人工神经网络用于造纸废水处理建模的研究

利用造纸废水处理监控系统取得表征废水水质的各项指标，在此基础上研究了基于BP网络和RBF网络的造纸废水处理建模。仿真结果表明，BP网络较RBF网络对样本数据的仿真误差较小，泛化能力更好；输入量考虑历史出水COD变化趋势的网络，其仿真效果要优于不考虑变化趋势的网络；运用基于BP网络和RBF网络的造纸废水处理模型能够准确地预测出水COD，为实现废水处理的自动控制提供可行途径。     

人工神经网络用于造纸废水处理建模的研究

利用造纸废水处理监控系统取得表征废水水质的各项指标,在此基础上研究了基于BP网络和RBF网络的造纸废水处理建模。仿真结果表明,BP网络较RBF网络对样本数据的仿真误差较小,泛化能力更好;输入量考虑历史出水COD变化趋势的网络,其仿真效果要优于不考虑变化趋势的网络;运用基于BP网络和RBF网络的造纸废水处理模型能够准确的预测出水COD,为实现废水处理的自动控制提供可行途径。     

基于遗传算法和BP网络的造纸废水处理预测研究

在造纸废水处理过程建立出水COD预测模型中,针对BP算法易陷入局部极小、收敛速度慢等缺点,根据遗传算法(Genetic Algorithm-GA)具有全局寻优的特点,将两者结合起来形成一种训练神经网络的混合算法--GA-BP算法;仿真结果表明,预测模型具有较强的学习能力和泛化能力,同时,建立的GA-BP模型预测输出的平均误差仅为0.88%,说明此模型可以有效、可靠地预测造纸废水出水COD.     

相关向量机对废水处理系统出水水质的预测

准确预测出水水质对造纸废水处理过程具有重要意义,为此笔者提出一种基于相关向量机（RVM）的软测量模型。首先,利用偏最小二乘法（PLS）提取实际造纸废水处理过程数据的潜变量,解决过程变量的共线性和高维度问题,然后利用潜变量建立RVM预测模型。结果表明,与RVM模型相比,本文提出的PLS-RVM组合模型在对出水悬浮固形物（SS）的水质预测测试时,均方根误差降低了7.76%,决定系数提高了12.32%;但对出水化学需氧量（COD）的预测测试效果提升并不明显。此外,PLS-RVM模型的预测效果较PLS-LSSVM模型有显著提升：对出水SS的预测,均方根误差降低了9.16%,决定系数提高了15.29%;对出水COD的预测结果中,均方根误差降低了9.29%,决定系数提高了18.34%。     

造纸废水中TOC与COD_(Cr)相关性研究

以实验室造纸废水处理系统中进水与出水为研究对象,探讨进出水的TOC与CODCr值的相关性。通过TOC-4100总有机碳分析仪及CODCr在线监测仪分别测定进出水TOC与CODCr值,建立进出水TOC和CODCr的相关关系式。通过对实测的进出水TOC和CODCr值进行一系列精密度和准确度检验,证实了实验室条件下造纸废水处理过程中进出水TOC和CODCr之间具有良好的相关性。基于造纸废水处理实际生产过程中,设备装置,原料等的差异,造纸企业应根据自身的具体情况,在运用TOC和CODCr的相关关系式时,应通过试验建立相应的回归方程。造纸废水经实验室A/O工艺处理后出水TOC与CODCr值的相关性显著,可以用TOC值计算出CODCr值,对环境管理及污水处理设施运行具有重要指导作用。     

模糊神经模型对废水处理过程COD的预测及控制

基于提高工业废水处理自动化程度、保证出水水质的考虑,通过正交实验法获得了用于FNN模型训练和测试的样本数据,并建立了相应的FNN预测和控制模型;结合模糊C均值聚类和混合算法完成网络的结构辨识和参数辨识,仿真结果表明,预测模型具有很好的学习能力和泛化能力,而测试数据的相对误差范围为1.2%~8%;建立好的预测控制模型与MCGS组态软件结合应用于实验室的造纸废水处理控制,改变原水COD和进水流量的大小,控制系统会自动计算出该时刻的加药量,其出水CODC r维持在400 mg/L左右,同人工恒定加药量相比平均相对误差小很多,只有1.98%,结果表明MCGS和控制算法结合可以有效控制废水处理过程。     

基于NSGA-2和BP网络的造纸废水厌氧消化过程多目标优化

针对造纸废水厌氧消化过程COD去除率和产气量双项优化问题,提出了厌氧多目标优化方法,基于BP神经网络分别建立COD去除率模型和产气量模型,并结合NSGA-2建立了以最大化COD去除率和产气量的目标优化模型。结果显示,采用NSGA-2与BP神经网络相结合的方法可以找到符合各优化目标的全局最优解,得到理想的Pareto解集,能够对造纸废水厌氧消化过程实现有效优化。本研究为废水处理多目标优化方面提供参考。     

制浆造纸废水絮凝/Fenton深度处理工程应用的技术经济性分析

根据某大型造纸企业废水处理厂深度处理工艺的运行数据,评价了"絮凝/Fenton"深度处理工艺对制浆造纸废水有机物的处理效果,同时分析了该工艺的运行费用。结果表明:制浆造纸废水二级出水经该工艺处理后,出水COD最优水平值(Technology Achievable Limit,TAL-3.84%)可达43mg/l,出水COD保证值(TAL-95%)为56mg/l,保证值可以满足《山东省海河流域水污染物综合排放标准》的排水要求。COD去除率最优值(TAL-3.84%)为88.3%,去除率保证值(TAL-95%)为83.7%。COD去除率稳定,适合作为制浆造纸废水处理的末端保障工艺。该深度处理工艺的平均成本为1.46元/m3,成本主要分布在1.21~1.71元/m3范围内。运行成本中,药剂费用所占比例最大,约为60%。     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

基于灰色建模的跨界水污染趋势预测

跨界水污染问题一直深受广大学者的关注,本文采用获嘉东碑村断面COD浓度监测值,通过格拉布斯准则法和SPSS软件进行异常值剔除和缺失值紧邻均值填补之后,提取该断面年平均COD浓度值,对其数据进行逆向化处理,建立加权平均GM(1,1)模型,然后用神经网络BP算法估算出参数a、b的值,科学、精确地模拟预测出该断面2011—2017年年平均COD浓度值,探明该跨界流域COD排放情况和变化趋势,从而对跨界水污染的趋势进行有效的短期预测。