产酸脱硫反应器中污泥的驯化培养

本论文主要阐述产酸脱硫反应器中污泥培养驯化的全过程。在一定条件下，硫酸盐还原菌以有机物为碳源作为生长繁殖所需的能源，为有机物分解过程中的最终电子受体被还原成硫离子。硫酸盐还原反应器成功启动的标志，是有效地抑制产甲烷菌成长，培养驯化出活性较高的硫酸盐还原菌。     

高硫酸盐抗生素废水生物处理

采用0.6m3/d的酸相up-flow anaerobic sludge blanket(UASB)-气提脱硫-甲烷相UASB-se-quencing batch reactor(SBR)工艺处理高硫酸盐抗生素废水,硫酸盐还原与有机物甲烷化分别在两个反应器中进行,有效避免了硫酸盐还原菌对产甲烷菌的竞争抑制,利用空气吹脱将硫酸盐还原产物硫化物降低到一定浓度,消除了硫化物对后续单元产甲烷菌的毒害作用.80 d试验结果表明,当系统稳定运行时,进水CODCr为10 680～14 140 mg/L,SO42-为1 280～1 610 mg/L时,系统出水CODCr为760～1 020 mg/L,CODCr平均去除率为92.8%,SO42-为160～210 mg/L,平均去除率为87.7%,硫化物浓度在1.8～2.9 mg/L,平均去除率在97.1%.该系统可大大削减进水中的有机物、SO42-及反应过程中的硫化物,该系统作为高硫酸盐抗生素废水处理预处理工艺是可行的.     

硫酸盐还原菌及其在重金属废水治理中的应用

硫酸盐还原菌(SRB)是一类利用硫酸盐或其他厌氧化态硫化物作为电子受体来异化有机物质的厌氧菌。利用硫酸盐还原菌还原硫酸盐的过程中同时可将重金属化学沉淀为难溶金属硫化物而去除。本文对硫酸盐还原法除去重金属的原理、特点、影响因素和研究现状进行了阐述,从而说明该法对于处理重金属废水具有现实意义。     

玛湖致密油开发硫化氢产生原因

玛湖油田三叠系百口泉组油藏致密油开发过程中,62%的油井产硫化氢。为明确硫化氢产生原因,分别采用硫化氢定性评价和定量测定方法开展了微生物硫酸盐还原和酸岩反应生成硫化氢的研究。实验结果表明,在50℃或含杀菌剂条件下,硫酸盐还原菌不生长也不产生硫化氢;玛湖百口泉组油藏50.0 g岩芯粉与15%的盐酸完全反应可生成4.34×10^-6 mol硫化氢。因此,储层矿物中酸挥发性硫化物与盐酸反应是玛湖油田百口泉组油藏致密油开发过程中硫化氢产生的根本原因。该研究结果为预防硫化氢产生和保障玛湖安全生产提供了重要技术支撑。     

基于实数编码遗传算法的发酵过程优化控制

针对谷氨酸发酵过程的复杂性,利用人工神经元网络建立了谷氨酸发酵过程的动态数学模型,并利用实数制编码的遗传算法,采用过程整体优化的思路,以发酵过程中糖转化为谷氨酸的转化率为优化目标对发酵过程的多个操作变量同时进行优化,得到各个操作变量的最优控制轨迹.考虑到发酵过程中流加操作的重要性,将流加操作开始和结束的时间作为控制变量进行了优化.与产酸率为优化目标的仿真结果比较表明,该方法使发酵过程转化率有很大提高,且产酸率也接近于后者的最优产酸率.     

两相厌氧法处理含硫草浆造纸黑液的工业应用

根据两相生物厌氧法处理含硫草浆造纸黑液的工业化实践,分析硫酸盐还原菌在生物厌氧消化过程中的地位,及其与产酸菌、产甲烷菌的相互作用。为两相生物厌氧法处理含硫草浆造纸黑液的稳定运行提供理论依据。     

利用硫酸盐还原菌处理酸牲矿山废水

利用硫酸盐还原菌处理矿山废水的方法没有二次污染，运作费用低，同时还可以回收单质硫或硫化物，已经成为酸性矿山废水处理技术的前沿课题。综述了利用硫酸盐还原菌处理酸性矿山废水的研究进展，以及国内外学者对碳源、温度、pH值、硫化物等硫酸盐还原影响因素的研究结果。     

基于GA-BP神经网络的温度传感器校准系统

鉴于制药厂对温度的严格要求,对温度传感器DS18B20在10℃-30℃(制药厂要求温度范围)内进行校准.经BP神经网络校准后,最大误差从0.5℃降至0.24℃.BP神经网络随机生成初始参数易造成局部最优和收敛速度慢,故利用遗传算法对其进行优化.优化后收敛轮数从25降为13,最大误差从0.24℃降为0.21℃,精度在原BP神经网络基础上提升了12.5％.实验结果表明,利用遗传算法优化BP神经网络可加快训练收敛速度,提升校准结果精度.此外,采用以Cortex-M3为内核的STM32F103系列MCU开发温度传感器校准系统,将训练好的神经网络搭载到相应的校准模块.经调试,此系统校准精度与Matlab测试结果一致.     

硫酸盐还原菌培养基组分及培养条件的优化

为提高硫酸盐还原菌B13菌株的硫酸盐转化能力,采用正交实验对主要培养基组分和培养条件进行了优化.结果表明:(1)影响B13菌株硫酸盐转化性能的主要因素是碳源含量和培养温度;(2)培养基组分和培养条件经优化后,B13菌株的硫酸盐转化率高达88.49%,硫酸盐转化能力大大提高.     

基于优化遗传算法的灰色-RBF神经网络预测模型研究

根据灰色系统、RBF神经网络的模型及遗传算法原理,提出了一种基于灰色系统与改进的遗传算法RBF神经网络的系统预测模型,采用改进的遗传算法对该模型进行全局优化,最后用实验验证了模型的有效性,对比分析了单独使用GM(1,1)和RBF神经网络模型的预测结果.结果证明,优化后的预测模型的预测精度高于另外两种模型的预测结果.     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

遗传算法在智能控制中的应用

文章在介绍遗传算法的概念、实现方法的基础上，分析了遗传算法在神经网络及模糊控制中的应用。     

地表参量反演与遗传自组织神经元网络联合估算子像元地表温度

在热红外遥感成像模拟中,高空间分辨率的地表温度场景可以由中、低分辨率的热红外遥感数据估算得出。基于可见光 近红外数据反演的若干地表参量和低分辨率的地表温度数据,在二者间引入遗传自组织神经元网络,建立非线性像元分解方法,最终获得高空间分辨率的地表温度场景。利用ASTER卫星产品数据对该方法进行了验证,结果表明： 对于无法直接进行高分辨率地表温度反演,或缺少大量地表先验知识情况下,该方法只需利用两组遥感数据即可估算出不同地表覆盖下子像元地表温度,方法简便易行,精度较高,为快速模拟和估算高分辨率地表温度分布提供了一条新途径。最后对方法的估算精度、适用性及应用前景进行了探讨。     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

混沌优化算法在电力系统中的应用

基于对混沌神经网络优化算法的研究,提出了一种全新的具有衰减混沌噪声的混沌模拟退火神经网络模型,并将混沌优化算法与该模型结合用于解决电力系统经济负荷分配问题,取得了与实际系统总负荷需求非常接近的结果.     

ANN技术评价技改项目成功度的尝试

将人工神经网络（ANN）技术应用于工程项目的成功度评价，采用前馈式网络和反向传播算法，利用其自学习、自适应的特点建立了评价模型，从而确定项目投资决策水平所处的等级。该方法经济、高效，在一定程度上克服了项目投资决策中的主观性。     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

带混合学习算法的多阶段神经模糊系统模型

提出一种基于演绎模糊推理的多阶段神经模糊系统模型, 对于给定的学习样本, 通过结构学习（采用遗传算法）与参数学习（采用误差逆传播神经网络方法）过程, 能够生成适当的演绎模糊规则集, 并通过与单阶段神经模糊系统模型求解Benchmark问题的实验对比, 讨论和分析了该模型的有效性和健壮性.     

高层建筑火灾风险的神经网络评价

通过对模糊综合评价和人工神经网络评价进行分析比较,表明神经网络采用非线性转换函数的处理方法更符合火灾风险评价的非线性特性。针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出运用遗传算法克服神经网络的这种缺陷,在此基础上建立了基于遗传算法和神经网络的建筑火灾风险评价模型。研究实例证明了此模型的可行性。图1,表3,参11。