基于人工神经网络的污水处理出水水质预测模型

出水水质稳定达标是污水处理行业所追求的目标,但目前并没有成熟的污水处理出水水质预测模型。基于活性污泥法污水处理工艺技术原理及上海某污水处理厂工艺运行数据,考虑与污水处理出水水质密切相关的7个因素,即进水化学需氧量、氨氮、pH值、生物池配水流量、曝气量、溶解氧、污泥浓度,采用BP神经网络算法建立污水处理出水COD和氨氮预测模型,并对模型准确性进行了验证。结果表明,所建模型预测出水COD和氨氮与实测结果相吻合,出水COD预测误差在±2.5mg/L范围内,出水氨氮预测误差在±1.0mg/L范围内,为污水处理工艺高效、稳定运行提供指导。

近红外光谱污水COD分析系统设计

为了解决利用近红外光谱技术测定污水中的化学需氧量技术中样本数据集参数存在数据过拟合、干扰因素大、检测界面不直观等问题,本文采用一维卷积神经网络技术,建立水样近红外特征与污染指标成分含量之间的关系模型,并利用MATLAB的图形用户界面设计分析界面。实验结果表明,该方法预测结果良好,可实现水质污染的定性及定量的快速检测。