基于CGA-BP神经网络的好氧堆肥曝气供氧量预测模型

为提高好氧堆肥曝气供氧量的曝气效率以及预测精度,该研究利用遗传算法(genetic algorithm,GA)对标准反向传播(back propagation,BP)神经网络的初始权值和阈值进行优化,再利用克隆选择算法(clonal genetic algorithm,CGA)优化遗传算法中的变异算子并复制算子,加快获取最优参数的速度,构建基于CGA-BP神经网络的曝气供氧量预测模型。为验证CGA-BP模型的有效性,与BP模型、GA-BP模型预测结果进行对比。试验结果表明:克隆遗传算法优化BP神经网络能加快获得最优解,效率相比BP模型和GA-BP模型分别提高了75.36%、51.30%;在曝气供氧量预测模型中,CGA-BP模型具有更准确的预测效果,预测精度为99.65%,而BP模型与GA-BP模型预测精度分别为96.99%、99.26%;CGA-BP模型评价指标的均方误差、平均绝对误差、平均绝对百分误差分别为0.0034、0.0389和0.3506,均小于BP神经网络和GA-BP神经网络模型评价指标的误差;利用CGA-BP好氧堆肥曝气供氧量预测模型对好氧堆肥发酵过程进行精准曝气,提高了3.22%的曝气控制效率。由此可知CGA-BP神经网络模型有更好的预测效果,可满足好氧堆肥在发酵过程中曝气供氧量的需求,提高曝气效率,为精准控制曝气提供更直接有效的方法。

好氧堆肥曝气供氧量预测系统的设计

为提高好氧堆肥反应效率,初步搭建一套适用于好氧堆肥反应器内部环境的曝气量在线预测系统,实时监测堆肥状态,并准确预测曝气供氧量。该系统以STM32F103单片机为核心,完成数据的采集、运算和阀门控制;预测系统软件界面由MatlabAppDesigner设计,可以更直观的查看数据,了解好氧堆肥的状态。数据运算基于GA-BP神经网络的曝气供氧量预测模型,系统将好氧堆肥环境中的数据,通过无线网络实时输入到系统中并显示,进行运算、预测曝气供氧量,计算曝气速率,控制曝气阀门,使堆肥过程中有充足的氧气能加速反应堆的进程,提高好氧堆肥整体效率。

污水好氧生物处理中的供氧技术

溶解氧含量是影响污水好氧生物处理效果的一个重要因素。因此,供氧技术一直是污水处理领域研究开发的一个热点。综述了污水好氧生物处理工艺中供氧技术的供氧原理、类型、研究及应用现状,最后指出了供氧技术的发展趋势。