基于人工神经网络的SBBR短程硝化反应仿真研究

论文摘要

当前,我国水环境的氮污染日益加剧,危害不断显现,因此受到了人们越来越多的关注,对水体实施有效的脱氮处理已是刻不容缓。本论文简介了国内外生物脱氮技术的研究过程和研究成果以及该技术的最新研究进展,指出了我国发展新型生物脱氮技术的重要性,新型生物处理技术的引入能很大程度的改进目前废水脱氮处理的水平。最近以短程硝化为代表的一些新型的氨氮去除技术得到了长足的发展,这些技术的出现为高氨氮废水的处理提供了经济可行的选择。实验利用人工神经网络对4组SBBR反应器内短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB语言环境下建立了进水NH4+-N﹑DO﹑温度以及外加碳源与出水NH4+-N和出水NO2--N之间的非线性映射函数关系,确立了相关的动态模型。结合最优化网络模型运行参数:隐节点数为7,动量常数为0.7,初始学习率为0.25,最佳训练次数为4000次,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅仅只有13.90%,最小误差0.99%。在整个样本测试中,对出水氨氮的仿真值绝对平均误差率只有6.42%,对出水亚硝酸盐的仿真值绝对平均误差率为6.57%,精度相当高。通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH4+-N和温度对短程硝化过程表现出较大的影响.人工神经网络模型能够很好地映射出控制短程硝化过程的各个因素之间的非线性函数关系,可以应用于污水短程硝化生物处理过程的动态监控。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景和意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 污水生物脱氮原理
• 1.2.1 硝化作用
• 1.2.2 反硝化作用
• 1.3 新型生物脱氮技术
• 1.3.1 短程硝化反硝化工艺
• 1.3.2 厌氧氨氧化工艺
• 1.3.3 好氧脱氨工艺
• 1.3.4 同步硝化反硝化工艺
• 1.3.5 Oland 工艺
• 1.3.6 Canon 工艺
• 第2章 技术路线与实施方案
• 2.1 实验目的
• 2.2 技术路线
• 2.2.1 技术思路
• 2.2.2 技术途径
• 2.3 实施方案
• 第3章 SBBR 反应器启动及控制因素的确定
• 3.1 SBBR 技术概述
• 3.1.1 技术背景及原理
• 3.1.2 SBBR 运行方式及特点
• 3.2 反应器的启动
• 3.2.1 实验反应器
• 3.2.2 人工配水
• 3.2.3 分析测量方法
• 3.2.4 实验填料选择
• 3.2.5 反应器的驯化与稳定
• 3.3 控制因素的确定
• 第4章 基于ANN 的SBBR 短程硝化过程仿真研究
• 4.1 实验方法及条件
• 4.1 实验方法
• 4.2 控制条件
• 4.2 BP 人工神经网络
• 4.2.1 BP 模型结构
• 4.2.2 误差反向传播（BP）学习算法
• 4.3 BP 网络动态模型建立
• 4.3.1 样本数据
• 4.3.2 训练流程
• 4.3.3 网络拓扑结构设计
• 4.4 实验结果分析与讨论
• 4.4.1 网络性能的评价
• 4.4.2 网络运行参数的优化
• 4.4.3 少量样本组ANN 仿真结果
• 4.4.4 ANN 随机动态仿真结果及分析
• 4.4.5 影响因素权重分析
• 4.5 实验小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表的学术论文目录
• 附录 B 攻读学位期间专利申请目录
• 附录 C BP 模型实验 Matlab 应用程序