粒子群算法在mbr智能仿真系统中应用的论文的研究

《粒子群算法在mbr智能仿真系统中应用的论文的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要膜生物反应器(MeInb舢eBio懈地tIDr，简称MBR)，是将膜分离技术与生物技术相结合的一项技术，并被广泛应用到污水处理领域中。作为当今污水处理的新工艺，它具有结构紧凑、管理方便、污水处理效率高、剩余污泥产量少和应用范围广等传统工艺不可比拟的优点，但由于其自身试验周期长、费用高、设备密封不可见等缺陷，这使得对MBR的应用研究存在诸多不便。因此，通过建模仿真来模拟MBR系统已成为目前污水处理领域中的重要手段之一。本文首先介绍了膜生物反应器的原理和分类，并对当前膜生物反应器的发展状况和市场前景等做了详细的分析；其次分析了膜污染的机理

2、、膜污染模型以及MBR微生物动力学模型；通过对膜生物反应器系统中化学需氧量、总氮和总磷去除机理的分析，提出了一个有效地MBR数学模型，并通过仿真工具从统计数字层面上对三者进行了建模回归实验，实验结果证明此模型的误差虽然在可接受范围内，但还有进一步改进的空间。通过对支持向量机算法的结构和特性的深入研究，支持向量机自身良好的性能十分适合MBR系统的建模。因此，本文在深入分析了MBR处理工业废水过程中的多种因素的基础上，利用LmSvlⅥ工具选用了妞F类型的支持向量回归机，并设置了其中相关的参数，从已有的训练数据中提取到相应的特征向量，获得了最终

3、的回归模型。该模型综合考虑了影响MBR系统性能的多种因素，并通过交叉验证最终选取出了适合本文模型的参数值。在此参数值下，该模型能达到最佳性能。利用已有的测试数据对该模型进行验证，最终得到的实验结果表明我们的模型回归分类的准确度在82％左右，而在参数预测方面，对化学需氧量(COD)的预测误差能够稳定地保持在0．65％到5．78％之间。与未优化之前的模型的拟合结果相比，我们提出的模型取得了较好的实验效果，在准确度、误差等方面都有了显著的改善。本文所设计的模型并不完善，还有待改进，但可以对未来的MBR模型的专家系统的构建具有一定的指导意义。关键

4、词-膜生物反应器；支持向量机；SvM回归建模；污水处理AbstractMemb舢eBio鼻∞ctor'shortf．0rMB凡whichcombin懿memb舢es印啪tiontecllnologyw油biotechnology，is柚eme画ngtechn0109ythath嬲beingwidelyappliedinmefieldofw弱tewat盯仃．eatm锄t．Asoneoftod叫slatcstsewage仃catmentprocess，ith嬲lotSofadv粕tages0v盯也e伽lditio舱l，叭ch鹪∞mpact，e

5、asym弛agement，highe瓶ci朗cy，lowsludgeproducti∞锄dwidemgeofapplication，etc．．However，therea佗m锄yi∞onveni即cesduet0itS10ngtestperiod'highcostofcquipment，sealed锄dinvisible．Th懈，bymodeling锄dsimulationt0simulate也eMBRw嬲tewater臼汜a仃nentsystemh勰become觚曲portant∞cesst0thesewage缸lea恤entfield

6、．Firsny'wein臼删如ce也eprincipleofm锄b啪ebiore∞tor'itScl嬲sificalion锄dmakcadetailed锄alysisofitsc哪咖tdevelopment锄dm打ketprospects．Th朗，aR盯elabomting也emech龃ismofMBR锄d也emi喇bial“n嘶cmodel，wepropo∞锄e佑ci锄tMBRmath锄aticalmodelb锻ed∞thech锄ical0xygendem锄也totalni仃ogen锄dtotalphosphon塔舢0Valmech觚i

7、sm锄alysis劬m也es协tisticsleVel，ofwhich也e坞sultproves也atalthoughthe锄roft11ismodelwimin锄∽c印诅blemge，ttle陀is缸胁err00mf．0rimprovcment．Wemade觚in．d印thstudy∞thesupponVectorm∞hinea190rimms仇lctu坞粕ditsch啦cteristics，whichisve眄叭ital'lef．0rmeirown900dMBRsystemperfom姗cemodeling．Tlheref0他，wec

8、h00seRBFt)rpeofsupportvectorregressi∞锄dtllerelatIedp舢ete娼，％仃粥tthecon．cspondingeig即Vect0璐by髑ingUB