在ANAMMOX过程中使用混合深度神经网络模型预测自由酸
Junlang Li1, Jilan Dong1, Zhenguo Chen1
1SCNU (NAN'AN) Green and Low-carbon Innovation Center, Guangdong Provincial Engineering Research Center of Intelligent Low-carbon Pollution Prevention and Digital Technology & Guangdong Provincial Key Laboratory of Chemical Pollution and Environmental Safety & MOE Key Laboratory of Theoretical Chemistry of Environment, School of Environment, South China Normal University, Guangzhou, 510006, China.
预测自由酸 (FNA) 对Anammox工艺稳定性至关重要. 一个新的MOTPE-TCN-AM模型准确地预测FNA,增强工艺控制和去除率.
科学领域:
- 环境微生物学环境微生物学
- 生物技术是生物技术.
- 化学工程是化学工程的组成部分.
背景情况:
- 自由酸 (FNA) 对于安纳莫克斯工艺稳定至关重要.
- 直接测量FNA具有挑战性,阻碍了有效的Anammox管理.
- 准确的FNA预测是实时操作控制所需的.
研究的目的:
- 开发一种混合深度学习模型,用于预测Anammox反应堆中的FNA度.
- 使用多目标树结构的帕森估计器 (MOTPE) 来优化模型超参数.
- 评估模型的性能与Anammox过程监控的传统方法相比.
主要方法:
- 开发了一种混合模型,将时间卷积网络 (TCN) 与注意力机制 (AM) 结合起来.
- 该模型被称为MOTPE-TCNA,并使用多目标树结构的Parzen估计器 (MOTPE) 进行了优化.
- 该模型用于预测Anammox反应堆的案例研究中的FNA.
主要成果:
- 去除率 (NRR) 与FNA度有很高的相关性,可以预测运行状态.
- MOTPE有效地优化了TCN的超参数,实现了高预测准确度.
- MOTPE-TCNA模型显示出优异的预测准确性 (R2 = 0.992),其表现优于其他模型的1.71-11.80%.
结论:
- MOTPE-TCNA模型为FNA预测提供了一个高度准确和有利的深度神经网络方法.
- 准确的FNA预测有助于稳定的运行和更容易控制Anammox过程.
- 这种预测能力有利于优化废水处理效率.
相关概念视频
1° Amines to Diazonium or Aryldiazonium Salts: Diazotization with NaNO2 Overview
The nitrous acid is unstable. Hence, it is formed in situ from a solution of sodium nitrite and cold aqueous acids such as hydrochloric or sulfuric acid. In an acidic solution, the –OH group of nitrous acid undergoes protonation to give oxonium ion, followed by...
2° Amines to N-Nitrosamines: Reaction with NaNO2
Inorganic Nitrogen Assimilation
1° Amines to Diazonium or Aryldiazonium Salts: Diazotization with NaNO2 Mechanism
Nitriles to Carboxylic Acids: Hydrolysis
Predicting Reaction Outcomes


