论文部分内容阅读
人工湿地作为一种新污水处理技术,需要进一步改善,需要进一步研究不同季节、不同地区、不同处理工艺的人工湿地的运行状态和监测数据,给出正确评估人工湿地运行状态。有利于优化人工湿地运行参数,提升人工湿地管理水平,完善湿地运行状态评估,并为以后人工湿地建设、运行管理、评估提供指导和建议。本文选取山东省4个典型人工湿地进行调研和水样监测,分析了各个工湿地水质和沿程水质变化,用AHP方法对人工湿地运行状态进行了综合评价,并以AHP方法对人工湿地运行状态做出评价结果为数据样本,构建了基于BP神经网络的人工湿地运行状态评估模型。本文主要进行了以下几方面的工作:（1）分析四个人工湿地对污染物进出水质发现,人工湿地对污染物有去除率,部分出水水质达到地表水Ⅲ类标准。稻屯洼人工湿地对中COD、NH3-N、TN、TP平均去除率分别为38.87%、47.25%、66.68%、75.66%。猪龙河入湖口人工湿地对COD、NH3-N、TN、TP平均去除率分别为20.04%、50.95%、66.56%、55.76%。邢家人工湿地对COD、NH3-N、TN、TP平均去除率分别为22.91%、32.67%、14.81%、5.86%。薛城污水厂下游人工湿地COD、NH3-N、TN、TP平均去除率分别20.72%、28.07%、38.12%、38.21%。（2）分析四个人工湿地在不同季节沿程工艺对污染物净化效果,季节对COD的去除效果影响不大,季节对TN、NH3-N的去除效果影响很大,随着温度升高,TN、NH3-N的去除率下降。TP的去除率随季节变化不大,TP的去除主要依靠湿地的填料的吸附、沉淀、交换完成。（3）建立人工湿地运行状态评价指标体系,基于AHP方法对湿地各个指标建立递阶层次结构,确立了三层基本框架,目标层A、要素层B、指标层C。然后根据指标设计原则,确立要素层B“湿地指标、运行指标、出水水质指标、管理指标”4个指标,确定指标层C“池体设计、填料设计、植物设计”等16个指标。采用AHP方法计算评价指标权重,确定要素层B相对于目标层A的权重:出水水质指标>运行指标>湿地指标>管理指标;指标层C相对于目标层A:出水COD>水力停留时间>填料设计、植物设计>TN、TP>来水水质稳定性>水力负荷>植物管理>DO>pH>温度>堵塞管理>在线监测。（4）对三个人工湿地进行运行状态进行综合评价,通过对三个人工湿地每个月2次的监测,将定性指标根据评分标准进行打分,定量指标根据实验室监测数据,获得四个人工湿地数据样本,然后对数据样本进行预处理,得到每个指标每个月归一化数据与AHP确定的指标权重相乘,得到每个湿地每个月运行效果综合评分。（5）建立基于AHP的人工湿地运行状态评估BP神经网络模型,建立三层BP神经网络结构,以人工湿地运行状态主要影响因子“池体设计、填料设计、植物设计等”16个指标作为输入层神经节点数;以基于AHP算法得出每个月人工湿地运行状态综合评分作为输出层的节点数;并根据文献和反复推算确定隐含层神经节点数为20;确立了人工湿地运行状态评估网络模型结构为16-20-1。然后以表3.15数据来构造训练和预测样本,选用“trainlm”作为训练函数,学习速率为0.05,从而建立了基于BP神经网络的人工湿地运行状态评估模型。并将预测综合评分结果分为“优,良,中,差,极差”五个等级,对应湿地综合评分为:x?0.8,0.8（29）x?7.0,7.0（29）x?6.0,.06（29）x?0.5,5.0（29）x。（6）将猪龙河入湖口人工湿地12个月数据输入BP神经网络模型,得到每个月人工湿地运行状态综合评分和评价等级。