基于SIMULINK的硝化反应动力学模型的仿真

利用MATLAB/SIMULINK对序批式生物膜反应器内的氨氧化细菌与亚硝酸盐氧化菌的生化反应进行仿真预测。模型的验证结果表明,适当的选择模型中的溶解氧浓度、碱度以及温度3种参数,SIMULINK仿真动力学模型能够比较准确地对氨氧化细菌与亚硝酸氧化细菌处理生活污水的过程进行仿真和预测.NH4+-N、NO2--N和NO3--N 3种基质仿真值的绝对平均误差最大为15.88,最小为1.13;NH4+-N、NO2--N和NO3--N的Nash.Suttcliffe模拟效率系数分别为99.36%、98.64%和99.25%;此外,还对SIMULINK仿真动力学模型中的溶解氧浓度、碱度以及温度进行了灵敏度分析,结果表明,温度的灵敏度最大、溶解氧次之、碱度灵敏度相对最小。     

人工神经网络在强化一级处理系统过程模拟与优化中的应用

针对化学强化一级处理系统(CEPT)处理废水时影响因素多,难以进行适当的控制和处理效果的预测等问题,建立起基于BP人工神经网络的CEPT法处理猪场稳定塘废水预测模型,并应用该模型对烧杯试验进行了模拟.结果表明,预测值和实测值吻合较好,模型对COD、总磷、浊度去除率预测的平均相对误差分别为7.5%、4.8%和4.9%.通过对pH值和絮凝剂投药量等可控参数进行优化计算,得到CEPT系统的最佳操作条件和最合理操作条件.该模型的建立为CEPT法处理废水工艺系统实现自动化控制提供了一条简便实用的途径.     

响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

基于BioWin软件对A~2/O工艺的模拟与优化

为了优化控制A2/O工艺的污染物去除效果,基于ASDM数学模型,以Bio Win软件为模拟平台,对A2/O工艺进行模拟与优化。先根据实际工艺构建模型且对其进行校正,通过模型模拟值与实验实测值的对比,得知COD、TN、TP与氨氮的模拟值与实测值误差较小。后通过调节运行参数对校正后模型进行优化,优化结果表明,在维持混合液内回流比为250%、污泥回流比为60%、污泥停留时间为9 d与好氧池溶解氧浓度为1.75~2.25 mg/L的工况下,A2/O工艺能得到较好的脱氮除磷与有机物去除效果。     

基于人工神经网络的街道峡谷NO_x浓度的数值模型研究

通过对反向传播人工神经网络的算法和网络结构的研究,发现拟牛顿算法训练速度较快,能够较好地接近误差目标值,同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练,模拟计算了街道峡谷NOx浓度分布值。结果显示,训练误差和测试误差比为1.11,训练样本的模拟值与实测值的相关系数为0.93,测试样本的模拟值与实测值的相关系数为0.87,模拟值与实测值的相关系数均高于显著水平为α=0.05与α=0.01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算,具有较好的泛化能力。     

制药废水UASB-HAR-ICEAS组合处理系统效能建模及优化研究

以某制药废水的升流式厌氧污泥床(UASB)-水解酸化池(HAR)-间歇式循环延时曝气活性污泥法(ICEAS)新型组合处理系统为背景,分析该系统效能,并建立遗传算法优化神经网络(GA-BPNN)模型对系统出水水质进行仿真预测,并利用建立的GA-BPNN模型对系统的运行条件进行优化研究。研究表明,在稳态运行的120 d,系统对废水COD和NH3-N去除率分别为98.6%和86.6%;GA-BPNN模型对出水COD和NH3-N的预测结果和实际监测值之间的平均绝对百分误差为5.55%和6.99%,能很好地应用于组合系统的出水水质预测管理中;GA-BPNN模型还可求解出系统的最优化运行条件,为工程实际操作提供了坚实的理论基础。     

基于人工神经网络的街道峡谷NOx浓度的数值模型研究

通过对反向传播人工神经网络的算法和网络结构的研究,发现拟牛顿算法训练速度较快,能够较好地接近误差目标值,同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练,模拟计算了街道峡谷NOx浓度分布值。结果显示,训练误差和测试误差比为1．11,训练样本的模拟值与实测值的相关系数为0．93,测试样本的模拟值与实测值的相关系数为0．87,模拟值与实测值的相关系数均高于显著水平为α=0．05与α=0．01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计算,具有较好的泛化能力。     

烟气脱硫系统增压风机仿真模型开发及应用

在大型火力发电机组烟气脱硫脱硝系统的仿真过程中,增压风机是风烟系统仿真的核心。根据脱硫增压风机静态性能曲线的特点,采用偏最小二乘法的曲面拟合理论与风机有关定律,实现了回归建模、数据结构简化以及两组变量之间的相关性分析,可将增压风机的性能曲线簇转化为满足应用精度的函数,对风机的压头、导叶角度、风量和全压效率等关键参数进行实时仿真。太仓港环保电厂的工程应用表明：风机压头仿真模型曲线拟合值与实际值比较接近,绝对误差在0.005～0.06 kPa之间,相对误差在0.1%～1.5%之间;全压效率仿真模型曲线拟合值与实际值较风机压头大,绝对误差在0.1%～2.5%之间,相对误差在0.15%～3%之间,基本满足工程应用精度。     

基于中心组合设计的电解预处理含酚废水工艺优化

针对含酚废水不宜直接进行生化处理的问题,采用电解法预处理含酚废水,通过中心组合设计优化初始p H、电压、极板间距、电解质浓度和苯酚初始浓度对苯酚去除率的影响。结果表明,5个因素的影响为电压电解质浓度极板间距初始p H苯酚初始浓度。优化后的最佳条件如下:初始p H为6.56、电压为24.93 V、极板间距为20.05 mm、电解质质量浓度为2.46 g/L、苯酚初始质量浓度为368.87 mg/L。在优化条件下,苯酚初始质量浓度为300.00~500.00 mg/L时,出水质量浓度计算值为12.60~51.60mg/L,实验值为17.40~55.40 mg/L,去除率计算值为89.68%~96.47%,实验值为88.90%~95.40%,计算值与实验值接近,说明模型可靠。     

响应面法优化袋式除尘器脉冲清灰性能

基于计算流体动力学的方法采用三维、可压缩、非稳态流动数学模型对袋式除尘器脉冲清灰过程进行了数值模拟,得到了滤袋内外压差,并与文献实验值进行了比较,验证了仿真模型的可靠性。基于响应面法研究了喷吹压力、喷吹高度、滤袋直径和滤袋长度对脉冲清灰性能的影响,得到这4个影响因子的二次多项式预测模型,并进行优化。结果表明,喷吹压力为0.3 MPa,喷吹高度为0.2 m,滤袋直径为0.16 m,滤袋长度为6 m时,内外压差峰值最优,优化结果与仿真模拟结果相差小于3%。研究结果为袋式除尘器脉冲清灰系统的设计与优化提供了重要参考。     

基于人工神经网络和遗传算法研究锰过氧化酶脱色甲基橙

基于锰过氧化物酶(MnP)氧化脱色偶氮类染料的原理,实验研究MnP对甲基橙的脱色工艺,采用人工神经网络(ANN)和遗传算法(GA)建立脱色模型并优化工艺。建立的ANN模型的误差、相关系数、均方根误差和绝对平均偏差分别为0.0009、0.9971、1.21和6.82,模型有效且能够用于预测和工艺优化。采用GA对ANN模型进行数值寻优,得到的最佳工艺条件为酶液量0.6 mL,Mn2+浓度4 mmol/L,H2O2浓度0.49 mmol/L。该条件下脱色率达到(90.74±0.59)%。ANN耦合GA有效地建立了锰过氧化物酶脱色甲基橙的模型,并优化了工艺参数,为甲基橙脱色的研究提供一定参考。     

BP神经网络对蚯蚓滤池处理COD的模拟预测

基于蚯蚓滤池处理去除污染物的非线性特点,利用BP神经网络建立了蚯蚓滤池处理COD的基本模型结构。同时对实验数据进行了验证和预测,通过权值贡献率分析确定了各种输入因素对COD出水浓度的影响。结果表明:COD的出水模型预测值与实际值平均误差较小,模型稳定,预测效果好。输入神经元为4,隐含神经元为8,输出神经元为1,学习速率为0.1,动量为0.1,训练次数为10 000的BP神经网络模型,预测的COD出水值最接近真实值。COD进水浓度对COD出水影响最大,符合理论研究结果。BP神经网络模型建立的成功为后续生活污水智能化控制的研究提供了相应的理论基础。     

基于TM数据和ANN的河流水质参数监测研究

以珠江水系广州河段为研究对象,联合使用遥感（RS）和人工神经网络（ANN）技术对珠江水质进行分析监测。这种技术主要是利用GIS对RS图像进行地理定位,然后利用RS专用软件提取定位点的RS数据,最后通过建立前馈误差反传人工神经网络（BP网络）,确定TM数据前5个波段在定位点的反射率与水质3个主要参数的映射关系,即建立RS数据与水质的映射模型。经过检验,该技术监测误差小于16%,基本能满足当前实际需要。     

响应面法分析Fenton氧化处理采油废水的过程

采用Fenton氧化对采油废水进行研究,选取双氧水与二价铁离子的摩尔比、初始p H值和反应时间为自变量,以废水的COD去除率为响应值,通过Box-Behnken设计方法进行实验设计,进行了3因素3水平共15个实验点的实验。使用响应面分析法对实验结果进行模拟及分析,建立了响应值与3个自变量的二次多项式方程模型。Fenton氧化的优化工艺条件:n(H2O2)∶n(Fe2+)=0.8,p H=3.0以及反应时间60 min。在该优化条件下,废水的COD去除率可达72.8%,经实验验证,实际值与模型预测值拟合性好,偏差仅为0.5%。实验结果证实了该模型分析采油废水处理运行参数的准确性。优化工艺后的处理水质COD值完全满足油田废水达标排放的要求。通过总离子色谱图和质谱检索分析原油中的成分变化情况,证实Fenton方法对原油组分的降解效果。     

海水中喹诺酮类抗生素液质联用测定前处理方法的优化

为快速建立海水中喹诺酮类抗生素(fluoroquinolones,FQs)检测前处理方法,准确地检测海南文昌冯家湾FQs的质量浓度,采用正交实验对海水中FQs前处理过程进行分析并与未优化前处理方法的回收率进行对比,同时对文昌冯家湾近岸养殖区海水中的FQs进行检测。结果表明：pH=10、上样流速为10 mL·min^-1、洗脱剂用量为8 mL、针式滤膜过滤器填充料使用MCE是正交实验后最优前处理条件;正交实验优化后,FQs回收率为62.31%～124.60%,相对标准偏差为1.15%～9.90%,未优化前处理条件FQs回收率为65.07%～112.83%,相对标准偏差为1.60%～24.88%;2种方法在冯家湾均检测出11种FQs,有6种FQs在12个采样点中均有检出,前处理方法优化后所测冯家湾FQs总质量浓度为81.31～136.07 ng·L^-1,未优化前处理条件所测冯家湾FQs总质量浓度为74.02～114.89 ng·L^-1。通过比较2种前处理方法,发现正交实验优化后的前处理方法能够更准确检测出FQs在海水中的质量浓...     

细微泥沙粒径对活性污泥产率的影响及其计算公式

针对我国城镇污水处理厂进水SS/BOD5值普遍偏高,在取消初沉池后出现泥沙淤积、污泥浓度提高和污泥MLVSS/MLSS(f)值下降等问题,利用实验室SBR研究了不同粒径的细微泥沙对活性污泥产率的影响,并在对国内外现有污泥产率公式进行具体分析的基础上,提出了对于污泥产率公式的优化方法,并借此推导出f值的预测表达式。结果表明:当在进水中分别掺入体积平均粒径为19.8、72和118.6μm的细微泥沙300 mg/L时,在系统运行36 d后,污泥浓度从启动初期的3 450分别提高至7 898、5 389和3 742 mg/L,MLVSS/MLSS则从0.67分别下降为0.33、0.48和0.59;活性污泥产率由0.498分别提升至1.257、0.813和0.575 kg MLSS/kg BOD5,利用悬浮系数ω对ATV污泥产率公式进行优化修正,计算值与实测值的相对误差分别由修正前的46.1%、125.8%和219.3%降至修正后的8.4%、8.9%和3.5%,所得的产率更贴近实际;通过修正后的ATV产率公式建立f值的预测表达式,计算值与实测值的相对误差分别为18.3%、12.6%和4.4%。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

过硫酸盐缓释材料释放过程模型构建

为预测评估过硫酸盐缓释材料的释放性能,对释放过程模型的构建以及模型的验证进行了研究。借助微积分思想,从材料体的概化分割、初始条件设定、每个小单元的状态标定、各个小单元中过硫酸钾的迁移变化量以及材料最外层释放过硫酸盐的量5个方面构建过硫酸盐缓释材料释放模型,利用Excel-VBA编程实现其释放过程模拟。采用欧盟标准NEN7375测试过硫酸盐缓释材料释放性能并获得模型参数。通过输入相关模型参数得到过硫酸盐动态迁移过程及其释放特征曲线,并利用实测数据与模拟数据进行拟合校验。结果表明,模型模拟值与实测值拟合较好,平均误差为1.88%,表明该模型设计合理,能够准确模拟过硫酸盐缓释材料释放过程,可作为缓释材料优化设计工具。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。     

山东省空气质量预报平台设计及其预报效果评估

基于排放源处理(SMOKE)模型、综合空气质量(CMAQ)模型与气象预报(WRF)模型初步搭建山东省空气质量预报平台,利用污染物在线监测数据和气象站观测数据检验预报平台的预报效果。结果表明,预报平台气象模块的预测效果与文献研究结果较一致;由CMAQ模型对2014年济南、淄博、烟台、威海的SO2、NO2、PM2.5质量浓度进行预测,SO2、NO2、PM2.5预报平均值分别在17.65~48.97、18.69~45.43、34.97~79.15μg/m3;SO2、NO2、PM2.5预报值与监测值的相关系数在0.52~0.74,标准化平均偏差、标准化平均误差、平均相对偏差、平均相对误差分别在-34.00%~-5.73%、11%~47%、-25.00%~-10.21%、20%~42%,预报平台具有良好的预报性能。最后,对未来空气质量数值预报平台的发展提出建议。