污泥膨胀是污水处理过程中经常发生的一种现象,已成为制约活性污泥工艺发展的重大难题之一。由于受进水水质、环境状况、运行条件等因素的影响,污泥膨胀动力学特性非常复杂,建模十分困难。本课题在深入分析活性污泥沉降过程动力学特性的基础上,剖析污泥膨胀的致因机理,研究污泥沉降过程变量与污泥膨胀之间的相关性,获取污泥膨胀的特征变量;对于不能在线测量的特征变量,结合主元分析等方法从相关的可测参量集中找出主元参量,建立其软测量模型。同时研究自组织递归神经网络,获取能够反映污泥沉降比(SV)、污泥体积指数(SVI)等变量的自组织特征模型,并分析自组织特征模型的精确度和稳定性。最后形成具有自主知识产权的污泥膨胀智能特征模型,解决污泥膨胀识别与预测问题。研究工作对于污水处理厂的优化设计,污水处理过程的实时控制,都具有非常重要的支撑作用。因此,本课题的研究具有较高的理论研究价值,成果具有广阔的应用前景。
英文主题词Sludge bulking;Characteristic model;Neural network;Soft measurement;Identification and prediction