论文部分内容阅读
本文通过对猪场稳定塘废水进行混凝烧杯试验，得到了174组数据样本，选取温度、pH值、CODcr、总磷、浊度、无机絮凝剂投加量和有机絮凝剂投加量7个指标，建立了基于BP和RBF神经网络的出水水质指标预测模型，并对CEPT系统过程参数进行了优化。
研究表明：(1)建立基于人工神经网络的CEPT系统出水水质预测模型是有效可行的，该预测模型具有很好的学习能力和快速识别能力。网络参数优化后，基于BP和RBF神经网络的出水水质预测模型对CODcr、总磷和浊度去除率预测结果的平均相对误差均在5％左右。
(2)应用该预测模型可对CEPT系统进行优化计算，得到最佳过程参数。同时，在给定工艺处理要求的前提下，应用该预测模型可得到最合理的过程参数。此类模型的建立有助于CEPT法处理废水工艺系统实现自动化控制。