基于人工神经网络的反硝化滤池外碳源投加控制

摘要

针对反硝化滤池外碳源过量投加导致的出水总碳超标与碳源浪费问题,利用实际污水与小试装置研究了最适外碳源投加量的影响因素,并应用人工神经网络建立了外碳源投加模型与脱氮效果预测模型。结果表明,基于进水总氮负荷与碳氮生化反应计量守恒而进行的外碳源投加可缓解碳源浪费与污染问题,但脱氮效果缺乏稳定性,可考虑通过进水ORP、p H值、DO与温度的综合影响来进行改进。应用自适应学习速率动量梯度下降法建立了输入为5项进水指标、输出为最适投加量的外碳源投加模型,相关系数为0.9648,表明模型中进水参数与最适投加量具有很好的相关性,外碳源投加模型的改进具有可行性。应用贝叶斯正则化法建立了输入为5项进水指标、输出为NO3^--N与NO2^--N浓度的脱氮效果预测模型,相关系数为0.9085,表明预测反硝化滤池的脱氮效果具有一定可行性。外碳源投加模型可配合脱氮效果预测模型构建反硝化滤池外碳源投加控制系统,完善污水厂的自动化控制。