相关实验视频
Updated: Jul 16, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
1.0K
基于人工神经网络模型的废物激活污泥脱水过程的智能升级:核心影响因素的识别和污泥脱水性能的非实验预测
Hewei Li1, Chunjiang Li2, Kun Zhou3
1State Key Laboratory of Pollution Control and Resource Reuse, College of Environmental Science and Engineering, Tongji University, 1239 Siping Road, Shanghai, 200092, China.
Journal of environmental management
|September 15, 2023
概括
本研究使用人工神经网络 (ANN) 模型,通过整合其复杂的特性来预测废物活性污泥 (WAS) 的脱水能力. 该模型准确地确定了降低表面水友性作为提高污泥脱水效率的关键.
科学领域:
- 环境工程 环境工程
- 水处理技术水处理技术
- 计算机建模 计算建模
背景情况:
- 由于复杂的组成和来源,废物活性污泥 (WAS) 的脱水能力是复杂的.
- 物理化学性质之间的相互作用阻碍了控制污泥脱水能力的关键因素的识别.
- 现有的污泥调节技术因高化学品消耗和低效率而受到影响.
研究的目的:
- 开发WAS脱水能力的预测模型,整合多种生理化学性质.
- 克服传统方法在选择最佳污泥调节策略方面的局限性.
- 为提高污泥脱水过程效率提供理论基础.
主要方法:
- 利用一种非线性,自适应和自我组织的人工神经网络 (ANN) 模型.
- 集成多个物理化学性质和条件参数作为输入,用于排水性能预测.
- 采用预测器专用方法来识别影响脱水能力的关键因素.
主要成果:
- 建立的ANN模型表现出满意的稳定性和准确性,RMSE为6.51和R2为0.73.
- 预测器专用方法强调了极界面自由能量减少的显著影响.
- 减少表面的水友性被认为是改善污泥脱水能力的关键.
结论:
- 该ANN模型提供了一个智能方法来预测和优化WAS脱水过程.
- 用ANN模型调整取代繁的过实验可以提高效率.
- 结果为改善污泥脱水操作策略提供了见解.
