SBR法氨氧化过程神经网络智能控制的方法,属于废水处理方法领域.在SBR系统中,利用实时控制策略控制曝气时间,以长期运行稳定的SBR数据为基础数据,建立3层BP神经网络预测控制模型,然后根据在线检测pH数据提前预测氨氮浓度;主要依据数据采集、数据处理以及模型建立;在恒定溶解氧(DO)条件下,利用BP神经网络模型,将数据进行训练、校正和测试,达到精度要求后,再将神经网络预测控制模型用于SBR系统中,预测并控制氨氧化过程.
发明专利
CN201611200797.5
2016.12.22
CN106651032A
2017-05-10
杨庆 杨玉兵 刘秀红 冯红利 李健敏 李健伟
北京工业大学
G06Q10/04(2012.01)I,G,G06,G06Q,G06Q10
G06Q10/04(2012.01)I,G06N3/08(2006.01)I,G,G06,G06Q,G06N,G06Q10,G06N3,G06Q10/04,G06N3/08
SBR法氨氧化过程神经网络智能控制的方法,其特征在于,在SBR系统中,利用实时控制策略控制曝气时间,以长期运行稳定的SBR数据为基础数据,建立3层BP神经网络预测控制模型,然后根据在线检测pH数据提前预测氨氮浓度;主要依据数据采集、数据处理以及模型建立;在恒定溶解氧(DO)条件下,利用BP神经网络模型,将数据进行训练、校正和测试,达到精度要求后,再将神经网络预测控制模型用于SBR系统中,预测并控制氨氧化过程.