不同种类生物质废物混合厌氧消化产气预测模型的研究

国内图书分类号：X705国际图书分类号：西南交通大学研究生学位论文年级：三QQ2∑级姓名：奎拯申请学位级别：王堂亟±专业：巫拉王猩指导老师：毖塞田塾拯二零一一年五月日一澜密级：公开厌一究一筮咀遴塑监麴勘幽监接ClassifiedIndex：X705U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisSTUDYONMODELSOFDIFFERENTTYPESOFBIOMASSⅥ厂ASTEANAEROBICDIGESTIONGASPRODUCTIONFORECASTGrade：2008Candidate：LiNaAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：EnvironmentalEngineeringSupervisor：ZhangWenyangMay．2011西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密d，使用本授权书。(请在以上方框内打“v”)学位论文作者签名：柄}>日凯芏·诊妒聊小西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：对不同种类的生物质废弃物混合厌氧消化试验的试验数据，分别进行了多元回归模型的建立和BP人工神经网络模型的建立，对产气量进行预测，并对两种模型的预测结果进行比较。得到BP人工神经网络模型更优的结论。为日后的产气预测提供了一种科学、可操作性强的方法。一本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：韵产日期：少f／f多·万西南交通大学硕士研究生学位论文第1页摘要随着我国城市发展速度的加快，人民生活水平的逐步提高，固体废弃物的产生量也在高速地增长，特别是生物质废弃物所占的比重很大。而如果对生物质废弃物进行回收利用，不仅缓解了环境压力，也能够节约能源。本文对餐厨垃圾、畜禽养殖废物等生物质废弃物与城市污水厂剩余污泥混合，在不同试验参数条件下进行混合厌氧消化试验；以产生的大量实验室数据为原始数据，．基于多元回归原理和BP人工神经网络原理，对其建立预测模型。在基于肥肉基质和剩余污泥混合厌氧试验的建模中，两个阶段多元回归模型的预测平均准确率分别为75．69％和79．29％；BP神经网络模型的预测平均准确率为79．05％。总体看来，两种模型的预测准确率相近，都有较好的预测结果，BP模型的结果较优。在基于高有机负荷的餐厨垃圾填料、餐厨垃圾与消化污泥混合厌氧试验的建模中，两个阶段多元回归模型的预测平均准确率分别为60．05％和22．21％；BP神经网络模型的预测平均准确率为72．40％。BP模型的结果明显优于多元回归模型。在分别以黄豆和芹菜为基质，和剩余污泥混合的控制PH值的厌氧消化过程的试验数据的BP建模，预测平均准确率分别为52．19％、69．13％；基于低有机负荷的餐厨垃圾填料、餐厨垃圾与消化污泥混合厌氧试验的建模中，预测平均准确率为86．30％。可以看出，BP模型的预测准确率一直处在一个较高的水平，并且比较稳定。对比所建立的两种模型的预测结果，BP人工神经网络模型用于混合厌氧消化的产气预测是可行的，并且优于多元回归模型的预测。本文建立的基于BP人工神经网络的混合厌氧消化产气预测模型为今后的生产实践提供了一种具有操作性强，效率高的预测方法。关键词：厌氧消化多元回归BP神经网络预测西南交通大学硕士研究生学位论文第1I页AbstractWiththeacceleratedpaceofurbandevelopmentinChina,thegradualimprovementoflivingstandards，solidwastegenerationisalsogrowingfast,especiallyintheproportionofbiomasswaste．Biomasswasterecyclingrelievespressureontheenvironmentandconservesenergy．Inthispaper,forthedigestionofdifferentbiomassgasproductionf