基于人工神经网络的造纸废水处理动态仿真

研究了人工神经网络对废纸造纸废水处理过程动态仿真的可行性,采用误差反向传播网络(BP网)建立了表征原水COD、加药量、进水流量、历史出水COD与预计出水COD之间复杂关系的动态模型,并对不同训练方法进行了比较,发现带有动态调整的方法具有较好的效果,其模型的计算输出值与过程的实际输出值具有较好的一致性.对造纸厂现场排放的废水的实验表明,该模型可用于废纸造纸废水处理的动态描述.     

膜技术在废水处理中的应用

着重介绍了膜技术在生活污水、油田采出水、造纸废水、纺织印染废水、高浓度有机废水和重金属废水中的应用。膜技术处理废水与传统的废水处理方法相比具有处理效果好，可实现废水回用和有用物质回收的优点。并展望将膜技术应用于废水处理，特别是近年来新发展起来的纳滤膜分离技术应用于含低分子量污染物的分离，与传统的废水处理过程相结合等技术均将产生较大的社会效益与经济效益。     

基于pso-SVM的废水厌氧处理过程软测量模型

由于厌氧消化过程的复杂性和厌氧菌的敏感性,保持厌氧消化体系的稳定和高效性是比较困难的.本文在实验室采用IC反应器构建了一套厌氧废水处理系统处理人工合成废水,基于支持向量机(SVM)提出了一种预测废水厌氧处理系统出水挥发性脂肪酸(VFA)浓度和COD去除率的软测量模型.为了提高模型的精确性和鲁棒性,加入pso算法(粒子群算法)优化SVM模型,并引入了分类策略对元数据集进行有效分类.仿真结果表明,基于pso-SVM模型的软测量模型对厌氧废水处理系统出水VFA浓度和COD去除率具有较好的预测能力,模型预测系统COD去除率及出水总VFA浓度测试样本数据相关系数分别为65.86%、85.25%;加入分类策略后,元数据集分成两类,模型预测系统COD去除率测试样本数据相关系数分别为92.34%、83.41%;模型预测系统出水总VFA浓度测试样本数据相关系数分别为99.14%、99.59%,系统预测精度明显提高.引入分类策略对元数据集进行有效分类,基于pso-SVM的软测量模型可为监控、优化和理解厌氧消化过程提供指导.     

生化法处理造纸废水的试验研究

采用UASB反应器和A/O池组合的生化法进行了造纸废水处理的试验研究.结果表明,UASB反应器处理造纸废水,废水可生化性得到明显改善.COD去除率与水力停留时间呈正相关性,UASB反应器水力停留时间取24 h合适.该生化法COD去除率达93.33％,氨氮去除率达87.72％,系统出水COD浓度能满足造纸行业低档纸回用水要求.造纸废水中污染物成分比较复杂,经过UASB反应器和A/O池处理后有机成分变化比较明显,污染物种类梯级减少.通过A/O池处理,污染物减少一半,主要是小分子和低碳烷烃类,还含有少量难降解有机物.     

植物提取废水处理工程实例

介绍了植物提取废水处理工程,根据植物提取废水的浓度高、废水产生量大及成分复杂的特点,属于难处理的工业废水之一,而再生树脂柱废水及层析过程废水酸碱性强,COD浓度高的特点,废水处理采用预处理-IC厌氧塔-接触氧化池-二沉池出水工艺进行处理。由工程实际运行标明,设计处理能力为500m~3/d,废水进水COD≤8500mg/l,出水≤300mg/l,COD_(Cr)、SS的去除率分别为96.5%、85.7%。出水远低于《污水综合排放标准》GB8978-1996三级排放标准要求,且此工艺具有出水稳定、去除效率高及占地面积小的优点。     

纺织印染废水SBR处理试验研究

本试验通过现场小试，研究SBR工艺用于纺织印染废水处理的可行性。实验结果表明：SBR生物处理工艺处理纺织印染废水，对COD的去除率为50%～90%，当利用SBR（8小时曝气）与混凝沉淀相结合处理COD为800mg/L左右的纺织印染废水时，出水完全达到国家污水综合排放一级标准要求，同时防止了污泥膨胀，从而证明SBR工艺用于纺织印染废水处理是完全可行的。     

混凝沉淀法—微电解法—生化法处理造纸废水的试验研究

通过静态试验,研究了生化-铁碳微电解-生化、生化-铁碳微电解-混凝沉淀、混凝沉淀-铁碳微电解-生化3种工艺降解造纸废水COD的效果,考察了铁碳微电解法对造纸废水生化性能的改善。试验结果表明,经过铁碳微电解预处理后的造纸废水,其生化性能得以增强;相对混凝沉淀出水,铁碳微电解出水采用生化处理作为后续处理工艺更佳,其COD去除效果更好。     

造纸废水二级生化出水的电离辐射深度处理

探讨了采用电离辐射对造纸废水二级生化出水进行深度处理的可行性.结果表明,二级生化出水主要由相对分子质量为1000～3000和3000以上的有机物组成,它们对COD的贡献分别为69.5%和6.9%,它们对溶解性有机质（DOC）的贡献分别为40.6%和31.6%.电离辐射促使废水中的一些大分子有机物向小分子有机物转化,相对...     

某饮料企业污水处理设施运行效果分析

对杭州某饮料企业废水处理设施运行效果进行了跟踪分析。分析表明对于该废水处理设施,其出水COD浓度和废水处理水量存在相关关系。当废水处理水量和进水COD浓度在一定范围时,设施可在最佳运行状态;处理量达到75%设计废水处理量下,应合理安排生产,控制进水COD值低于1 900 mg/L,才可保证出水水质达标排放。     

水解酸化工艺预处理亚麻废水的研究

采用水解酸化工艺预处理亚麻废水。并对其进行了相关研究。在处理过程中有很多影响因素对水解酸化过程的速度和效率,以及最终产物都有重要的影响,并直接影响到水解酸化池的出水水质及处理效果。实验中主要考察了水力停留时间、进水COD、进水pH值和温度等影响因素对水解酸化池出水的影响,同时考察了水解酸化池稳定运行后对废水可生化性的改善,连续监测了水解酸化池进出水的COD、BOD、SS、pH、色度等各项指标,对类似的废水处理有一定的借鉴价值。     

基于BP神经网络的吡虫啉农药废水纳滤分离模型

为了有效控制农药废水纳滤分离工艺运行,基于DK膜预处理吡虫啉废水的试验数据,采用神经网络算法仿真模拟了纳滤系统去除污染物的过程,建立了纳滤分离动态模型,预测了多影响因素作用下的吡虫啉农药废水中污染物去除规律和实时性动态变化,不仅完善了纳滤分离理论系统,而且模型精度满足应用要求,计算的COD、盐分去除率与实测值的相关系数大于0.99,误差在±4%范围内,为农药废水的有效治理提供了必要的技术支持。     

基于ELM网络的污水处理COD值预报模型研究

通过对沈阳某污水处理厂的叶轮气浮法污水工艺进行研究分析,得知其过程具有多变量、非线性和时变等特性,这些特性对于处理后水质的COD值准确检测非常重要。COD值的在线检测设备通常有一定滞后,影响了现场对水质的控制和提高,为此采用ELM网络来建立COD值的预报模型,并通过MATLAB软件进行了仿真研究,仿真结果表明该模型具有较好的预报效果。     

Anaerobic tapered fluidized bed reactor for starch wastewater treatment and modeling using multilayer perceptron neural network

Anaerobic treatability of synthetic sago wastewater was investigated in a laboratory anaerobic tapered fluidized bed reactor(ATFBR) with a mesoporous granular activated carbon(GAC)as a support material.The experimental protocol was defined to examine the effect of the maximum organic loading rate(OLR),hydraulic retention time(HRT),the efficiency of the reactor and to report on its steady- state performance.The reactor was subjected to a steady-state operation over a range of OLR up to 85.44 kg COD/(m~3.d).The COD removal efficiency was found to be 92% in the reactor while the biogas produced in the digester reached 25.38 m~3/(m~3·d) of the reactor. With the increase of OLR from 83.7 kg COD/(m~3.d),the COD removal efficiency decreased.Also an artificial neural network(ANN) model using multilayer perceptron(MLP)has been developed for a system of two input variable and five output dependent variables. For the training of the input-output data,the experimental values obtained have been used.The output parameters predicted have been found to be much closer to the corresponding experimental ones and the model was validated for 30% of the untrained data.The mean square error(MSE)was found to be only 0.0146.     

Neural-fuzzy control system application for monitoring process response and control of anaerobic hybrid reactor in wastewater treatment and biogas production

Based on the developed neural-fuzzy control system for anaerobic hybrid reactor (AHR) in wastewater treatment and biogas production, the neural network with backpropagation algorithm for prediction of the variables pH, alkalinity (Alk) and total volatile acids (TVA) at present day time t was used as input data for the fuzzy logic to calculate the influent feed flow rate that was applied to control and monitor the process response at di erent operations in the initial, overload influent feeding and the recovery phases. In all three phases, this neural-fuzzy control system showed great potential to control AHR in high stability and performance and quick response. Although in the overloading operation phase II with two fold calculating influent flow rate together with a two fold organic loading rate (OLR), this control system had rapid response and was sensitive to the intended overload. When the influent feeding rate was followed by the calculation of control system in the initial operation phase I and the recovery operation phase III, it was found that the neural-fuzzy control system application was capable of controlling the AHR in a good manner with the pH close to 7, TVA/Alk < 0.4 and COD removal > 80% with biogas and methane yields at 0.45 and 0.30 m3/kg COD removed.     

印染废水的神经网络法优化絮凝处理

为获得新型絮凝剂的最佳制备条件,采用人工神经网络(ANN)结合加速遗传算法(AGA)对絮凝剂性能影响因素进行全局寻优。在影响絮凝剂处理性能的主要因素Fe、Al与Si的摩尔比n(Fe+Al):n(Si),B、Mg和Si的摩尔比n(B+Mg):n(Si)以及熟化时间的有效作用范围内,用Box-Behnken Design(BBD)实验设计方法,产生15组影响因素组合作为输入样本,经对印染废水的絮凝处理实验得到相应的COD和色度去除率输出样本,由神经网络方法对15组输入、输出样本数据建模,得到反映絮凝剂制备条件和絮凝剂去除效果的响应关系,并采用加速遗传算法全局优化,得到最大COD去除率和色度去除率条件下的最优絮凝剂制备条件组合,即n(Fe+Al):n(Si)=5.08,n(B+Mg):n(Si)=0.55,熟化时间为2.1 d,对应的印染废水COD去除率为88.10%,色度去除率为95.37%。模型验证实验显示,实验值与模型预测值的最大相对误差不超过5%。相对于响应曲面法,用神经网络结合加速遗传算法优化得到的新型絮凝剂去除印染废水中COD和色度的能力更高,进一步验证了神经网络法在新型絮凝剂制备条件优化中的有效性。     

RBF神经网络氧化沟系统出水氮磷预报模型

为定量模拟污水处理系统进水及出水水质参数数学关系,为污水处理系统的智能反馈控制奠定理论基础,文章以河南漯河市污水净化中心氧化沟系统为考察对象,采用径向基函数(RBF)神经网络对其模拟分析,建立了氧化沟系统出水TN、TP预报的RBF网络模型。建模过程采用的主成分分析与聚类分析有效挖掘了样本信息,采用的数据预处理方法缩减了模型误差。模型性能及灵敏度检验表明,建成的模型对出水TN、TP预报准确率分别达到90%、70%,相关性检验系数分别达到0.95和0.89,可用于该系统出水TN、TP预报,为系统在线控制提供指导。研究同时表明,RBF神经网络由于克服了误差反向传播(BP)网络收敛慢、局部极值等缺点,在水处理系统模拟及其反馈控制中,具有巨大的应用潜力。     

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

基于GA优化的SVR水质预测模型研究

针对污水中BOD₅参数不易直接测得的特点,提出了基于遗传算法（Genetic Algorithm,GA）优化参数的支持向量机回归（Support Vector Regression,SVR）水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD₅的数学关系模型的方式对BOD₅进行测定。使用遗传算法对SVR中的关键参数进行寻优,解决了传统SVR预测模型参数选择的问题。以北京市污水处理厂进水污水作为研究对象进行实验,结果表明,与BP神经网络与SVR相比,使用GA-SVR方法进行预测的结果更优,其平均误差与均方根误差分别降至0.009443与16.88 mg/L。     

用BP神经网络模型定量估算石化企业炼油废水处理中的VOCs

将BP神经网络理论引入石化企业炼油厂废水处理中的VOCs挥发量估算。在分析影响VOCs挥发因素的基础上,利用基于MATLAB神经网络工具箱的图形用户界面GUI,建立了石化企业炼油废水处理中VOCs挥发量估算的BP神经网络模型。用该模型对样本集进行了学习训练和仿真测试,并将训练好的神经网络应用于相关实例的估算。结果表明,应用BP神经网络方法进行石化企业炼油废水处理中VOCs挥发量估算结果与美国环保局推荐软件WATER9的计算结果误差在1.49%~17.46%之间,为石化企业炼油废水处理中VOCs挥发量估算提供了一种较为可靠的方法。