大數(shù)據(jù)平臺下基于人工免疫系統(tǒng)的MBR膜污染研究.pdf

1、膜生物反應器(MBR)作為污水處理領域中的新興技術，具有良好的發(fā)展前景，并且逐漸受到相關領域?qū)＜遗c學者的重視。然而，膜污染嚴重影響了MBR技術的發(fā)展，如何調(diào)節(jié)系統(tǒng)運行條件和參數(shù)，減緩膜污染現(xiàn)象，以及如何建立膜污染的仿真模型已經(jīng)稱為研究熱點。本文旨在建立影響MBR膜污染因素與表征膜污染程度的膜通量間的非線性關系，從而完成對膜通量的預測。
　　在建立仿真預測模型之前，需要對膜生物反應器系統(tǒng)運行過程中產(chǎn)生的數(shù)據(jù)進行處理，從中提取出建模所

2、需要的數(shù)據(jù)。隨著MBR的發(fā)展，系統(tǒng)產(chǎn)生的數(shù)據(jù)必然會越來越多，因此本文引入大數(shù)據(jù)分布式系統(tǒng)來完成對膜污染相關數(shù)據(jù)的存儲和處理分析。利用Hadoop常用組件建立完整的數(shù)據(jù)處理模型，并通過shell腳本完成數(shù)據(jù)的自動處理。其中包括使用Flume組件完成數(shù)據(jù)的采集，使用MapReduce程序完成數(shù)據(jù)的清洗，使用Hive組件建立數(shù)據(jù)倉庫并分析表中數(shù)據(jù)，以及使用Sqoop組件將分析后的結果數(shù)據(jù)導入到關系型數(shù)據(jù)庫中。
　　理論研究證明，神經(jīng)網(wǎng)絡

3、能夠任意精度逼近任意連續(xù)函數(shù)，能夠建立輸入與輸出之間的復雜非線性關系模型，在預測領域應用比較廣泛。本文使用Elman動態(tài)神經(jīng)網(wǎng)絡來建立仿真預測模型，它屬于局部回歸的反饋網(wǎng)絡，具有關聯(lián)記憶功能，在預測精度上優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡。但是，由于Elman神經(jīng)網(wǎng)絡仍采用前饋網(wǎng)絡的梯度下降法進行網(wǎng)絡訓練，因此存在網(wǎng)絡訓練速度慢、容易陷入局部極小值等缺陷，且有網(wǎng)絡權值敏感和網(wǎng)絡結構不易確定等問題。針對這些問題，引入基于濃度的自適應免疫遺傳算法來優(yōu)化