BP网络应用于黄河水质浓度的预测研究

我们首次建立了不同算法运用于DO浓度预测的三种BP神经网络模型 ,并将其用于地表水质浓度的预测 结果表明 ,三种网络均可较满意地预测DO浓度 但比较之下 ,基于L -M改进算法的BP网络在非线性时间序列DO值的预测中显示出了独特的优越性     

夏秋季珠江口水域COD、DO、营养盐分布特征及其富营养化评价

在2012年夏季(8月)和秋季(11月)对珠江口海域进行化学需氧量(COD)、溶解氧(DO)和氮磷营养盐调查分析,并研究了其分布特征,采用富营养化指数法和潜在性富营养化法对珠江口水体营养化状况进行了分析和评价.结果显示,珠江口海域COD质量浓度较低,夏季平均值为1.85 mg/L,秋季为1.10 mg/L;DO质量浓度较高,夏季平均值为6.95 mg/L,秋季为7.63 mg/L;无机氮污染严重,平均质量浓度夏季为0.85 mg/L,秋季为0.79mg/L,总体上从北向南递减;无机磷秋季平均质量浓度(0.015 mg/L)显著低于夏季平均质量浓度(0.010 mg/L).富营养化严重海域主要集中在东北部及伶仃洋一带,基本呈自北向南逐级递减趋势.秋季富营养化程度显著高于夏季,珠江口海域基本上属于磷限制潜在性富营养水平.     

DO对短程反硝化过程中N2O产量的影响

利用SBR反应器,考察不同溶解氧(DO)条件下NO2-反硝化过程中N2O产生及释放过程。研究结果表明:控制曝气量为0.3 L/min,进水NO2--N质量浓度为40 mg/L,体系DO质量浓度分别为0,0.1,0.3,0.5和0.7 mg/L时,反硝化过程N2O释放量分别为0.41,0.60,2.62,4.98,6.83 mg/L;随DO质量浓度的增加,反硝化速率明显降低;当DO质量浓度由0 mg/L增至0.7 mg/L时,每克混合液悬浮固体(MLSS)的NO2-反硝化速率由14.9 mg/(L.h)降至10.2 mg/(L.h),每克MLSS的N2O产生速率由0.2 mg/(L.h)增至1.9 mg/(L.h)。其原因为:高DO质量浓度对氧化亚氮还原酶具有较强的毒性,抑制了N2O的进一步还原过程;高NO2-的存在导致抑制了氧化亚氮还原酶的活性。降低A/O和A2/O等生物脱氮过程中缺氧反应器内部DO质量浓度,保证严格缺氧条件,是减少短程生物反硝化过程中N2O产量的关键因素。     

低、变温下处理豆制品废水的控制参数研究

在低温和变温情况下 ,研究了DO作为SBR法处理豆制品废水过程中的反应时间和反应过程的控制参数。采用SBR法研究了不同曝气量、初始污泥浓度和进水COD质量浓度等条件下 ,有机物在降解过程中温度对DO变化的影响。结果表明 ,在有机物快速降解阶段环境温度的变化很大程度地影响DO的变化趋势 ;在有机物达到难降解程度时 ,DO迅速大幅度升高并稳定于某一较高值。从理论上解释了DO受温度影响的原因。提出在低温和变温情况下 ,以DO作为SBR法反应时间和反应过程的控制参数仍是可行的     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

基于Elman神经网络的城市污水处理水质参数软测量

在介绍序批式活性污泥法(SBR)的城市生活污水处理工艺的基础上,针对反应过程所具有的多变量、非线性和动态复杂反应的特点,利用水质参数与多个过程可测参数间的关联关系,提出了基于Elman递归人工神经网络的水质参数软测量模型.以ORP,DO浓度和pH值作为输入参数,可实现对COD,NH3,TP水质参数的软测量.基于污水处理实验数据建立软测量模型,结果表明,上述软测量模型对污水处理水质指标COD,NH3,TP具有理想的预测效果.     

潜流人工湿地不同运行方式处理生活污水研究

潜流人工湿地具有较好的景观效果和良好的污染物处理效率,在农村生活污水处理中得到了广泛的应用.湿地运行方式因能通过调节湿地内部溶解氧(DO)质量浓度与分布而影响其脱氮效率,在实际运行中受到重视.本文研究了潜流人工湿地连续和间歇运行方式下湿地床内DO质量浓度的变化,对比分析了其运行效果及湿地植物根系在两种运行方式下的生长情况.结果表明:连续运行条件下湿地床内植物根系泌氧较少,湿地床后端DO质量浓度基本保持在0.1mg/L以下;间歇运行方式更能有效促使植物根系向下延伸与周边扩展,提升了整个湿地床内的DO质量浓度,使两级湿地床内的DO质量浓度都保持在0.2mg/L以上;间歇运行方式下出水总氮和氨氮的去除效率由连续运行下的45.6%,46.1%分别提高到57.8%,62.9%.     

基于平面光极的DO二维实时监测系统在生物扰动存在下水/沉积物体系中的应用

采用改进的平面传感膜制备方法, 建立应用于淡水/沉积物模拟体系的溶解氧(DO)二维分布监测系统. 结果表明： 采用物理包埋法将荧光指示剂三(4,7-联苯-1,10-邻菲啰啉)二氯化钌固定于乙基纤维素膜上, 制备的DO平面传感膜荧光强度随DO质量浓度的增加而减小, 符合荧光淬灭的Stern Volmer方程, 具有DO响应范围宽（0～20 mg/L）、 响应速度快（<60 s）、 准确性高、 可逆性和稳定性好等优点; 在生物扰动存在下, 沉积物DO变化较小, 对上覆水DO影响较大, 这是由于物理混合和氧化还原等多种机制综合作用所致, 生物扰动将直接或间接影响这些作用.     

基于自编码网络的空气污染物浓度预测

深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和解码器两个部分.其中,编码器用于提取出时间序列污染物浓度数据分布特征,即语境向量;解码器利用提取的特征预测未知时间内污染物浓度数据.模型中编码器和解码器采用多层LSTM(long short-term memory)模型结构,实现长时间依赖预测目标.实验表明,提出的模型可以提高对污染物浓度的预测水平.     

百花水库水质模拟及季节性水质恶化控制对策

猫跳河梯级水库自20 世纪90 年代起频繁出现季节性突发污染事件. 选择位于猫跳河干流的百花水库作为研究对象, 对其水温、溶解氧(dissolved oxygen, DO)浓度、营养盐浓度进行了为期12 个月的连续监测. 通过分析水库垂直剖面方向上水温及DO 浓度的季节变化趋势, 验证了水体季节性分层现象是导致突发水质恶化的主要原因. 引入水质分析模拟程序(water quality analysis simulation program, WASP) 对水温、DO 浓度、NH⁺ ₄ 浓度进行模拟, 模拟结果与监测值季节变化趋势吻合, 证明该模型可以应用于百花水库的水质模拟. 利用WASP 对水库进行了流量调度模拟. 结果表明, 进行有效的季节性水量调控可以达到改善该水库季节性缺氧状况的目的.     

改性活性炭纤维催化碳酰肼去除给水中的溶解氧

将制备的水热改性活性炭纤维负载Ni(Ni/GSACF)作为催化剂,催化碳酰肼还原去除水中的溶解氧(DO),考察反应时间、反应温度、初始pH值、碳酰肼质量浓度和催化剂质量浓度对DO去除效果的影响.在优化条件下,45 min后水中的DO质量浓度从5.1 mg·L^-1降至0.1 mg·L^-1,去除率可达98.0%.对载体和催化剂进行表征分析,水热处理后GSACF表面的含氧官能团明显增加,催化剂表面具有均匀分散的活性Ni物种.研究结果表明:活性炭纤维表面含氧官能团的增加有利于促进活性Ni物种在活性炭纤维表面的分散,从而提高Ni/GSACF催化剂的催化除氧性能.     

废水处理过程的KPLS-GPR软测量建模

采取基于核函数偏最小二乘法的高斯过程回归模型(KPLS-GPR),对复杂的造纸废水处理过程中出水化学需氧量(COD)和出水悬浮固形物(SS)质量浓度进行预测.首先,采用KPLS的潜变量作为预测模型的输入变量,以降低数据维度,优化数据结构;其次,建立潜变量与输出变量的GPR回归模型.基于某工厂造纸废水数据进行仿真试验,引入人工神经网络(ANN)、基于偏最小二乘潜变量的预测模型(PLS-ANN)及基于核函数偏最小二乘潜变量的预测模型(KPLS-ANN)作为对比.试验结果表明:KPLS潜变量对预测模型有明显的优化效果,在这些模型中KPLS-GPR预测精度最高;对于出水COD和SS质量浓度的预测,KPLS-GPR的决定系数分别为0.575和0.610,相比于常规预测模型,决定系数可分别提升36.90%和43.87%.     

互信息和核熵成分分析的油中溶解气体浓度建模

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。     

DO对膜生物反应器中同步硝化反硝化的影响

采用人工配制的生活污水作为原水,考察了在膜生物反应器(MBR)中不同溶解氧(DO)对于同步硝化反硝化效果的影响.结果表明,将试验条件控制在TN容积负荷为0.35 kgN/(m3*d)、HRT为6 h、SRT为30 d、pH为7～8、温度为25～28 ℃、C/N为9时:在反应器DO的质量浓度为0.6 mg/L条件下,可获得62.5%的NH+4 -N去除率、91.1%的反硝化率和58.3%的SND率;在反应器DO的质量浓度为1.0 mg/L条件下,可获得90.8%的NH+4-N去除率、90.4%的反硝化率和82.5%的SND率;在反应器DO的质量浓度为1.4 mg/L时,可获得93.3%的NH+4-N去除率、77.0%的反硝化率和72.1%的SND率.     

富营养化湖泊中铜锈环棱螺分解对钨迁移影响

以富营养化的太湖梅梁湾为研究对象,利用平面光极、高分辨率平衡式间隙水采样(HR-Peeper)装置和薄膜扩散梯度(DGT)技术获取沉积物水界面溶解氧(DO)二维平面和溶解态/生物有效态钨(W)一维垂向分布信息,分析铜锈环棱螺分解对太湖底泥中钨迁移的影响效应。试验结果表明:铜锈环棱螺死亡分解后会迅速降低沉积物水界面DO浓度,形成厌氧环境,引起间隙水及上覆水中溶解态钨质量浓度的增加,溶解态钨平均质量浓度增加幅度是对照组的28.92%～11446%,显著提升了沉积物水界面钨的生物有效性(DGT所测结果);与钨质量浓度变化类似,铜锈环棱螺分解前期(第8天)沉积物间隙水中铁、锰质量浓度同步增加且与钨浓度变化呈显著正相关(R2≥0.716,p<0.01)关系,水相中溶解态钨质量浓度增加是由厌氧环境下沉积物中铁锰氧化物还原溶解所致,分解后期(第16天和36天)间隙水中钨质量浓度的增加主要是由于铜锈环棱螺体内累积的钨释放所致。     

竹炭-微生物联合法对沼液中 COD 的去除

考察了竹炭用量、微生物菌液用量、进水COD浓度、pH值、DO、HRT等因素对模拟废水COD去除效果的影响,研究竹炭-微生物联合法去除沼液中COD的反应动力学;同时进行了与竹炭吸附和单纯生物降解的对比试验,探讨了竹炭-微生物联合法处理沼液的交互效应.结果表明,竹炭用量、微生物菌液用量、进水COD浓度、pH值、DO等因素均不同程度地影响COD的去除效果,竹炭-微生物法去除废水中COD的最优条件推荐为:竹炭用量30.00g/L,微生物活性液用量2%,pH值6.0～8.0,DO质量浓度1.70～2.00mg/L,HRT为48h.竹炭-微生物法对废水中COD的去除过程符合一级反应动力学模型,竹炭-微生物法对COD的去除效果优于竹炭吸附和单纯的生物降解,竹炭与生物降解的协同作用为50.35%.     

油田采油污水处理的溶解氧浓度PID控制稳定参数域综合

油田采油污水采用活性污泥法工艺进行处理,活性污泥法的净化反应是一个耗氧过程,决定其处理效果的关键因素是生化池中的溶解氧浓度(DO值).以污水处理过程中曝气池中溶解氧(DO值)浓度为被控量,研究了污水处理过程PID溶解氧浓度控制器的综合问题,基于图解法给出了PID溶解氧控制器的完整稳定参数域,且该稳定条件是充要的,无保守性,对PID溶解氧控制器参数的选取具有重要指导意义.     

基于消光系数的机场PM2.5质量浓度神经网络预测模型

分析了气溶胶粒径吸湿增长因子、风速和NO_2与消光系数和PM_(2.5)质量浓度之间的相关性及影响规律。提出了一种基于消光系数的机场PM_(2.5)质量浓度神经网络预测模型。首先,建立消光系数与PM_(2.5)质量浓度之间的定量关系,并分析相对湿度对其影响。然后,分析风速和NO_2对消光系数和PM_(2.5)质量浓度的影响。最后,将四项参数与PM_(2.5)质量浓度之间的复杂关系通过模糊神经网络进行学习和表达,实现PM_(2.5)质量浓度的预测。使用实测PM_(2.5)质量浓度数据对预测模型进行了对比验证。结果表明,该预测模型的预测精度较高,能较为客观的反映机场PM_(2.5)质量浓度的变化情况,这对研究颗粒物质量浓度对机场能见度的影响规律以及机场周边污染治理决策提供数据支持具有重要的意义。     

基于结构方程模型的滇池叶绿素 a 与关键影响因子关系识别

应用基于主成分绝对得分的源解析模型(APCS-MLR)和结构方程模型(SEM)识别滇池富营养化的关键影响因子, 定量描述叶绿素a (Chl a)浓度与关键影响因子的关系, 并与神经网络模型(ANN)分析结果进行对比, 检验此结果的可靠性。模型结果表明, 影响滇池富营养化发生的最关键影响因子为物理因子(T > DO > SD > pH), 其次为营养物质(NH₃-N); 在当前观测的高氮高磷水环境下, 营养物质的浓度变化对Chl a浓度的影响并不显著, 但相对而言, 控氮比控磷可能更为有效。     

基于灰色自记忆原理的煤矿瓦斯浓度预测

 井下瓦斯浓度预测是预防煤矿瓦斯事故的重要环节和基础工作。以预测煤矿瓦斯浓度为研究目的,采用灰色系统理论与自记忆原理相结合的方法,将灰色系统理论导出的煤矿瓦斯浓度变化微分方程代入由自记忆原理推导的离散形式自记忆方程,利用最小二乘法求得记忆系数,建立了煤矿瓦斯浓度预测的灰色自记忆模型。结合李雅庄煤矿304综采面瓦斯浓度实测值,由试算法确定最优回溯阶p=7,建立瓦斯浓度预测灰色自记忆模型,并与G(1,1)模型进行对比分析。研究表明,灰色自记忆模型综合了灰色系统理论和自记忆原理的优越性,能够准确拟合与预测出井下瓦斯浓度变化的总体趋势与波动细节,有较好的工程适应性和较高的预测精度,为井下瓦斯浓度预测提供新的途径。