工神网络膜生物反应器膜污染
预测中应前景
石宝强 张捍民 杨凤林 孟刚 张兴文
(连理工学环境生命学院 辽宁 连 116024)
[ 摘] 年 膜污染逐渐成膜生物反应器研究热点问题 面着突破性进展工神网络膜生物
反应器膜污染预测研究提供新思路 膜生物反应器优化控制效工具作者工神网络膜污染中
应进行较全面综述 指出膜生物反应器膜污染研究中应前景
[ 关键词] 工神网络 膜生物反应器 膜污染
[ 中图分类号] X7031 [ 文献标识码] A [ 文章编号] 1005 829X( 2006) 12 0014 04
Abstract Recently membrane foulinghas become a keyproblemin the studyofmembrane bioreactor Artificial neural
network offers a new approach to its study and prediction of membrane fouling which is an effective tool to optimize
membrane bioreactor operating conditions A critical reviewon the potential application of artificial neural network in
membrane fouling research is given and the prospect of artificial neural network in membrane bioreactor is pointed
out
Key words artificial neural network membrane bioreactor membrane fouling
Prospect of artificial neural network in the study of membrane fouling in
membrane bioreactor
Shi Baoqiang Zhang Hanmin Yang Fenglin Meng Fangang Zhang Xingwen
( School of Environmental and Biological Science and Technology Dalian University of Technology Dalian
116024 China)
[ 基金项目] 国家然科学基金资助项目( 50308004)
膜生物反应器( MBR) 种膜分离技术
生物处理技术相结合新型技术MBR 紧凑
空间时实现微生物污染物质降解膜污
染物质分离 降解分离间存着协作
种高效实污水处理技术较高运
行费 MBR 推广应中遇问题方
面研究表明 MBR 运行中耗问题实质膜污染
问题〔1〕膜污染会影响膜产水率 决定膜生物反
应器稳定运行
1 膜生物反应器膜污染研究概况
膜污染指滤料液中某组分膜表面
膜孔中沉积导致膜渗透量降现象膜污染
渗透通量严重降 膜压力增 截留效率降
MBR中膜污染影响子纷繁复杂
3 方面〔2～4 〕 膜性质操作条件活性污泥混合
液性质MBR 中膜污染物质源活性污泥混合
液 混合液性质膜污染影响更复杂〔4 〕A
L Lim 等研究两种粒径分布活性污泥
体式 MBR 膜污染影响 发现粒径颗粒污泥
膜污染程度远低粒径污泥〔5〕 K H Choo 等
发现混合液中机污染物 MgNH4PO4· 6H2O 微生
物细菌沉积吸附膜表面 形成黏性极强
凝胶层导致膜通量降〔6〕 H Nagaoka 等认 MBR
中胞外聚合物( EPS) 曝气池中积累 膜表
面积累 会引起混合液黏度膜滤阻力增加〔7〕
着混合液中 EPS 增加 膜污染速度加快〔8〕 EPS
会引发严重膜表面生物污染〔9〕
操作条件影响膜滤性素
国外学者针曝气量错流速率水力停留时间
污泥龄污泥负荷界通量等参数膜污染
第 26 卷第 12 期
2006 年 12 月
工业水处理
Industrial Water Treatment
Vol26 No12
Dec 2006
14影响作量研究工作张传义等研究认增
曝气量方面提高膜面液体循环流速 减缓活性
污泥颗粒膜表面沉积〔10〕 方面曝气量增
加会造成污泥粒径分布变化 混合液中细污
泥颗粒增 引起膜污染增加 提出
济曝气量说法水力停留时间膜生物反应器
膜滤性明显影响 长停留时间会导致
形成密实滤饼层 短停留时间导致产生高
污泥浓度 加速膜污染H Nagaoka 等考察
机负荷膜生物反应器运行情况影响〔7〕研究发
现高负荷反应器〔TOC 负荷 15 g( L· d) 〕运行
40 d 抽吸压力迅速升 膜通量迅速降
清洗法恢复 低负荷反应器〔TOC
负荷 05 g ( L· d) 〕运行 120 d 抽吸压力变
化较膜生物反应器次界流量运行时
膜污染轻微 逆污染 膜压力高
界通量时 会迅速形成致密滤饼层 逆
污染加剧〔8 11〕
优化 MBR 运行条件 研究员典数
学基础建立许膜污染数学模型模拟膜
通量压力滤阻力等参数变化膜污染影
响膜污染数学模型理表征膜污染子
膜污染贡献 膜污染效控制提供
R Liu 等通均匀设计适活性污泥混合
液条件膜间液体升流速计算模型 实测
膜滤阻力升速率 建立膜间液体升流
速污泥浓度膜通量膜表面污泥沉积速率影
响模型〔12〕通该模型选择合适界曝气强
度界膜通量 操作条件膜污
染情况进行预测Y Shimizu 等设计膜滤数学
模型 研究发现 高膜压力低流体流动性(
剪切力) 导致中空纤维膜膜丝堆积 减膜效
滤面积〔13〕
典膜污染数学模型般指数式验模
型 类模型缺点 模型膜污染机理解释够
细致深入 模型应受定条件制约 通性
差 参数物理意义明确 难精确预测膜污
染 寻找合适膜污染预测模型前研究膜
生物反应器重工作
2 工神网络概述
工神网络( ANN) 量处理单元(
称神元) 广泛相互连接成复杂网络系统
模拟生物神网络基础构建起种信息
处理系统 具强信息储存力计算力
种非典数值算法〔14 15〕具适应性联想
记忆学规模行计算力 处理
变量非线性系统未知模型系统方面具较
优势
ANN 输入层输出层两者间隐含
层组成 层序连接图 1 示
图 1 知 输入层接受外部输入信号
输入节点传递相连接隐含层隐含层
ANN 部处理单元层ANN 模式变换力
隐含层进行〔16〕隐含层数目层节
点数般根特定问题进行优化选择 原
保证网络具足够映射力前提结构量
简单
ANN 研究象样 样分学样
评估样两类ANN 求足够学样
确保学程知识较精确 进保证
预测结果信度学样 样具已
知指标预测指标值 作学程生成知识基
评估样 样已知指标
值 预测程中学样程知识推
算 ANN 终结果〔17〕
ANN 模型十种 目前应广泛误差
反传播网络 简称 BP 网络BP 网络学正
反传播两部分组成〔15〕 根学样已知指标
值层间连接权重阈值 规定预测值计算方
法 输入层→隐含层→输出层方计算 预测
指标值( 正传播) 果预测值期值间
较误差 转入反传播程 误差信号原
连接通路返回 通修改层神元权值 逐次
输入层传播进行计算 正传播程
两程反复执行 直误差信号达目标求
3 ANN 膜污染中应
膜良选择透性 复杂介质分离
图 1 典型神网络结构
石宝强 等 工神网络膜生物反应器膜污染预测中应前景工业水处理 2006 12 26( 12)
15中潜优势膜污染模型建立膜分离工
艺程设计深入解前工艺运行状况
关重通常膜渗透量滤阻力操作参
数函数关系表征膜污染模型 模型部分
基传质模型浓差极化渗透压力模型边界层
吸附模型布朗扩散模型剪切力诱导扩散模型
等理建立〔18 19〕建立模型托灵敏仪器
设备获取必数 实际应中行
类膜污染模型适特定滤介质
操作条件 膜分离程参数间存量
未知相互作 表现非线性行 典
理模型难膜污染程进行精确模拟 ANN
种黑箱模型 具映射力 解决线性
非线性变量问题优良工具ANN 具精确预
测易操作便程序化等优点 已逐渐应
膜分离工艺理研究工程实践中〔20～29〕
M Dornier 等首先 ANN 膜滤膜污染预
测中 成功预测短期运行陶瓷微滤膜滤蔗
糖汁稀释液膜污染情况〔21〕分研究固定
操作条件( 膜压力△P错流速率 u) 变化操作条
件膜污染情况研究发现 固定操作条件时
ANN 够预测滤阻力时间变化情况 预
测模型够解释定膜压力错流流速
滤阻力膜污染程度变化趋势 考察操
作条件时 网络采膜压力△P错流速率 u时间
t 作输入层节点 膜滤总阻力 Rt 作输出层节
点证明隐含层节点数 8 单隐含层网络隐
含层节点数分 5 3 双隐含层网络均具
预测结果研究结果认 ANN 够效预
测复杂操作条件膜污染情况 网络模型学
验证数选择需进步研究 认
ANN 膜分离程优化动控制中广泛
应前景
G R Shetty 等采 BP 神网络预测纳滤膜
滤市政饮水膜污染情况〔21〕网络设定 8
节点输入层1 隐含层( 含 3 节点) 输
出节点( 总阻力 Rt) 作输出结果 Rt 表征膜污染
情况 10试验数进行网络模型训
练 发现 93数输出结果相误差 5研
究结果认 ANN 够时踪水质膜通量等参
数变化情况 准确预测膜长期运行性
N Delgrange 等应 ANN 膜滤程做
量研究工作 ANN 研究反洗前膜压力
变化情况〔22 23 〕 时建立膜滤长期行递
神网络模型 输入操作条件 输入
膜滤初始阻力准确预测出天膜
滤阻力值该模型成功应法国 Seine 河
超滤膜水质净化厂〔25〕 该模型建立程序
够调节反洗循环合适时间佳
膜通量 减缓膜污染膜产水率提
高倍 反洗造成水损失降低半左右
C Teodosiu 等研究精炼厂废水回程中
超滤膜污染 ANN 模型 发现该模型够精确预
测 2 500 s 膜通量非线性变化情况 认 ANN
模型够应规模污水处理中〔26 〕M A
Razavi 等 ANN 研究超滤膜分离牛奶溶液程
中膜压力时间膜通量滤总阻力透液
组成动态影响〔29〕结果表明 该模型非常精确 相
误差 1 学训练 ANN 模型
准确表征预测牛奶溶液超滤分离动态变化
甚没训练操作程进行模拟
4 ANN 应前景
ANN 膜分离程成功应 MBR 膜污染
研究提供新思路MBR 活性污泥混合液
滤介质 活性污泥混合液中膜污染子众 组分
间相互影响 甚互果活性污泥生存环境
极敏感 反应器运行条件变化必然会导致活性
污泥性质变化 活性污泥性质会影响膜
滤性 MBR 优化控制带极困难
MBR 膜污染子较复杂污染
子间相互交叉 应典数学模型算法难精
确描述预测膜污染 ANN 方法身优势弥
补典数学模型足 膜污染控制研究
取突破性进展目前 ANN 模型建立应
部分 Matlab 程序界面 年 Matlab 断
升级 提供神网络工具箱 NN Toolbox 新增
非常流行功〔14〕 图形户接口( GUI) 界
面非常友 ANN 模型设计变非常容易
手 ANN 应然面问题 输入层
节点选择网络结构设计等 时 活性污泥体
系复杂性前构思 MBR 膜污染预测模型
障碍 ANN 进行 MBR 膜污染预测时
必须精心选择输入层节点 筛选膜污染
子 ANN 已膜污染预测中成熟
应 显示出独特优越性着 MBR 研究
逐渐深入 ANN 理技术发展 ANN 必
专综述 工业水处理 2006 12 26( 12)
16 MBR 膜污染中充分应发挥出特
作
[ 参考文献]
[1] 顾国维 义亮 膜生物反应器— —— 污水处理中研究应
[M] 北京 化学工业出版社 2002 37 39
[ 2] Chang I S Bag S O Lee C H Effects of membrane fouling on
solute rejection during membrane filtration of activated sludge [ J]
Process Biochemistry 2001 36( 8 9) 855 860
[ 3] Hong S P Bae T H Tak T M et al Fouling control in activated
sludge submerged hollow fiber membrane bioreactors[ J] Desalina
tion 2002 143( 3) 219 228
[ 4] Laura D Michel Y J Bharat G Contribution of various constitu
tents of activated sludge to membrane bioreactor fouling[ J] Biore
source Technology 2000 73( 2) 105 112
[ 5] Lim A L Bai R Membrane fouling and cleaning in microfiltration
of activated sludge wastewater[ J] J Membr Sci 2003 216( 1
2) 279 290
[ 6] Choo K H Lee C H Membrane fouling mechanisms in the mem
branecoupled anaerobic bioreactor [ J] Wat Res 1996 30
( 8) 1 771 1 780
[ 7] Nagaoka H Yamanishi S Miya A Modeling of biofouling by ex
tracellular polymers in a membrane separation activated sludge sys
tem[ J] Wat Sci Tech 1998 38( 4 5) 497 504
[ 8] Cho A D Fane A G Fouling transients in nominally subcritical
flux operational of a membrane bioreactor[ J] J Membr Sci 2002
209( 2) 391 403
[ 9] Leeayb Y Cho J Seo Y et al Modeling of submerged membrane
bioreactor process for wastewater treatment[ J] Desalination 2002
146( 1 3) 451 457
[ 10] 张传义 王勇 黄霞 等 体式膜 生物反应器济曝气量
试验研究[ J] 膜科学技术 2004 24( 5) 11 15
[ 11] Howell J A Subcritical flux operation of microfiltration [ J] J
Membr Sci 1995 107( 1 2) 165 171
[ 12] Liu R Huang X Sun Y et al Hydrodynamic effect on sludge
accumulation over membrane bioreactor[ J] Proc Biochem 2003
39( 4) 157 163
[ 13] Shimizu Y Okunv Y I Uryu K et al Filtration characteristics of
hollow fiber microfiltration membranes used in membrane bioreac
tor for domestic wastewater treatment[J] Wat Res 1996 30(10)
2 385 2 392
[ 14] 飞思科技产品研发中心 MATLAB 65 辅助神网络分析设
计[ M] 北京 电子工业出版社 2003 9 11 64 66 229 230
[ 15] 杨建刚 工神网络实教程[ M] 杭州 浙江学出版社
2001 10 12
[ 16] 王旭 王宏 王文辉 工神网络原理应[ M] 沈阳 东北
学出版社 2000 22 23
[ 17] 赵应征 赵爱国 鲁翠涛 等 工神网络药学研究中
应进展[ J] 解放军药学学报 2003 19( 6) 446 448
[ 18] Cheryan M Ultrafiltration and microfiltration handbook[ M] sec
ond ed Lancaster Technomic Publishing Ltd 1998 55 58
[ 19] Samuelsson G Huisman I H Tragardh G et al Predicting limit
ing flux of skim milk in crossflow microfiltration[ J] J Membr
Sci 1997 129( 2) 277 281
[ 20] Dornier M Decloux M Trystram G et al Dynamic modeling of
crossflow microfiltration using neural networks[ J] J Membr Sci
1995 98( 3) 263 273
[ 21] Shetty G R Chellam S Predicting membrane fouling during mu
nicipal drinking water nanofiltration using artificial neural net
works[ J] J Membr Sci 2003 217( 1 2) 69 86
[ 22] Delgrange N Cabassud C Cabassud M et al Neural networks
for prediction of ultrafiltration transmembrane pressure application
to drinking water production [ J] J Membr Sci 1998 150( 1)
111 123
[ 23] Delgrange N Cabassud C Cabassud M et al Modelling of ultra
filtration fouling by neural network [ J] Desalination 1998 118
( 1 3) 213 227
[ 24] Delgrange N Cabassud C Cabassud M et al Neural networks
for long term prediction of fouling and backwash efficiency in ul
trafiltration for drinking water production[ J] Desalination 2000
131( 1 3) 353 362
[ 25] Cabassud M Delgrange N Cabassud C et al Neural networks
a tool to improve UF plant productivity[ J] Desalination 2002
145( 1 3) 223 231
[ 26] Teodosiu C Pastravanu O Macoveanu M Neural network models
for ultrafiltration and backwashing[ J] Wat Res 2000 34( 18)
4 371 4 380
[ 27] Niemi H Bulsari A Paloraasi S Simulation of membrane separa
tion by neural networks[ J] J Membr Sci 1995 102 185 191
[ 28] Bowen W R Jones M G Yousef H N S Dynamic ultrafiltration of
proteins— a neural network approach[ J] J Membr Sci 1998
146( 2) 225 235
[ 29] Razavi M A Mortazavi A Mousavi M Dynamic modelling of milk
ultrafiltration by artificial neural network[ J] J Membr Sci 2003
220( 1 2) 47 58
[ 作者简介] 石宝强(1980 — ) 连理工学硕士研究生Email
shibaoqiang@sohucom
[ 收稿日期] 2006 06 15( 修改稿)
石宝强 等 工神网络膜生物反应器膜污染预测中应前景工业水处理 2006 12 26( 12)
17

《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档