BP神经网络在水处理工艺中的应用研究

在污水处理系统中进行了基于BP神经网络的活性污泥系统、臭氧活性炭系统建模方面的研究,这些模型的建立使得污水处理系统在线智能控制成为可能。在膜分离系统中进行的基于BP神经网络的膜通量、膜透压的预测模型研究,为膜过滤单元和水厂的优化设计提供了一种简便的方法。     

基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测

在实际污水处理厂运行过程中,其最终出水水质会受多种因素影响制约,而基于生物反应机理的活性污泥数学模型(ASM)并未将这些生物反应以外的因素考虑在内,由此带来一些不足.对此,本文提出可通过基于数据挖掘技术的黑箱模型对污水厂处理效果进行模拟预测.结合具体实际分析,提出可将BP神经网络与马尔可夫链组合应用于污水处理脱氮效果预测中.首先,通过BP神经网络模型对北京某大型污水处理厂实际进出水数据和工艺参数进行粗略拟合;其次,利用马尔可夫链对拟合结果及误差进行状态划分以进一步提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型预测分析了该厂的实际出水水质.试验结果表明,BP神经网络适用于污水处理脱氮过程的拟合计算,而通过与马尔可夫链组合,可以提高模拟预测的精度和可靠性.     

水质评价模式识别的BP神经网络方法

水质受多个因素的影响，而且这些作用多是非线性的。其水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播（BP）算法进行了实例评价，与其它方法相比，评价精度较高，方法简单易行。     

BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测

污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15.9%和16.5%,模型预测结果的平稳性较差;ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4.41%,预测精度较高;2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。     

BP神经网络在降水酸度预测中的应用

本文利用南昌市城市大气中SO2、NOX、TSP等浓度数据及降尘数据建立了BP神经网络的降雨酸度预测模型，结果表明：BP神经网络的预测模型不仅能较好地反映致酸因素与降水酸度的相互关系，而且预测精度也高于多元回归等模型。     

基于BP神经网络的天津市PM2.5浓度预测研究

根据天津市2013年12月1日-2013年12月24日气象监测数据,先进行温度、湿度、风力因素对PM2.5浓度影响的相关性分析及定性分析,绘制温度、湿度和PM2.5浓度的二维趋势分布图及气体扩散风向浓度分布图;再运用BP神经网络模型对天津市2013年12月25日-2014年1月9日PM2.5浓度进行仿真预测,最终得到精确预测值.结果表明:温度及风速因素与PM2.5的浓度成反比,湿度因素与PM2.5的浓度成正比,而且通过BP神经网络模型对于“离散样本”、“气象参数不确定性”的实际天气情况可以得到较高的预测精度.     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。     

基于BP神经网络的大气污染物浓度预测

利用BP神经网络结合变量筛选的方法建立了SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物的浓度预测模型,并选取2014-01-01至2015-11-28时段,昆明市区5个环境监测点以上6种污染物浓度的监测数据建立了昆明市污染物日均浓度预测模型.采用平均影响值(Mean Impact Value,MIV)的方法筛选出分别对6种污染物日均浓度值有主要影响的变量,作为BP神经网络的输入变量,利用建立的预测模型分别对6种污染物的日均浓度进行预测.结果表明,在关上监测点利用浓度预测模型对SO_2、NO_2、O3、CO、PM_(10)、PM_(2.5)等6种污染物浓度进行预测,污染物浓度预测值和实测值趋势吻合度较高.变量筛选后SO_2、PM_(2.5)预测效果比变量筛选前的预测效果好.O3的均方根误差和PM_(10)的标准化平均偏差,变量筛选前的预测效果比变量筛选后的预测效果好.变量筛选前的NO_2和CO的预测结果比变量筛选后的预测效果好.其他4个环境监测点的污染物浓度预测结果与关上监测点的结果相似.     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。     

活性粉煤灰增湿脱硫机理及数学模型的研究

在双膜理论和传质理论基础上分析了活性粉煤灰增湿脱硫机理,并建立了简化的脱硫模型,考虑烟气流量和脱硫剂加入量两个脱硫效率的影响因素时,将数学模型的计算值与实验值进行了比较,结果比较吻合。     

合成洗涤剂废水处理的一种新工艺研究

在合成洗涤剂废水絮凝床预处理技术（ＣＦＢ）的实验研究基础上，成功地应用ＣＦＢ法配以简单的ＳＢＲ生化法处理了该类废水。为合成洗涤剂废水治理开辟了一条新的途径。     

垃圾渗滤液处理工艺改进的研究

针对武进夹山垃圾填埋场渗滤液处理工艺设计及运行过程中存在的问题 ,提出了厌氧与SBR 混凝法相结合的渗滤液处理工艺改进方案。研究表明 :SBR及混凝处理的CODCr最大降解率分别达 4 2 5 %、6 3 0 % ,SBR法正交试验得出的最佳工艺条件是 :曝气时间 30h ,闲置时间 6h ,污泥浓度 5 0mg L ;化学混凝对SBR法处理的出水有较好处理效果 ,其最佳进水pH值应控制在 9 0左右。最后 ,结合填埋场现有的处理工艺及运行现状 ,对处理工艺改进方案进行了讨论。     

TUD模型在内蒙古地区某污水处理厂适用性研究

TUD模型应用于内蒙古呼和浩特市某污水处理厂运行实践模拟预测。首先利用TUD模型及其缺省参数进行初步模拟试预测,发现模拟预测出水COD、PO34-、SS与实际检测数据基本吻合,但对氮的预测略有偏差。采用标准参数校正方法,对模型中氮的个别组分参数（iNSF、iNXS）和硝化细菌半饱和动力学参数（KNH4）进行修正,即,i...     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

高盐度污水生物处理技术研究

广西涠洲石油终端处理厂污水Cl 浓度在 110 0 0～ 12 0 0 0mg L ,平均为 113480mg L ,CODCr约为 15 0～ 4 0 0mg L ,属高盐度污水。通过对微生物进行驯化 ,仍可以用生化法处理。研究表明 :单一的厌氧生化法和好氧生化法处理污水均不能达标 ,而厌氧 好氧联合处理效果良好 ,出水水质稳定 ,出水CODCr为 14～ 6 7mg L ,可达到国家污水排放一级标准     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

印染废水处理工艺改进的应用研究

通过对湘潭纺织厂废水处理工艺存在的问题进行研究和分析 ,对其废水处理工艺进行了改进。采用“二级生物接触氧化 砂滤 活性生物炭”工艺后 ,废水经其处理 ,水质各项指标超过国家一级排放标准 ,水质可以完全回收利用 ,废水处理成本下降 1 3左右。     

兼氧型MBR工艺对污泥自消化效果的研究

研究了兼氧型MBR工艺中,当溶解氧控制在0.1～3.0 mg/L时,兼性厌氧菌和厌氧菌所占比例达80%。实验进水COD浓度为60～600 mg/L,COD去除率平均达93%;MLVSS浓度一直保持稳定,平均值为11 090 mg/L,而无机灰分浓度逐渐积累,实验开始时为3 107 mg/L,实验结束时达5 830 mg/L。结果表明,兼氧型MBR工艺可实现污泥自消化,不排放有机性污泥。兼氧型MBR工艺还对膜组件有一定自清洁作用,运行周期可达4个月。实验证明,兼氧型MBR工艺具有处理效率高、不排放有机污泥以及减轻膜污染的特点,是一种创新性的污水处理技术。