CAST工艺动力学模型的建立和模拟

以ASM3模型为基础，分析和研究了CAST工艺中的各个动力学过程，建立了CAST工艺的动力学模型。采用VB6．0和数据库技术开发了以动力学模型为核心的模拟系统，并利用它对小试CAST工艺进行了参数的辨识、估计和动态模拟，结果表明，对主反应区在曝气阶段的DO、SCOD、氨氮和硝态氮等的模拟结果与实际运行数据基本吻合。     

山西大医院污水处理CAST工艺设计

针对山西大医院综合医疗大楼污水处理工程中采用的CAST工艺进行了介绍,分别阐述了CAST设计基础数据,生物池构造,工作周期设计等内容,并结合其他应用实例运行结果指出该工艺合理可行,值得推广。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

CAST工艺处理小区生活污水

采用周期循环曝气活性污泥法(CAST工艺)处理小区生活污水。污水处理后出水CODCr、SS、BOD5、氨氮、磷酸盐的平均去除率分别达77．6％,85．4％,74．0％,83．0％,79．7％;出水各项指标达到《连云港市水污染物排放标准》(DB32／180- 1998)中的二级标准。     

CAST工艺运行优化和控制研究

根据扬州市汤汪污水处理厂CAST工艺的设计参数及运行情况,利用活性污泥模型ASM2D建立了符合该污水厂实际运行状况的水质模型,分别对不同水温、曝气时间、DO浓度等控制参数下的模拟结果进行定量预测。结果表明,当水温较低时,需确保曝气阶段的DO达到2mg/L或增加曝气时间,以弥补低温对微生物活性的不利影响;当水温较高时,应根据进水水质、水量及模拟结果选择最佳调控参数,以提高出水水质和避免能源浪费。另外,根据CAST工艺优化诊断结果建立了生物工艺智能优化控制系统,使优化成果得以执行实施,从而实现了污水处理厂自动化控制下的节能减排目标。     

CAST污水处理工艺在寒冷地区的应用

以绥化市城市污水处理工程为背景,介绍了CAST工艺在冬季运行期间对COD、BOD5、TP和SS的去除效率,并对影响去除效率的因素进行分析.结果表明,系统在整个冬季运行期间,平均出水COD、氨氮、TP和SS浓度分别为48.3、0.96、0.71和9.35mg/L,不仅可长期稳定地满足《城镇污水处理厂污染物排放标准》中的一...     

BP和RBF在桥梁损伤识别中的应用比较

本文通过某桥对应变、挠度、振动、温度和动态轴重五个方面的监测数据的处理,得到能够反映桥梁工作状态的几个相关特征参数,然后根据这些参数以及设定的损伤指标和损伤级别,分别进行BP和RBF神经网络的训练,经过比对两次的训练误差、收敛速度等方面,最终选用RBF神经网络来实现对桥跨结构的损伤评估。     

CAST法处理啤酒废水的工艺设计与应用

介绍了CAST法处理啤酒废水方案选择的依据、工艺流程、设计要点、工艺参数、运行效果和经济指标。该工艺处理效果稳定,出水可达到排放标准(COD为25～96mg/L,去除率为95%～98%;BOD5为19～30mg/L,去除率为97%～98%;SS为46～70mg/L,去除率为88%～93%),单位投资为1100～1500元/(m3·d),占地为0.60～0.96m2/(m3·d),运行费用为0.56～0.72元/m3,总成本为0.75～0.97元/m3。     

CAST工艺处理城市污水原理及设计研究

本文从课题研究的相关背景入手,阐述了CAST 工艺是一种循环式活性污泥法,详细分析了CAST工艺的运行方式,介绍了近几年由于其工艺的灵活性和先进性。近年来,CAST工艺在城市污水处理中得到了较广泛的应用。     

CAST工艺处理城市污水原理及设计研究

本文从课题研究的相关背景入手,阐述了CAST 工艺是一种循环式活性污泥法,详细分析了CAST工艺的运行方式,介绍了近几年由于其工艺的灵活性和先进性。近年来,CAST工艺在城市污水处理中得到了较广泛的应用。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

RBF网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性,使主动控制在建筑结构振动控制领域中,具有广阔的应用前景,但是主动控制存在难以建立一个精确的数学模型,存在时滞效应等问题.神经网络不需要建立精确的数学模型,只是通过学习输入输出训练样本数据,就可归纳出隐含在系统输入输出中的关系;应用神经网络预测结构响应可以解决主动控制中的时滞问题,为控制决策提供依据.用RBF神经网络对结构响应进行预测,以期能为结构主动控制提供一种新的思路.     

BP神经网络模型在地下水质量评价中的应用

介绍了BP神经网络的基本原理和计算方法。采用6-11-5三层拓扑结构的BP神经网络模型对伊通河下游地下水质进行评价,并与内美罗指数法、模糊综合评判法和物元可拓法评价结果比较。结果表明BP神经网络计算简便、评价结果客观准确,很好地反映了地下水质量的总体状况。     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。     

SBR出水BOD值的RBF软测量法

提出了基于径向基函数(RBF)人工神经网络的SBR出水BOD值的软测量方法，并介绍了其原理。通过大量实测数据对RBF神经网络进行训练，仿真结果显示利用其可实现对SBR出水BOD值的软测量，为污水处理过程的在线实时控制创造了条件。     

基于BP神经网络的堆肥物料抗剪强度预测模型

针对目前传统方式采集堆肥物料抗剪强度数据过程中环境恶劣、数据采集困难、试验误差大等问题,提出一种基于BP神经网络的抗剪强度预测模型。通过现场试验得到堆肥物料抗剪强度和堆体高度、温度、含水率、密度等参数共39组有效数据,以其中35组作为训练样本,其余4组用于评价模型的预测性能。结果表明,该模型预测值与实测值的平均误差为11. 35%,基于BP神经网络的抗剪强度预测模型具有较高的预测精度,为抗剪强度的预测提供了一种新方法。     

基于RBF神经网络的边坡稳定可靠度分析

RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF神经网络理论,采用蒙特卡罗模拟法来进行结构的可靠度分析,研究了样本点的生成方法及样本数对可靠度分析结果的影响,并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠度分析。计算表明:基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度;样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比,均匀设计法生成的样本点分布更均匀,由此样本点集训练生成的神经网络能更好的代替原功能函数,在相同的样本数时具有更高的计算精度;当计算精度相同时,均匀设计法比随机取样法需要生成的样本点少,计算效率高。     

基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。