《表2 不同人工智方法在污水优化控制中的应用》
相对于污水污染物去除过程的建模与优化,污水处理过程的优化控制对解决长江流域水污染的多源不确定问题具有更好的效果[7].采用自动控制技术对污水处理过程进行优化控制存在效率低且耗能高的问题[17],将具有自学习和自适应能力的人工智能技术与自动控制技术相结合,能够实现水污染高效治理的同时降低耗能效果.如表2所示,WEN等[33]利用RBFNN和MLPNN建立实时DO智能控制系统,通过获取系统DO最优输入值来保证出水水质的稳定合格.DING等[34]考虑到微生物活性的影响,选取水力停留时间、曝气总时间以及NH4+-N、TP、CODCr的去除率作为控制因素,通过MLPNN优化传统序批式生物膜反应器(SBBR)的曝气过程,有效减少了总曝气时间和水力停留时间,显著提高了CODCr的去除率.Foscoliano等[35]通过对生物反应器中含氮化合物的有效控制,利用递归神经网络模型(RNN)捕捉污染物的输入输出行为,有效地降低了NH4+-N、NO3--N等污染物的排放及能源的消耗.Jaramillo等[25]利用SVM分类器有效地降低了硝酸盐化合物去除过程中好氧的总时长(减少了9.54 d).
图表编号 | XD00159640800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 姚继平、郝芳华、王国强、程红光、薛宝林、鱼京善 |
绘制单位 | 北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室、北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室、北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室、北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室、北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室、北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |