污泥厭氧消化的人工神經(jīng)網(wǎng)絡模型.pdf

1、近年來，我國污泥產(chǎn)量日益增加，與此同時，我國污泥處理技術普遍落后，很大一部分污泥不能得到安全的處理處置，污泥處理處置問題已成為目前我國面臨的一個亟待解決的環(huán)境問題。污泥厭氧消化既可以實現(xiàn)污泥無害化、穩(wěn)定化和減量化，又可以產(chǎn)生可利用的生物質(zhì)氣體，實現(xiàn)污泥資源化，因而在很多國家得以廣泛應用，其中以中溫厭氧消化最為常用。
　　污泥厭氧消化系統(tǒng)通常是按穩(wěn)定條件設計的，即假設負荷不隨時間而改變。然而，在實際工程中，污泥中有機物的成分、濃度等

2、都隨時間而變化，消化過程是在較多影響因素的作用下進行的，沒有確定的關系模式，消化系統(tǒng)的設計和運行大多根據(jù)經(jīng)驗數(shù)據(jù)進行，因此，如果不進行適當控制，常導致消化系統(tǒng)性能下降，甚至趨于失敗，傳統(tǒng)的做法需要通過大量的實驗來確定合適的運行狀態(tài)，造成人力、物力和財力的大量消耗。如果能夠找到一個預測模型，使其能準確地預測在底物及環(huán)境條件變化的情況下系統(tǒng)的性能變化情況，就可以預先采取措施，創(chuàng)造最佳反應條件，確保系統(tǒng)穩(wěn)定、高效地運行。對于污泥消化系統(tǒng)這種多

3、變量、非線性、時變與隨機性高的過程，建立機理模型的代價較高，而建立人工神經(jīng)網(wǎng)絡模型則相對容易。
　　本研究針對污泥中溫厭氧消化實驗，建立了可揮發(fā)性懸浮物(VSS)、消化罐pH值、堿度和污泥消化系統(tǒng)日產(chǎn)氣量之間的動態(tài)關系。利用人工神經(jīng)網(wǎng)絡的自學習能力和非線性映射能力，建立了一個目前應用最為廣泛的神經(jīng)網(wǎng)絡模型——Bp神經(jīng)網(wǎng)絡模型，并針對標準BP算法神經(jīng)網(wǎng)絡的不足，提出了動量-學習率自適應算法和Levenberg-Marquart算法兩

4、種有代表性的改進算法的BP神經(jīng)網(wǎng)絡，分別對三種網(wǎng)絡進行了訓練和仿真，比較其預測消化系統(tǒng)日產(chǎn)氣量的效果。
　　訓練結(jié)果表明兩種改進算法的網(wǎng)絡均具有很強的學習能力，網(wǎng)絡訓練實際輸出值和期望輸出值之間的相關系數(shù)分別達到0.979和0.980，學習能力較標準BP算法的網(wǎng)絡（訓練結(jié)果相關系數(shù)為0.883）均有所提高。仿真結(jié)果顯示兩種改進算法的網(wǎng)絡的泛化能力均比標準BP算法的網(wǎng)絡強;Levenberg-Marquart算法的網(wǎng)絡預測效果最好，