基于BP网络的厌氧序批式反应器预测模型研究.pdfVIP

第 2l卷 第 12期 电脑 开 发 与 应 用 文覃编号 ：1003—5850(2008)I2-0013-03 基于 BP网络的厌氧序批式反应器预测模型研究 ResearchonPredictiveM odelofAnaerobicSequentialBatch Reactorbasedon BP Network 王建华 谢红薇 (太原理工大学计算机与软件学院 太原 030024) 【摘 要】人工神经网络具有较强的自组织、自学习、自记忆联想的能力，更适合处理在 已知条件和结果之间无 明确关系情况复杂的流域系统。利用实测资料，运用 BP网络建立 了厌氧序批示反应器 出水指标预测模型，引入 了Levenberg—Marquardt算法对反应器相关运行参数进行预测 ，并与机理模型进行 了精度比较分析，表 明前者精 度高于后者。 【关键词】BP神经网络，ASBR反应器，动力学模型 中图分类号：TP183 文献标识码 ：A ABSTRACT Artificialneuralnetwork has capabilities of good self—organization， strong self—learning， self—memory and association．Itismoresuitabletodealwithacomplicatedfluidareasystem ofunclearrelationship betweenknownconditionand result．ByusingexperimentalreferenceandBP network，apredictivemodelofwaterfluidindicationofanaerobicsequentialbatch reactorisestablished．RelevantprocessingparametersofreactorarepredictedbyintroducingLevenberg—Marquardtalgorithm and accuracyiscomparedandanalyzedwiththatofmechanisticmode1．Theexperimentalresultsdemonstratetheaccuracyoftheneural networkmodelismoreaccurate． KEYWORDS BP neuralnetwork，ASBR reactor，dynamicsmodel 近几十年来 ，世界各 国对厌氧生物处理工艺进行 在预测某些参数时 比机理模型更精确 ，同时说明了神 了深入研究，开发了许多新的工艺 。厌氧序批示反应器 经网络与废水处理相结合 的可行性 ，并取得 了很好 的 ASBR具有工艺简单、运行方式灵活、生化反应推动力 应用效果 。 大并耐冲击负荷等优点。目前ASBR反应器还处于应 1 厌氧序批式反应器出水 COD预测实验 用基础研究阶段 ，其生物化学反应机理 、设计参数的优 化、反应器 出水预测与运行控制等方法有极大 的研究 本论文的全部实验数据均是太原理工大学环境与 空间。至 目前 ，国内外专家学者对废水处理工艺做了大 科学技术学院ASBR反应器实验室提供的。在样本 量研究，提出了许多建模方法[1]。这些模型基本上可 中，输入 向量为 COD各个时间段 的不 同浓度 (g／L)， 分为理论模型、相似理论和因次分析方法、经验和半经 目标向量是 出水 COD浓度 (g／L)。由于是实际的测量 验公式。而这三种建模方法在实际应用 中都存在着各 值，因此，这些数据能够对网络进行有效的训练。考虑 自难 以克服的局限性。由于生化反应及影响生化反应 到选取样本要有代表性、均衡性和 COD 自身特点，本 的ASBR反应器运行参数的复杂性 ，其动力学模型预