基于人工神经网络的半连续式混合厌氧消化产气量预测

研究采用BP神经网络和模糊神经网络(FNN)模型对逐步提高有机负荷的半连续式餐厨垃圾和猪粪混合厌氧消化试验进行日产气量预测.结果表明,BP神经网络模型的预测准确率为77.63％,FNN模型为82.33％,2种模型均可用于产气预测,但FNN模型在传统神经网络模型基础上加入了模糊控制,可提高其准确率,更适用于混合厌氧消化产气量预测.     

多元回归和BP人工神经网络在预测混合厌氧消化产气量过程中的应用比较

对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1～16天和第17～70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

基于BP和RBF神经网络的外加碳源量模型研究

碳源作为反硝化过程的电子供体,是影响生物脱氮过程的重要因素,低碳氮比污水需外加碳源以保证反硝化反应的顺利进行。为了优化控制碳源投加量,对实验室搭建的CAST工艺污水处理装置的进水条件和外加碳源量的非线性关系分别进行了基于BP和RBF神经网络的模型研究,并对外加碳源量进行了预测。结果表明,两种网络模型均能有效预测外加碳源量,RBF神经网络模型在训练速度和逼近能力方面优于BP神经网络模型,但在预测性能方面BP神经网络模型则有更高的预测精度。     

我国典型村镇春季生活垃圾的理化特性对比

选取了12个省份所在的72个典型村镇进行垃圾样品采集,系统分析了我国典型村镇春季生活垃圾组成及理化特性在不同方面对村镇春季生活垃圾组成与特性进行了对比,对村镇舂季生活垃圾组成成分与理化特性进行了相关性分析,結果表明,春季村镇生活垃圾组成中以厨余类(31.39%)和灰土类(22.05%)为主,其次为橡塑类(13.84%)和纸类(14.58%),有害类(0.39%)含量最低。在舂季,村镇生活垃圾容重变化范围在82.50·398.86 kg·m~(-3)之间,平均值为256.25 kg·m~(-3);含水率在41.03%·77.53%之间,平均值为54.03%;湿基低位热值在1 056~7 553 kJ·kg~(-1)之间,平均值为3 611 kJ·kg~(-1)。村和镇的春季生活垃圾组成与理化特性无明显差异;南方地区村镇春季生活垃圾含水率高于北方地区,湿基低位热值低于北方地区;不同经济区域之间村镇春季生活垃圾组成随经济发展水平存在一定规律。村镇舂季生活垃圾湿基低位热值与厨余类、含水率存在显著负相关性,与橡塑类、纸类有显著正相关性。     

基于分区气化模型的MSW燃烧过程模拟研究

针对一种新型两段式生活垃圾分区气化燃烧装置,提出了基于分区气化模型的垃圾热转化过程数值模拟方法。该方法耦合化学反应动力学和流体动力学软件预测移动床层垃圾的气化以及炉内气相空间的燃烧过程。通过对组分及热值差异较大的2种生活垃圾在炉内的反应过程进行模拟,得到了炉内的气相组分、温度及流场的分布。结果表明,该方法能够很好地适用于复杂组分的垃圾热转化过程模拟研究。高水分、低热值的生活垃圾气化后再燃炉膛出口温度处于973~1 073 K,不利于二恶英的生成控制。前拱二次风的增加不仅加强了炉内的湍流扰动,而且加强了炉内主反应区的温度。经过对流场和温度场进行优化,烟气的停留时间延长,炉膛出口烟气中的可燃气体组分大大降低,而且NO的浓度降低了近一个数量级。     

深圳市区空气污染的人工神经网络预测

利用深圳市2006至2013年的大气污染物监测浓度数据和气象资料,分析深圳市空气质量的逐月分布变化特征。采用Pearson相关分析,选择显著相关因子,分别以BP神经网络和RBF神经网络构建空气质量预测模型,对该市2013年SO2、NO2、PM103种空气污染物的月均值进行预测。实验结果表明,通过Pearson相关分析建立的预测模型有更高的预报精度。BP和RBF 2种网络预测效果都比较理想,对不同污染物的预测精度各有高低。但BP网络的构建和参数优化过程较为复杂且网络训练结果不稳定,而RBF网络构建和训练简单,时间短而结果稳定。在综合性能上,RBF网络用于环境空气污染物浓度的预测具有更强的适用性。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法(QGA)优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

基于改进BP神经网络的厌氧发酵产气量预测模型

为准确预测大中型沼气工程日产气量,采用改进BP神经网络算法,引入动量和自适应调节学习率,根据厌氧发酵机理以及实际工程运行状况,建立以温度、TS浓度以及pH值作为输入层节点,沼气日产气量为输出层节点的预测模型。利用实验获取的150组数据作为模型的训练样本和测试样本,通过Matlab软件进行仿真,结果表明,改进的BP神经网络对沼气的日产气量具有良好的预测能力,建立的沼气日产气量预测模型不仅收敛速度快而且精度高,150组数据的平均预测准确率为84.02%。     

城市生活垃圾、污泥和煤粉混合燃料热值的研究

为了寻求生活垃圾和污泥的高效资源化、能源化方法.选取生活垃圾、污泥和煤粉的混合,枯枝落叶,助燃剂MnO2,脱硫剂 CaO 为控制因子,安排正交试验,成型加工为混合燃料.测定其热值,并通过正交分析,筛选出燃料最大热值组合,即混合时垃圾、污泥、煤粉的比例为 1:1:2,枯枝落叶所占比例为 0%,助燃剂 MnO2 含量为 0.18%,脱硫剂 CaO 含量为 1.5/(100 g),该燃料的热值为 17.8898 kJ/g.为该混合燃料的推广与应用提供理论依据.     

基于RBF模型的太湖北部叶绿素a浓度定量遥感反演

以大型内陆浅水湖泊一太湖为例,采用RBF(Radial Basis Function)神经网络建立该研究区域的叶绿素a浓度与同步影像数据的反演模型,较分析现今应用最广泛使用的BP(Back Propagation)神经网络模型,并通过对模型的验证、稳定性和鲁棒性分析评价了两种模型的泛化能力。结果表明,常规的BP神经网络模型收敛速度慢,极容易陷入局部最优解,而RBF比BP模型有更加优异的函数逼近、分类和模式识别能力,对反演叶绿素a浓度具有很强的泛化能力。