人工神经网络在UASB反应器处理生活污水中的模拟预测与应用
针对UASB反应器处理低浓度生活污水时影响因素多，各种影响因素之间的关系难以确定，以及难以进行适当的控制和预测处理效果的问题，在人工神经网络(Artificial neural network, ANN)理论基础上，建立起基于BP人工神经网络的UASB处理低浓度生活污水预测模型的基本结构，并对中试实验进行了模拟.
UASB是升流式厌氧污泥床的简称，与其他反应器相比，UASB具有运行费用低、投资省、效果好、耐冲击负荷、适应PH和温度变化、结构简单和便于操作等优点，使用日益广泛.
厌氧反应器通常是按稳定条件设计的，即假设负荷不随时问而改变.然而，在实际应用中，由于废水的组成成分、浓度、流量及温度都随时问而变化，反应过程是在较多影响因素的作用下进行，没有确定的关系模式，厌氧反应器的设计和运行大多根据经验数据进行.在这种情况下，如果不进行适当的控制，常导致反应器性能下降，甚至趋于失败.传统做法上需要通过大量实验来确定合适的运行状态，势必造成人力与物力的消耗.如果找到一个预测模型，使其能很好预测反应器在负荷及环境条件变化情况下的性能变化情况，就可以事先采取措施，创造最佳的运行状态和条件，保证反应器高效、稳定地运行.
人工神经网络是20世纪90年代以来迅速发展的一门前沿科学，近年来已成为数学建模领域的一个热点并在工程领域得到了较为广泛的应用.作为一个非线性动态系统，人工神经网络具有很强的自学习和自适应能力，使得它适于处理在已知条件和结果之问无明确数学关系的数据，并能够在条件与结果之问建立一定的关系，这个过程类似于人脑思维过程.对于用传统的数学方法比较难建立模型的厌氧生物处理领域的多变量、非线性系统，人工神经网络模型正好可以一显身手，对优化反应器运行条件、模拟控制反应器、提高反应器稳定性及效率，也具有广泛的用途和重要的意义.
使用微信“扫一扫”功能添加“谷腾环保网”
如果需要了解更加详细的内容，请点击下载 
人工神经网络在UASB反应器处理生活污水中的模拟预测与应用.rar
下载该附件请登录，如果还不是本网会员，请先注册
