10.16159/j.cnki.issn1007-8924.2020.03.007
人工神经网络在量化膜污染界面作用力中的应用
膜生物反应器(MBR)中膜污染的黏附过程由污染颗粒和粗糙膜表面之间的界面作用力决定.高级extended-Derj aguin-Landau-Verwey-Overbeek (XDLVO)方法无法快速实现界面作用力的量化.本研究提出了径向基函数(RBF)人工神经网络(ANN)、反向传播(BP) ANN和广义回归神经网络(GRNN)3种模型用于量化这些界面作用力.RBF ANN,BP ANN和GRNN的预测结果均具有较高的回归系数和准确性,表明它们能很好地捕捉界面作用力与各种因素之间复杂的非线性映射关系.与高级XDLVO方法相比,RBF ANN,BP ANN和GRNN的量化效率均得到了显著提高.同时,BP ANN的预测性能优于RBF ANN和GRNN模型.案例研究进一步证明了BP ANN用于界面作用力定量分析的可行性.本研究为量化与膜污染相关的界面作用力提供了新方法.
人工神经网络、膜生物反应器、膜污染、界面作用力
40
TQ028.5;X703.1(一般性问题)
国家自然科学基金资助项目51978628
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
47-54