精确预测和智能控制COD和其他参数从制药废水中去除,使用电凝与催化臭氧化过程相结合的电凝
Yujie Li1, Chen Li1, Yunhan Jia1
1Beijing Key Lab for Source Control Technology of Water Pollution, College of Environmental Science and Engineering, Beijing Forestry University, Beijing, China.
这项研究使用响应表面方法 (RSM) 和长短期记忆 (LSTM) 模型优化了制药废水处理. LSTM准确地预测了化学氧气需求 (COD) 的去除,使智能控制能够提高电凝-催化臭氧化过程 (ECOP) 的效率.
科学领域:
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 由于高化学氧气需求 (COD),制药废水带来了重大的环境挑战.
- 传统的处理方法往往需要优化,以提高效率和成本效益.
- 电凝-催化臭氧化过程 (ECOP) 是有前途的,但需要精确的操作控制.
研究的目的:
- 为了优化在ECOP中用于制药废水的COD去除的操作参数.
- 为了比较响应表面方法 (RSM) 和长短期记忆 (LSTM) 模型的预测能力.
- 开发一个智能控制策略,以提高ECOP的性能.
主要方法:
- 使用响应表面方法 (RSM) 来量化参数效应 (反应时间,臭氧剂量,电流密度,催化剂包装率).
- 利用长期短期内存 (LSTM) 模型来预测COD删除效率.
- 在RSM模拟中获得的优化条件下评估ECOP性能.
主要成果:
- RSM确定了 >50%的COD去除的最佳条件.
- LSTM预测COD去除率为56.4%,与实验结果 (54.6%) 密切匹配,误差为0.2%.
- 与RSM相比,LSTM在COD去除方面表现出更高的预测准确性.
结论:
- LSTM模型提供了一个非常准确的预测COD去除在ECOP.
- 基于LSTM的智能控制策略可以精确调整操作参数.
- 这种方法提高了用于制药废水处理的ECOP的效率和控制.
更多相关视频
10:37Procedure to Evaluate the Efficiency of Flocculants for the Removal of Dispersed Particles from Plant Extracts
Published on: April 9, 2016
15:19Development of Sulfidogenic Sludge from Marine Sediments and Trichloroethylene Reduction in an Upflow Anaerobic Sludge Blanket Reactor
Published on: October 15, 2015
相关概念视频
Coagulation
Factors Affecting Solubility
Bioremediation
Controlled-Potential Coulometry: Electrolytic Methods
The chosen potential...
Controlled-Current Coulometry: Overview
Electrolysis
