本文選題：短程生物脫氮 + 氨氮　； 參考：《光譜學(xué)與光譜分析》2016年10期

【摘要】：為實(shí)現(xiàn)高效短程生物脫氮及氨氮和亞硝酸鹽氮的快速檢測(cè),采用主成分分析結(jié)合BP神經(jīng)網(wǎng)絡(luò)的方法建立短程生物脫氮工藝中氨氮和亞硝酸鹽氮的近紅外光譜定量分析模型(BP神經(jīng)網(wǎng)絡(luò)模型)。工藝運(yùn)行結(jié)果表明:原水經(jīng)過好氧階段氨氮從45.3mg·L-1下降到2.7mg·L-1,亞硝酸鹽氮從0.01mg·L-1上升到19.6mg·L-1,硝酸鹽氮受到抑制;在缺氧段亞硝酸鹽氮從19.6mg·L-1下降至1.2mg·L-1,系統(tǒng)實(shí)現(xiàn)了良好的短程生物脫氮效果。水樣原始光譜主成分分析表明:前13個(gè)主成分代表了原始光譜數(shù)據(jù)的信息,其累計(jì)貢獻(xiàn)率達(dá)到95.04%,排除了冗余信息且大大降低了模型的維數(shù),光譜數(shù)據(jù)矩陣從192×2 203減少到192×13,大大降低了運(yùn)算量并提高了模型的精度。BP神經(jīng)網(wǎng)絡(luò)模型校正結(jié)果顯示:BP神經(jīng)網(wǎng)絡(luò)模型對(duì)氨氮、亞硝酸鹽氮校正時(shí)的決定系數(shù)(R2)分別達(dá)到0.950 4和0.976 2,校正均方根誤差(RMSECV)分別為0.016 6和0.010 9。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果顯示:BP神經(jīng)網(wǎng)絡(luò)模型對(duì)氨氮、亞硝酸鹽氮預(yù)測(cè)輸出與期望輸出之間的決定系數(shù)(R2)分別為0.974 0和0.981 4,預(yù)測(cè)均方根誤差(RMSEP)分別為0.033 7和0.028 7,模型預(yù)測(cè)效果良好。研究表明,BP神經(jīng)網(wǎng)絡(luò)模型可以通過快速測(cè)定水樣的近紅外光譜數(shù)據(jù)預(yù)測(cè)短程生物脫氮工藝中氨氮和亞硝酸鹽氮濃度,并根據(jù)氨氮和亞硝酸鹽氮濃度變化及時(shí)、靈活地控制工藝的運(yùn)行,為生物脫氮提供快速有效的檢測(cè)技術(shù)和科學(xué)依據(jù)。
[Abstract]:In order to achieve high efficient short-range biological denitrification and rapid detection of ammonia nitrogen and nitrite nitrogen,The method of principal component analysis (PCA) combined with BP neural network (BP neural network) was used to establish the quantitative analysis model of ammonia nitrogen and nitrite nitrogen in short-range biological denitrification process and the BP neural network model.The results showed that ammonia nitrogen decreased from 45.3mg L-1 to 2.7mg L 1, nitrite nitrogen increased from 0.01mg L -1 to 19.6mg L -1, nitrate nitrogen decreased from 19.6mg L -1 to 1.2mg L 1 in anoxic stage, and short range biological denitrification was achieved.The original spectral principal component analysis of water samples shows that the first 13 principal components represent the information of the original spectral data, and their cumulative contribution rate reaches 95.044.The redundant information is eliminated and the dimension of the model is greatly reduced.The spectral data matrix is reduced from 192 脳 2 203 to 192 脳 13, which greatly reduces the computational complexity and improves the accuracy of the model.The determination coefficient (R2) of nitrite nitrogen correction was 0.950 4 and 0.976 2, respectively, and the corrected root mean square error (RMSECV) was 0.016 6 and 0.010 9.BP respectively.The coefficient of determination (R2) between the predicted output and expected output of nitrite is 0.974 0 and 0.981 4, respectively, and the root-mean-square error (RMS EPV) of prediction is 0.033 7 and 0.028 7, respectively.The results show that the BP neural network model can predict the concentration of ammonia nitrogen and nitrite nitrogen in short range biological denitrification process by fast determination of near infrared spectrum data of water samples, and change in time according to the concentration of ammonia nitrogen and nitrite nitrogen.Flexible control of the operation of the process provides rapid and effective detection technology and scientific basis for biological denitrification.
【作者單位】： 安徽建筑大學(xué)環(huán)境與能源工程學(xué)院;安徽建筑大學(xué)水污染控制與廢水資源化安徽省重點(diǎn)實(shí)驗(yàn)室;
【基金】：Major Science and Technology Program for Water Pollution Control and Treatment of China(2014ZX 07303-003-09,2014ZX07405-003-03) the Natural Science Project for Colleges of Anhui Province(KJ2016A817)
【分類號(hào)】：X703;O657.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張彥;;基于BP神經(jīng)網(wǎng)絡(luò)在白洋淀水質(zhì)綜合評(píng)價(jià)中的應(yīng)用[J];水科學(xué)與工程技術(shù);2014年03期

2 吳江;黃富榮;黃才歡;張軍;陳星旦;;近紅外光譜結(jié)合主成分分析和BP神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)基因大豆無損鑒別研究[J];光譜學(xué)與光譜分析;2013年06期

3 喻澤斌;施麗玲;;PCA-BP神經(jīng)網(wǎng)絡(luò)在流域水質(zhì)評(píng)價(jià)中的應(yīng)用[J];桂林理工大學(xué)學(xué)報(bào);2012年02期

4 湯守鵬;姚鑫鋒;姚霞;田永超;曹衛(wèi)星;朱艷;;基于主成分分析和小波神經(jīng)網(wǎng)絡(luò)的近紅外多組分建模研究[J];分析化學(xué);2009年10期

5 支霞輝;黃霞;李朋;薛濤;王曉慧;;污水短程脫氮工藝中亞硝酸鹽積累的影響因素[J];中國環(huán)境科學(xué);2009年05期

6 李凌云;彭永臻;楊慶;顧升波;李論;;SBR工藝短程硝化快速啟動(dòng)條件的優(yōu)化[J];中國環(huán)境科學(xué);2009年03期

7 劉宏欣;張軍;王伯光;盧鍔;;水中總氮的無損快速分析[J];光學(xué)精密工程;2009年03期

8 劉宏欣;張軍;王伯光;劉慧璇;盧鍔;;水質(zhì)監(jiān)測(cè)中總磷無損的近紅外光譜分析研究[J];分析科學(xué)學(xué)報(bào);2008年06期

9 何金成;楊祥龍;王立人;泮進(jìn)明;;基于近紅外光譜法的廢水COD、BOD_5、pH的快速測(cè)量[J];環(huán)境科學(xué)學(xué)報(bào);2007年12期

10 高榮強(qiáng),范世福;現(xiàn)代近紅外光譜分析技術(shù)的原理及應(yīng)用[J];分析儀器;2002年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃健;黃珊;張華;黃顯懷;張勇;陶勇;唐玉朝;王萌;;主成分分析結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)短程生物脫氮中氮的近紅外光譜研究（英文）[J];光譜學(xué)與光譜分析;2016年10期

2 劉文貞;陳紅巖;李孝祿;袁月峰;郭晶晶;;基于自適應(yīng)變異粒子群算法的混合核ε-SVM在混合氣體定量分析中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2016年09期

3 卞偉;李軍;趙白航;闞睿哲;張彥灼;張舒燕;王文嘯;;硝化污泥中AOB/NOB對(duì)硝化特性的影響[J];中國環(huán)境科學(xué);2016年08期

4 楊瓊;朱乾華;任鵬;龍帥;楊季冬;;不同偏最小二乘法在化學(xué)需氧量近紅外光譜特征波段選擇中的應(yīng)用[J];分析科學(xué)學(xué)報(bào);2016年04期

5 趙斌;黃廣民;王政;;利用高碘酸鈉氧化制備椰衣醛基纖維[J];天然產(chǎn)物研究與開發(fā);2016年08期

6 談愛玲;趙勇;王思遠(yuǎn);陳靜雯;;基于PSO-SVR算法的牛乳電導(dǎo)率近紅外回歸模型研究[J];燕山大學(xué)學(xué)報(bào);2016年04期

7 時(shí)偉芳;賈佳;馮鵬飛;謝宗銘;楊麗明;王建華;孫群;;春小麥種子物理指標(biāo)與種子活力關(guān)系的初步分析[J];中國農(nóng)業(yè)大學(xué)學(xué)報(bào);2016年07期

8 劉文貞;陳紅巖;袁月峰;郭晶晶;李孝祿;;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)在多組分氣體檢測(cè)中的應(yīng)用[J];傳感技術(shù)學(xué)報(bào);2016年07期

9 于慧春;彭盼盼;殷勇;;霉變玉米中玉米赤霉烯酮和黃曲霉毒素B1含量電子鼻檢測(cè)模型的構(gòu)建[J];食品科學(xué);2016年20期

10 陳國榮;;近紅外光譜技術(shù)在木材工業(yè)中的研究進(jìn)展[J];遼寧林業(yè)科技;2016年03期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅阿東;焦彥朝;曹云恒;王艷;陳霄;;轉(zhuǎn)基因大豆檢測(cè)技術(shù)研究進(jìn)展[J];南方農(nóng)業(yè)學(xué)報(bào);2012年03期

2 熊行創(chuàng);方向;歐陽證;江游;黃澤建;張玉奎;;基于人工神經(jīng)網(wǎng)絡(luò)的生物組織質(zhì)譜成像分類與識(shí)別方法[J];分析化學(xué);2012年01期

3 范媛媛;桑英軍;沈湘衡;;基于BP神經(jīng)網(wǎng)絡(luò)的圖像質(zhì)量評(píng)價(jià)參數(shù)優(yōu)化[J];應(yīng)用光學(xué);2011年06期

4 劉煒;常慶瑞;郭曼;邢東興;員永生;;夏玉米可見/近紅外光小波主成分提取與氮素含量神經(jīng)網(wǎng)絡(luò)檢測(cè)[J];紅外與毫米波學(xué)報(bào);2011年01期

5 高陳燕;;主成分分析法數(shù)學(xué)推導(dǎo)方法的研究[J];衡水學(xué)院學(xué)報(bào);2010年04期

6 葉可萍;周光宏;徐幸蓮;祝長青;;轉(zhuǎn)基因大豆不同加工過程DNA降解研究[J];食品科學(xué);2010年13期

7 劉春燕;;深圳市河流水質(zhì)評(píng)價(jià)指標(biāo)篩選方案探討[J];干旱環(huán)境監(jiān)測(cè);2010年01期

8 黃富榮;潘濤;張甘霖;潘賢章;劉登飛;;應(yīng)用近紅外漫反射光譜快速測(cè)定土壤鋅含量[J];光學(xué)精密工程;2010年03期

9 焦淑菲;相玉紅;黃安民;王戈;張卓勇;;用人工神經(jīng)網(wǎng)絡(luò)-近紅外光譜法測(cè)定毛竹中木質(zhì)素與綜纖維素的含量[J];首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

10 李亮;王雷鳴;丁武;;近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)鑒別生鮮奶和蛋白摻假奶[J];食品工業(yè);2009年06期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王建龍;生物脫氮新工藝及其技術(shù)原理[J];中國給水排水;2000年02期

2 劉秀芝,張唯,張萍;生物脫氮的工藝特點(diǎn)和發(fā)展趨勢(shì)[J];黑龍江環(huán)境通報(bào);2000年01期

3 楊麒,李小明;高效生物脫氮新技術(shù)[J];環(huán)境與開發(fā);2001年04期

4 黃君濤,鐘理,熊帆;污水生物脫氮新工藝[J];廣東化工;2004年Z1期

5 于慶滿,顏家保;生物脫氮新工藝的研究進(jìn)展[J];工業(yè)安全與環(huán)保;2005年06期

6 廖雪義;藍(lán)榮;;捷徑生物脫氮的研究進(jìn)展[J];生物學(xué)雜志;2006年04期

7 陳清后;;影響生物脫氮除磷的因素[J];污染防治技術(shù);2007年01期

8 ;同步好氧硝化反硝化生物脫氮機(jī)理及應(yīng)用研究項(xiàng)目通過鑒定[J];中國給水排水;2008年02期

9 安玉法;陶雷;柳知非;;生物脫氮在污染治理中的應(yīng)用[J];污染防治技術(shù);2008年01期

10 ;本鋼生物脫氮工程運(yùn)行穩(wěn)定[J];本鋼技術(shù);2008年02期

相關(guān)會(huì)議論文 前10條

1 廖文貴;;生物脫氮新技術(shù)[A];中國水污染防治技術(shù)裝備論文集（第八期）[C];2002年

2 單明軍;呂艷麗;王旭;崔利平;;節(jié)能型生物脫氮新技術(shù)處理焦化污水的工業(yè)應(yīng)用研究[A];第三屆全國冶金節(jié)水、污水處理技術(shù)研討會(huì)暨萊鋼現(xiàn)場(chǎng)節(jié)水經(jīng)驗(yàn)交流會(huì)文集[C];2007年

3 李樹剛;馬光庭;;生物脫氮菌種篩選及條件選擇的研究[A];廣西微生物學(xué)會(huì)2003年學(xué)術(shù)年會(huì)論文集[C];2003年

4 馬俊科;劉春;楊景亮;;污水生物脫氮新技術(shù)概述[A];中國環(huán)境科學(xué)學(xué)會(huì)2009年學(xué)術(shù)年會(huì)論文集（第二卷）[C];2009年

5 趙秀成;;生物脫氮研究及在處理焦化廢水中的應(yīng)用[A];2007中國鋼鐵年會(huì)論文集[C];2007年

6 劉民;翟瑞津;張純龍;;A~2/O生物脫氮系統(tǒng)開工投產(chǎn)經(jīng)驗(yàn)[A];蘇魯皖贛四省金屬學(xué)會(huì)第十三屆焦化聯(lián)合學(xué)術(shù)年會(huì)論文集[C];2005年

7 甘樹應(yīng);楊青;陳季華;劉振鴻;;前置生物脫氮法處理有機(jī)廢水的工程設(shè)計(jì)[A];’2001全國工業(yè)用水與廢水處理技術(shù)交流會(huì)論文集暨水處理技術(shù)匯編[C];2001年

8 周開錫;;幾種污水生物脫氮除磷的工藝比較[A];四川省水污染控制工程學(xué)術(shù)交流會(huì)論文集[C];2009年

9 廖增雋;謝廣云;;A-O法生物脫氮處理焦化廢水工藝的改進(jìn)[A];2007中國鋼鐵年會(huì)論文集[C];2007年

10 徐紅;翟瑞津;劉民;王耀臣;;萊鋼焦化廠1~#生物脫氮系統(tǒng)優(yōu)化實(shí)踐[A];2011年全國冶金安全環(huán)保學(xué)術(shù)交流會(huì)論文集[C];2011年

相關(guān)重要報(bào)紙文章 前5條

1 本報(bào)記者 劉大毅;本鋼節(jié)能減排駛?cè)搿翱燔嚨馈盵N];遼寧日?qǐng)?bào);2007年

2 本報(bào)記者 馮海波 通訊員 龔華萍 雷穩(wěn);潛心破解百年工程難題[N];廣東科技報(bào);2009年

3 龔華萍　雷穩(wěn);周少奇：理論公式真的很漂亮[N];科技日?qǐng)?bào);2009年

4 商艷凱邋記者 初霞;新技術(shù)低溫下有效處理污水[N];哈爾濱日?qǐng)?bào);2007年

5 本報(bào)記者 閆樂;讓水更清 天更藍(lán)[N];巴彥淖爾日?qǐng)?bào)(漢);2011年

相關(guān)博士學(xué)位論文 前3條

1 張?jiān)葡?新型MBR-PBBR組合系統(tǒng)捷徑生物脫氮研究[D];大連理工大學(xué);2009年

2 徐偉鋒;生物脫氮除磷ASM2D模擬及機(jī)理研究[D];同濟(jì)大學(xué);2006年

3 魏巍;微污染水源揚(yáng)水曝氣強(qiáng)化原位生物脫氮特性與試驗(yàn)研究[D];西安建筑科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王勤;重金屬對(duì)生物脫氮的毒性效應(yīng)研究[D];廣州大學(xué);2009年

2 侯昭牧;重金屬對(duì)污水生物脫氮反應(yīng)動(dòng)力學(xué)的影響研究[D];山東農(nóng)業(yè)大學(xué);2013年

3 陳彬;沸石強(qiáng)化生物脫氮工藝試驗(yàn)研究[D];同濟(jì)大學(xué);2006年

4 劉亮;A～2/O工藝污水生物脫氮特性分析與～（15）N標(biāo)識(shí)技術(shù)試驗(yàn)研究[D];北京工業(yè)大學(xué);2005年

5 孫靜;固定化技術(shù)及其在生物脫氮中的應(yīng)用研究[D];南京理工大學(xué);2003年

6 侯金財(cái);A/O-MBR生物脫氮工藝試驗(yàn)研究[D];湘潭大學(xué);2013年

7 楊永峰;SBR法亞硝酸型生物脫氮試驗(yàn)研究[D];廣東工業(yè)大學(xué);2007年

8 沈磊;污水生物脫氮除磷過程中N_2O的釋放特性試驗(yàn)研究[D];清華大學(xué);2012年

9 石清花;污水生物脫氮～（15）N標(biāo)識(shí)實(shí)驗(yàn)研究與生產(chǎn)工藝分析[D];北京工業(yè)大學(xué);2004年

10 鄧佳;多級(jí)內(nèi)循環(huán)生物脫氮工藝試驗(yàn)研究[D];長安大學(xué);2011年

，

本文編號(hào)：1758569