基于可控参数的前馈神经网络出水总氮预测模型研究

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.

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

所属期刊栏目：7

分类号：X703.1;X505;TP368.1

在线出版日期：2021-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：195-202,中插71-中插78