CN113044975A - 一种反硝化深床滤池系统运行管理方法及装置 - Google Patents
一种反硝化深床滤池系统运行管理方法及装置 Download PDFInfo
- Publication number
- CN113044975A CN113044975A CN202110299225.1A CN202110299225A CN113044975A CN 113044975 A CN113044975 A CN 113044975A CN 202110299225 A CN202110299225 A CN 202110299225A CN 113044975 A CN113044975 A CN 113044975A
- Authority
- CN
- China
- Prior art keywords
- information
- obtaining
- filter
- filter material
- deep
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims description 22
- 239000000463 material Substances 0.000 claims abstract description 159
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 127
- 239000002245 particle Substances 0.000 claims abstract description 73
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000011001 backwashing Methods 0.000 claims description 50
- 238000001914 filtration Methods 0.000 claims description 49
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 46
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 36
- 229910052698 phosphorus Inorganic materials 0.000 claims description 36
- 239000011574 phosphorus Substances 0.000 claims description 36
- 229910052757 nitrogen Inorganic materials 0.000 claims description 23
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 21
- 229910052799 carbon Inorganic materials 0.000 claims description 20
- 239000007789 gas Substances 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 11
- 238000000746 purification Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000010865 sewage Substances 0.000 abstract description 36
- 230000000694 effects Effects 0.000 abstract description 23
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000011010 flushing procedure Methods 0.000 description 8
- 239000006004 Quartz sand Substances 0.000 description 7
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 7
- 239000010410 layer Substances 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 239000012535 impurity Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000813 microbial effect Effects 0.000 description 4
- RHZUVFJBSILHOK-UHFFFAOYSA-N anthracen-1-ylmethanolate Chemical compound C1=CC=C2C=C3C(C[O-])=CC=CC3=CC2=C1 RHZUVFJBSILHOK-UHFFFAOYSA-N 0.000 description 3
- 239000003830 anthracite Substances 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 239000002223 garnet Substances 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012851 eutrophication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- QALQXPDXOWOWLD-UHFFFAOYSA-N [N][N+]([O-])=O Chemical compound [N][N+]([O-])=O QALQXPDXOWOWLD-UHFFFAOYSA-N 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 150000001722 carbon compounds Chemical class 0.000 description 1
- 239000000701 coagulant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229920000592 inorganic polymer Polymers 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/28—Anaerobic digestion processes
- C02F3/2826—Anaerobic digestion processes using anaerobic filters
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2203/00—Apparatus and plants for the biological treatment of water, waste water or sewage
- C02F2203/006—Apparatus and plants for the biological treatment of water, waste water or sewage details of construction, e.g. specially adapted seals, modules, connections
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2303/00—Specific treatment goals
- C02F2303/14—Maintenance of water treatment installations
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Organic Chemistry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种反硝化深床滤池系统运行管理方法及装置,其中,所述方法包括:根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。解决了现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题。
Description
技术领域
本发明涉及污水处理领域,尤其涉及一种反硝化深床滤池系统运行管理方法及装置。
背景技术
污水处理是为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程,污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题。
发明内容
本申请实施例通过提供一种反硝化深床滤池系统运行管理方法及装置,解决了现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题,达到结合污水水量流速以及滤料信息,有针对性的根据具体情况对滤料进行粒径排布,进而提高污水过滤能力的技术效果。
鉴于上述问题,提出了本申请实施例提供一种反硝化深床滤池系统运行管理方法及装置。
第一方面,本申请实施例提供了一种反硝化深床滤池系统运行管理方法,所述方法包括:获得待过滤水体的水量信息;获得待过滤水体的流速信息;根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。
另一方面,本申请还提供了一种反硝化深床滤池系统运行管理装置,所述装置包括:第一获得单元,所述第一获得单元用于获得待过滤水体的水量信息;第二获得单元,所述第二获得单元用于获得待过滤水体的流速信息;第一构建单元,所述第一构建单元用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;第三获得单元,所述第三获得单元用于根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;第四获得单元,所述第四获得单元用于根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;第五获得单元,所述第五获得单元用于获得第一深床滤池滤料的属性信息;第六获得单元,所述第六获得单元用于将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;第一排布单元,所述第一排布单元用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
第三方面,本发明提供了一种反硝化深床滤池系统运行管理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布,进而达到结合污水水量流速以及滤料信息,有针对性的根据具体情况对滤料进行粒径排布,进而提高污水过滤能力的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种反硝化深床滤池系统运行管理方法的流程示意图;
图2为本申请实施例一种反硝化深床滤池系统运行管理装置的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一构建单元13,第三获得单元14,第四获得单元15,第五获得单元16,第六获得单元17,第一排布单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种反硝化深床滤池系统运行管理方法及装置,解决了现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题,达到结合污水水量流速以及滤料信息,有针对性的根据具体情况对滤料进行粒径排布,进而提高污水过滤能力的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
污水处理是为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程,污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域。但现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种反硝化深床滤池系统运行管理方法,所述方法包括:获得待过滤水体的水量信息;获得待过滤水体的流速信息;根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种反硝化深床滤池系统运行管理方法,其中,所述方法包括:
步骤S100:获得待过滤水体的水量信息;
步骤S200:获得待过滤水体的流速信息;
步骤S300:根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
步骤S400:根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;
步骤S500:根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;
具体而言,所述待过滤水体为需要使用反硝化深床滤池系统进行过滤的对象,所述待过滤水体的水量信息为需要过滤的水体水量,所述待过滤水体的流速信息为待过滤水体的流速大小,以所述水量信息为横坐标,所述流速信息为纵坐标,在直角坐标系中构建第一曲线。向量是指具有大小和方向的量,根据所述第一曲线,获得曲线在第一坐标即横坐标的向量信息和第二坐标即纵坐标的向量信息,并根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息,即所述第一坐标向量信息和所述第二坐标向量信息在直角坐标系上的长度大小,所述第一向量模只有大小,没有方向。
步骤S600:获得第一深床滤池滤料的属性信息;
具体而言,所述第一深床滤池通常用于水处理中悬浮物的去除,单层均质滤料或多层滤料滤池,滤床相对比传统快滤池较深,多为下流式重力滤池。第一深床滤池滤料的属性信息为滤池进行过滤的材料,所述滤料为粗粒石英砂滤料,反硝化深床滤池石英砂滤料层通过表层截留、纵向渗透和扩散作用,截留进水中的悬浮物,石英砂滤料作为过滤介质,共微生物附着生长,反硝化细菌附着在石英砂滤料表面生长,形成固定微生物膜,缺氧环境下用于反硝化脱氮。多层滤料为无烟煤、石英砂和石榴石等,每种滤料的粒径按上小下大的顺序进行排列。
步骤S700:将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;
进一步而言,其中,所述将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案,本申请实施例步骤S700还包括:
步骤S710:将所述第一向量模信息和所述第一深床滤池滤料的属性信息作为输入信息,输入所述滤料粒径排布模型,其中,所述滤料粒径排布模型通过多组作为训练数据的输入数据训练至收敛状态而获得,所述多组作为训练数据的输入数据中均包括:所述第一向量模信息、所述第一深床滤池滤料的属性信息和用于标识第一输出结果的标识信息;
步骤S720:获得所述滤料粒径排布模型的第一输出结果,所述第一输出结果包括所述第一滤料粒径排布方案。
具体而言,所述第一训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入神经网络模型,则输出第一滤料粒径排布方案。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一向量模信息、所述第一深床滤池滤料的属性信息和用于标识第一输出结果的标识信息,将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入到神经网络模型中,根据用来标识第一输出结果的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的滤料粒径排布方案更加合理、准确,进而达到通过结合待过滤水体水量和流速以及滤料,针对性的选择特定的滤料粒径排布方案,进而使得污水处理达到更好的技术效果。
步骤S800:根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。
具体而言,按照所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布,如滤料为无烟煤、石英砂和石榴石等,根据粒径排布方案将每种滤料按照其粒径大小进行粒径排布,使得污水处理达到更好的过滤效果。
进一步而言,本申请实施例还包括:
步骤S910:获得所述待过滤水体的水质信息;
步骤S920:根据所述水质信息,获得所述待过滤水体中的含磷量;
步骤S930:获得所述第一深床滤池滤料的第一过滤能力,所述第一过滤能力为所述第一深床滤池滤料针对所述待过滤水体中磷的过滤能力;
步骤S940:根据所述待过滤水体中的含磷量和所述第一过滤能力,获得所述第一深床滤池滤料的磷过滤率;
步骤S950:根据所述磷过滤率和所述待过滤水体中的含磷量,获得第一加药计量。
具体而言,所述待过滤水体的水质信息为待过滤污染水中污染物质的种类和浓度,是判断水污染程度的具体衡量尺度,包括水体颜色和色度、味道、浑浊度和透明度以及有机物、无机物种类等。根据所述水质信息,获得所述待过滤水体中的含磷量,水体中磷含量的高低与水体富营养化程度有密切关系,所述第一深床滤池滤料的过滤能力为所述第一深床滤池滤料针对所述待过滤水体中磷的过滤能力。所述第一深床滤池滤料的磷过滤率为根据所述待过滤水体中的含磷量和所述第一过滤能力,能够去除过滤的磷含量,所述磷过滤率越大,表明深床滤池滤料过滤磷的效果越好。根据所述磷过滤率和所述待过滤水体中的含磷量,计算分析需要进行加药去除的磷含量,并以此确定加药量,如化学除磷,投加化学药品PAC,即聚合氯化铝,是一种无机物化学药品,是一种新兴净水材料、无机高分子混凝剂,使其达到过滤标准。达到通过结合滤池滤料磷过滤率和投加药品量共同除磷,使得通过生物化学相结合的方法除磷更加彻底,进而科学有效的提高除磷的技术效果。
进一步而言,本申请实施例还包括:
步骤S1010:根据所述水质信息,获得所述待过滤水体中的含氮量;
步骤S1020:获得水体净化要求;
步骤S1030:根据所述水体净化要求,获得要求含氮量阈值信息;
步骤S1040:根据所述含氮量和所述要求含氮量阈值信息,获得碳源投加量信息。
具体而言,根据所述水质信息,获得所述待过滤水体中的含氮量,水体中氮含量的高低与水体富营养化程度有密切关系,所述水体净化要求为需要对污水处理净化水体所要达到的含氮量质量要求,不同的行业以及使用要求,对水体含氮量的要求也不同,如根据水体净化的使用要求,对常规水体处理含氮量阈值范围小于30mg/L,净化要求较高时,需达到小于20mg/L的水体含氮量标准。碳源构成微生物细胞碳水化合物中碳架的营养物质,供给微生物生长发育所需能量。碳源物质通过细胞内的一系列化学变化,被微生物用于合成各种代谢产物。微生物对碳素化合物的需求是极为广泛的,根据碳素的来源不通,可将碳源物质氛围无机碳源物质和有机碳源物质,因污水中自带无机碳源及曝气会补充无机碳源,在实际生产中并不需要投加无机碳源,污水处理中所称的碳源为有机碳源。根据所述含氮量和所述要求含氮量阈值信息,计算碳源投加量信息,按照外部碳源投加量简易计算方法:Cm=5N,Cm是必需投加的外部碳源量,5是反硝化1kg硝态氮需外部碳源量,N是需要用外部碳源反硝化去除的含氮量。达到根据水体要求,通过计算投加外部碳源量,更加科学有效的提高除氮效率的技术效果。
进一步而言,本申请实施例还包括:
步骤S1110:获得所述深床滤池的实时滤床阻力;
步骤S1120:获得预定滤床阻力阈值;
步骤S1130:判断所述实时滤床阻力是否在所述预定滤床阻力阈值之内;
步骤S1140:如果所述实时滤床阻力不在所述预定滤床阻力阈值之内,获得第一气体释放指令;
步骤S1150:根据所述第一气体释放指令,释放水反冲释放气体。
具体而言,所述深床滤池的反硝化过程将硝基氮转化为氮气,堆积在滤床中,滤床阻力迅速增加,因此需要定期水反冲释放气体,所述预定滤床阻力阈值为预先设定的滤床阻力范围大小,判断所述实时滤床阻力是否在所述预定滤床阻力阈值之内,如果所述实时滤床阻力不在所述预定滤床阻力阈值之内,即所述实时滤床阻力超过所述预定滤床阻力阈值,将会降低过滤速率,且在过滤过程中,会有少量气泡穿过滤层而上升至滤料表面,破坏滤层的过滤作用,因此需要进行气体释放,根据所述第一气体释放指令,释放水反冲释放气体。达到通过对滤床阻力实时监测进行气体释放,提高滤层过滤作用,进而确保滤池可以正常进行过滤工作的技术效果。
进一步而言,本申请实施例还包括:
步骤S1210:获得第一图像信息,所述第一图像信息包括所述第一深床滤池的实时状态图像信息;
步骤S1220:获得第二图像信息,所述第二图像信息包括所述第一深床滤池的初始状态图像信息;
步骤S1230:对比所述第一图像信息和所述第二图像信息,获得第一差异度信息;
步骤S1240:获得预定差异度阈值;
步骤S1250:判断所述第一差异度信息是否在所述预定差异度阈值之内;
步骤S1260:如果所述第一差异度信息不在所述预定差异度阈值之内,获得第一反冲洗指令;
步骤S1270:根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗。
具体而言,所述第一图像信息包括所述第一深床滤池的实时状态图像信息,所述第二图像信息包括所述第一深床滤池的初始状态图像信息,所述第一差异度信息为通过所述第一深床滤池的实时状态图像信息与所述第一深床滤池的初始状态图像信息的对比,得到所述深床滤池所沉积的悬浮固体杂质。所述预定差异度阈值为预先设定的深床滤池杂质差异度大小范围,判断所述第一差异度信息是否在所述预定差异度阈值之内,如果所述第一差异度信息不在所述预定差异度阈值之内,即所述第一差异度信息超过所述预定差异度阈值,需要对深床滤池进行反冲洗处理,根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗,反冲即滤池冲洗,目的是清除截留在滤料层中的杂质,使滤池在短时间内恢复过滤能力。在进行反冲洗操作时,水流经底部排水系统反向通过滤池,以冲洗掉滤料中的堵塞物质,并减少产生水头损失的因素,达到对深床滤池进行实时监测进行反冲洗处理,避免杂质过多影响过滤能力,进而提高滤池过滤能力的技术效果。
进一步而言,所述根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗,本申请实施例步骤S1270还包括:
步骤S1271:根据所述第一反冲洗指令,获得第一深床滤池滤料的组成信息;
步骤S1272:根据所述第一深床滤池滤料的组成信息,获得第一反冲洗方式,其中,所述反冲洗方式包括空气反冲洗方式、水反冲洗方式和气水反冲洗方式;
步骤S1273:根据所述第一反冲洗方式,对所述第一深床滤池进行反冲洗。
具体而言,所述第一深床滤池滤料的组成信息为滤料的组成成分,如无烟煤、石英砂和石榴石等,所述滤料的组成不同,对其进行的反冲洗方式也不同,根据所述第一深床滤池滤料的组成信息,确定反冲洗方式,所述反冲洗方式包括空气反冲洗方式、水反冲洗方式和气水反冲洗方式,将压缩空气压入滤池,利用上升空气气泡产生的振动和擦洗作用,将附着于滤料表面的杂质清除下来并使之悬浮于水中,然后再用水反冲把杂质排出池外。如所述第一深床滤池滤料的组成较为复杂,单一的反冲洗方式对剥离滤料表面所沉积的悬浮固体的能力有限,常采用气水全反冲的方式清洗出截留的悬浮物和脱落的老化微生物膜,来提高冲洗效率,并根据所述第一反冲洗方式,对所述第一深床滤池进行反冲洗。达到通过滤料的组成成分不同,确定相适应的反冲洗方式,提高冲洗效率,对杂质的去除更加有效彻底,进而保证滤池过滤能力的技术效果。
综上所述,本申请实施例所提供的一种反硝化深床滤池系统运行管理方法及系统具有如下技术效果:
1、由于采用了根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布,进而达到结合污水水量流速以及滤料信息,有针对性的根据具体情况对滤料进行粒径排布,进而提高污水过滤能力的技术效果。
2、由于采用了将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入神经网络模型的方式,进而使得输出的滤料粒径排布方案更加合理、准确,进而达到通过选择特定的滤料粒径排布方案,使得污水处理达到更好的技术效果。
实施例二
基于与前述实施例中一种反硝化深床滤池系统运行管理方法同样发明构思,本发明还提供了一种反硝化深床滤池系统运行管理装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得待过滤水体的水量信息;
第二获得单元12,所述第二获得单元12用于获得待过滤水体的流速信息;
第一构建单元13,所述第一构建单元13用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
第三获得单元14,所述第三获得单元14用于根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;
第四获得单元15,所述第四获得单元15用于根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;
第五获得单元16,所述第五获得单元16用于获得第一深床滤池滤料的属性信息;
第六获得单元17,所述第六获得单元17用于将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;
第一排布单元18,所述第一排布单元18用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
进一步的,所述装置还包括:
第七获得单元,所述第七获得单元用于获得所述待过滤水体的水质信息;
第八获得单元,所述第八获得单元用于根据所述水质信息,获得所述待过滤水体中的含磷量;
第九获得单元,所述第九获得单元用于获得所述第一深床滤池滤料的第一过滤能力,所述第一过滤能力为所述第一深床滤池滤料针对所述待过滤水体中磷的过滤能力;
第十获得单元,所述第十获得单元用于根据所述待过滤水体中的含磷量和所述第一过滤能力,获得所述第一深床滤池滤料的磷过滤率;
第十一获得单元,所述第十一获得单元用于根据所述磷过滤率和所述待过滤水体中的含磷量,获得第一加药计量。
进一步的,所述装置还包括:
第十二获得单元,所述第十二获得单元用于根据所述水质信息,获得所述待过滤水体中的含氮量;
第十三获得单元,所述第十三获得单元用于获得水体净化要求;
第十四获得单元,所述第十四获得单元用于根据所述水体净化要求,获得要求含氮量阈值信息;
第十五获得单元,所述第十五获得单元用于根据所述含氮量和所述要求含氮量阈值信息,获得碳源投加量信息。
进一步的,所述装置还包括:
第十六获得单元,所述第十六获得单元用于获得所述深床滤池的实时滤床阻力;
第十七获得单元,所述第十七获得单元用于获得预定滤床阻力阈值;
第一判断单元,所述第一判断单元用于判断所述实时滤床阻力是否在所述预定滤床阻力阈值之内;
第十八获得单元,所述第十八获得单元用于如果所述实时滤床阻力不在所述预定滤床阻力阈值之内,获得第一气体释放指令;
第一释放单元,所述第一释放单元用于根据所述第一气体释放指令,释放水反冲释放气体。
进一步的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得第一图像信息,所述第一图像信息包括所述第一深床滤池的实时状态图像信息;
第二十获得单元,所述第二十获得单元用于获得第二图像信息,所述第二图像信息包括所述第一深床滤池的初始状态图像信息;
第二十一获得单元,所述第二十一获得单元用于对比所述第一图像信息和所述第二图像信息,获得第一差异度信息;
第二十二获得单元,所述第二十二获得单元用于获得预定差异度阈值;
第二判断单元,所述第二判断单元用于判断所述第一差异度信息是否在所述预定差异度阈值之内;
第二十三获得单元,所述第二十三获得单元用于如果所述第一差异度信息不在所述预定差异度阈值之内,获得第一反冲洗指令;
第一反冲洗单元,所述第一反冲洗单元用于根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗。
进一步的,所述装置还包括:
第二十四获得单元,所述第二十四获得单元用于根据所述第一反冲洗指令,获得第一深床滤池滤料的组成信息;
第二十五获得单元,所述第二十五获得单元用于根据所述第一深床滤池滤料的组成信息,获得第一反冲洗方式,其中,所述反冲洗方式包括空气反冲洗方式、水反冲洗方式和气水反冲洗方式;
第二反冲洗单元,所述第二反冲洗单元用于根据所述第一反冲洗方式,对所述第一深床滤池进行反冲洗。
进一步的,所述装置还包括:
第一输入单元,所述第一输入单元用于将所述第一向量模信息和所述第一深床滤池滤料的属性信息作为输入信息,输入所述滤料粒径排布模型,其中,所述滤料粒径排布模型通过多组作为训练数据的输入数据训练至收敛状态而获得,所述多组作为训练数据的输入数据中均包括:所述第一向量模信息、所述第一深床滤池滤料的属性信息和用于标识第一输出结果的标识信息;
第二十六获得单元,所述第二十六获得单元用于获得所述滤料粒径排布模型的第一输出结果,所述第一输出结果包括所述第一滤料粒径排布方案。
前述图1实施例一中的一种反硝化深床滤池系统运行管理方法的各种变化方式和具体实例同样适用于本实施例的一种反硝化深床滤池系统运行管理装置,通过前述对一种反硝化深床滤池系统运行管理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种反硝化深床滤池系统运行管理装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种反硝化深床滤池系统运行管理方法的发明构思,本发明还提供一种反硝化深床滤池系统运行管理装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种反硝化深床滤池系统运行管理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种反硝化深床滤池系统运行管理方法,所述方法包括:获得待过滤水体的水量信息;获得待过滤水体的流速信息;根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;获得第一深床滤池滤料的属性信息;将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。解决了现有技术存在没有根据具体的污水处理情况进行滤料的粒径排布,进而影响污水过滤效果的技术问题,达到结合污水水量流速以及滤料信息,有针对性的根据具体情况对滤料进行粒径排布,进而提高污水过滤能力的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种反硝化深床滤池系统运行管理方法,其中,所述方法包括:
获得待过滤水体的水量信息;
获得待过滤水体的流速信息;
根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;
根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;
获得第一深床滤池滤料的属性信息;
将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;
根据所述第一滤料粒径排布方案,对所述第一深床滤池滤料的粒径进行排布。
2.如权利要求1所述的方法,其中,所述方法包括:
获得所述待过滤水体的水质信息;
根据所述水质信息,获得所述待过滤水体中的含磷量;
获得所述第一深床滤池滤料的第一过滤能力,所述第一过滤能力为所述第一深床滤池滤料针对所述待过滤水体中磷的过滤能力;
根据所述待过滤水体中的含磷量和所述第一过滤能力,获得所述第一深床滤池滤料的磷过滤率;
根据所述磷过滤率和所述待过滤水体中的含磷量,获得第一加药计量。
3.如权利要求1所述的方法,其中,所述方法包括:
根据所述水质信息,获得所述待过滤水体中的含氮量;
获得水体净化要求;
根据所述水体净化要求,获得要求含氮量阈值信息;
根据所述含氮量和所述要求含氮量阈值信息,获得碳源投加量信息。
4.如权利要求1所述的方法,其中,所述方法包括:
获得所述深床滤池的实时滤床阻力;
获得预定滤床阻力阈值;
判断所述实时滤床阻力是否在所述预定滤床阻力阈值之内;
如果所述实时滤床阻力不在所述预定滤床阻力阈值之内,获得第一气体释放指令;
根据所述第一气体释放指令,释放水反冲释放气体。
5.如权利要求1所述的方法,其中,所述方法包括:
获得第一图像信息,所述第一图像信息包括所述第一深床滤池的实时状态图像信息;
获得第二图像信息,所述第二图像信息包括所述第一深床滤池的初始状态图像信息;
对比所述第一图像信息和所述第二图像信息,获得第一差异度信息;
获得预定差异度阈值;
判断所述第一差异度信息是否在所述预定差异度阈值之内;
如果所述第一差异度信息不在所述预定差异度阈值之内,获得第一反冲洗指令;
根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗。
6.如权利要求5所述的方法,其中,所述根据所述第一反冲洗指令,对所述第一深床滤池进行反冲洗,包括:
根据所述第一反冲洗指令,获得第一深床滤池滤料的组成信息;
根据所述第一深床滤池滤料的组成信息,获得第一反冲洗方式,其中,所述反冲洗方式包括空气反冲洗方式、水反冲洗方式和气水反冲洗方式;
根据所述第一反冲洗方式,对所述第一深床滤池进行反冲洗。
7.如权利要求1所述的方法,其中,所述将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案,包括:
将所述第一向量模信息和所述第一深床滤池滤料的属性信息作为输入信息,输入所述滤料粒径排布模型,其中,所述滤料粒径排布模型通过多组作为训练数据的输入数据训练至收敛状态而获得,所述多组作为训练数据的输入数据中均包括:所述第一向量模信息、所述第一深床滤池滤料的属性信息和用于标识第一输出结果的标识信息;
获得所述滤料粒径排布模型的第一输出结果,所述第一输出结果包括所述第一滤料粒径排布方案。
8.一种反硝化深床滤池系统运行管理装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得待过滤水体的水量信息;
第二获得单元,所述第二获得单元用于获得待过滤水体的流速信息;
第一构建单元,所述第一构建单元用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线;
第三获得单元,所述第三获得单元用于根据所述第一曲线,获得第一坐标向量信息和第二坐标向量信息;
第四获得单元,所述第四获得单元用于根据所述第一坐标向量信息和所述第二坐标向量信息,获得第一向量模信息;
第五获得单元,所述第五获得单元用于获得第一深床滤池滤料的属性信息;
第六获得单元,所述第六获得单元用于将所述第一向量模信息和所述第一深床滤池滤料的属性信息输入滤料粒径排布模型,获得第一滤料粒径排布方案;
第一排布单元,所述第一排布单元用于根据所述水量信息和所述流速信息在直角坐标系中构建第一曲线。
9.一种反硝化深床滤池系统运行管理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299225.1A CN113044975A (zh) | 2021-03-21 | 2021-03-21 | 一种反硝化深床滤池系统运行管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110299225.1A CN113044975A (zh) | 2021-03-21 | 2021-03-21 | 一种反硝化深床滤池系统运行管理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113044975A true CN113044975A (zh) | 2021-06-29 |
Family
ID=76514265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110299225.1A Pending CN113044975A (zh) | 2021-03-21 | 2021-03-21 | 一种反硝化深床滤池系统运行管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113044975A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108314183A (zh) * | 2018-03-13 | 2018-07-24 | 太平洋水处理工程有限公司 | 一种反硝化深床滤池系统的运行方法 |
CN110864675A (zh) * | 2019-10-16 | 2020-03-06 | 同济大学 | 一种基于视频的水域流量流速监测系统及方法 |
CN111995048A (zh) * | 2020-09-09 | 2020-11-27 | 四川省科学城天人环保有限公司 | 一种后置反硝化滤池 |
-
2021
- 2021-03-21 CN CN202110299225.1A patent/CN113044975A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108314183A (zh) * | 2018-03-13 | 2018-07-24 | 太平洋水处理工程有限公司 | 一种反硝化深床滤池系统的运行方法 |
CN110864675A (zh) * | 2019-10-16 | 2020-03-06 | 同济大学 | 一种基于视频的水域流量流速监测系统及方法 |
CN111995048A (zh) * | 2020-09-09 | 2020-11-27 | 四川省科学城天人环保有限公司 | 一种后置反硝化滤池 |
Non-Patent Citations (2)
Title |
---|
徐梅芳: "《小城镇给水厂设计与运行管理指南》", 30 September 2014, 天津大学出版社 * |
水环境治理产业技术创新战略联盟 等: "《中国水环境治理产业发展研究报告》", 31 March 2020, 中国环境出版集团 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lewandowski et al. | Biofilms in water and wastewater treatment | |
Di Bella et al. | An integrated model for physical-biological wastewater organic removal in a submerged membrane bioreactor: Model development and parameter estimation | |
Zuthi et al. | New and practical mathematical model of membrane fouling in an aerobic submerged membrane bioreactor | |
Xiong et al. | Self-adaptive dynamic membrane module with a high flux and stable operation for the municipal wastewater treatment | |
CN102015077A (zh) | 清洗过滤膜组件的方法以及用于处理原水或废水或活性污泥的膜生物反应器系统 | |
Schmitt et al. | Prediction of membrane fouling using artificial neural networks for wastewater treated by membrane bioreactor technologies: bottlenecks and possibilities | |
Janus | Integrated mathematical model of a MBR reactor including biopolymer kinetics and membrane fouling | |
Han et al. | An intelligent detecting system for permeability prediction of MBR | |
Hamedi et al. | A critical review of biomass kinetics and membrane filtration models for membrane bioreactor systems | |
Janus | Modelling and simulation of membrane bioreactors for wastewater treatment | |
CN113044975A (zh) | 一种反硝化深床滤池系统运行管理方法及装置 | |
Charfi et al. | Deposit membrane fouling: influence of specific cake layer resistance and tangential shear stresses | |
Hawari et al. | Predicting the performance of multi-media filters using artificial neural networks | |
Brepols et al. | Position paper–progress towards standards in integrated (aerobic) MBR modelling | |
Sabia et al. | Model-based analysis of the effect of different operating conditions on fouling mechanisms in a membrane bioreactor | |
Pimentel et al. | Design, analysis and validation of a simple dynamic model of a submerged membrane bioreactor | |
WO2021078956A1 (de) | Verfahren zur reinigung von verschmutztem wasser | |
Ludwig et al. | Simulation and optimization of an experimental membrane wastewater treatment plant using computational intelligence methods | |
Bérubé et al. | Fouling in air sparged submerged hollow fiber membranes at sub-and super-critical flux conditions | |
Gholikandi et al. | Upgrading of submerged membrane bioreactor operation with regard to soluble microbial products and mathematical modeling for optimisation of critical flux | |
JP6643086B2 (ja) | 活性汚泥法を用いた監視制御システム | |
CN109766940B (zh) | 评估多个污水处理系统间的相似度的方法和装置 | |
CN105307984A (zh) | 有机性废水的生物处理方法 | |
Pagnanelli et al. | Effect of equilibrium models in the simulation of heavy metal biosorption in single and two-stage UF/MF membrane reactor systems | |
Weatherley et al. | Process modelling of an intensive aquaculture system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210629 |
|
RJ01 | Rejection of invention patent application after publication |