污水中含有的固体悬浮物和溶解性物质在渗透流和剪切应力的作用下,在膜表面沉积形成滤饼层。滤饼层不断积累,导致膜通透能力下降,这个过程称为膜污染。消除膜污染可以采取冲刷、增加压力和更换膜等方法,而这些做法提高了使用成本,因此,探究膜污染形成因素以及污水中有机物质对膜的影响成为研究膜生物反应器的重要组成部分。膜通量是衡量膜污染程度的重要参数,本文通过建立PSO-GA-Elman以及PSO-RNN膜通量预测模型,判断膜污染程度。递归神经网络因其实现了环状结构,不但对历史数据敏感,而且提升了数据的关联性。Elman作为典型的递归神经网络,其具有收敛速度快、预测结果精度高和对历史数据敏感性高等优点。但Elman网络使用BP算法进行数据修正,依然会有陷入局部最小值的缺点。而粒子群算法能够快速得出全局最优值,遗传算法具有全局收敛性,把两者进行结合,既提高了遗传算法的收敛速度,又降低了粒子群算法陷入局部最优值的概率。用其所获得的结果对Elman神经网络的权值进行优化,可以在一定程度上避免陷入局部最小值,提升预测精度。对膜通量预测模型的预测结果进行比较,得出使用PSO-GA-Elman膜通量预测模型的预测结果比Elman模型精度提高14%,比BP网络模型提高20%。基于Elman神经网络的理念,设计具有两层隐藏层的RNN网络,模型预测结果表明,使用PSO-RNN膜通量预测模型的预测精度高于RNN网络模型。本文使用模拟仿真软件(Ansys Fluent)建立以中空纤维为膜组件的膜生物反应器模型,研究进水速度、膜生物反应器高度和出水量的关系。以垂直相切排列的中空纤维膜丝为研究对象,按照建模、划分网格、确定边界条件等计算流体力学步骤完成仿真模型的计算。仿真结果表明,模型的进水速度与高度比为1:20时,中空纤维膜丝的出水量最大,仿真模型产水量最高。