遗传算法优化的BP神经网络预测水厂絮凝剂投加量

文中选取了太湖地区某水厂原水水质及过程工艺水质与絮凝剂聚合氯化铝(PAC)投加量的360条原始数据样本,采用异常值剔除、空缺值的填补及偏态分布纠正,对该样本进行了预处理及数据清洗从而得到原始数据集。建模前使用了相关系数法分析评价了各水质指标对絮凝剂PAC投加量的影响程度,根据分析评价结果以及混凝基础理论,选取了对絮凝剂PAC投加量影响较大的部分水质指标作为建立投加量模型的建模数据集,其中80%作为训练集,20%作为验证集检验模型泛化能力。模型采用BP神经网络,使用遗传算法对网络的结构及关键参数进行了优化,最后使用最优模型对絮凝剂PAC投加量进行预测。模型在验证集72个样本上的平均绝对误差(MAE)为3.78 mg/L;训练集288个样本平均绝对误差为2.75 mg/L,结果表明模型能有效拟合絮凝剂投加量变化趋势,具有一定的参考价值。

太湖地区某水厂原水及出厂水水质统计

以浙江省太湖地区某水厂原水与出水水质安全为研究背景,运用数理统计方法分析该水厂2018年—2019年原水及出水水质状况。使用主成分分析法分析研究原水主要污染物成分,使用聚类分析、相关性分析研究原水污染物与主要消毒副产物之间的相关性,并在此基础上,用回归拟合方法确定相关性较强的指标的线性关系,所建模型具有一定参考价值。

典型全氟化合物污染现状及其处理技术研究进展

全氟化合物(Perfluorinated compounds,PFCs)是一类新型有机污染物,由于具有环境污染持久性、远距离运输性和生物毒性等,近年来受到广泛关注。为了更好地应对PFCs所带来的环境风险,总结了PFCs中应用最为广泛的全氟辛酸(Perfluorooctanoate,PFOA)和全氟辛烷磺酸(Perfluorooctane sulfonate,PFOS)在水环境中的污染现状。同时较为全面地介绍了目前PFOA与PFOS的处理技术及其原理和优缺点。根据实验数据的分析,推荐使用离子交换树脂去除ng/L级别的PFOS。目前微生物法尚不成熟,尽管吸附法和氧化法去除率较高,在TiO_(2)/VUV(pH=4)的体系中PFOA的降解率和脱氟率分别达到了98.3%和52.4%,但仍存在脱氟率较低的问题。如何提高脱氟率也是未来的一个研究方向,制定检测、管控相关的法律政策和开发易降解的替代品是控制PFCs污染的关键。