《AAO污水处理工艺介绍.ppt》由会员分享，可在线阅读，更多相关《AAO污水处理工艺介绍.ppt（48页珍藏版）》请在装配图网上搜索。
1、1.城市污水脱氮除磷工艺及模拟控制 2.研究内容与技术路线 3.交互式反应器研究与中试装置设计 4.交互式反应器中试运行研究,汇 报 内 容,5.交互式反应器BP神经网络模型研究 6.交互式反应器ANFIS仿真模型研究 7.结论与建议,1、城市污水生物脱氮理论与技术,生物处理过程氮的转化,一、城市污水脱氮除磷工艺与模拟控制,环境因素： 1、水温 2、pH 3、DO 4、C/N 5、Fm (3)隶属度函数（gaussmf),2、ANFIS网络模型设计,2.1 输入输出,六、交互式反应器ANFIS仿真模型研究,2.2 隶属度函数,(1)与BP网络一致：4输入单输出,(1)2个； (2) 3个 (3
2、)3个隶属度函数在训练模拟精度较高；预测误差较大 (4)确定用2个隶属度函数,3、ANFIS网络模型模拟,3.1 出水NH3-N预测,六、交互式反应器ANFIS仿真模型研究,输入进水：COD、SS、NH3-N、NO3-N,(1) 训练误差、测试误差均优于BP网络 (2) 模拟数据稳定性好,3、ANFIS网络模型模拟,3.2 出水TN预测,六、交互式反应器ANFIS仿真模型研究,输入进水：COD、SS、NH3-N、TP,(1) 预测效果优于BP网络 (2) 预测性误差小,3、ANFIS网络模型模拟,3.3 出水NO2-N预测,六、交互式反应器ANFIS仿真模型研究,输入进水：COD、NO3-N、
3、NO2-N、NH3-N,(1) 训练误差测试误差均大于BP网络 (2) 预测效果差于BP网络 (3) 隶属度函数不适合,3、ANFIS网络模型模拟,3.4 出水NO3-N预测,六、交互式反应器ANFIS仿真模型研究,输入进水：COD、NO3-N、NO2-N、NH3-N,(1) 训练误差测试误差均小于BP网络 (2) 预测效果好于BP网络 (3) 隶属度函数调整可进一步提高精度,3、ANFIS网络模型模拟,3.5 出水TP预测,六、交互式反应器ANFIS仿真模型研究,输入进水：COD、SS、TP、TN,(1) 训练误差测试误差均小于BP网络 (2) 预测效果好于BP网络 (3) 模拟相关系数较高
4、,4、ANFIS与BP网络对比,六、交互式反应器ANFIS仿真模型研究,(1)在相同数据基础上，ANFIS系统的模拟误差更小 (2) ANFIS系统的模拟结果更稳定，多次模拟时其结果不会发生太大的变化，而神经网络的模拟结果每次都有很大的不同，造成使用者对最佳模拟精度无法掌握。 究其原因：主要是因为ANFIS系统事先根据前人经验设置了初始隶属度函数，可以避免训练过程中收敛于局部最小点；而神经网络在初始时刻给出的权重矩阵是随机的，训练过程中很容易陷入局部最小点。 (3)通过两种网络对TP的模拟可以看出，对于变化范围较小的数据用ANFIS能更好的体现其走势 (4)两种网络的模拟误差均不是特别理想。主
5、要是因为 1）数据测量不够准确，而且数据时间间隔不合理； 2）存在一部分超出平均值很多的非合理数据； 3）数据量太少； 4）从ANFIS模拟过程的各误差曲线可以看出，文中采用的模型结构还不是太合理，还有很大的改进空间。,1、结论,七、结论与建议,(1)中试研究发现污泥驯化调试主要任务培养硝化菌； (2)交互式反应器AAO (厌氧缺氧好氧)运行模式在HRT=48h、污泥回流比为0.51.0、混合液回流比为12时，COD的去除主要发生在厌氧区和缺氧区。TN去除率随进水COD及COD/TN的增加而增加。TN的去除主要发生在厌氧区，增大混合液回流比对提高脱氮效率无益，但可提高抗冲击负荷能力。 (3)在
6、ALO运行模式中，通过在低氧区进水端设置缺氧区，使易生物降解碳源优先用于短程反硝化，节省的碳源则用于聚磷菌的厌氧释磷以及后续的短程反硝化，提高了氮、磷去除率，降低了空气消耗量。ALO运行模式具有高效脱氮同时兼顾除磷，对低C/N城市污水的脱氮除磷具有实际意义 。 (4)水温低于18，短程硝化现象逐步减弱直至消失。为提高系统的硝化效果，可按AO脱氮模式运行。 当反应水温在1012，污泥回流比和混合液回流比分别为1.5和2，通过延长HRT为12h，可使系统的NH4+-N和TN去除率达到35%以上。,1、结论,七、结论与建议,(5)BP神经网络采用MISO模式较好； 双隐含层的神经元数量一般为5或6；
7、 单隐含层的神经元数量在10左右较好。 同一个神经网络结构随着神经元个数的增加，训练数据的精度越来越高，但测试数据的精度一般是随着神经元个数的增加升高后再降低。 (6)自适应神经网络（ANFIS）隶属度函数一般2个就可以满足基本要求，函数的型式可采用gbellmf或gaussmf等。模拟效果和稳定性基本优于BP网络。,2、建议,七、结论与建议,(1)为了便于交互式反应器的应用与推广，应该进行基于不同水质的不同工况运行的自动切换与控制系统研究。 (2) BP神经网络训练数据的数量决定了训练时间的长短，随数据量的增加，训练时间越来越长，在线控制时可能造成控制不及时; 建议通过与其它算法如遗传算法等结合，以改进训练速度和效果，获得较优的神经网络结构。 对于不同的水质指标，采用不同的BP神经网络结构或ANFIS自适应模糊神经网络系统进行模拟仿真，以获得较好的仿真效果。 (3)在模拟仿真参数中，增加处理工艺过程的运行参数，或设定出水水质指标值，将运行参数作为网络的输出值，以便与PLC控制系统结合，控制污水处理过程系统的自动运行，获得最佳的运行效果。,2008年12月,欢迎批评指正！ 谢谢!,
AAO污水处理工艺介绍.ppt
