| 基于多级神经网络模型的厌氧氨氧化系统参数预测 |
| |
| 引用本文： | 王飞,卿晓霞,温馨.基于多级神经网络模型的厌氧氨氧化系统参数预测[J].环境工程学报,2020,14(3):681-690. |
| |
| 作者姓名： | 王飞 卿晓霞 温馨 |
| |
| 作者单位： | 重庆大学环境与生态学院,重庆400045,重庆大学环境与生态学院,重庆400045,重庆科技学院建筑工程学院,重庆401331 |
| |
| 基金项目： | 重庆市技术创新与应用示范专项重点研发项目;国家重点研发计划 |
| |
| 摘 要： | 厌氧氨氧化菌生长条件复杂、影响因素多,其工艺系统运行控制复杂,为解决上述问题,研究构建了1个多级神经网络预测模型,以提高SBBR单级自养脱氮厌氧氨氧化系统出水总氮去除率预测精度,并确定了系统工程应用的关键控制参数。一级神经网络模型通过灰色关联度分析,对影响出水总氮去除率的关键性指标进行预测;二级神经网络模型基于一级模型增加数据维度,并通过改进粒子群算法优化网络、借鉴遗传算法变异的思想扩大搜索范围,提高了出水总氮去除率的预测精度。多级神经网络模型预测结果表明,其总氮去除率平均相对误差为0.54%,相对误差为5.76%,均方根误差为1.132 1,预测数据基本上与实际值相符;与其他预测模型相比较,该模型表现出较优的预测精度。进一步分析发现,通过控制工艺系统的曝气量调节出水亚氮浓度,是保证工艺反应的稳定和实现厌氧氨氧化工艺工程应用的有效控制方式。
|
| 关 键 词： | 人工神经网络 模拟预测 改进粒子群算法 厌氧氨氧化 |
Parameter prediction of anaerobic ammonium oxidation system based on multi-level neural network model |
| |
| WANG Fei,QING Xiaoxia,WEN Xin.Parameter prediction of anaerobic ammonium oxidation system based on multi-level neural network model[J].Techniques and Equipment for Environmental Pollution Control,2020,14(3):681-690. |
| |
| Authors: | WANG Fei QING Xiaoxia WEN Xin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
