隨機模型預測UASB反應器對奶牛養殖廢水處理效果

張 迪，郭 婷，鄭 萍，姜佰文

隨機模型預測UASB反應器對奶牛養殖廢水處理效果

張 迪1，郭 婷1，鄭 萍2，姜佰文1

（1.東北農業大學資源與環境學院，哈爾濱 150030;2.東北農業大學電氣與信息化學院，哈爾濱 150030）

為實現UASB反應器運行人工智能控制，采用三層BP神經網絡（Back Propagation Artificial Neural Network，BP-ANN）預測升流厭氧反應器處理奶牛養殖廢水COD去除效果。運用BP神經網絡構建出水與進水COD濃度、水力停留時間、pH、溫度、堿度、揮發性有機酸、有機負載率和懸浮固體之間非線性模型，比較不同算法。Levenberg-Marquardt算法為BP神經網絡最佳算法，最佳結構為8-8-1，模擬訓練效果較好。BP神經網絡預測值與真實值接近，一致性較高，模型擬合程度較好。利用線性-非線性模型評價不同輸入參數對廢水COD去除率影響，比較BP-ANN與線性-非線性模型預測效果，為奶牛養殖廢水處理智能化管理提供技術支持。

人工神經網絡；UASB反應器；COD去除率；Levenberg-Marquardt算法；奶牛養殖廢水

目前畜禽養殖廢水已成為農村面源污染主要來源之一[1]，該類廢水一般經固液分離，進入厭氧處理工藝單元-缺氧處理-好氧處理-沉淀池后排出中水供農牧業回用[2-3]。隨著《中華人民共和國水污染防治法》及畜禽養殖業污染物排放標準修訂，奶牛養殖廢水排放要求日益嚴格，養殖企業急需解決廢水達標排放問題。廢水處理系統具有復雜性、非線性、時變性、不確定性和滯后性等特點，難以有效控制全部處理過程。常規數學模型法無法獲得精確數學模型[4-5]。人工神經網絡預測方法具有自學習、自適應和自組織功能，適合復雜非線性系統建模和控制[6]，已成為廢水處理過程控制研究熱點。……