人工神经网络用于造纸废水处理建模的研究

《人工神经网络用于造纸废水处理建模的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工神经网络用于造纸废水处理建模的研究文章标题：人工神经网络用于造纸废水处理建模的研究摘要：利用造纸废水处理监控系统取得表征废水水质的各项指标，在此基础上研究了基于BP网络和RBF网络的造纸废水处理建模。仿真结果表明，BP网络较RBF网络对样本数据的仿真误差较小，泛化能力更好；输入量考虑历史出水COD变化趋势的网络，其仿真效果要优于不考虑变化趋势的网络；运用基　　人工神经网络用于造纸废水处理建模的研究文章标题：人工神经网络用于造纸废水处理建模的研究摘要：利用造纸废水处理监控系统取得表征废水水质的各项指标，在此基础上研究了基于BP网络和RBF网络的造纸

2、废水处理建模。仿真结果表明，BP网络较RBF网络对样本数据的仿真误差较小，泛化能力更好；输入量考虑历史出水COD变化趋势的网络，其仿真效果要优于不考虑变化趋势的网络；运用基于BP网络和RBF网络的造纸废水处理模型能够准确的预测出水COD，为实现废水处理的自动控制提供可行途径。关键词：造纸；废水处理；BP神经网络；RBF神经网络；仿真研究在造纸废水处理过程中，进水流量、进水COD以及加药量等影响因素直接关系到出水水质的好坏；另外由于目前大多造纸厂采用人工操作控制，操作误差、测量滞后等原因，亦造成出水水质不稳定、故障频发等问题，而智能控制可以解决这一问题

3、。但废水处理过程具有复杂性、非线性、时变性、不确定性等特点。人工神经网络以其具有自学习、自组织、自适应以及良好的非线性映射等能力，特别适合复杂非线性系统的建模与控制，其中目前广泛应用的BP网络和RBF网络以其各自的优点，成为废水处理的研究热点[1]。本文在造纸废水处理一体化系统取得表征废水处理指标的基础上，通过实现对BP网络和RBF网络的设计、建立、仿真和运行，考察这两种网络对造纸废水处理的适应性，为更好的有效实现造纸废水处理的自动控制提供可行途径。1人工神经网络废水处理建模原理人工神经网络(ArtificialNeuralNetg/L，pH5.5－

4、6.8。2.2造纸废水处理实验系统实验室废水处理工艺流程如图2所示。调节池中的废水与絮凝剂PAC（5聚合氯化铝）混合后经进水泵打入高效一体化反应器[2]，在里面发生反应、沉淀、过滤和澄清等作用完成泥水分离，处理水从反应器顶流出，污泥通过反应器底部排泥阀排出。图2造纸废水处理工艺本实验采用自动检测控制方法代替手工操作，完成水质的在线检测以及加药量的自动控制，其监测系统如图3所示。COD仪自动检测原水和出水COD值，检测频率通过PLC控制电磁阀实现，COD值经ADAM4017＋模块转换成数字信号，显示在安装于IPC的MCGS（MonitorandCont

5、rolGeneratedSystem）组态软件中；进水量和加药量通过ADAM4024模块输出电压控制蠕动泵和直流泵的工作电压以改变流量来实现；高效反应器中的污泥通过泥位计实时监测，再结合PLC控制电磁阀保证反应器中的泥位保持在一定高度。图3造纸废水处理系统监控系统框图2.3网络样本数据的选取考虑进水量、进水COD和加药量三个因素，每个因素取4个水平，具体取值如表1所示，通过正交实验L16(45)，以自动监控系统完成各个水质指标的采集和加药量的自动加入，剔除MCGS数据库中奇异数据后，用于网络训练和测试的部分数据如表1所示。其中x(t)、u(t)、v(

6、t)和y(t)分别表示t时刻的进水COD（mg/L）、加药量（mL/s）、进水量（mL/s）和出水COD（mg/L），y(t-2△t)和y(t-△t)分别表示t-2△t和t-△t时刻的出水COD（mg/L）,此处△t取2h；y’和y”分别表示出水COD在t-△t时刻的一阶和二阶导数，y’＝y(t)－y(t-△t)，y”＝y(t)－2y(t-△t)＋y(t-2△t)。表1用于网络训练和测试的实验数据序号x(t)u(t)v(t)y(t-2△t)y(t-△t)y(t)y’y”期望输出114000.212515489461-28-2454214000.212

7、489461454-7-107491314000.414499525484-41-67471414000.414525484471-1328512514000.5165044784951743483614000.516478495483-12-29465714000.718419458434-24-63425814000.718458434425-915449912440.214429441437-4-164181012440.214441437418-19-154241112440.41237436839931373821212440.412368

8、399382-17-483771312440.518335342321-21-283361412440.51