基于FRBPSO-RBF神经网络的污水BOD5软测量方法

污水处理过程中污水BOD5难以实时准确测量,故软测量方法逐渐被用于污水BOD5的预测,其中RBF神经网络软测量方法应用广泛,但存在训练过程易陷入局部极值等问题。为提高RBF神经网络的预测精度,提出了基于适应度排名的粒子群算法(fitness ranking based particle swarm optimization,FRBPSO),根据适应度排名与迭代次数确定惯性权重的大小,并根据粒子个体历史最优值的排名与迭代次数确定自我学习因子与社会学习因子的大小,并将FRBPSO算法引入RBF神经网络的参数训练中。基于13个基准测试函数与其他3个粒子群优化算法对比,实验结果显示FRBPSO算法的寻优能力相对较强。再将基于FRBPSO算法的RBF神经网络用于构建污水BOD5软测量模型,仿真结果表明,在测试数据中,FRBPSO-RBF软测量模型的平均绝对误差比PSO-RBF软测量模型、DAIW-RBF软测量模型、SCVPSO-RBF软测量模型分别降低了0.7178、0.2402、0.5851,平均绝对百分比误差分别降低了0.47%、0.15%、0.33%,均方根误差分别降低了0.0034、0.0015、0.0039。与其他3个基于PSO算法的BOD5软测量模型相比,FRBPSO-RBF模型具有较高的BOD5预测精度。

株洲市生活污水污染特征研究

在一年中 ,分 4个季度 (每季度 3天 ,每天 4次 )对株洲市区具有代表性的 4个不同地点的生活污水水质进行了监测 .结果表明 :生活污水中的主要污染物是 BOD5 和 Inorg-P;污染物浓度有明显的时空变化规律 ,中午和傍晚前后的浓度较高 ,早晨和半夜则较低 ,冬、春季节的污水污染物浓度皆高于夏、秋两季 ,居民、餐饮业密集区的污水中污染物浓度显著高于商业区和混合区 ;污水中氮、磷主要以无机盐形式存在 ;目前株洲市生活污水排放量与主要工业污染源废水年排放量相当 ,CODcr、BOD5 总排量均高于后者 ,因此生活污水对湘江的污染压力不容忽视 ;该生活污水的可生化性 ( BOD5 / CODcr)较好 ( 0 .4～ 0 .7) ,COD/ T-P的比值多在 3 0以下 ,有利于生物除磷 ,因此采用生化处理法可以收到良好的净化效果 .

增菌接种液在五日生化需氧量检测中的应用

生化需氧量作为水体污染程度重要的有机污染指标,目前已被国内外各种水质评价方法采用。通过工作经验,反复研究,已能有效取得较理想的数值。在优化的分析条件下,不同增菌接种液的测定结果在地表水中的百分偏差为7.7%~14.3%,测定结果在污水中的百分偏差为2.7%~10.0%,这2种增菌接种液均适合环境水样中生化需氧量的测定。