论文部分内容阅读
随着经济社会的发展,水污染和水资源短缺已成为我国面临的严重问题。生活污水处理工艺越来越受到人们的关注,尤其是分散生活污水的处理工艺,由于分散生活污水水量水质变化大,水量小,其处理一度成为水处理领域的难题,研究者一直致力于研究开发成本低、占地面积小的、运行维护简单的新工艺。本论文简述了我国水资源现状、突出的水资源的问题和近几年较大的水体污染事件及其给人们的日常生活所带来的危害,论述了当前几种生活污水处理工艺的原理及其应用,通过对比各种生活污水处理工艺的优缺点及适用性,最终选用SBBR和CRI的联合工艺处理生活污水。实验采用3组反应器处理模拟生活污水,研究对比了SBBR和CRI单独处理污水时对COD、NH4+-N、TN和TP的去除效果,并与SBBR-CRI工艺的处理效果相对比;通过单因素实验,得出各参数下的最优条件。由于SBBR-CRI工艺影响因素与出水参数的复杂非线性,利用人工神经网络(ANN)对SBBR-CRI处理生活污水的过程进行仿真模拟,在MATLAB语言环境下,以DO、淹没时间/落干时间、曝气时间/停曝时间、进水COD、进水NH4+-N、进水TP为输入因素,出水COD、NH4+-N、TN和TP为输出因素,构建具有自适应学习规则的人工神经网络。结合最优网络运行参数:隐含层节点数6,初始学习率0.13,动量因子0.6,训练次数6000次,对样本仿真学习,预测值与实际值拟合度较好,样本的绝对平均误差率在7.5%之内,均方根误差均在0.085之内。结果表明:当DO为2mg/L,曝气时间/停曝时间为2/1,淹没时间/落干时间为1/3时,NH4+-N去除率能达到98%以上,TN和TP去除率85%以上,COD去除率94%以上。通过权重分析,探究了各影响因素对出水参数的权重贡献,进水NH4+-N、DO和进水TP对出水参数的影响较大,在出水参数中,出水TN受渗滤系统湿干比影响最大。人工神经网络模型通过非线性映射识别输入与输出的关系,具有良好的非线性逼近能力,为生活污水处理工艺的在线监测提供了条件。