污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

基于粒子群优化的溶解氧质量浓度支持向量回归机

针对污水处理中溶解氧质量浓度无法在线精确测量的问题,提出基于粒子群算法优化支持向量回归机(PSO-SVR)的溶解氧质量浓度软测量模型.为了提高溶解氧的预测精度和效率,采用粒子群算法对支持向量回归机的模型参数进行优化,并以自动获取的最佳参数组合构建溶解氧与其影响因子间的非线性软测量模型,利用该软测量模型对国际基准仿真模型BSM1的溶解氧质量浓度进行预测.仿真结果表明:该模型能得到较好的预测效果,与SVR、RBF神经网络相比,PSO-SVR模型不仅计算复杂度低,而且收敛速度快,预测精度高,泛化能力强.     

磷氯钡石［Ｂａ5（ＰＯ4）3Ｃｌ］在水溶液中的溶解作用及溶度积

合成和表征了磷氯钡石［Ｂａ₅（ＰＯ₄）₃Ｃｌ］固体,通过溶解实验研究了其在水溶液中的溶解作用。结果表明：溶液的ｐＨ值和组分随时间的变化与初始ｐＨ值密切相关。溶解过程包括了质子化作用,Ｂａ^2＋、ＰＯ₄^３－ 和Ｃｌ^－离子的释放、络合作用,重结晶作用等。在２５℃和初始ｐＨ＝２.００、５.６０、９.００的条件下,磷氯钡石［Ｂａ₅（ＰＯ₄）₃Ｃｌ］的溶度积（Ｋｓｐ）分别为１０^{－４２.８５}、１０^{－４３.４４}和１０^{－４３.３４},相应的吉布斯生成自由能ΔＧ_ｆ^ｏ分别为－６２３５.８２、－６２３９.１６和－６２３８.５８ｋＪ／ｍｏｌ。一些常见的氯磷灰石矿物在水中的稳定性顺序为Ｐｂ₅（ＰＯ₄）_３Ｃｌ＞Ｃｄ₅（ＰＯ₄）₃Ｃｌ＞Ｃａ₅（ＰＯ₄）₃Ｃｌ＞Ｂａ₅（ＰＯ₄）₃Ｃｌ＞Ｓｒ₅（ＰＯ₄）₂Ｃｌ＞Ｚｎ₅（ＰＯ₄）₃Ｃｌ。     

上转换材料LiY(MoO4)2:Yb3+/Er3+的光学特性以及温度传感特性的研究

采用中温固相反应法合成了发光材料LiY （MoO₄）₂：Yb³⁺/Er³⁺,材料具有明显的上转换发光特性.通过X射线衍射仪、荧光光谱对荧光粉的晶体结构以及发光学特性进行了研究.在980 nm激光的激发下,LiY （MoO₄）₂：Yb³⁺/Er³⁺在500~575 nm波长范围内出现很强的绿色发射带,主要是源自Er³⁺离子²H_11/2/⁴S_3/2→⁴I_15/2的能级辐射跃迁.研究发现其在不同功率的激发下能实现光色调控.在298~513 K温度范围内,通过测量其在²H_11/2（1）→⁴I_15/2和⁴S_3/2（1）→⁴I_15/2处的荧光强度比,数据拟合图像表明²H_11/2（1）/⁴S_3/2（1）热耦合能级上的布居数遵循玻尔兹曼分布,相对灵敏度在298 K达到最大值1.785% K^-1,绝对灵敏度在约473 K达到最大值263.20×10^-4 K^-1,并且热能级²H_11/2（1）/⁴S_3/2（1）之间的能隙ΔE为756.71±27.48 cm^-1.基于以上分析,LiY （MoO₄）₂：Yb³⁺/Er³⁺荧光粉在温度传感器上具有很好的前景.     

PM2.5浓度预测与影响因素分析

针对PM_2.5浓度的非线性和不确定性,提出了一种基于集成树-梯度提升决策树（EnsembleTrees-GBDT）的PM_2.5预测模型.该模型首先在集成树框架下进行特征选择,即选取PM_2.5浓度主要影响因素,使用算术均值聚合法计算出各项特征对PM_2.5浓度增加的影响程度,并以影响程度由强到弱的次序排序;其次使用网格搜索对GBDT算法进行参数优化,选取树的深度等参数的最优值;最后构建完整的PM_2.5浓度集成预测模型.使用北京市2015-2016年的污染物浓度和气象条件观测值2个数据集,对模型进行了预测仿真实验.对比实验结果表明,所提出的EnsembleTrees-GBDT预测模型相比于决策树、随机森林、支持向量机等模型,具有更低的平均绝对误差和均方根误差,同时具有更好的泛化能力,能够更准确地预测PM_2.5浓度,并实现对PM_2.5浓度影响因素的有效分析.     

基于动态亚胺键的自修复有机硅弹性体的制备及性能研究

报道了一种将α,ω?氨丙基封端的聚（二甲基硅氧烷）（PDMS?NH₂）、戊二醛（GA）和三（4?氨基苯基）胺（TAPA）通过席夫碱反应进行交联,合成自修复有机硅弹性体PDMS?GA?TAPA。通过FT?IR和¹H?NMR对PDMS?GA?TAPA的结构进行表征。高温溶解实验证明PDMS?GA?TAPA具有优异的化学稳定性和热稳定性。同时,PDMS?GA?TAPA具有优异的机械强度,其拉伸强度最高可达3.6 MPa,断裂伸长率最高可达112%。此外,通过调节PDMS?GA?TAPA的交联密度,可以实现调节PDMS?GA?TAPA机械性能的目的。将PDMS?GA?TAPA样品在100 ℃处理1 h,该弹性体可以实现自修复,其自修复效率达到83%。     

基于输入K-近邻的正则化路径上SVR贝叶斯组合

在ε-不敏感支持向量回归(ε-insensitive support vector regression, ε-SVR)正则化路径的基础上,提出基于输入K-近邻的三步式SVR模型组合方法。在整个样本集上进行训练,求得ε-SVR的正则化路径。由SVR正则化路径的分段线性性质确定初始模型集合,并应用平均贝叶斯信息准则(Bayesian Information Criterion, BIC)策略对初始模型集合进行修剪以获得候选模型集合。该修剪策略可减小候选模型集合的规模,提高模型组合的计算效率和预测性能。在预测或测试阶段,根据样本输入向量采用K-近邻法确定最终组合模型集合,并实现贝叶斯组合预测。证明了ε-SVR模型组合的L_ε-风险一致性,给出了SVR模型组合基于样本的合理性解释。试验结果验证了正则化路径上基于输入K-近邻的ε-SVR模型组合的有效性。     

基于最小二乘支持向量机的时变信道建模

基于2.55 GHz市区微蜂窝多输入多输出信道实测数据,将机器学习中的最小二乘支持向量机（LS-SVM）算法应用于时变信道参数的建模中,建立了基于遗传算法（GA）优化的LS-SVM信道参数预测模型,对信道参数如时延扩展、接收端的水平角度扩展和垂直角度扩展的数据特征进行了学习,并实现了准确预测;同时通过与反向传播神经网络模型以及传统的LS-SVM模型进行比较,验证了算法的有效性.基于GA优化的LS-SVM模型能够在有限数据量下对信道参数的变化有着良好的适应性,可实现非线性时变信道参数的准确预测.     

PSO—SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于图像质量分析的PM_(2.5)空气质量预测

为了提高空气污染物PM_(2.5)质量浓度预测的准确性,提出了一种基于图像数据预测PM_(2.5)质量浓度的方法.首先用手机或相机获取图像数据,然后用图像质量分析模型提取与PM_(2.5)质量浓度相关的特征向量作为输入,建立一个基于粒子群优化(particle swarm optimization,PSO)算法的支持向量回归机(support vector regression, SVR)(PSO-SVR)预测模型来估计PM_(2.5)的质量浓度.实验结果表明,与SVR模型和用遗传算法(genetic algorithm, GA)优化的支持向量回归机(GA-SVR)模型相比,PSO-SVR模型在预测准确性和实施效率方面具有更好的预测性能.     

考虑质量预测的前摄调度问题模型与算法

为有效描述装配人员水平、工件质量等因素对飞机装配作业质量的影响,并为飞机装配过程建立合理的前摄调度计划,提出支持向量回归（SVR）预测模型和两阶段循环迭代搜索算法. 采集相关历史质量数据,以装配人员水平和工件质量等数据为输入,作业质量为输出训练SVR预测模型. 基于已训练的SVR预测模型,采用基于作业列表禁忌搜索框架对作业列表进行邻域搜索,并通过内嵌人员分配搜索模块的串行调度实现人员配置的优化. 数值实验结果表明:采用SVR预测模型求得的作业质量预测值相较实测值的误差能够控制在5%以内,预测精度最高达到97.38%;两阶段循环迭代搜索算法求解所得模板计划与CPLEX偏差均值保持在9.99%~ 27.54%,与其他前摄调度生成方法相比偏差最小;在不确定性环境中,右移算法在两阶段循环迭代搜索算法所得模板计划中能取得最优或次优的平均装配工期和平均计划偏差. SVR预测模型能够对飞机装配作业质量进行有效预测,而两阶段循环迭代搜索算法则能满足构建飞机装配前摄调度计划的需求.     

苏南太湖流域农村污水PFASs现状及分散式处理设施去除效能

以常州市武进区洛阳镇6座分散式农村污水处理设施为研究对象,分别采集了处理设施总进水、总出水及湿地土壤,共检测出样品中11种PFCAs（全氟羟酸类物质C₄~C₁₄）和4种PFSAs（全氟磺酸类物质C₄、C₆、C₈、C₁₀）及MeFOSA（N-甲基全氟辛基磺酰胺）、EtFOSA（N-乙基全氟辛基磺酰胺）、MeFOSE（N-甲基全氟辛基磺酰氨基乙醇）等PFOS（全氟辛烷磺酸）前体物质的质量浓度。统计分析表明：6种PFCAs和3种PFSAs在6个村庄污水处理设施总进水检出率均在83.33%以上;PFSAs中浓度最高组分为PFOS,浓度范围为N.D.~79.89 ng/L、PFCAs浓度最高的组分为PFOA（全氟辛酸铵）,浓度范围为3.87~8.6 ng/L;3种不同污水收集方式中的全氟及多氟类化合物（PFASs）浓度特征为雨污合流及企业排水 > 雨污分流 > 雨污合流,接触氧化A/O工艺和多级A/O工艺总出水中的PFASs浓度高于总进水,对PFASs没有去除效果;A/O-MBR工艺则对中链PFASs具有较好的去除效果,去除率为81.27%。对PFOS的去除最为明显,浓度从64.45 ng/L降到15.41 ng/L,去除率达74.9%,但其对短链PFASs未见有明显去除效果;人工湿地对中链PFASs也具有较好的去除效果,湿地出水中PFOS可从15.41 ng/L降至检出限以下。短链PFASs具有较低的吸附势和疏水性,更易存在于液相中而不是在固相中,使得几种工艺对其均未见有明显去除效果,甚至出水浓度较进水高。     

基于SVR-GA的燃煤锅炉NOx含量软测量研究

燃煤锅炉脱硝反应器入口NOx浓度是锅炉燃烧过程中的一个重要参数,针对常规NOx分析测量仪存在的精确度较低的问题,通过支持向量回归(SVR)算法建立锅炉的NOx排放预测模型,选取均方误差(MSE)作为模型的评估函数,利用遗传算法(GA)对模型参数进行优化,编制程序对NOx排放量进行预测。以某300MW燃煤机组现场数据为基础进行仿真验证,结果表明,在与SVR、BPNN等方法的对比中,GA-SVR所建立的模型在NOx排放量的预测中取得了更优的效果。     

基于叠前资料的新型属性优选算法

为了实现属性优选的定量化评价,提高属性优选的准确率,提出了一种新型属性优选算法,将非线性支持向量回归机(SVR)引入到遗传算法(GA)当中,在适应度评价时,使用SVR建立属性集与储层特征参数的定量计算关系,并且,首次将该新型属性优选算法应用到叠前叠后属性的优选。该方法在胜坨地区沙四纯上段进行应用,一方面避免了基于叠后地震属性的预测方法存在不确定性的问题,另一方面预测出了更加符合地质认识的储层展布结果。     

沸石颗粒填料固定床生物膜免曝气污水处理工艺

为降低污水处理能耗，利用沸石颗粒充当生物填料构建固定床生物膜反应器，通过序批式进水—排水的方式使反应器内填料表面生物膜处于交替厌氧—好氧环境，避免了传统污水处理曝气工艺所需的大量能耗，并能有效去除COD和脱氮。该工艺主要原理：在厌氧阶段（进水），污水与生物膜和沸石颗粒接触，聚糖菌（GAOs）将有机碳源转化为胞内聚羟基烷酸（PHAs），沸石吸附污水中的NH₄⁺-N。在好氧阶段（排水），通过聚糖菌、硝化菌和反硝化菌的共同作用，将沸石吸附的NH₄⁺-N转化为氮气，使得生物膜和沸石颗粒得以再生。沸石颗粒固定床生物膜反应器以活性污泥为接种污泥，在序批式厌氧—好氧交替运行模式下，2周内成功启动；长期运行中污水COD、NH₄⁺-N和TN去除率分别为87%、83%和83%，且出水中未检出硝态氮；长期运行后，反应器内生物膜菌群以Thauera、Candidatus competitivebacter、Nitrospira细菌属为主，它们是去除COD和脱氮的关键微生物。     

基于改进粒子群优化LSSVM的污水COD软测量建模

针对在污水处理过程中水质参数(如出水化学需氧量(COD),pH值)变化过程的高度时变性、非线性和复杂性等特点,提出一种基于改进粒子群优化最小二乘支持向量机(IPSO-LSSVM)的软测量模型。该模型将小样本机器学习——最小二乘支持向量机(LSSVM)引入工业污水处理过程水质参数预测,网络训练过程中采用粒子群优化算法,使得该算法能够自适应获取最优超参数,形成IPSO-LSSVM算法,对工业污水处理出水COD参数进行回归预测。实验结果表明:与LSSVM和PSO-LSSVM模型相比,IPSO-LSSVM模型预测结果的均方根误差分别降低了40.9%和30.5%;相关系数分别提高了13.0%和6.6%。这表明IPSO-LSSVM模型在预测精度、收敛速度和抗干扰能力等方面明显优于LSSVM和PSO-LSSVM模型。     

脱膜剂对石英砂表面活性滤膜脱膜效果比较

为解决水厂滤池反冲洗周期逐渐缩短的问题,利用HCl、Na_2SO_3与H_2O_(23)种脱膜剂,对表面滤膜过度增长的石英砂活性滤料进行静态脱膜实验,确定最适脱膜剂投量与脱膜时间,应用于中试动态过滤系统中.利用扫描电子显微镜(SEM)与X射线荧光光谱分析(XRF)对脱膜前后滤料进行微观表征.结果表明:静态实验确定HCl的最适投量为14.6 mg/g,Na_2SO_3与H_2O_2的最适投量均为11.7 mg/g,3种脱膜剂最适脱膜时间均为40 min;中试系统经脱膜剂处理后,滤层空隙率与反冲洗周期均明显提高,HCl脱膜效果尤其突出,经HCl处理后,滤层空隙率由脱膜前的27.7%提高至39.1%,反冲洗周期由脱膜前的33.7 h提高至61.6 h;同时,滤柱内石英砂滤料催化氧化活性并未受到影响,出水水质仍稳定达标.SEM及XRF表征结果表明,滤料表面的滤膜被部分剥离,滤膜表面形貌与元素组成均无明显变化.综合考虑反冲洗周期恢复效果与经济因素,HCl为最优的脱膜剂选择.     

Use of Tetrazolium Salt INT for Estimation of Biological Activity of Activated Sludge Cultivated in SBR Process

The tetrazolium salt 2-（4-Iodophenyl） -3-（ 4-nitrophenyl ） -5-phenyltetrazolium chloride （INT） was used as a tool fi）r estimating the activity of the electron transport system （ETS） in activated sludge in a 40 L sequencing batch reactor （SBR） and domestie sewage as the organic substrate. The activity of INT-ETS during one SBR cycle, and the effeet of the ammonia concentration and the concentration of organic matter influent on the INT-ETS activity were investigated. The results show that： the use of INT is reliable in estimating of biological activity of activated sludge of SBR system; Biological activity of organic matter biodegradation, nitrification and denitrification process in SBR system reduce orderly. Obviously, INT-ETS activity reduces from 232.59 rny/（g · h） to 190. 65 rag/（ g ·h） at first and then decreases to 113.88 my/（ g · h） when influent concentration of COD and NH4＋-N is 300 my/L and 40 mg/L respectively. In addition, various influent Nitrogen （NH4＋-N are 14.5 mg/L and 42.0 my/L） and organic shock loading （COD are 293 mg/L and 685 my/L） experimenntions cure prove that operational conditions have no obvious effect on INT-ETS variation rule. However, the time of the appearance of feature points marking different reaction phase is influenced.     

Preparation and Properties of Modified Sol-Gel Sensing Membrane for Fiber Optic Oxygen Sensor

1　IntroductionWiththerapiddevelopmentoffiberopticsensingtechnology ,moreandmoreattentionhasbeenpaidtothestudyoffiberopticgassensors (FOGS)allovertheworld .FOGShavemanycharacteristicssuchashighaccu racy ,immunityfromthedisturbanceofelectricandmag neticfie…     

基于GA-WPT-ELM的6061铝合金表面粗糙度预测

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法（GA）的信号特征识别和表面粗糙度预测的优化算法. 对采集的6061铝合金铣削振动信号进行小波包变换（WPT）和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机（ELM）的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试. 实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.