針對UASB反應(yīng)器處理低濃度生活污水時(shí)影響因素多，各種影響因素之間的關(guān)系難以確定，以及難以進(jìn)行適當(dāng)?shù)目刂坪皖A(yù)測處理效果的問題，在人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network, ANN)理論基礎(chǔ)上，建立起基于BP人工神經(jīng)網(wǎng)絡(luò)的UASB處理低濃度生活污水預(yù)測模型的基本結(jié)構(gòu)，并對中試實(shí)驗(yàn)進(jìn)行了模擬.

        UASB是升流式厭氧污泥床的簡稱，與其他反應(yīng)器相比，UASB具有運(yùn)行費(fèi)用低、投資省、效果好、耐沖擊負(fù)荷、適應(yīng)PH和溫度變化、結(jié)構(gòu)簡單和便于操作等優(yōu)點(diǎn)，使用日益廣泛.

        厭氧反應(yīng)器通常是按穩(wěn)定條件設(shè)計(jì)的，即假設(shè)負(fù)荷不隨時(shí)問而改變.然而，在實(shí)際應(yīng)用中，由于廢水的組成成分、濃度、流量及溫度都隨時(shí)問而變化，反應(yīng)過程是在較多影響因素的作用下進(jìn)行，沒有確定的關(guān)系模式，厭氧反應(yīng)器的設(shè)計(jì)和運(yùn)行大多根據(jù)經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行.在這種情況下，如果不進(jìn)行適當(dāng)?shù)目刂�，常�?dǎo)致反應(yīng)器性能下降，甚至趨于失敗.傳統(tǒng)做法上需要通過大量實(shí)驗(yàn)來確定合適的運(yùn)行狀態(tài)，勢必造成人力與物力的消耗.如果找到一個(gè)預(yù)測模型，使其能很好預(yù)測反應(yīng)器在負(fù)荷及環(huán)境條件變化情況下的性能變化情況，就可以事先采取措施，創(chuàng)造最佳的運(yùn)行狀態(tài)和條件，保證反應(yīng)器高效、穩(wěn)定地運(yùn)行.

    人工神經(jīng)網(wǎng)絡(luò)是20世紀(jì)90年代以來迅速發(fā)展的一門前沿科學(xué)，近年來已成為數(shù)學(xué)建模領(lǐng)域的一個(gè)熱點(diǎn)并在工程領(lǐng)域得到了較為廣泛的應(yīng)用.作為一個(gè)非線性動態(tài)系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力，使得它適于處理在已知條件和結(jié)果之問無明確數(shù)學(xué)關(guān)系的數(shù)據(jù)，并能夠在條件與結(jié)果之問建立一定的關(guān)系，這個(gè)過程類似于人腦思維過程.對于用傳統(tǒng)的數(shù)學(xué)方法比較難建立模型的厭氧生物處理領(lǐng)域的多變量、非線性系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)模型正好可以一顯身手，對優(yōu)化反應(yīng)器運(yùn)行條件、模擬控制反應(yīng)器、提高反應(yīng)器穩(wěn)定性及效率，也具有廣泛的用途和重要的意義.

  使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”