含聚污水重力沉降分离过程淤泥增长特性预测

重力沉降作为污水处理的基本工艺,其常用设施重力沉降罐在运行过程中,来水中的悬浮物会不断向罐底沉积形成淤泥,为了防止水质二次污染,保障设施的高效运行,需根据淤泥量来制定清淤方案。文章基于大庆某油田污水处理站运行实际,从日处理量、含聚浓度、悬浮物含量、含油量、悬浮物脱除率等特征量出发,通过构建重力沉降罐清淤数据集,分析各特征量间的关系,并确定影响淤泥增长的主导因素,进而基于BP神经网络架构建立淤泥增长速率预测模型。研究结果表明,污水中含聚浓度在一定程度上影响含油量和悬浮物含量,随着沉降罐日处理量的增加,油珠脱除率和悬浮物脱除率降低,淤泥增长速率正相关于污水悬浮物含量、悬浮物脱除率和含聚浓度,基于生产数据训练的预测模型拟合度分布在0.9以上,满足精度要求,为污水沉降罐清淤操作的时间选择提供了依据和方法。