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,adynamicsimulationmodelwasestablishedbyMATLABsoftware,whichcouldreflectthenonlinearfunctionrelationshipbetweenNH4+-N,DO,temperature,externalcarbonsourceofinfluentandNH4+-NandNO2--Nofeffluent.Thenumericaloutputsandtheexperimentalvaluesmatchedwell,withahighesterrorof13.8955%.Thevaluecontributionrelationshipsbetweeneachinputfactorandoutputresultswereinvestigatedbyweightedaverageanalysis,whichindicatedthatNH4+-Nandtemperaturehadtremendousinfluenceontheshortcutnitrificationprocess.TheresultssuggestedthattheANNcouldreflectthenonlinearfunctionbetweeninfluentandeffluentparameters,andwassuitableforthedynamicmonitoringoftheshortcutnitrificationbio-processforwastewater.Keywords：artificialneuralnetwork；backpropagationalgorithm；theadaptivestudyrate；shortcutnitrification人工神经网络(ANN)是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统[1-3].它使用大量简单相连的人工神经元来模拟生物神经网络的功能,能从外界环境或其他神经元获得资讯,同时加以简单的运算,将结果输出到外界或其他人工神经元.污水处理中的短程硝化过程具有复杂性、非线性﹑时变性﹑不确定性等特点,难以用精确的数学模型描述实际过程.人工神经网络具有自学习﹑自适应和自组织的强大功能,适合复杂非线性系统的建模和控制,已成为污水治理过程的研究热点[4-5].本研究在SBBR反应器中进行短程硝化反