人工神經(jīng)網(wǎng)絡(luò)在超、微濾膜過濾行為研究中的應(yīng)用.pdf

1、本文首先在容積為800ml，有效過濾面積為24.0cm2的死端過濾裝置上，使用平均孔徑為0.1μm的聚丙烯腈(PAN)微濾膜對活性污泥混合液進(jìn)行了過濾研究，以實(shí)驗(yàn)數(shù)據(jù)為樣本數(shù)據(jù)，借助人工神經(jīng)網(wǎng)絡(luò)對膜通量進(jìn)行了預(yù)測研究，在此過程中以平均相對誤差絕對值和相關(guān)系數(shù)作為人工神經(jīng)網(wǎng)絡(luò)性能的評價標(biāo)準(zhǔn)來優(yōu)化網(wǎng)絡(luò)模型。主要研究結(jié)果為：以膜生物反應(yīng)器的操作條件(污泥濃度，溫度，溶解氧，水力停留時間，跨膜壓力差)和時間作為輸入節(jié)點(diǎn)，優(yōu)化得到的對膜通量動態(tài)預(yù)

2、測的BP神經(jīng)網(wǎng)絡(luò)模型的拓樸結(jié)構(gòu)為3-13-1，隱層神經(jīng)元個數(shù)為13，學(xué)習(xí)率為0.05，學(xué)習(xí)函數(shù)為traingdx，傳遞函數(shù)分別為logsig和tansig；采用此神經(jīng)網(wǎng)絡(luò)模型對死端微濾活性污泥懸浮液膜通量預(yù)測的平均相對誤差絕對值為4.1％，預(yù)測值與實(shí)驗(yàn)值的相關(guān)系數(shù)為0.9952。 其次，在相同的死端過濾裝置上使用平均孔徑0.1μm的聚醚砜(PES)微濾膜和截留分子量為5kDa的聚醚砜(PES)超濾膜在不同的操作條件下對活性污泥上

3、清液進(jìn)行了過濾實(shí)驗(yàn)，根據(jù)實(shí)驗(yàn)所得數(shù)據(jù)以同樣的方法借助人工神經(jīng)網(wǎng)絡(luò)對膜通量及膜滲透液中COD濃度進(jìn)行了預(yù)測研究。主要研究結(jié)果為：(1)以膜生物反應(yīng)器的操作條件(污泥濃度，溫度，溶解氧，水力停留時間，跨膜壓力差)和時間為輸入節(jié)點(diǎn)，采用優(yōu)化后的拓樸結(jié)構(gòu)為3-13-1，學(xué)習(xí)率為0.05，學(xué)習(xí)函數(shù)為traingdx，傳遞函數(shù)分別為logsig和tansig的BP神經(jīng)網(wǎng)絡(luò)模型有效地實(shí)現(xiàn)了對死端超、微濾活性污泥上清液的膜通量的預(yù)測，平均相對誤差絕對值

4、分別為4.8％和5.0％，相關(guān)系數(shù)分別為0.9879和0.9852；(2)選用操作條件(污泥濃度，溫度，溶解氧，水力停留時間，跨膜壓力差)作為預(yù)測膜滲透液中COD濃度的輸入節(jié)點(diǎn)，采用優(yōu)化得到的拓樸結(jié)構(gòu)為3-11-1，學(xué)習(xí)率為0.05，學(xué)習(xí)函數(shù)為traingdx，傳遞函數(shù)分別為logsig和tansig的BP神經(jīng)網(wǎng)絡(luò)模型有效地實(shí)現(xiàn)了對死端超、微濾活性污泥上清液的膜滲透液中COD濃度的預(yù)測，所得的平均相對誤差絕對值分別為1.9％和4.9％，

5、相關(guān)系數(shù)為0.9912和0.9950； 最后，在有效過濾面積為78.66cm2的錯流微濾裝置下，使用孔徑為O.1μm的聚偏氟乙烯(PVDF)微濾膜對酵母懸浮液進(jìn)行錯流過濾實(shí)驗(yàn)研究，采用多元線性回歸方法分析了酵母懸浮液比阻隨操作條件的影響規(guī)律，并得出回歸模型，同時采用人工神經(jīng)網(wǎng)絡(luò)對酵母懸浮液比阻進(jìn)行了預(yù)測研究，在此基礎(chǔ)上建立了回歸模型與BP神經(jīng)網(wǎng)絡(luò)模型的聯(lián)合模型。主要研究結(jié)果為：(1)錯流微濾酵母懸浮液比阻隨著錯流速率、壓力的增加

6、而增加，隨著溫度的增加而減小，在1.0-3.0g/L范圍內(nèi)隨濃度的增加而增加，在3.0-5.0g/L范圍內(nèi)則隨之而減??；其影響程度為：錯流速率(30.43％)>濃度(30.17％)>壓力(22.51％)>溫度(16.89％)；錯流微濾酵母懸浮液比阻隨壓力、濃度、錯流速率和溫度變化的定量的關(guān)系式為：αc=4.3652×1014U+1.2256×1015P+1.8224×1013C-2.9467×1012T+1.4704×1014(2)較優(yōu)