污水处理过程模拟及系统软件开发

发布时间：2024-03-10 14:20

　　对于污水处理和回用技术,更高的处理效率,更低的处理成本是人们一直追求的目标。但是,由于进水水质复杂、多种污水处理工艺组合应用,生物处理过程受多种因素影响,常常致使污水处理效果不佳,处理率低下,故障频现,为水体污染控制和管理造成困难。因此,亟需开展污水处理过程的模拟和预测,为污水处理过程的正常运行和管理提供参考；另外还需加强故障诊断方面的工作,为故障处置提供依据。本文结合BP神经网络和支持向量机回归(SVR)开展污水处理过程模拟和反问题研究,并开发污水处理系统软件。取得以下研究结果： 1.发展了组合寻优法和逐步网格搜索法分别用于BP神经网络和SVR相关参数的优化设置。选取某污水处理厂污水处理过程和垂直折流多功能生化反应器(VTBR)非稳态污水处理过程作为两个典型案例,考察BP神经网络和SVR在出水水质模拟方面的性能。结果表明BP神经网络和SVR均能获得良好的模拟结果,并各具特色。由于网络结构的复杂性,BP神经网络可能产生欠拟合或者过拟合现象,一般难以获取最佳模型；SVR则能较好地解决该问题,获得全局最优解。但是BP神经网络把相关建模信息内化于网络结构和权重中,应用连接权值法和网络图形法可...

【文章页数】：173 页

【学位级别】：博士

【部分图文】：

图2.1某市政污水处理厂进水数据

本章所用数据来源于采用卡鲁塞尔2000工艺的某市政污水处理厂，共采集了该厂334组进出水数据用于污水处理过程模拟。该厂主要接纳生活污水和商业污水，进水水质情况如图2.1所示。︵日切日︶P1d目︸、J一一右-CODDD鲤鲤夔夔nljo﹄“︶﹄U61、J︵曰两已(Q。....

图2.5网络图形法示例

结构简单的网络模型分析[89一9’]。通常的做法是:神经元之间的连接线根据连接权值的大小用不同的颜色和粗细表示，较粗的连接线表示前一层的神经元对后一层的神经元有较大的影响，而不同的颜色表征作用的方向(正负影响)，见图2.5。该方法不能直观判定输入神经元对某输出神经元的作用大小。另....

图2.6学习率夕和动量因子m

根据隐层节点数为某一数值时，学习率夕和动量因子m。不同组合下mse=(msetrai。+msetest)/2数值的大小，确定该隐层节点数时的最佳学习率和动量因子的组合。以隐层节点数8为例，学习率和动量因子不同组合与对应的mse详见图2.6。500.450、{400_!5o灯o一4....

图2.7学习率

的学习率夕和动量因子m。组合为(0.1，0.53)，对应的mse=0.00157。同样可以根据矿=(RZtrain十护test)/2数值的大小考察某一隐层节点时，学习率。和动量因子m。不同组合下模型的综合性能。图2.7是隐层节点为8时，学习率夕和动量因子m。不同组合与对应的ms....

本文编号：3924927