,因为金属溶解发生在批操作第二阶段。当ph值低于.,表格显示,震荡期过后,为厌氧污泥提前小时预测ph值会非常高,并且通常误差都会低于..,相似预测手法也会用到厌氧消化和难消化污泥过程中。用于金属浓度预测神经网络系统在生物滤除操作过程中,神经网络系统被应用于对液体中镉,铬,铜,镍,铅,锌等六种重金属浓度预测。在微生物滤除操作期间,金属溶解实验数据百分比在表格--中显示,表明所有每一种金属初始百分比在滤除过程中决定金属溶解到怎样一个程度起着非常重要角色。表格显示神经网络系统,包含个输入变量,媒介ph值,污泥中每种金属初始存在,在滤除过程中包含每种金属六个输出变量。这三种污泥(难消化,厌氧消化,或者厌氧消化污泥)在神经网络系统构架中依次公用着相同模板。用于构建模型数据来源于对种不同污泥实验观察。对于每一种生物滤除操作,套时间间隔为小时系列数据被记录下来。Consequently,总共,种数据被收,安大略湖,特拉华和马里兰种水处理植物获得,生物滤除程序中一套完整数据设备,包括实验室分析和一项详细根据实验描述在别地方被报道。为了模拟简单,用于这项工作污泥抽样被分为三个范畴组:难消化,厌氧消化,厌氧消化污泥。对于每一种持续个小时生物滤除操作,套时间系列实验数据被记录和污泥ph值以及镉,铬,铝和锌,铜,铅浓度被用于模型建立。便于联机改进型卡尔曼过滤器pH预测尽管中介ph值很容易在线测量,由于它随机自然属性,在几小时前精确地预言这参数一数字未来价值,来满足操作目是困难。实验数据分析表明,生物滤除操作中金属溶解度对ph是非常敏感。在操作过程中,对中介ph值较高精度预测,变得很必要。换句话说,生物滤除过程中不确定性应该被消除。实验证据(布莱斯,;斯里克斯曼)显示中介里ph值决定于细菌产生HSO速率,依次是,污泥种类,污泥颗粒浓度,污泥中每种细菌初始浓度,操作发生温度。很明显,污泥质量和生物滤除操作条件在每一个生物滤除实例中是不能被保持一成不变。事实上,这一个操作和另一个操作时不同,有时,这种不同还很有意义。表格展示了媒介在难消化,厌氧消化,厌氧消化污泥过程中一些典型ph变化走势。为了减小随机误差对系统模型建立和测量影响,从而使在线测量成功,一个随机模型被首次建立起来。借助这个模型,一个改进型卡尔曼过滤器被发明出来。生物滤除过程中唯一收集到信息是媒介一系列不连续ph测量值。不连续模型方程式被斯里克里斯曼()为生物滤除技术积极地描述出来,它涉及软酸性细菌(N)和酸性细菌(N)。生物滤除随机模型方程式涉及弱酸性细菌(N),它发生在操作第一阶段,如下:N,T+=f,T(N,T,ST,pHT)+w,T()S,T+=f,T(N,T,ST,pHT)+w,T()PhT+=f,T(N,T,ST,pH)+w,T()生物滤除随机模型方程式涉及弱酸性细菌(N),它发生在操作第二阶段,如下:N,T+=f,T(N,T,ST,pHT)+w,T()ST+=f,T(N,T,ST,pHT)+w,T()PhT+=f,T(N,T,ST,pH)+w,T()N+N=弱酸类加上酸类浓度(CFU/mL),细菌生长和硫酸浓度详细情况见附录一。pHm,T=pHT+vT()pHT+=f,T(N,T,ST,pHT)+K,T(pHm,T—pHT)()pHT+=f,T(N,T,ST,pHT)+K,T(pHm,T—pHT)()神经网络技术操作策略中关键步骤是开发一种在线系统来预测金属溶解度数量,更简单策略那六种主要重金属。伴随着一定程度上非线性和本身固有复杂性,浸出液浓度和生物滤除操作条件(媒介ph值污泥中六种重金属初始浓度,等等)之间关系是复杂。因此它是困难,如果有可能,利用传统回归方法可以构造一个可行模型。然而,神经网络技术,提供了一种很有特色方法来弄清非线性间复杂关系,而不用非得掌握模型构造知识。所以,它是非常适合解决这些特别模型问题。人造神经网络,作为一种智能计算系统,是一种相当新技术。它在发达国家被用于动态模型,程序预测,以及化学过程控制(斯堡尔特;奇卡;泰尔基)。一个单独神经网络,如表格中显示,对于单个任务是很有用。然而,为了执行前面提到任务,最好用一个更复杂网络。解决范围从两种或现有网络更多混合到固有网络系统(马恩)。在这项工作中,六种单一网络被设计出来,用来预测六种重金属浓度。由于这些网络依靠相同指令工作,所以后来,它们就被组织到一块从而形成了一套网络系统。这些单一网络是用基础程序原理和它们被联系到一起方式定义(汉特)。几种可能网络配置,一种对控制作用有重要意义多层次正反馈网络,被应用于这项工作。具有反曲作用神经节点被应用于这项研究;这些节点和真神经节点有着惊人相似。向后传播算法(罗梅哈特与莫克丽莲;荣娃拉和丹菲尔),训练神经网络最常用方法,被采用到这里来指导网络系统产生典型复杂输入模式。结果和评论在线预测媒介ph值在线对ph值多级预测是通过EKF按照公式()—()描述进行。方程参量是a=-.,b=.,c=.,d=.,k=.,μ(h-)=..a=-.,b=..C=,.,d=-.,k=.,andμ(h-)=..它们包括了滤除程序(斯在里克里斯曼)变量。对ph值预测按生物滤除程序提前预定好--小时执行。线预测所需要信息只有媒介ph值,只是相当容易测量。出于实际缘故,诸如细菌浓度,硫化物浓度,还有他们初始浓度等信息被假定并不是很精确。取样间隔被定为.小时。当pH价值比.高时,在三种情况所有初始时期期间,一振荡就会发现。这现象主要产生于由造成初始系统噪音,它包括定义不确切地细菌和硫酸盐浓度初始价值。然而,它对这特殊研究不造成任何实际问题,因为金属溶解发生在批操作第二阶段。当ph值低于.,表格显示,震荡期过后,为厌氧污泥提前小时预测ph值会非常高,并且通常误差都会低于..,相似预测手法也会用到厌氧消化和难消化污泥过程中。用于金属浓度预测神经网络系统在生物滤除操作过程中,神经网络系统被应用于对液体中镉,铬,铜,镍,铅,锌等六种重金属浓度预测。在微生物滤除操作期间,金属溶解实验数据百分比在表格--中显示,表明所有每一种金属初始百分比在滤除过程中决定金属溶解到怎样一个程度起着非常重要角色。表格显示神经网络系统,包含个输入变量,媒介ph值,污泥中每种金属初始存在,在滤除过程中包含每种金属六个输出变量。这三种污泥(难消化,厌氧消化,或者厌氧消化污泥)在神经网络系统构架中依次公用着相同模板。用于构建模型数据来源于对种不同污泥实验观察。对于每一种生物滤除操作,套时间间隔为小时系列数据被记录下来。Consequently,总共,种数据被收+b*ln(ph)N,τ]﹜=f,τ(N,τ,Sτ,pHτ)()操作第二部ph低于.时占统治地位酸性细菌情况。N,τ+=N,τ+∫ττ+μ*[a+b*ln(ph)N,τ]dτ≈N,τ+ΔTμ*[a+b*ln(ph)]N,τ=f,τ(N,τ,Sτ,pHτ)()S,τ+=S,τ+∫ττ+kμ*[a+b*ln(ph)N,τ]dτ≈S,τ+ΔTkμ*[a+b*ln(ph)]N,τ=f,τ(N,τ,Sτ,pHτ)()pHτ+=pHτ+∫ττ+﹛/[c(.-ph)+d]k*μ*[a+b*ln(ph)]﹜/dτ≈pHτ—ΔT﹛/[c(.-ph)+d]k*μ*[a+b*ln(ph)N,τ]﹜=f,τ(N,τ,Sτ,pHτ)()在这里ΔT是一个固定取样间隔。附录Ⅱ.参考文献布莱斯,J.F.(),“市政工程,微生物方向。”因瑟奥,加拿大魁北克大学。布莱斯,J.F.奥克莱尔,J,C.泰尔基,R,D.(年)“使金属从污泥中除去两种硫化细菌合作关系。”肯J.微生物学(),——.布莱斯,J,C.泰尔基,J.F.奥克莱尔,“污泥中硫化菌滤除金属”J,恩格.奇诺ASCE,(),——.奇诺,S.P.()“神经网系统在化学工程中应用”埃斯普特,——.柯腊达,D.与梅西尔,G.()“污泥除去金属(在CSTR和空气反应器中)停留时间选择,”沃特,里斯。(),——.柯腊达,D.与朱.S()“细菌除金属在农业上应用”水污染与空气污染,(——),——.古德温.G.C.和辛K.S.()“合适过滤语言与控制”普林特斯.霍.恩格伍德.克里夫.N.J.李普曼.R.P()"神经网输出介绍"IEEEASSP马格.(),——.马恩.A.J.()“复杂网络”计算机应用手册,马恩.A.J.C.T.哈斯特纳。荣娃拉,S.S和丹菲尔,D.A()运用神经网计算能力来学校工程操作()——.罗曼哈特,D.和马克莲,J.()。“动力和控制程序”,MIT压力,卡里布里奇,马斯。希伯特,D,E.艾达,T,E.和马里长普,D.A()“平行传递程序”,约翰怀里。斯里克里斯曼,T,R.泰尔基R,D.布莱斯,J.F.,康柏,P.G.C.()“生物滤除金属Ⅰ:程序参数有效。”怀特里斯,(),——.保尔特,J.布里斯金,V.V.和成里,A.()“利用神经网系统对发酵细菌进行在线预测”生物技术,(),——.泰尔基,R.D.和柯腊达,D.()。“环境控制百科全书”VOL,,P.E.车里迷离洛夫,加夫出版社,N.J.——.泰尔基,R.D,Y.G杜,T.R斯里克里斯曼,和威廉姆,J.P.():“活性污泥神经网系统操作模型”(),——.泰尔基,R.D,T.R斯里克里斯曼,康柏,P.G.C.和布莱斯,J.F.(),“生物滤除金属Ⅱ:数学模型”,怀特里斯,(),——.附录Ⅲ.注释下面符号会在该篇文章中用到:a,a,b,b,c,c,d,d=附录一里面常数。Cd=污泥中金属镉,mg/L;Cd=污泥中金属镉初始量,mg/L;Cr=污泥中金属铬,mg/L;Cr=污泥中金属铬初始量,mg/L;Cu=污泥中金属铜,mg/L;Cu=污泥中金属铜初始量,mg/L;Errl(金属)=预测误差,mg/L;Kij,τ=卡尔曼滤器增量(极小值)K,k=模型参数。M(最小)=金属被要求溶解最低水平。M(recom)=金属分解最大允许值M(τ)=τ时刻金属估计溶解度M(τ+N)=τ+N时刻金属估计溶解度M'*(τ+N)=τ+N时刻金属估计溶解度修正值M()=τ初始时刻金属浓度N=弱酸菌浓度,.*CFU/mLN=强酸菌浓度,*CFU/mLNi=污泥中金属镍,mg/L;Ni=污泥中金属镍初始量,mg/L;网=预测镉单个神经网网=预测铬单个神经网网=预测铜单个神经网网=预测镍单个神经网网=预测铅单个神经网网=预测锌单个神经网Pb=污泥中金属铅,mg/L;Pb=污泥中金属铅初始量,mg/LpHm,τ=τ时刻ph测量值S=标准误差Vτ=零意思,怀特高斯关于()中噪音观察序列Wij,τ=零意思,怀特高斯关于()——()中噪音观察序列Wi,j,k=公式()中神经网系统第(k-)层第j个节点与第k层第i个节点之间重量Zn=污泥中金属锌,mg/L;Zn=污泥中金属锌初始量,mg/L;ΔT=固定取样间隔μ*=ph值为.时弱酸菌种最大生长速率Μ*=ph值为.时强酸菌种最大生长速率μ=弱酸菌种生长速率Μ=强酸菌种生长速率τ=具有固定取样间隔取样时间文章版权归环境工程日报所有,它是美国土木工程师组织财产。文章内容不能被抄袭到大量别站点或者被邮寄到没有版权电子邮件管理程序中。当然,用户可以打印或者发邮件作为私人使用。,安大略湖,特拉华和马里兰种水处理植物获得,生物滤除程序中一套完整数据设备,包括实验室分析和一项详细根据实验描述在别地方被报道。为了模拟简单,用于这项工作污泥抽样被分为三个范畴组:难消化,厌氧消化,厌氧消化污泥。对于每一种持续个小时生物滤除操作,套时间系列实验数据被记录和污泥ph值以及镉,铬,铝和锌,铜,铅浓度被用于模型建立。便于联机改进型卡尔曼过滤器pH预测尽管中介ph值很容易在线测量,由于它随机自然属性,在几小时前精确地预言这参数一数字未来价值,来满足操作目是困难。实验数据分析表明,生物滤除操作中金属溶解度对ph是非常敏感。在操作过程中,对中介ph值较高精度预测,变得很必要。换句话说,生物滤除过程中不确定性应该被消除。实验证据(布莱斯,;斯里克斯曼)显示中介里ph值决定于细菌产生HSO速率,依次是,污泥种类,污泥颗粒浓度,污泥中每种细菌初始浓度,操作发生温度。很明显,污泥质量和生物滤除利用pH测量值对金属进行生物滤除操作方法作者:Y.G杜,R.D泰尔基,T.R斯里克里斯曼摘要:一种高级操作方法在微生物过滤过程中发展起来,在最佳时刻终止舱口操作,利用氧化硫去除污泥中重金属。在滤除操作中,由于在线测量可溶解金属浓度存在实际困难,现行方法是在反应系统对pH值测量。为了监控金属溶解,与弱酸性细菌和酸性细菌一致,生物滤除程序模型被开发出来。一种高级在线预测系统随后应用于实施,它是利用卡尔门过滤技术拓展,以及基于实验室中为了预测生物滤除系统中液体阶段六种重金属浓度而大量实验观察神经网状模型,最后,一个说明它应用研究实例被提出。介绍在污水处理过程中,废水中重金属在污泥中得到浓缩。在这些污泥在土地里被分解之前,污泥中重金属含量被减少到一个合理水平(弗莱斯,)。重金属从污泥中去除,可以通过加酸,也可以通过微生物滤去。在生物滤出程序研究中,它是将特有氧化硫细菌应用于污泥中(布莱斯,)。在最近几十年,大量研究直接朝向已被用于对去除重金属微生物滤出方法(科尔达和朱;泰尔基和科尔达;科尔达和莫塞尔)。一些研究(泰尔基;斯里克斯曼)有在数学模拟和仿真上使用氧化硫细菌滤除程序被实施。然而,很少在高级监视器上已被报告对这种过程理想控制。这个问题当前状态远低于令人满意水平。这种重金属生物滤除程序通常是在反应堆中进行。它要求在污泥中重金属减少到合理水平时停止批量操作。然而,由于在线对金属浓度测量措施有关实际困难,批量操作会直到它自然终止。而保持运行时间pH媒介将落下到其最低水平(大约是.)同时,活性微生物将很少。根据我们实验室工作,其中六种常遇到有毒重金属,即镉,铬,铝和锌,铜,铅被监控,这种程序要自然结束需要个小时(表格---),尽管它能依污泥大大缩短时间。在实践中,污泥中重金属往往被过度降解,就是说,在生物滤除后,污泥中浓缩重金属远远低于标准水平。当这种情况发生时,往往是因为pH低于.,并且有机营养物被分解了。这种固定时间操作并不是符合要求,因为过度滤除重金属是完全没有必要,这样只会浪费能量和时间,还有就是分解了污泥中有机物。众所周知,系列操作要求达到必须重金属水平主要决定于下面几个因素:()污水污泥中重金属总量;()操作中生物滤除效率(取决于污泥颗粒浓度,污泥种类,等等);还有()标准或者发布为了安全处理允许金属量。因此,要求批操作时间是污泥性质一种功能,同时,滤去效率并且趋向于从情况到变化情况。明显,对于重金属最初在污泥中比较低情况,批操作时间实际上要求必须比小时短。为了在最好状态终止批滤除操作,当所有重金属达到必要溶解要求,在生物滤除期间规律地监控金属浓度是必要。现在,金属集中测量不能被考虑是为了监控任务,因为适当实验仪器直接测量重金属溶解不是可供使用。实验室分析是时间消耗,它通常花费几小时并且代价也比较昂贵。对金属溶解度频繁实验室分析是不可取,至少现阶段是不现实。实验证据显示,在批微生物滤去操作期间,金属溶解度程度取决于污泥种类(难消化,厌氧消化,或者厌氧消化污泥),污泥中金属初始含量,污泥pH值,pH值是操作过程中最重要参数(斯里克里斯曼,)。所以,从工程学角度来看,生物滤除程序由两部分组成:()细菌在生长过程中产生酸,使pH值变得越来越低;()污泥中低ph使金属得到溶解。这就说明,ph值就是这个操作过程中最重要因素。其他因素诸如污泥种类(难消化,厌氧消化,或者厌氧消化污泥)和污泥中金属初始浓度也影响金属溶解度(斯里克里斯曼,)。最终ph值给了不同污泥期望值。由于缺少对生物滤除程序机理足够认识,所以想要得到关于各种因素准确方程式一般是很难。因此,在这项研究中,我们依靠在实践活动中不断观察,神经网络应用是由于它对数据独特处理能力和预测能力,从而利用ph值和其他相关因素对金属溶解度及时预测来替代离线分析工作。由于对污泥特性认知不同程度,污泥中初始金属浓度变更,操作条件如操作温度变更,使得生物滤除程序有随时间变动自然属性。当一个开环网络系统在执行过程中,对金属浓度一定程度上预测误差(现阶段案例中小于)是不可避免。批操作终止过程中,由于消极预测误差存在,如果这个决定做更谨慎些,基于开环网络系统预测单个操作可能会被采纳。为了使工作更有效,精确,当然,预测误差必须被减少或者纠正,预测误差只有在如下情况下才是有价值,测量值和预测值确实是存在不同。结果,金属浓度需要离线测量,但在整个操作过程中只有一次。为了说明实验结果所需要时间段内,几小时内,需要事先预测金属浓度。结果,借助于卡尔曼过滤技术拓展,一个合适在线预测系统被开发出来,用于在提前小时预测ph值。借助于一个神经系统模型,相应金属浓度随后被预测出来。随着这些动态预测可行性,为了弥补预测误差,在这项研究中,一种高级操作方法最终被发明出来。该程序在这项研究中应用只是实例研究中一个小插曲。表格.生物滤除期间难消化污泥中金属溶解度平均值和标准误差百分数材料与方法生物滤除实验基于一种新技术应用,将氧化硫细菌与固有细菌联合起来,微生物滤去操作在一个舱门中被实行(布莱斯)。这个程序中有两种明显氧化硫细菌:弱酸性菌种在ph值高于.(极限范围从.到.)时占主要地位,而酸性菌种在ph值低于.(极限值为.到.)时占主要地位。这些菌种通过氧化大自然中硫化物来产生硫酸,从而使媒介ph值变低,金属溶解就发生在这个阶段。二十二种污泥被从加拿大魁北克,安大略湖,特拉华和马里兰种水处理植物获得,生物滤除程序中一套完整数据设备,包括实验室分析和一项详细根据实验描述在别地方被报道。为了模拟简单,用于这项工作污泥抽样被分为三个范畴组:难消化,厌氧消化,厌氧消化污泥。对于每一种持续个小时生物滤除操作,套时间系列实验数据被记录和污泥ph值以及镉,铬,铝和锌,铜,铅浓度被用于模型建立。便于联机改进型卡尔曼过滤器pH预测尽管中介ph值很容易在线测量,由于它随机自然属性,在几小时前精确地预言这参数一数字未来价值,来满足操作目是困难。实验数据分析表明,生物滤除操作中金属溶解度对ph是非常敏感。在操作过程中,对中介ph值较高精度预测,变得很必要。换句话说,生物滤除过程中不确定性应该被消除。实验证据(布莱斯,;斯里克斯曼)显示中介里ph值决定于细菌产生HSO速率,依次是,污泥种类,污泥颗粒浓度,污泥中每种细菌初始浓度,操作发生温度。很明显,污泥质量和生物滤除操作条件在每一个生物滤除实例中是不能被保持一成不变。事实上,这一个操作和另一个操作时不同,有时,这种不同还很有意义。表格展示了媒介在难消化,厌氧消化,厌氧消化污泥过程中一些典型ph变化走势。为了减小随机误差对系统模型建立和测量影响,从而使在线测量成功,一个随机模型被首次建立起来。借助这个模型,一个改进型卡尔曼过滤器被发明出来。生物滤除过程中唯一收集到信息是媒介一系列不连续ph测量值。不连续模型方程式被斯里克里斯曼()为生物滤除技术积极地描述出来,它涉及软酸性细菌(N)和酸性细菌(N)。生物滤除随机模型方程式涉及弱酸性细菌(N),它发生在操作第一阶段,如下:N,T+=f,T(N,T,ST,pHT)+w,T()S,T+=f,T(N,T,ST,pHT)+w,T()PhT+=f,T(N,T,ST,pH)+w,T()生物滤除随机模型方程式涉及弱酸性细菌(N),它发生在操作第二阶段,如下:N,T+=f,T(N,T,ST,pHT)+w,T()ST+=f,T(N,T,ST,pHT)+w,T()PhT+=f,T(N,T,ST,pH)+w,T()N+N=弱酸类加上酸类浓度(CFU/mL),细菌生长和硫酸浓度详细情况见附录一。pHm,T=pHT+vT()pHT+=f,T(N,T,ST,pHT)+K,T(pHm,T—pHT)()pHT+=f,T(N,T,ST,pHT)+K,T(pHm,T—pHT)()神经网络技术操作策略中关键步骤是开发一种在线系统来预测金属溶解度数量,更简单策略那六种主要重金属。伴随着一定程度上非线性和本身固有复杂性,浸出液浓度和生物滤除操作条件(媒介ph值污泥中六种重金属初始浓度,等等)之间关系是复杂。因此它是困难,如果有可能,利用传统回归方法可以构造一个可行模型。然而,神经网络技术,提供了一种很有特色方法来弄清非线性间复杂关系,而不用非得掌握模型构造知识。所以,它是非常适合解决这些特别模型问题。人造神经网络,作为一种智能计算系统,是一种相当新技术。它在发达国家被用于动态模型,程序预测,以及化学过程控制(斯堡尔特;奇卡;泰尔基)。一个单独神经网络,如表格中显示,对于单个任务是很有用。然而,为了执行前面提到任务,最好用一个更复杂网络。解决范围从两种或现有网络更多混合到固有网络系统(马恩)。在这项工作中,六种单一网络被设计出来,用来预测六种重金属浓度。由于这些网络依靠相同指令工作,所以后来,它们就被组织到一块从而形成了一套网络系统。这些单一网络是用基础程序原理和它们被联系到一起方式定义(汉特)。几种可能网络配置,一种对控制作用有重要意义多层次正反馈网络,被应用于这项工作。具有反曲作用神经节点被应用于这项研究;这些节点和真神经节点有着惊人相似。向后传播算法(罗梅哈特与莫克丽莲;荣娃拉和丹菲尔),训练神经网络最常用方法,被采用到这里来指导网络系统产生典型复杂输入模式。结果和评论在线 1利用pH测量值对金属进行生物滤除的操作方法作者:Y.G杜1,R.D泰尔基2,T.R斯里克里斯曼3摘要:一种高级的操作的方法在微生物的过滤过程中发展起来,在最佳时刻终止舱口操作,利用氧化硫去除污泥中的重金属。
在滤除操作中,由于在线测量可溶解金属浓度存在实际的困难,现行的方法是在反应系统对pH值的测量。
为了监控金属溶解,与弱酸性细菌和酸性细菌一致的,生物滤除程序模型被开发出来。
一