污水处理过程动态仿真与COD软测量方法研究

论文摘要

为了使神经网络在保持良好性能的同时具有最小的网络规模,近年来,相继有一些神经网络结构优化方法被提出,神经网络结构设计也已成为当前神经计算科学中人们共同关注的问题。污水处理过程是一个复杂的生化反应过程,具有高度非线性、时变、不确定性和时滞等特点,且建模非常困难。神经网络能够根据对象输入/输出的数据直接建立模型,不需要对象的先验知识及复杂的数学公式推导,因此,神经网络可以在复杂对象建模过程中发挥巨大作用。此外,由于污水处理过程现场实验成本高,工艺设施一经建成就不能再次修改,因此,对污水处理过程进行动态仿真研究具有十分重要的现实意义。针对污水处理过程中的实际问题,本文提出了一种自组织神经网络计算方法,并且将其应用于COD软测量中,取得了很好的效果。论文主要工作如下:(1)提出一种基于OBS算法的前馈神经网络快速修剪算法,并通过仿真实验证明使用该算法可以获得更简单的网络结构并可缩短网络学习时间。(2)将这种快速修剪算法应用于污水处理过程建模,获得了一种基于自组织神经网络的COD软测量模型,仿真结果表明,此算法在保持良好收敛及泛化性能的基础上,使网络具有更简单的结构并获得更快的学习速度。(3)采用LabVIEW软件平台开发了活性污泥法污水处理过程动态仿真系统,较为完整地实现了污水二级处理的动态模拟。本文的研究对我国污水处理过程的模型发展和仿真技术的开发有一定借鉴意义,但由于条件和时间的限制,尚有许多方面有待改进和深入探讨。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 活性污泥法污水处理过程的模型及仿真技术概述
• 1.2.1 活性污泥法污水处理过程简介
• 1.2.2 活性污泥法污水处理过程模型的发展及现状
• 1.2.3 仿真技术简述
• 1.3 课题来源与主要研究内容
• 1.3.1 课题来源
• 1.3.2 本文主要研究内容
• 第2章 基于前馈神经网络的快速修剪算法
• 2.1 神经网络概述
• 2.1.1 神经网络的发展
• 2.1.2 神经网络的特性
• 2.1.3 前馈神经网络的特性
• 2.2 BP学习算法
• 2.2.1 网络结构
• 2.2.2 BP学习算法
• 2.3 基于前馈神经网络的快速修剪算法
• 2.3.1 神经网络结构优化方法
• 2.3.2 OBS算法
• 2.3.3 基于前馈神经网络快速修剪算法
• 2.4 仿真实验
• 2.4.1 神经网络的结构优化设计
• 2.4.2 非线性函数逼近能力
• 2.4.3 仿真结果与分析
• 2.5 本章小节
• 第3章 基于自组织神经网络的COD软测量
• 3.1 活性污泥法污水处理过程
• 3.1.1 污水处理
• 3.1.2 活性污泥法污水处理过程
• 3.1.3 影响出水水质的因素分析
• 3.1.4 污水主要水质参数及出水水质标准
• 3.2 污水水质参数COD神经网络软测量模型
• 3.3 基于快速修剪算法的COD软测量
• 3.3.1 软测量模型结构
• 3.3.2 实验数据预处理
• 3.3.3 仿真结果与分析
• 3.4 本章小节
• 第4章 活性污泥法污水处理过程动态仿真研究
• 4.1 软件开发工具LabVIEW概述
• 4.1.1 虚拟仪器的概念
• 4.1.2 LabVIEW功能
• 4.2 活性污泥法污水处理工艺过程
• 4.3 污水处理过程数学模型
• 4.3.1 曝气池模型
• 4.3.2 二沉池模型
• 4.4 仿真系统设计与具体实现
• 4.4.1 一级处理过程
• 4.4.2 曝气池部分
• 4.4.3 二沉池部分
• 4.4.4 污水处理过程仿真系统主程序
• 4.5 仿真实验
• 4.6 本章小节
• 结论
• 参考文献
• 攻读硕士学位期间所发表的学术论文
• 致谢