ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

土壤含水层处理出水的回用健康风险评价

通过土壤柱实验,研究了土壤含水层处理工艺对污水处理厂二级处理出水的处理效果。初步讨论了土壤含水层处理工艺对各种污染物的去除机理,并评价了不同回用途径再生水对人体的健康风险。研究结果表明:土壤含水层处理工艺能够有效去除二级处理出水中的有机物和重金属离子,对大肠菌和粪大肠菌的去除率大于99.9%。健康风险评价结果显示:再生水的健康风险主要来自致癌物质,终生致癌风险在10-6数量级,而非致癌物质的健康危害风险在10-9数量级。     

人工湿地对化粪池出水净化效果的对比研究

对比了四种复合人工湿地系统对化粪池出水COD、TP、NH3-N和SS的净化效果,试验系统均采用间歇式进水,时间间隔为1d。为期7个月的运行结果表明,系统出水水质均达到城镇污水处理厂污染物排放标准(GB18918-2002)中的二级标准,其中潜流(水平流)+垂直流(上行流)湿地系统对COD的去除效果最好;垂直流(下行流)+垂直流(上行流)湿地系统对TP、NH3-N、SS去除效果最好;选用含钙石灰石和含铁矿粉做填料、采用间歇式的运行方式可以提高湿地系统对污染物的去除率。     

基于小波神经网络的芦苇潜流人工湿地水质预测

人工湿地系统对污水的处理效果好,工艺简单,投资运行费用低,但影响其出水水质的因素很多,并且往往是非线性的,因此目前很难将这些影响因素模型化并用于水质预测. 已有的预测方法不是过于复杂就是预测精度不高. 神经网络是一种具有较强预测能力的新方法,适用于各种非线性模型的预测. 在小试研究的基础上,使用3种不同的、经过训练的小波神经网络,对芦苇潜流人工湿地沿程各采样口的水温,ρ(DO),pH,Eh和ρ(COD_Cr)等水质指标进行了预测. 结果显示,各指标的平均相对误差分别为:水温≤4.21%,pH≤1.36%,ρ(DO)≤9.77%,Eh≤6.50%,ρ(COD_Cr)≤17.76%,表明小波神经网络模型适用于人工湿地模型的预测.      

美人蕉人工湿地对城市生活污水的净化研究

研究了在土壤、黄沙、粉煤灰3种基质不同组合中的美人蕉人工湿地对城市生活污水的净化效率,并探讨了流量对城市生活污水中各污染物去除效率的影响。研究结果表明:流量对美人蕉系统处理污水效果的影响较大,实验中3L/d流量处理效果较好,对污水的综合净化效率较高;基质装填顺序对TP、TN的去除率有一定影响,而对NH3-N的去除影响不大。美人蕉系统对生活污水中COD、NH3-N、TN、TP和浊度去除效果都较好,对NH3-N的去除率高达99%,美人蕉人工湿地对城市生活污水的净化能力强。     

Pollutants removal and simulation model of combined membrane process forwastewater treatment and reuse in submarine cabin for long voyage

A laboratory scale test was conducted in a combined membrane process (CMP) with a capacity of 2.91 m3/d for 240 d totreat the mixed wastewater of humidity condensate, hygiene wastewater and urine in submarine cabin during prolonged voyage.Removal performance of chemical oxygen demand (COD), ammonia nitrogen (NH4+-N), turbidity and anionic surfactants (LAS)was investigated under di erent conditions. It was observed that the e uent COD, NH4+-N, turbidity and LAS flocculated in ranges of0.19–0.85 mg/L, 0.03–0.18 mg/L, 0.0–0.15 NTU and 0.0–0.05 mg/L, respectively in spite of considerable fluctuation in correspondinginfluent of 2120–5350 mg/L, 79.5–129.3 mg/L, 110–181.1NTU and 4.9–5.4 mg/L. The e uent quality of the CMP could meet therequirements of mechanical water and hygiene water according to the class I water quality standards in China (GB3838-2002). Theremoval rates of COD, NH4+-N, turbidity and LAS removed in the MBR were more than 90%, which indicated that biodegradationis indispensable and plays a major role in the wastewater treatment and reuse. A model, built on the back propagation neural network(BPNN) theory, was developed for the simulation of CMP and produced high reliability. The average error of COD and NH4+-N was5.14% and 6.20%, respectively, and the root mean squared error of turbidity and LAS was 2.76% and 1.41%, respectively. The resultsindicated that the model well fitted the laboratory data, and was able to simulate the removal of COD, NH4+-N, turbidity and LAS. Italso suggested that the model proposed could reflect and manage the operation of CMP for the treatment of the mixed wastewaters insubmarine.     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁,断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变,基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型,模型使用壳单元模拟管道,非线性弹簧单元模拟土壤约束,采用西二线实际工程的管道应变影响参数范围,计算了管道的设计应变;为预测管道的设计应变值,基于以上参数化分析得到的4 817组设计应变结果,采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%,预测准确性良好,且该方法具有较高的计算效率,可以为断层作用下埋地管道的应变设计与评估提供参考。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。