基于可控参数的前馈神经网络出水总氮预测模型研究

• 作者: 赵子豪 王子昊 袁家洛 马骏 何哲灵 徐一兰 沈晓佳 朱亮
• 来源期刊: 工程（英文）
• 关键词: 前馈神经网络(FFNN) 算法 可控参数 序批式活性污泥工艺 总氮
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: Environmental Engineering—Article
• 页码范围: 195-202,中插71-中插78
• 页数: 1页
• 语种: 英文

摘要

当前,出水总氮(TN)稳定达标是我国城镇污水处理厂面临的关键问题.本文基于我国城镇污水处理厂主流工艺——序批式活性污泥工艺(SBR),构建了一种基于可控参数的前馈神经网络(FFNN)出水总氮预测模型.与已有预测模型相比,本模型具备以下两个特点:①采用可控参数(表面气速与缺氧段时长)代替溶解氧作为模型主要输入参数,明显提高模型可用可控性;②采用算法优化的前馈神经网络构建模型,显著提高模型预测精准度.研究结果表明:量化共轭梯度法优化的FFNN模型预测精准,其拟合相关系数(R)明显高于其他相关模型;优化后的FFNN模型可根据进水与关键控制参数实现出水TN精准预测,有望实现城镇污水处理厂总氮稳定去除、系统节能降耗,助力国家"3060"碳目标实现.