CN103605882A - 一种丝状菌污泥膨胀指数svi特征模型的构建方法 - Google Patents
一种丝状菌污泥膨胀指数svi特征模型的构建方法 Download PDFInfo
- Publication number
- CN103605882A CN103605882A CN201310518067.XA CN201310518067A CN103605882A CN 103605882 A CN103605882 A CN 103605882A CN 201310518067 A CN201310518067 A CN 201310518067A CN 103605882 A CN103605882 A CN 103605882A
- Authority
- CN
- China
- Prior art keywords
- svi
- centerdot
- mlss
- linear regression
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Activated Sludge Processes (AREA)
Abstract
一种丝状菌污泥膨胀指数SVI特征模型的构建方法是先进制造技术领域的重要分支,也是水处理领域的重要组成部分。针对引发丝状菌污泥膨胀的因素众多、机理模型难以建立的问题,该模型基于丝状菌污泥膨胀致因因素分析,提取了丝状菌生长的动力学特性,运用数据统计方法校正模型参数;通过相关过程变量和丝状菌污泥膨胀机理实现了SVI预测,解决了污泥膨胀模型难建立的问题,提高了模型在污水处理过程中对环境差异的适应能力,保障污水处理过程异常工况的监控。实验结果表明该模型能够快速有效的预测污泥膨胀指数SVI值,预测精度较高,对环境差异具有很好的适应能力,保障了污水处理过程异常工况的监控和高效稳定运行。
Description
技术领域
本发明运用数据回归分析设计了基于丝状菌动力学的丝状菌污泥膨胀指数SVI特征模型。污泥体积指数SVI是反映污泥沉降压缩性能,判断污水处理异常工况中污泥膨胀现象的重要指标,预测该指标对实现污泥膨胀预防和抑制具有重要意义。丝状菌污泥膨胀致因因素较多,形成机理复杂,丝状菌污泥膨胀SVI特征模型的研究是以实现污水处理过程的正常稳定运行为目标,是先进制造技术领域的重要分支,也是水处理领域的重要组成部分。
背景技术
随着污水处理行业在全国范围内的兴起,保证污水处理过程正常稳定运行和提高污水处理效率已成为污水处理厂面临的主要难题。我国几乎所有的城市污水处理厂和部分工业污水处理厂每年都存在着不同程度的污泥膨胀,污泥膨胀不仅使污泥流失,出水水质超标,甚至导致整个污水处理***崩溃,危害整个工艺***的运行。本发明以识别和预测污泥膨胀为目标,为预防和抑制污泥膨胀提供了模型基础,具有广泛的应用前景。
污泥体积指数SVI是目前污水处理反映污泥膨胀现象发生的重要指标之一,当SVI值大于150mL/g表示污泥膨胀发生。丝状菌污泥膨胀是污泥膨胀的主要类型,引发丝状菌污泥膨胀因素有:污泥负荷F/M、溶解氧DO、底物浓度S、底物梯度、污泥停留时间SRT、化学需氧量COD、总氮TN、总磷TP、温度T、酸碱度pH和腐化废水等。致因因素对丝状菌污泥膨胀的影响过程主要是丝状菌代替菌胶团菌成为优势菌种。由于影响过程复杂,涉及影响因素和过程变量较多,目前仍然没有完善的机理模型描述丝状菌动力学生长过程,因此,基于动力学过程建立污泥膨胀的模型是目前研究的重点,而且得到越来越多的关注。
针对丝状菌污泥膨胀的预测,污水处理行业涌现了一批相关技术,一类是基于生化反应的物理测量,另一类是基于数据驱动的软测量。前者主要依赖于测量工具的精确和稳定性,测量过程易受环境影响,耗费时间多,缺乏标准的校验模型,此外,该方法的最大缺陷是不能实时在线测量,难以及时制定合适的控制策略。基于数据驱动的软测量是通过相关的辅助变量数据预测SVI,该方法的预测结果具有较高的精确性,但忽略了活性污泥的生化反应和微生物生长过程,仅仅分析了输入数据和输出数据的相关性,结果没有描述丝状菌污泥膨胀的形成机理,容易造成相关变量数据丢失,不能适应环境差异。因此,需要寻求新的建模方法,分析过程变量之间的关系,描述丝状菌生长动力学过程,实现SVI的预测。
本发明基于常见丝状菌污泥膨胀致因因素,设计了基于丝状菌动力学生长特性的特征机理模型,通过数据分析和统计方法实现模型参数的校正,获得了污泥体积指数SVI的预测。
发明内容
本发明设计了一种丝状菌污泥膨胀SVI特征模型,该模型基于丝状菌污泥膨胀致因因素分析,提取了丝状菌生长的动力学特性,运用数据统计方法校正模型参数;通过相关过程变量和丝状菌污泥膨胀机理实现了SVI预测,解决了污泥膨胀模型难建立的问题,提高了模型在污水处理过程中对环境差异的适应能力,保障污水处理过程异常工况的监控。
本发明采用了如下的技术方案及实现步骤
1.一种丝状菌污泥膨胀指数SVI特征模型的构建方法,其特征在于,包括以下步骤:
(1)确立特征模型输出变量:以活性污泥法污水处理工艺二沉池中污泥体积指数SVI作为模型输出;
(2)选取特征模型输入变量:选取与SVI相关的过程变量为输入变量模型输入变量包括:污泥负荷F/M,单位:kg/(kg·d);溶解氧DO,单位:mg/L;污泥浓度MLSS,单位:g/L;总氮TN,单位:mg/L;总磷TP,单位:mg/L;温度T,单位:℃;酸碱度pH;
(3)建立各输入变量与输出变量关系式:
①F/M与SVI关系式
式(1)中a01,a11,a21,a31,a41为F/M与SVI关系的非线性回归系数;xF/M为污泥负荷输入量;yF/M-SVI为F/M对应的SVI输出量;
②DO与SVI关系式
式(2)中a02,a12,a22,a32,a42为DO与SVI关系的非线性回归系数;xDO为溶解氧输入量;yDO-SVI为DO对应的SVI输出量;
③MLSS与SVI关系式
式(3)中a03,a13,a23,a33,a43为MLSS与SVI关系的非线性回归系数;xMLSS为污泥浓度输入量;yMLSS-SVI为MLSS对应的SVI输出量;
④TN与SVI关系式
式(4)中a04,a14,a24,a34,a44为TN与SVID的非线性回归系数;xTN为总氮输入量;yTN-SVI为TN对应的SVI输出量;
⑤TP与SVI关系式
式(5)中a05,a15,a25,a35,a45为TP与SVI关系的非线性回归系数;xTP为总磷输入量;yTP-SVI为TP对应的SVI输出量;
⑥T与SVI关系式
式(6)中a06,a16,a26,a36,a46为T与SVI关系的非线性回归系数;xT为温度输入量;yT-SVI为T对应的SVI输出量;
⑦pH与SVI关系式
式(7)中a07,a17,a27,a37,a47为pH与SVI关系的非线性回归系数;xpH为酸碱度输入量;ypH-SVI为pH对应的SVI输出量;
(4)建立SVI与yF/M-SVI,yDO-SVI,yMLSS-SVI,yTN-SVI,yTP-SVI,yT-SVI和ypH-SVI之间的总关系式;
YSVI=b0+b1yF/M-SVI+b2yDO-SVI+b3yMLSS-SVI+b4yTN-SVI+b5yTP-SVI+b6yT-SVI+b7ypH-SVI (8)
其中,b0,b1,b2,b3,b4,b5,b6,b7表示SVI与yF/M-SVI,yDO-SVI,yMLSS-SVI,yTN-SVI,yTP-SVI,yT-SVI和ypH-SVI之间的线性回归系数;YSVI为输出SVI值;
(5)建立SVI特征模型,将式(1)~(7)代入(8)式,得SVI特征模型
其中c00,c11,…,c23,c24,…,c46,c47为特征模型参数;
(6)利用训练数据实现特征模型参数c00,c11,…,c23,c24,…,c46,c47的调整;
①训练数据样本;
训练数据共包含n组污泥负荷样本数据x11,x21,…,xn1;n组溶解氧样本数据x12,x22,…,xn2;n组污泥浓度样本数据x13,x23,…,xn3;n组总氮样本数据x14,x24,…,xn4;n组总磷样本数据x15,x25,…,xn5;n组温度样本数据x16,x26,…,xn6;n组酸碱度样本数据x17,x27,…,xn7;n组SVI样本数据y1,y2,…,yn;
②非线性回归系数求解;
以污泥负荷F/M与SVI关系的非线性回归系数计算为例,记(1)式污泥负荷F/M与SVI关系的非线性回归系数为A=[a01 a11 a21 a31 a41]T,运用最大似然估计法估计回归系数,即 其中为估计系数;X为污泥负荷F/M的输入样本矩阵前件,为污泥负荷F/M的输入样本矩阵后件,Y为F/M对应的SVI输出样本矩阵,为系数估计矩阵前件,为系数估计矩阵后件,M为前项权重矩阵,N为后项权重矩阵,具体为
利用其他6个变量的样本数据根据以上计算方式解得非线性回归系数a02,a12,a22,a32,a42;a03,a13,a23,a33,a43;a04,a14,a24,a34,a44;a05,a15,a25,a35,a45;a06,a16,a26,a36,a46;a07,a17,a27,a37,a47;
③非线性回归估计输出;
记(1)式输出估计矩阵 其中 为n组污泥负荷估计输出;
利用其他6个变量的样本数据根据式(12)解得估计输出
④线性回归系数求解;
运用最大似然估计法估计线性回归系数b0,b1,b2,b3,b4,b5,b6,b7,记B=[b0 b1 b2 b3 b4 b5 b6 b7]T; 为整合输出估计矩阵;求解线性回归系数矩阵B为
⑤模型参数调整求解;
运用非线性回归系数和线性回归系数调整模型参数,
cij=aijbj,其中i=1,2,3;j=1,2,3,...,7 (15)
⑥SVI特征模型的参数调整及模型输出;
⑦SVI特征模型的调整过程误差计算;
(7)模型验证;将测试样本数据作为调整好的特征模型输入,特征模型的输出即为出水SVI的预测结果并与该组样本的实测SVI值Ym比较,计算模型预测误差Em
本发明的创造性主要体现在:
(1)本发明针对当前缺乏完善丝状菌污泥膨胀机理模型,依据丝状菌生长动力学特性,设计了过程变量与丝状菌污泥膨胀特征指标SVI的特征模型,该模型涵盖了丝状菌污泥膨胀基本致因因素,能适应环境差异,具有较好的适应性;
(2)本发明采用数据统计分析方法实现对模型参数进行调整,利用历史数据库对模型实时校正,方法简单有效,不仅解决了SVI难以测量的问题,而且避免了当前污水处理厂对SVI值人工测量的复杂过程和软测量模型未知参数设定过程,具有预测精度高、实用性好等特点。
附图表说明
图1是本发明的辅助变量与预测变量关系图;
图2是本发明的本发明拟合结果图,其中实线为SVI实测值,虚线为SVI拟合值;
图3是本发明拟合结果误差图;
图4是本发明测量结果图,其中实线为SVI实测值,虚线为SVI测量值;
图5是本发明测量结果误差图;
具体实施方式
本发明获得了丝状菌污泥膨胀指数SVI的特征模型,该模型基于丝状菌污泥膨胀致因因素和丝状菌动力学特性分析,运用数据统计方法校正模型参数及历史数据库对模型不断校正,以相关过程变量作辅助变量,实现了对变量SVI值的预测。
实验数据来自某污水处理厂秋季(9月~11月)水质分析日报表;实验样本经数据预处理后共90组数据,将全部的90组数据样本分为两部分:其中60组数据用作为训练样本,其余30组数据作为测试样本;
本发明采用了如下的技术方案及实现步骤:
一种丝状菌污泥膨胀指数SVI特征模型的构建方法,其特征在于,包括以下步骤:
(1)确立模型输出变量:以活性污泥法污水处理工艺二沉池中污泥体积指数SVI作为模型输出;
(2)选取模型输入变量:选取与SVI相关的过程变量为输入变量,变量包括:污泥负荷F/M,单位:kg/(kg·d);溶解氧DO,单位:mg/L;污泥浓度MLSS,单位:g/L;总氮TN,单位:mg/L;总磷TP,单位:mg/L;温度T,单位:℃;酸碱度pH;
(3)建立各输入变量与输出变量关系式:
①F/M与SVI关系式
式(1)中a01,a11,a21,a31,a41为非线性回归系数;xF/M为污泥负荷输入量;yF/M-SVI为相应SVI输出量;
②DO与SVI关系式
式(2)中a02,a12,a22,a32,a42为非线性回归系数;xDO为溶解氧输入量;yDO-SVI为相应SVI输出量;
③MLSS与SVI关系式
式(3中a03,a13,a23,a33,a43为非线性回归系数;xMLSS为污泥浓度输入量;yMLSS-SVI为相应SVI输出量;
④TN与SVI关系式
式(4)中a04,a14,a24,a34,a44为非线性回归系数;xTN为总氮输入量;yTN-SVI为相应SVI输出量;
⑤TP与SVI关系式
式(5)中a05,a15,a25,a35,a45为非线性回归系数;xTP为总磷输入量;yTP-SVI为相应SVI输出量;
⑥T与SVI关系式
式(6)中a06,a16,a26,a36,a46为非线性回归系数;xT为温度输入量;yT-SVI为相应SVI输出量;
⑦pH与SVI关系式
式(7)中a07,a17,a27,a37,a47为非线性回归系数;xpH为酸碱度输入量;ypH-SVI为相应SVI输出量。
(4)以yF/M-SVI,yDO-SVI,yMLSS-SVI,yTN-SVI,yTP-SVI,yT-SVI,yT-SVI和ypH-SVI为输入变量,SVI为输出量,建立输入变量与SVI的关系式
YSVI=b0+b1yF/M-SVI+b2yDO-SVI+b3yMLSS-SVI+b4yTN-SVI+b5yTP-SVI+b6yT-SVI+b7ypH-SVI (26)
其中,b0,b1,b2,b3,b4,b5,b6,b7表示线性回归系数;YSVI为输出SVI值。
(5)建立SVI特征模型。将式(1)~(7)代入(8)式,整合系数得SVI特征模型
其中c00,c11,…,c23,c24,…,c46,c47为模型参数。
(6)利用历史数据实现模型参数c00,c11,…,c23,c24,…,c46,c47的调整。
①数据样本;
在训练样本中取60组污泥负荷样本数据,即n=60,样本数据为x11,x21,…,xn1,如表1所示;60组溶解氧样本数据x12,x22,…,xn2,如表2所示;60组污泥浓度样本数据x13,x23,…,xn3,如表3所示;60组总氮样本数据x14,x24,…,xn4;60组总磷样本数据x15,x25,…,xn5,如表4所示;60组温度样本数据x16,x26,…,xn6,如表5所示;60组酸碱度样本数据x17,x27,…,xn7,如表7所示;60组SVI样本数据y1,y2,…,yn,如表8所示;
②非线性回归系数求解;
以污泥负荷F/M与SVI关系的非线性回归系数计算为例,记(1)式污泥负荷F/M与SVI关系的非线性回归系数为A=[a01 a11 a21 a31 a41]T,运用最大似然估计法估计回归系数,即 其中为估计系数;X为污泥负荷F/M的输入样本矩阵前件,为污泥负荷F/M的输入样本矩阵后件,Y为F/M对应的SVI输出样本矩阵,为系数估计矩阵前件,为系数估计矩阵后件,M为前项权重矩阵,N为后项权重矩阵,具体为
利用其他6个变量的样本数据根据以上计算方式解得非线性回归系数a02,a12,a22,a32,a42;a03,a13,a23,a33,a43;a04,a14,a24,a34,a44;a05,a15,a25,a35,a45;a06,a16,a26,a36,a46;a07,a17,a27,a37,a47;
③非线性回归估计输出;
记(1)式输出估计矩阵 其中 为n组污泥负荷估计输出;
④线性回归系数求解;
运用最大似然估计法估计线性回归系数b0,b1,b2,b3,b4,b5,b6,b7,记B=[b0 b1 b2 b3 b4 b5 b6 b7]T; 为整合输出估计矩阵;求得线性回归系数矩阵为
⑤模型参数调整求解;
运用非线性回归系数和线性回归系数调整模型参数,
cij=aijbj,其中i=1,2,3;j=1,2,3,...,7 (33)
⑥SVI特征模型的参数调整及模型输出;
⑦SVI特征模型的调整过程误差计算;
模型拟合效果如图2,X轴:样本序号,单位是天/样本,Y轴:SVI值,单位是毫升/克,实线为SVI实测值,虚线是SVI的拟合输出;模型拟合结果误差如图3,X轴:样本序号,单位是天/样本,Y轴:SVI值,单位是毫升/克,虚线为SVI拟合结果误差;
(7)模型验证;将测试样本数据作为调整好的特征模型输入,特征模型的输出即为出水SVI的预测结果并与该组样本的实测SVI值Ym比较,计算模型预测误差Em;
模型预测效果如图4,X轴:样本序号,单位是天/样本,Y轴:SVI值,单位是毫升/克,实线为SVI实测值,虚线是特征模型输出值;模型预测效果如图5,X轴:样本序号,单位是天/样本,Y轴:SVI值,单位是毫升/克,虚线为特征模型输出误差;结果证明该模型的有效性。
表1-18是本发明实验数据,表1-8为训练样本,表9为SVI拟合值,表10-17为测试样本,表18为SVI测量值。
训练数据:
表1.污泥负荷F/M训练样本数据(kg/(kg·d))
0.09 | 0.08 | 0.03 | 0.03 | 0.05 | 0.04 | 0.03 | 0.05 | 0.03 | 0.05 |
0.04 | 0.04 | 0.05 | 0.06 | 0.06 | 0.05 | 0.05 | 0.05 | 0.07 | 0.05 |
0.10 | 0.05 | 0.03 | 0.04 | 0.06 | 0.03 | 0.03 | 0.07 | 0.05 | 0.02 |
0.09 | 0.04 | 0.02 | 0.03 | 0.04 | 0.08 | 0.05 | 0.06 | 0.02 | 0.04 |
0.01 | 0.06 | 0.05 | 0.05 | 0.06 | 0.04 | 0.09 | 0.07 | 0.08 | 0.10 |
0.02 | 0.03 | 0.06 | 0.01 | 0.02 | 0.06 | 0.07 | 0.05 | 0.02 | 0.09 |
表2.溶解氧DO训练样本数据(mg/L)
2.30 | 2.51 | 2.21 | 2.30 | 2.56 | 2.62 | 2.38 | 2.28 | 2.23 | 2.30 |
2.51 | 2.58 | 2.48 | 2.40 | 2.42 | 2.50 | 2.56 | 2.51 | 2.63 | 2.60 |
2.47 | 2.61 | 2.59 | 2.52 | 2.46 | 2.39 | 2.47 | 2.60 | 2.58 | 2.40 |
1.67 | 1.72 | 1.74 | 1.76 | 1.72 | 1.82 | 1.78 | 1.71 | 1.58 | 1.61 |
1.851.78 | 1.781.62 | 1.681.60 | 1.601.72 | 1.681.69 | 1.701.71 | 1.791.76 | 1.751.78 | 1.751.78 | 1.761.81 |
表3.污泥浓度MLSS训练样本数据(g/L)
4.72 | 5.63 | 5.72 | 6.42 | 5.14 | 5.23 | 5.06 | 5.36 | 4.87 | 5.16 |
6.42 | 5.12 | 5.02 | 5.23 | 5.21 | 4.92 | 4.72 | 5.72 | 4.65 | 5.14 |
5.06 | 5.16 | 5.02 | 5.23 | 5.25 | 5.12 | 5.06 | 5.21 | 4.87 | 4.72 |
4.72 | 5.63 | 5.72 | 6.42 | 5.32 | 5.16 | 5.14 | 4.65 | 4.34 | 5.23 |
4.72 | 5.25 | 4.65 | 4.34 | 4.92 | 5.13 | 5.36 | 5.07 | 7.82 | 5.14 |
5.23 | 5.06 | 5.32 | 5.25 | 5.23 | 4.34 | 5.13 | 5.63 | 7.82 | 5.06 |
表4.总氮TN训练样本数据(mg/L)
43.6 | 37.2 | 37.6 | 49.3 | 49.7 | 19.9 | 50.2 | 22.4 | 43.2 | 41.3 |
37.3 | 36.7 | 42.2 | 39.2 | 43.6 | 37.2 | 38.2 | 41.7 | 40.3 | 41.2 |
41.3 | 41.3 | 37.1 | 38.2 | 40.3 | 42.2 | 39.2 | 43.6 | 42.2 | 39.2 |
43.2 | 50.2 | 51.2 | 36.7 | 38.2 | 41.2 | 37.6 | 49.3 | 42.2 | 39.2 |
40.3 | 42.2 | 41.7 | 37.2 | 37.6 | 49.3 | 41.3 | 41.2 | 22.4 | 49.7 |
19.9 | 37.3 | 37.1 | 37.6 | 49.3 | 49.7 | 42.2 | 39.2 | 19.9 | 50.2 |
表5.总磷TP训练样本数据(mg/L)
6.55 | 5.23 | 4.25 | 5.00 | 6.25 | 6.32 | 6.52 | 6.45 | 6.25 | 5.82 |
5.51 | 7.68 | 5.23 | 6.47 | 6.51 | 6.48 | 5.60 | 6.35 | 5.69 | 5.25 |
6.71 | 5.50 | 5.56 | 5.72 | 6.18 | 6.12 | 6.32 | 5.89 | 5.92 | 6.28 |
5.60 | 6.35 | 5.69 | 5.25 | 6.71 | 5.5 | 5.56 | 6.24 | 6.01 | 5.39 |
5.38 | 6.21 | 6.20 | 5.89 | 5.99 | 5.97 | 6.1 | 6.13 | 5.96 | 5.87 |
5.84 | 5.78 | 6.12 | 6.35 | 6.92 | 6.28 | 5.6 | 6.35 | 5.69 | 5.25 |
表6.温度T训练样本数据(℃)
23.1 | 23.4 | 22.1 | 23.2 | 22.3 | 23.7 | 23.3 | 18.6 | 23.1 | 20.7 |
21.3 | 20.6 | 23.4 | 19.3 | 22.7 | 20.7 | 22.1 | 18.5 | 21.1 | 23.3 |
20.6 | 18.4 | 19.4 | 22.1 | 20.1 | 19.3 | 23.1 | 23.4 | 22.1 | 23.2 |
22.3 | 19.2 | 18.5 | 19.3 | 20.8 | 22.1 | 18.6 | 19.4 | 21.1 | 22.1 |
20.6 | 18.4 | 20.6 | 23.7 | 23.3 | 20.7 | 18.6 | 22.7 | 21.3 | 21.1 |
20.7 | 20.6 | 22.1 | 23.2 | 19.3 | 20.1 | 18.4 | 22.3 | 20.8 | 19.4 |
表7.酸碱度pH训练样本数据
6.47 | 6.51 | 6.48 | 5.60 | 6.35 | 5.69 | 5.25 | 6.71 | 5.50 | 5.56 |
5.72 | 6.18 | 6.12 | 6.55 | 5.23 | 4.25 | 5.00 | 6.25 | 6.32 | 6.52 |
6.45 | 6.25 | 5.82 | 5.51 | 7.68 | 5.23 | 6.32 | 5.89 | 5.92 | 6.28 |
5.60 | 6.35 | 5.69 | 5.25 | 6.71 | 5.5 | 5.56 | 6.24 | 6.01 | 5.39 |
5.38 | 6.21 | 6.20 | 5.89 | 5.99 | 5.97 | 6.10 | 6.13 | 5.96 | 5.87 |
5.84 | 5.78 | 6.12 | 6.35 | 5.92 | 6.28 | 5.6 | 6.35 | 5.69 | 5.25 |
表8.SVI训练样本数据(mL/g)
92.1 | 74.3 | 72.1 | 63.2 | 105.4 | 62.3 | 89.1 | 100.4 | 106.4 | 94.5 |
63.2 | 93.4 | 93.5 | 105.2 | 102.4 | 102.4 | 92.1 | 72.1 | 108.3 | 105.4 |
112.3 | 94.5 | 93.5 | 105.2 | 103.8 | 93.4 | 112.3 | 102.4 | 106.4 | 112.1 |
92.1 | 74.3 | 72.1 | 63.2 | 104.2 | 94.5 | 105.4 | 108.3 | 89.3 | 62.3 |
112.1 | 103.8 | 108.3 | 89.3 | 102.4 | 96.1 | 100.4 | 92.4 | 105.8 | 105.4 |
62.3 | 89.1 | 104.2 | 103.8 | 62.3 | 89.3 | 96.1 | 74.3 | 105.8 | 89.1 |
表9.SVI拟合值(mL/g)
110.1 | 91.5 | 75.2 | 70.6 | 95.9 | 86.0 | 90.3 | 95.3 | 95.9 | 82.5 |
105.3 | 93.2 | 93.5 | 101.7 | 101.1 | 104.1 | 103.3 | 90.5 | 111.6 | 92.7 |
103.8 | 92.5 | 90.8 | 91.5 | 101.2 | 90.5 | 94.2 | 99.4 | 102.2 | 101.6 |
99.9 | 79.8 | 72.5 | 72.1 | 91.8 | 96.4 | 89.0 | 101.8 | 101.7 | 81.9 |
106.4 | 93.7 | 102.3 | 103.9 | 97.8 | 85.4 | 92.9 | 99.9 | 97.1 | 89.4 |
80.2 | 85.0 | 92.1 | 100.4 | 57.6 | 109.9 | 93.2 | 90.3 | 83.9 | 89.2 |
表10.污泥负荷F/M测试样本数据(kg/(kg·d))
0.04 | 0.04 | 0.09 | 0.07 | 0.08 | 0.02 | 0.09 | 0.04 | 0.02 | 0.03 |
0.01 | 0.09 | 0.07 | 0.06 | 0.05 | 0.07 | 0.05 | 0.10 | 0.05 | 0.03 |
0.04 | 0.06 | 0.03 | 0.03 | 0.07 | 0.02 | 0.03 | 0.09 | 0.01 | 0.05 |
表11.溶解氧DO测试样本数据(mg/L)
1.32 | 1.38 | 1.37 | 1.35 | 1.30 | 1.39 | 1.23 | 1.20 | 1.19 | 1.30 |
1.43 | 1.36 | 1.31 | 1.27 | 1.42 | 1.50 | 1.34 | 1.28 | 1.27 | 1.25 |
1.30 | 1.32 | 1.30 | 1.35 | 1.40 | 1.36 | 1.25 | 1.30 | 1.26 | 1.32 |
表12.污泥浓度MLSS测试样本数据(g/L)
5.07 | 4.72 | 5.12 | 5.06 | 4.92 | 5.13 | 5.36 | 4.87 | 5.32 | 5.06 |
5.12 | 5.06 | 4.92 | 4.72 | 7.82 | 5.21 | 5.13 | 5.63 | 5.72 | 6.42 |
5.02 | 5.07 | 5.23 | 5.16 | 5.02 | 5.07 | 7.82 | 4.87 | 4.72 | 4.65 |
表13.总氮TN测试样本数据(mg/L)
51.2 | 38.2 | 51.2 | 38.2 | 40.3 | 42.2 | 22.4 | 36.7 | 43.6 | 37.2 |
37.1 | 38.2 | 41.7 | 43.2 | 41.3 | 51.2 | 38.2 | 37.3 | 49.7 | 19.9 |
50.2 | 39.2 | 41.3 | 39.2 | 41.3 | 38.2 | 41.7 | 42.2 | 39.2 | 43.2 |
表14.总磷TP测试样本数据(mg/L)
6.71 | 5.50 | 5.56 | 5.38 | 6.21 | 6.20 | 6.14 | 5.87 | 5.76 | 5.89 |
5.99 | 6.14 | 6.08 | 5.72 | 6.18 | 6.12 | 6.32 | 5.89 | 5.92 | 6.28 |
6.31 | 6.02 | 5.87 | 5.89 | 5.72 | 5.96 | 6.12 | 6.01 | 6.24 | 5.59 |
表15.温度T测试样本数据(℃)
19.2 | 23.7 | 22.7 | 21.3 | 21.1 | 22.1 | 20.6 | 22.7 | 21.3 | 19.3 |
23.1 | 23.4 | 20.7 | 19.2 | 23.7 | 23.3 | 18.5 | 23.2 | 22.3 | 19.3 |
20.7 | 20.1 | 20.8 | 20.1 | 20.8 | 20.6 | 20.7 | 18.6 | 20.7 | 20.6 |
表16.酸碱度pH测试样本数据
6.71 | 5.50 | 5.56 | 5.38 | 6.21 | 6.20 | 6.14 | 5.87 | 5.76 | 5.89 |
5.99 | 6.14 | 6.08 | 5.72 | 6.18 | 6.12 | 6.32 | 5.89 | 5.92 | 6.28 |
6.31 | 6.02 | 5.87 | 5.89 | 5.72 | 5.96 | 6.12 | 6.01 | 6.24 | 5.59 |
表17.SVI测试样本数据(mL/g)
93.4 | 112.3 | 102.4 | 92.1 | 107.8 | 102.9 | 96.1 | 74.3 | 72.1 | 63.2 |
93.5 | 82.4 | 107.2 | 92.5 | 92.5 | 90.4 | 102.8 | 95.4 | 92.1 | 78.3 |
105.1 | 108.2 | 93.8 | 102.8 | 112.2 | 100.4 | 93.4 | 105.6 | 112.2 | 98.1 |
表18.SVI特征模型测量值(mL/g)
85.7 | 99.3 | 95.5 | 102.7 | 102.5 | 93.8 | 84.1 | 86.9 | 77.9 | 87.1 |
107.6 | 100.4 | 102.4 | 99.6 | 100.7 | 101.3 | 93.4 | 84.9 | 80.1 | 65.7 |
87.3 | 98.5 | 85.5 | 89.4 | 105.7 | 93.7 | 86.8 | 98.6 | 106.3 | 102.5 |
Claims (1)
1.一种丝状菌污泥膨胀指数SVI特征模型的构建方法,其特征在于,包括以下步骤:
(1)确立特征模型输出变量:以活性污泥法污水处理工艺二沉池中污泥体积指数SVI作为模型输出;
(2)选取特征模型输入变量:选取与SVI相关的过程变量为输入变量模型输入变量包括:污泥负荷F/M,单位:kg/(kg·d);溶解氧DO,单位:mg/L;污泥浓度MLSS,单位:g/L;总氮TN,单位:mg/L;总磷TP,单位:mg/L;温度T,单位:℃;酸碱度pH;
(3)建立各输入变量与输出变量关系式:
①F/M与SVI关系式
式(1)中a01,a11,a21,a31,a41为F/M与SVI关系的非线性回归系数;xF/M为污泥负荷输入量;yF/M-SVI为F/M对应的SVI输出量;
②DO与SVI关系式
式(2)中a02,a12,a22,a32,a42为DO与SVI关系的非线性回归系数;xDO为溶解氧输入量;yDO-SVI为DO对应的SVI输出量;
③MLSS与SVI关系式
式(3)中a03,a13,a23,a33,a43为MLSS与SVI关系的非线性回归系数;xMLSS为污泥浓度输入量;yMLSS-SVI为MLSS对应的SVI输出量;
④TN与SVI关系式
式(4)中a04,a14,a24,a34,a44为TN与SVID的非线性回归系数;xTN为总氮输入量;yTN-SVI为TN对应的SVI输出量;
⑤TP与SVI关系式
式(5)中a05,a15,a25,a35,a45为TP与SVI关系的非线性回归系数;xTP为总磷输入量;yTP-SVI为TP对应的SVI输出量;
⑥T与SVI关系式
式(6)中a06,a16,a26,a36,a46为T与SVI关系的非线性回归系数;xT为温度输入量;yT-SVI为T对应的SVI输出量;
⑦pH与SVI关系式
式(7)中a07,a17,a27,a37,a47为pH与SVI关系的非线性回归系数;xpH为酸碱度输入量;ypH-SVI为pH对应的SVI输出量;
(4)建立SVI与yF/M-SVI,yDO-SVI,yMLSS-SVI,yTN-SVI,yTP-SVI,yT-SVI和ypH-SVI之间的总关系式;
YSVI=b0+b1yF/M-SVI+b2yDO-SVI+b3yMLSS-SVI+b4yTN-SVI+b5yTP-SVI+b6yT-SVI+b7ypH-SVI
(8)
其中,b0,b1,b2,b3,b4,b5,b6,b7表示SVI与yF/M-SVI,yDO-SVI,yMLSS-SVI,yTN-SVI,yTP-SVI,yT-SVI和ypH-SVI之间的线性回归系数;YSVI为输出SVI值;
(5)建立SVI特征模型,将式(1)~(7)代入(8)式,得SVI特征模型
(9)
其中c00,c11,…,c23,c24,…,c46,c47为特征模型参数;
(6)利用训练数据实现特征模型参数c00,c11,…,c23,c24,…,c46,c47的调整;
①训练数据样本;
训练数据共包含n组污泥负荷样本数据x11,x21,…,xn1;n组溶解氧样本数据x12,x22,…,xn2;n组污泥浓度样本数据x13,x23,…,xn3;n组总氮样本数据x14,x24,…,xn4;n组总磷样本数据x15,x25,…,xn5;n组温度样本数据x16,x26,…,xn6;n组酸碱度样本数据x17,x27,…,xn7;n组SVI样本数据y1,y2,…,yn;
②非线性回归系数求解;
以污泥负荷F/M与SVI关系的非线性回归系数计算为例,记(1)式污泥负荷F/M与SVI关系的非线性回归系数为A=[a01 a11 a21a31 a41]T,运用最大似然估计法估计回归系数,即 其中为估计系数;X为污泥负荷F/M的输入样本矩阵前件,为污泥负荷F/M的输入样本矩阵后件,Y为F/M对应的SVI输出样本矩阵,为系数估计矩阵前件,为系数估计矩阵后件,M为前项权重矩阵,N为后项权重矩阵,具体为
利用其他6个变量的样本数据根据以上计算方式解得非线性回归系数a02,a12,a22,a32,a42;a03,a13,a23,a33,a43;a04,a14,a24,a34,a44;a05,a15,a25,a35,a45;a06,a16,a26,a36,a46;a07,a17,a27,a37,a47;
③非线性回归估计输出;
利用其他6个变量的样本数据根据式(12)解得估计输出
④线性回归系数求解;
运用最大似然估计法估计线性回归系数b0,b1,b2,b3,b4,b5,b6,b7,记B=[b0 b1 b2 b3 b4 b5 b6 b7]T; 为整合输出估计矩阵;求解线性回归系数矩阵B为
⑤模型参数调整求解;
运用非线性回归系数和线性回归系数调整模型参数,
cij=aijbj,其中i=1,2,3;j=1,2,3,...,7 (15)
⑥SVI特征模型的参数调整及模型输出;
⑦SVI特征模型的调整过程误差计算;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310518067.XA CN103605882B (zh) | 2013-10-28 | 2013-10-28 | 一种丝状菌污泥膨胀指数svi特征模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310518067.XA CN103605882B (zh) | 2013-10-28 | 2013-10-28 | 一种丝状菌污泥膨胀指数svi特征模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103605882A true CN103605882A (zh) | 2014-02-26 |
CN103605882B CN103605882B (zh) | 2016-08-24 |
Family
ID=50124103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310518067.XA Active CN103605882B (zh) | 2013-10-28 | 2013-10-28 | 一种丝状菌污泥膨胀指数svi特征模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605882B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942600A (zh) * | 2014-04-12 | 2014-07-23 | 北京工业大学 | 基于尖峰自组织径向基神经网络的污泥膨胀预测方法 |
CN104182794A (zh) * | 2014-09-05 | 2014-12-03 | 北京工业大学 | 一种基于神经网络的污水处理过程出水总磷tp软测量方法 |
CN104181220A (zh) * | 2014-08-22 | 2014-12-03 | 陕西科技大学 | 一种判断活性污泥膨胀的工艺方法 |
CN111611707A (zh) * | 2020-05-19 | 2020-09-01 | 北京工业大学 | 基于sbr工艺构建丝状菌污泥膨胀数学模型的方法 |
CN112634347A (zh) * | 2021-01-07 | 2021-04-09 | 沈阳化工大学 | 一种活性污泥形态学和污泥体积指数svi软测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005034717A (ja) * | 2003-07-18 | 2005-02-10 | Hitachi Ltd | 水質情報演算処理装置 |
CN101041514A (zh) * | 2007-04-27 | 2007-09-26 | 华东师范大学 | 活性污泥丝状细菌的生态控制反应器及工艺 |
CN102063062A (zh) * | 2011-02-18 | 2011-05-18 | 哈尔滨工业大学 | 基于丝状菌种群结构诊断的污泥膨胀控制专家*** |
CN103011392A (zh) * | 2012-12-18 | 2013-04-03 | 西安建筑科技大学 | 一种改善发生丝状菌膨胀污泥沉淀性能的方法 |
-
2013
- 2013-10-28 CN CN201310518067.XA patent/CN103605882B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005034717A (ja) * | 2003-07-18 | 2005-02-10 | Hitachi Ltd | 水質情報演算処理装置 |
CN101041514A (zh) * | 2007-04-27 | 2007-09-26 | 华东师范大学 | 活性污泥丝状细菌的生态控制反应器及工艺 |
CN102063062A (zh) * | 2011-02-18 | 2011-05-18 | 哈尔滨工业大学 | 基于丝状菌种群结构诊断的污泥膨胀控制专家*** |
CN103011392A (zh) * | 2012-12-18 | 2013-04-03 | 西安建筑科技大学 | 一种改善发生丝状菌膨胀污泥沉淀性能的方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942600A (zh) * | 2014-04-12 | 2014-07-23 | 北京工业大学 | 基于尖峰自组织径向基神经网络的污泥膨胀预测方法 |
CN103942600B (zh) * | 2014-04-12 | 2017-05-31 | 北京工业大学 | 基于尖峰自组织径向基神经网络的污泥膨胀预测方法 |
CN104181220A (zh) * | 2014-08-22 | 2014-12-03 | 陕西科技大学 | 一种判断活性污泥膨胀的工艺方法 |
CN104182794A (zh) * | 2014-09-05 | 2014-12-03 | 北京工业大学 | 一种基于神经网络的污水处理过程出水总磷tp软测量方法 |
CN104182794B (zh) * | 2014-09-05 | 2017-04-12 | 北京工业大学 | 一种基于神经网络的污水处理过程出水总磷tp软测量方法 |
CN111611707A (zh) * | 2020-05-19 | 2020-09-01 | 北京工业大学 | 基于sbr工艺构建丝状菌污泥膨胀数学模型的方法 |
CN112634347A (zh) * | 2021-01-07 | 2021-04-09 | 沈阳化工大学 | 一种活性污泥形态学和污泥体积指数svi软测量方法 |
CN112634347B (zh) * | 2021-01-07 | 2023-09-15 | 沈阳化工大学 | 一种活性污泥形态学和污泥体积指数svi软测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103605882B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104360035B (zh) | 一种基于自组织粒子群-径向基神经网络的污水总磷tp软测量方法 | |
CN103197544B (zh) | 基于非线性模型预测的污水处理过程多目标控制方法 | |
CN102411308B (zh) | 基于递归神经网络模型的溶解氧的自适应控制方法 | |
Mannina et al. | A practical protocol for calibration of nutrient removal wastewater treatment models | |
CN104376380B (zh) | 一种基于递归自组织神经网络的氨氮浓度预测方法 | |
Rieger et al. | Improving nutrient removal while reducing energy use at three Swiss WWTPs using advanced control | |
CN103605882A (zh) | 一种丝状菌污泥膨胀指数svi特征模型的构建方法 | |
CN101957356B (zh) | 一种基于弹性径向基神经网络的生化需氧量bod软测量方法 | |
CN108088974B (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
CN103235096A (zh) | 污水水质检测方法与装置 | |
CN107247888B (zh) | 基于储备池网络的污水处理出水总磷tp软测量方法 | |
CN103809436A (zh) | 活性污泥法污水处理过程智能建模方法 | |
CN101759236B (zh) | 一种工业园区点源污染物的调控方法 | |
Chen et al. | Mathematical modeling and modification of a cycle operating activated sludge process via the multi-objective optimization method | |
CN108595892A (zh) | 基于时间差分模型的软测量建模方法 | |
CN102778548B (zh) | 一种污水处理过程污泥膨胀指数预测方法 | |
Rafati et al. | Determine the most effective process control parameters on activated sludge based on particle swarm optimisation algorithm (Case Study: South wastewater treatment plant of Tehran) | |
CN201330211Y (zh) | 污水处理厂运行参数自寻优模拟*** | |
CN114761979A (zh) | 水和废水处理工艺优化和自动设计***及使用该***的设计方法 | |
Yetilmezsoy | A new simple model for the prediction of waste sludge flow rate in the steady-state completely mixed activated sludge process. | |
Lim et al. | A systematic model calibration methodology based on multiple errors minimization method for the optimal parameter estimation of ASM1 | |
Fall et al. | Stepwise calibration of the activated sludge model No. 1 at a partially denitrifying large wastewater treatment plant | |
Dai et al. | Efficient model calibration method based on phase experiments for anaerobic–anoxic/nitrifying (A2N) two-sludge process | |
CN107720975A (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
CN117388457B (zh) | 一种耦合水力停留时间提高污水厂出水预测精度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |