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。     

基于人工神经网络的居民生活垃圾可燃成分热值预测

研究采用BP、RBF和自适应神经模糊推理系统(ANFIS)对生活垃圾可燃成分的热值进行预测。结果表明,BP神经网络模型的预测准确率为93.36%,RBF模型为96.87%,ANFIS模型为91.06%,3种模型均可用于可燃成分热值预测,但RBF模型的预测准确率相对较高,更适用于可燃垃圾的热值预测。     

玉米秸与鸡粪混合厌氧消化产气性能与协同作用

研究了玉米秸与鸡粪在不同混合比例条件下的厌氧消化产气性能和协同作用效果。设计了9种玉米秸与鸡粪的混合比例(1∶0、1∶1、1∶2、1∶3、1∶4、2∶1、3∶1、4∶1、0∶1),每种比例分别在3个不同负荷(50、65和80 g/L)下进行混合厌氧消化。结果表明,与未预处理玉米秸与鸡粪混合厌氧消化相比,NaOH预处理玉米秸与鸡粪混合厌氧消化的单位TS产气量提高了5.5%～62%。当预处理玉米秸与鸡粪的混合比例为1∶2、上料负荷为50 g/L时消化产气性能最好,此时的累积甲烷产量达到19 488 mL,比相同负荷下单一玉米秸厌氧消化的累积甲烷产量高出32.6%,比单一鸡粪厌氧消化的累积甲烷产量高出11.4%。混合厌氧消化协同作用的贡献率达到7.1%～17.7%,其中玉米秸与鸡粪的比例为1∶2时,其贡献率与其他比例相比高出25%～150%。可以为粪草混合原料厌氧消化提供设计和运行依据。     

响应面法优化厌氧消化过程中抗生素去除效果

为了深入探究厌氧消化过程中厌氧消化时间、猪粪含固率、抗生素初始质量分数对磺胺二甲嘧啶和磺胺甲噁唑去除效果的相互影响,本研究采用响应面优化法,以厌氧消化时间、猪粪含固率、抗生素质量分数为3因素,以抗生素残留质量分数和厌氧消化产气量为响应值,探索使用厌氧消化法降低抗生素残留质量分数的最佳工艺参数。结果表明,根据响应面分析可知,当猪粪含固率为3%,初始质量分数为40 mg·kg⁻¹TS,厌氧消化时间为30 d,预测的磺胺二甲嘧啶残留质量分数最低为0.428 mg·kg⁻¹TS;当猪粪含固率为7%,磺胺二甲嘧啶初始质量分数为40 mg·kg⁻¹TS,厌氧消化时间为20 d,预测的磺胺甲噁唑残留质量分数最低为0.1063 mg·kg⁻¹TS。综合产气量考虑,当猪粪含固率为5.58%,磺胺二甲嘧啶初始质量分数为80 mg·kg⁻¹TS,厌氧消化时间为27.8 d,预测的产气量最高为389.3 mL·kg⁻¹TS。当猪粪含固率为5.89%,磺胺甲噁唑初始质量分数为80 mg·kg⁻¹TS,厌氧消化时间为30 d,预测的产气量最高为389.6 mL·kg⁻¹TS。该研究可为猪粪厌氧消化过程中的降低抗生素残留、提高产气量的工艺优化提供参考。     

沼液回流对秸秆与污泥混合中温厌氧消化的影响

为了提高秸秆与市政污泥混合厌氧消化的消化产率,以秸秆污泥混合物作为底物,在批次实验中研究不同沼液回流对中温（35 ℃）混合厌氧消化过程的影响。实验采用0% 、20%、30%、40%、50%和60%等6种不同的沼液回流量,分析不同沼液回流量下产气量、甲烷含量、发酵过程氨氮含量、sCOD、总挥发酸（VFAs）的变化情况。结果表明：50%的沼液回流产气量和甲烷产量均最大,分别是1 645 mL和797.5 mL,TS和VS去除率达到17.5%和47.8%,单位VS甲烷产量为613.45 mL·g-1,较未加沼液的发酵瓶提高了37.7%,且无VFAs积累。过高的沼液回流量提升了厌氧反应的氨氮浓度,对厌氧产气过程产生了抑制。50%沼液回流量可以作为秸秆污泥混合厌氧消化最佳回流量。     

青岛市餐厨垃圾与菜市场垃圾混合高温厌氧消化研究

在中试规模下,研究青岛市餐厨垃圾与菜市场垃圾混合(质量比1∶1)高温厌氧消化实验,通过监测厌氧消化过程中产气量、气体组成等产气情况和消化液中pH值、SCOD、NH3-H、VFAs含量和组分等化学指标变化,确定混合厌氧消化的最大有机负荷,并分析混合高温厌氧消化技术的可行性,结果表明,(1)青岛市餐厨垃圾与菜市场垃圾混合高温厌氧消化产甲烷具有技术可行性;(2)混合厌氧消化的最大有机负荷可达4.069 kg VS/(m3.d);(3)当系统最大有机负荷时,每天每千克VS最高可产生甲烷量0.346 m3;(4)混合厌氧消化可削减氨氮对餐厨垃圾单独厌氧消化产沼气的影响。     

含固率对牛粪常温厌氧消化的影响

在常温、pH值为7.0下,采用10 L玻璃瓶作为反应器对含固率(TS)分别为2%、6%、10%和14%的4组牛粪溶液进行厌氧消化实验,系统运行48 d,分析了厌氧消化过程中的COD(化学需氧量)、pH、VFA(挥发性脂肪酸)和产气量的变化。结果表明,进料TS是影响牛粪厌氧消化产气效果的重要因素,调节牛粪进料TS至10%,可以使其厌氧消化获得最佳的产气效果,COD去除率为24.6%,产气中甲烷含量为56.1%。     

连续式两相厌氧消化的产气潜能

为了考察连续式两相厌氧消化过程及产酸相、产甲烷相最佳水力停留时间和产气潜能,并与序批式单相厌氧消化实验比较,采用生活垃圾、粪便、餐厨垃圾、污泥混合物料为消化原料,进行中温连续式两相厌氧消化和序批式单相厌氧消化实验。结果表明,单相厌氧消化产气潜能为242 m3·t-1 TS,两相厌氧消化产气潜能达到380 m3·t-1 TS以上,提高了57.6%。两相厌氧消化最佳水力停留时间为14 d,比单相厌氧消化的水力停留时间缩短了一半,并且连续式两相厌氧消化过程比单相厌氧消化具有更高的运行稳定性。     

污泥厌氧消化的人工神经网络模型

基于污泥固体停留时间(SRT)为20 d的污泥中温厌氧消化实验,建立一个3层BP神经网络,以前1~20 d的进泥挥发性悬浮固体(VSS)、当天消化罐pH值和碱度共22个参数为输入,预测污泥消化系统日产气量,结果表明,网络具有良好的学习能力、泛化能力和辨识能力,能够较为准确地预测出系统日产气量。此外,根据进泥VSS不同,利用网络预测能力,调节pH值和碱度到合适的值,系统日产气量有明显提高,进一步证明了网络具有良好的预测能力和实用性。     

稀盐酸预处理对稻草厌氧消化的影响

为探明稀酸预处理对稻草厌氧消化的影响,采用不同浓度的稀盐酸溶液对稻草进行了浸泡预处理,并在完全混合厌氧消化条件下,研究了稻草厌氧发酵过程中的产气量、甲烷含量,发酵液中COD、pH值及挥发性脂肪酸(VFA)的变化情况.结果表明,增大稀盐酸溶液浓度会提高稻草厌氧消化反应的效果.分别经4%、8%和12%的稀盐酸溶液浸泡预处理...     

多种神经网络在华北西部区域城市空气质量预测中的应用

据华北西部区域4个主要城市2003—2012年API日报数据和相应时段的地面气象要素数据,利用4种(BP、Elman、T-S模糊、小波)神经网络构建预测模型并预测相应城市大气环境质量.研究结果显示,4种模型在可靠性、预测精度方面均可满足应用要求可用于实际预测;具有动态反馈能力的Elman神经网络的预测精度以及泛用性要优于具静态馈能力的其他3种网络模型,说明动态神经网络更适用于城市大气环境质量预测.4种神经网络的决策权重大小及其排序虽各不相同,但体现出相似规律性,日最低气温、日均气压、前日API对输出数据的影响较大,说明逆温现象引发的持续性、区域性污染是该地区主要环境问题.     

基于灰色模型和模糊神经网络的综合水质预测模型研究

水质状态变化趋势预测研究对水资源管理和维护具有重要的现实意义。提出了一种将灰色模型和模糊神经网络相结合的水质预测模型。首先基于改进的灰色模型预测出水体中各理化因子在未来一段时间内的指标变化,然后采用T-S模糊神经网络对各单因子的预测值进行数据融合,构建水质变化综合趋势预测模型,预测出下一时间段的水质整体状态指标。实验表明,这种方式用来预测湖泊水质变化趋势具有可行性;与BP网络模型相比,基于T-S模糊神经网络系统的模型具有预测精度高、模型系统稳定等优越性。     

基于IGA-BP网络的水质预测方法

针对水质预测中传统BP神经网络模型收敛速度慢,对隐层结点选取缺乏有效的手段等问题,引入了遗传算法优化BP网络的结构和隐层神经元阈值和连接权值,通过设计灵活的实数编码方案和新型交叉算子等,对实数编码遗传算法进行改进,在此基础上,提出了一种基于改进的实数编码遗传算法优化BP神经网络(IGA-BP)的水质预测新模型,并以安徽蚌埠蚌埠闸逐周水质监测的PH值数据为例,进行水质预测,通过与传统的GA-BP神经网络以及BP神经网络的水质预测模型对比,结果表明,这种预测方法训练的BP神经网络收敛速度快,样本逼近精度高且泛化能力强。     

基于大数据方法的垃圾焚烧发电厂环境执法监管数据预测模型探究

在垃圾焚烧发电厂运行系统负荷特性统计指标和污染源监督性监测数据积累的大数据背景下,有效提取数据之间的关联特征对于垃圾焚烧系统规划运行和执法监管具有重大意义。首先,通过Pearson关联分析获得运行负荷特性指标和排放特征指标任意2因素之间的相关性特征;然后利用SPSS及Python软件,构建用以预测烟气污染因子排放量的多元线性回归模型及BP神经网络模型。对模型预测结果进行了比较,结果表明,多元线性回归模型和BP神经网络模型都能应用于烟气污染因子排放量的预测,进一步得出的BP神经网络模型的预测效果优于多元线性回归模型。本研究对于探究工业污染源环境执法建模和定量分析污染源排放水平具有参考价值。     

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.     

变权组合模型在景观水体水质模拟中的应用

针对景观水体的水质模拟与预测问题,在BP神经网络和支持向量机模型的基础上,建立了权重随输入量变化的变权组合模型。该模型既能充分利用各个单一模型的优点,又能避免固定权重分配的弊端。经实例验证,与单一的BP神经网络和支持向量机模型相比,变权组合模型拟合精度更高,预测结果更为准确。     

基于集成神经网络的汽车尾气检测系统设计

为了准确、有效地检测汽车尾气中各气体的质量分数,对传感器阵列和BP神经网络技术进行了研究,设计了一套汽车尾气检测系统。首先,根据汽车尾气成分选取4个相应传感器和一个温湿度传感器组成传感器阵列,搭建汽车尾气检测装置;其次,为了克服单一BP神经网络预测精度低,容易陷入局部极值的缺点,建立基于Adaboost算法和BP神经网络的集成神经网络模型;最后,利用集成神经网络模型对传感器阵列的响应信号进行回归分析。结果表明,集成神经网络模型预测的平均相对误差小于3%,能够有效处理汽车尾气的检测数据。