基于深度学习的活性污泥反应动力学智能构建.docx

0

基于深度学习的活性污泥反应动力学智能构建

引言

相较于传统机理建模方式，智能动力学模型无需开展大量实验测定核心参数，建模成本降低约xx%，且可适配不同水质、不同规模的污水处理厂，无需针对每个场景单独开展参数校准；相较于经验建模方式，智能动力学模型可处理多变量耦合的非线性关系，泛化能力提升约xx%，在面对非常规场景时的预测精度提升约xx%，且可随运行数据积累自主迭代优化，长期使用的准确性更有保障。

传统基于微生物生长代谢机理构建的活性污泥动力学模型，需预先设定大量反映微生物生理特征、底物降解特性的核心参数，部分参数需通过长达数月的小试、中试实验测定，且参数数值与污水处理厂的进水水质特征