基于递归神经网络的焦化废水水质预报_唐光临

Vol.15No.1系统仿真学报Jan.2003JOURNALOFSYSTEMSIMULATION•81•基于递归神经网络的焦化废水水质预报唐光临,徐楚韶,董凌燕(重庆大学材料科学与工程学院A区，重庆400044)摘要：采用铁碳电池预处理-厌氧-好氧-好氧-缺氧多级SBR工艺处理焦化废水实现了稳定的亚硝化反硝化生物脱氮。好氧、缺氧反应器的水质波动大，若能对其水质进行准确预报，对于指导生产操作及工艺流程实现计算机控制具有重要意义。本文建立了一个三层递归神经网络模型，对一级好氧、二级好氧、缺氧反应器的主要水质指标实现了准确预测，预报平均相对误差分别为2.86%、4.99%、4.2%。关键词:亚硝化反硝化生物脱氮；焦化废水；递归神经网络；预测文章编号：1004-731X(2003)01-0081-03中图分类号：X703.1文献标识码：AThePredictionofCoke-plantWastewaterQualityBasedonRecurrentNeuralNetworkTANGGuang-lin,XUChu-shao,DONGLing-yan(Collegeofmaterialscienceandengineering,ChongqingUniversity,Chongqing400044,China)Abstract:Stableandgoodresultsareachievedthroughthetreatmentofcoke-plantwastewaterbypretreatedironscrap-anaerobic-oxic-oxic-anoxicSBRprocesswithshortenednitrification-denitrificationpathway.Thequalityofwaterisunstableinoxicandanoxicreactors.Ifthequalityofwastewatercanbepredicted,operationwillbecomemucheasierandthatthecomputercontrolledprocesswillbeeasilyrealized.Athree-layersimplerecurrentneuralnetworkmodelisproposedtoaccuratelypredictthequalityofwastewaterintheoxicandanoxicreactors.Theindividualfractionalerrorsare2.86%,4.99%and4.2%.Keywords：shortenednitrification-denitrification;coke-plantwastewater;recurrentneuralnetwork;prediction引言1笔者采用铁碳电池预处理-厌氧-好氧-好氧-缺氧多级SBR工艺处理焦化废水，实现了稳定的亚硝化反硝化生物脱氮，实验装置工艺流程见图1。SBRⅠ好氧、SBRⅡ好氧、SBR缺氧反应器的水质波动大，在运行过程中需加酸、碱、甲醇等，在没有适时检测设备的情况下，每个运行周期的酸、碱、甲醇等物质的加入量需等到每个处理周期结束并获知其出水水质以后才能准确确定，若不能事先确定这些物质的加入量将给生产操作带来较大困难。因此，若能在不同工艺参数下对上述反应器的水质进行准确预报，不仅可以事先确定酸、碱、甲醇等的加入量，而且对于工艺流程实现计算机控制、降低分析费用具有重要意义。SBR反应器的反应非常复杂，且操作参数多变，采用传统的动力学方法[1]难以准确地描述生化反应过程。人工神经网络具有独特的非线性能力，近年来已在水质预报中得到了应用[2-4]，但是主要应用于连续式水处理工艺，而对SBR间歇式工艺却鲜见报道。本文工艺的特点决定了各反应器的出水水质不仅与当前周期的收稿日期：2002-02-28修回日期：2002-07-18基金项目：教育部春晖计划资助课题（教外司留-99-95-31）作者简介：唐光临(1972-),男,四川人,博士,研究方向为工业水处理及工业过程计算机仿真。操作参数有关，而且还与历史数据有关，因此，笔者选择递归神经网络IRN学习算法对SBRⅠ、SBRⅡ好氧、缺氧反应器的水质进行预报。1实验及模型原理1.1实验装置及方法作者采用多级SBR工艺处理焦化废水，取得了良好的脱氮效果，试验设备及工艺流程见图1。预处理反应器中加入铁刨花400g/L，焦炭100g/L，其目的在于去除COD(化学需氧量)及提高焦化废水的可生化性。厌氧反应器中加入厌氧污泥，进一步去除COD及提高焦化废水的可生化性。SBRⅠ、SBRⅡ好氧反应器加入含大量亚硝化细菌的好氧污泥，利用亚硝化细菌实现NH3向NO2-的