码：1453 / 1458

页数：6

共 15 条

[11]

环境工程微生物学[M]. 高等教育出版社 , 周群英,高廷耀编著, 2000

[12] Kinetic Modeling of inhibition of ammonia oxidation by nitrite under low dissolved oxygen conditions [J].

Contreras, Edgardo Martin ;

Ruiz, Fabricio ;

Bertola, Nora Cristina .

JOURNAL OF ENVIRONMENTAL ENGINEERING, 2008, 134 (03) :184-190

[13]

An accurate comparison of methods for quantifying variable importance in artificial neural networks using simulated data[J] . Julian D Olden,Michael K Joy,Russell G Death.Ecological Modelling . 2004 (3)

[14]

An evaluation of the phosphorus storage capacity of an anaerobic/aerobic sequential batch biofilm reactor. Chiou Renjie,Yang Yirong. Bioresource Technology . 2008

[15]

Back-propagation neural network for long-term tidal predictions. Lee Tsong Lin. Ocean Engineering . 2004

← 1 2 →