文献类型：期刊文章

作　　者：黄辉[1,2,3] 马思佳[1,2] 王庆[3] 任洪强[1,2,3]

机构地区：[1]南京大学环境学院污染控制与资源化研究国家重点实验室,南京210023 [2]江苏中宜金大环保产业技术研究院有限公司,宜兴214200 [3]南京大学宜兴环保研究院,宜兴214200

出　　处：《南京大学学报（自然科学版）》

基　　金：国家水专项课题(2017ZX07204001);江苏省重点研发计划项目(BE2017632);江苏省科技成果转化专项资金项目(BA2016012);中央高校基本科研业务费项目(021114380046)

年　　份：2017

卷　　号：53

期　　号：6

起止页码：1194-1202

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：污水总氮(TN)深度脱除是当前我国污水处理领域的重大科技需求.TN的去除受到多种环境及操作条件的影响,开发多参数条件下稳健的TN浓度预测方法是降低污水厂能耗、实现智能化控制的重要前提.针对以上问题,以某实际污水处理厂反硝化深床滤池为例,采用BP神经网络(BP)、量子遗传算法优化的BP神经网络(QGA_BP)、改进的QGA_BP和支持向量回归机(SVR),在进水流量和碳源投加量等13种变量条件下,对滤池出水TN进行了模拟预测.共选取147组数据,其中130组用于出水水质和工艺参数的拟合模拟,17组用于结果验证.将总氮实测值依次与BP,QGA_BP和改进的QGA_BP神经网络以及SVR预测结果进行对比,相关系数R2依次增大,分别为0.221,0.275,0.826和0.951,即预测值与实测值之间的拟合度逐渐升高.SVR克服了神经网络预测误差较大的问题,对多参数影响下TN浓度的预测具有较高的准确性和稳定性,用其替代常用的神经网络算法具有明显的优势.

关 键 词：多参数  总氮预测  神经网络 支持向量回归机

分 类 号：X824]