用于全面废水处理厂性能预测的人工神经网络:系统性审查
Marina Salim Dantas1, Cristiano Christofaro2, Sílvia Corrêa Oliveira3
1Department of Sanitary and Environmental Engineering, Federal University of Minas Gerais, Av. Presidente Antônio Carlos, 6627, Belo Horizonte, MG CEP 31270-901, Brazil
概括
人工神经网络 (ANN) 越来越多地用于废水处理. 这次审查发现,大多数研究使用前ANN与反向传播来预测废水质量,特别是有机物指标.
科学领域:
- 环境工程 环境工程
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 污水处理厂 (WWTP) 需要高性能来保护环境和公共健康.
- 人工智能 (AI) 和机器学习 (ML) 是模拟WWTP等复杂系统的新兴工具.
- 人工神经网络 (ANN) 是一种常见的ML方法,但它们在WWTP中的开发和配置缺乏全面的研究.
研究的目的:
- 系统地审查ANN的应用,以预测废水质量和清除效率.
- 确定在废水处理研究中使用的常见ANN模型和配置.
- 在未来的 WWTP 预测研究中,为优化 ANN 模型设计提供见解.
主要方法:
- 在WWTP废水质量预测中对ANNs的系统文献综述.
- 在三个科学数据库中搜索相关研究.
- 根据预先定义的标准,从667项已识别的研究中选择了44个符合条件的记录.
主要成果:
- 大多数审查的研究采用了前神经网络 (FFNN) 模型.
- 逆向传播是这些FFNN模型中使用的最常见的训练算法.
- 主要使用ANN来预测废水质量,特别是有机物指标.
结论:
- 带有反向传播的前神经网络是模拟WWTP废水质量的普遍方法.
- 本系统性审查突出了常见实践,并确定了 ANN 模型优化废水处理的未来研究领域.
- 这些发现可以指导开发更有效的ANN模型来预测WWTP性能.
相关概念视频
01:30Microbial Wastewater Treatment
Microbial communities in aquatic ecosystems play a key role in the natural breakdown of contaminants introduced through domestic and industrial effluents. Acting as biological catalysts, these microbes change and mineralize a wide range of organic and inorganic pollutants under different redox conditions.In oxygen-rich surface waters, aerobic heterotrophs lead organic matter breakdown, using oxygen as the terminal electron acceptor to efficiently oxidize substrates to carbon dioxide and water.
01:30Biological Treatment of Effluent and Waste Water
Biological wastewater treatment relies on the metabolic activity of microorganisms to remove pollutants from sewage. In modern treatment systems, this process is organized into sequential stages that progressively reduce solid material, dissolved organic matter, and microbial contamination. Each stage plays a distinct role in improving water quality and preparing the effluent for safe discharge or reuse.Primary and Secondary TreatmentPrimary treatment is a physical process that removes large...