基于ANN的SBBR短程硝化过程仿真研究_曹明

中国环境科学2008,28(8)：694~698ChinaEnvironmentalScience基于ANN的SBBR短程硝化过程仿真研究曹明1,杨朝晖1*,曾光明1,许朕1,徐峥勇1,谭文化2(1.湖南大学环境科学与工程学院,湖南长沙410082；2.常德市环境卫生管理处,湖南常德415000)摘要：利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB语言环境下建立了进水NH4+-N﹑DO﹑温度以及外加碳源与出水NH4+-N和NO2--N之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅有13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH4+-N和温度对短程硝化过程表现出较大的影响.关键字：人工神经网络；误差反向传播算法；自适应学习率；短程硝化中图分类号：X703文献标识码：A文章编号：1000-6923(2008)08-0694-05SimulationbasedonartificialneuralnetworkforSBBRshortcutnitrificationtreatment.CAOMing1,YANGZhao-hui1*,ZENGGuang-ming1,XUZhen1,XUZheng-yong1,TANWen-hua2(1.CollegeofEnvironmentalScienceandEngineering,HunanUniversity,Changsha410082,China；2.EnvironmentalHygieneAdministrativeOffice,Changde415000,China).ChinaEnvironmentalScience,2008,28(8)：694~698Abstract：Thefeasibilityofdynamicsimulationofshortcutnitrificationprocessbasedonartificialneuralnetwork(ANN)wasstudied.WithBack-Propagationalgorithmandtheadaptivestudyrate,adynamicsimulationm