CN113274885B - 应用于膜法污水处理的膜污染智能化预警方法 - Google Patents

应用于膜法污水处理的膜污染智能化预警方法 Download PDF

Info

Publication number
CN113274885B
CN113274885B CN202110312977.7A CN202110312977A CN113274885B CN 113274885 B CN113274885 B CN 113274885B CN 202110312977 A CN202110312977 A CN 202110312977A CN 113274885 B CN113274885 B CN 113274885B
Authority
CN
China
Prior art keywords
membrane
module
early warning
pollution
sewage treatment
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.)
Active
Application number
CN202110312977.7A
Other languages
English (en)
Other versions
CN113274885A (zh
Inventor
张冰
唐和礼
毛鑫
申渝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Technology and Business University
Original Assignee
Chongqing Technology and Business University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Technology and Business University filed Critical Chongqing Technology and Business University
Priority to CN202110312977.7A priority Critical patent/CN113274885B/zh
Publication of CN113274885A publication Critical patent/CN113274885A/zh
Application granted granted Critical
Publication of CN113274885B publication Critical patent/CN113274885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
    • B01D65/02—Membrane cleaning or sterilisation ; Membrane regeneration
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00—Technologies for wastewater treatment
    • Y02W10/10—Biological treatment of water, waste water, or sewage

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Separation Using Semi-Permeable Membranes (AREA)

Abstract

本发明属于污水处理技术领域，提供了应用于膜法污水处理的膜污染智能化预警方法，该方法是通过膜污染预警系统实现，其步骤包括：膜污染预警系统通过数据采集模块对污水处理过程中的数据进行采集，智能分析模块根据采集数据通过人工智能的方式建立膜通量预测模型，当膜通量预测模型提供的膜通量数据低于预警判断模块中设置的膜通量阈值时，预警判断模块判定发生膜污染，预警模块向管理人员发出膜污染预警，并通过声波成像技术检测出膜污染区域并进行冲洗。本发明通过实时管控污水处理系统及时地了解膜污染情况并自动采取一定膜清洗措施，方便了管理人员的膜污染监控和膜清洗操作。

Description

应用于膜法污水处理的膜污染智能化预警方法
技术领域
本发明属于污水处理技术领域，具体为应用于膜法污水处理的膜污染智能化预警方法。
背景技术
按处理深度，可将污水处理分为一级处理、二级处理和深度处理。膜法技术通常用于处理二级处理活性污泥出水，或者将膜处理系统直接置于生化池，代替原有二沉池、絮凝沉淀池等环节。使用膜法技术改造之后，传统污水处理工艺可以直接生产出高品质再生水。但是在膜法污水处理过程中，膜组件中的膜避不可免的会出现被污染的情况，膜污染之后膜通量有所下降，产水阻力增大，所以及时地根据膜污染的情况对被污染的膜片进行清洗是非常有必要的。
发明内容
本发明所解决的技术问题在于提供一种预警方法，使得膜污染影响到膜通量的时候能够及时向管理人员发出预警，及时对被污染的膜片进行清洗。
本发明提供的基础方案：应用于膜法污水处理的膜污染智能化预警方法，使用膜污染预警系统，所述膜污染预警系统包括数据采集模块、智能分析模块、预警判定模块、预警模块、超声波检测模块、声波成像模块、污染物检测模块和冲洗模块，所述应用于膜法污水处理的膜污染智能化预警方法包括以下步骤：
数据检测步骤，膜污染预警系统通过数据采集模块对污水处理过程中的数据进行采集；
数据分析步骤，智能分析模块根据采集数据通过人工智能的方式建立膜通量预测模型，通过膜通量预测模型预测膜通量数据；
预警判定步骤，当当膜通量预测模型预测的膜通量数据低于预警判断模块中设置的膜通量阈值时，预警判断模块判定发生膜污染并将判定结果发送给预警模块；
智能处理步骤，预警模块向管理人员发出膜污染预警，超声波检测模块向膜面发出超声波并接收反射声波，然后通过声波成像模块将接收到的反射声波信号分析处理为膜污染图像，再通过污染物分析模块分析膜污染图像中的污染物分布情况，最后通过冲洗模块根据污染物分布情况对污染物进行冲洗。
本发明的原理及优点在于：本方案运用人工智能的方式根据污水处理过程中采集的数据建立膜通量预测模型，从而预测膜通量变化情况，在膜通量低于预警判断模块中设定的膜污染阈值时，向管理人员发出膜污染预警并通过超声波成像技术生成膜污染图像，再根据膜污染图像分析出污染膜上的污染物分布情况并依据污染物分布情况对污染物进行冲洗；本方案通过构建膜通量预测模型来判断膜污染情况，实现了对膜污染的精准预测；并且在膜污染预警后通过超声波成像技术分析出污染膜上的污染物分布情况并对污染物进行针对性的冲洗，实现了在管理人员不能及时对污染膜进行清洗的情况下能够对膜污染进行智能化清洗处理，提高了净化水的生产效率；而且在污水处理过程中对膜进行清洗还可以减少将膜取出进行清洗的次数，从而降低了膜的损耗。
进一步，所述膜污染预警系统中还包括膜组件调控模块和膜组件序列模块；
所述智能分析模块还用于分析膜组件的膜通量变化率；
所述数据分析步骤中还包括以下步骤：
膜通量变化率计算步骤，智能分析模块根据膜通量预测模型分析出各个膜组件的膜通量变化率；
序列生成步骤，膜组件序列模块根据各个膜组件的膜通量变化率由高到低生成膜组件序列，再根据膜组件序列中各个膜组件的膜通量变化率通过冒泡算法生成膜调控序列；
膜组件调控步骤，膜组件调控模块根据膜调控序列调整各个膜组件的所处区域。
有益效果：本方案根据膜组件的膜通量变化率不同来调整膜组件到不同的污水处理区域，使得各个膜组件的膜通量相对平衡，各个膜组件的污染程度也大致相同，从而使得管理人员在处理污水池中膜组件的膜污染问题时可以对膜组件进行统一更换或清洗，减少了管理人员的工作量。
进一步，所述智能处理步骤中还包括实时成像步骤；
实时成像步骤，预警模块将膜污染图像以及膜污染分布情况发送给管理人员。
有益效果：将膜污染图像发送给管理人员，让管理人员了解膜污染分布情况。
进一步，还包括振动清洗步骤；所述膜污染预警系统还包括振动模块；
振动清洗步骤：振动模块在污水处理过程中控制膜片发生振动。
有益效果：通过振动模块生成的超频振动在膜表面形成巨大正弦波剪切力，有效阻止污染物在膜片上的堆积。
进一步，所述智能处理步骤中还包括：污水处理系统收到膜污染预警后会将膜组件翻转75°-105°使膜面与水流平行并停留15-45分钟。
有益效果：利用水流的横向冲洗来对污染层产生切割作用，使污染层和膜面剥离，起到对膜片的清洗作用。
进一步，所述智能处理步骤中还包括：超声波检测模块接收反射声波后还用于将反射声波放大。
有益效果：接收到的反射声波信号极其微弱，需经过放大后更便于检测。
进一步，还包括超声清洗步骤；
超声清洗步骤：超声波检测模块在污水处理过程中发出超声波来清洗膜片。
有益效果：在污水处理过程中利用超声波在液体中的空化作用、直进流作用和液体粒子推动产生的加速度作用剥离膜表面的污染物。
进一步，还包括定时清洗步骤；所述膜污染预警系统还包括计时模块；
定时清洗步骤：计时模块定时控制超声波检测模块进行超声清洗步骤。
有益效果：超声波检测模块通过计时模块来控制对膜的清洗频率，避免持续生成超声波造成的不必要的能量损耗，起到节能的作用。
进一步，所述数据分析步骤中还包括：智能分析模块建立膜通量预测模型后还会生成预测曲线趋势图发送给管理人员进行实时管控。
有益效果：让管理人员能够远程实时查看到膜通量变化趋势，了解膜污染情况，方便管理人员及时进行管控。
附图说明
图1为本发明实施例应用于膜法污水处理的膜污染智能化预警方法的步骤流程示意图。
具体实施方式
下面通过具体实施方式进一步详细说明：
具体实施过程如下：
实施例一
实施例一基本如附图1所示，应用于膜法污水处理的膜污染智能化预警方法，使用膜污染预警系统，所述膜污染预警系统包括数据采集模块、智能分析模块、预警判定模块、预警模块、超声波检测模块、声波成像模块、污染物检测模块和冲洗模块，所述应用于膜法污水处理的膜污染智能化预警方法包括以下步骤：
数据检测步骤，膜污染预警系统通过数据采集模块对污水处理过程中的数据进行采集；
数据分析步骤，智能分析模块根据采集数据通过人工智能的方式建立膜通量预测模型，通过膜通量预测模型预测膜通量数据；
预警判定步骤，当膜通量预测模型预测的膜通量数据低于预警判断模块中设置的膜通量阈值时，预警判断模块判定发生膜污染并将判定结果发送给预警模块；
智能处理步骤，预警模块向管理人员发出膜污染预警，超声波检测模块向膜面发出超声波并接收反射声波，然后通过声波成像模块将接收到的反射声波信号分析处理为膜污染图像，再通过污染物分析模块分析膜污染图像中的污染物分布情况，最后通过冲洗模块根据污染物分布情况对污染物进行冲洗。
具体的，本发明中所述膜污染预警系统通过数据采集模块采集污水处理过程中净化水的流量和净化水的温度的数据，然后通过智能分析模块使用基于人工智能的方式建立膜通量预测模型并根据预测模型生成预测曲线趋势图发送给管理人员进行实时管控。
其中，智能分析模块中包括BP神经网络模块，用于根据检测数据，生成膜通量预测模型。膜通量预测模型为BP神经网络模型，BP神经网络模块使用BP神经网络技术来对膜通量进行预测，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，以净化水的流量和净化水的温度作为输入层的输入，因此输入层有2个节点，而输出是对膜通量的预测，因此共有1个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：
Figure 206657DEST_PATH_IMAGE001
；其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为6，因此隐层共有8个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据中的膜通量数据作为样本对模型进行训练，通过膜通量数据训练完成后得到的预测模型可以取得较为准确的预测结果。
预警判断模块根据预测模型提供的膜通量数据进行判定，当膜通量低于预警判断模块中设定的膜通量阈值时，预警判断模块将会判定膜污染并由预警模块向管理人员发出膜污染预警，通知管理人员及时对被污染的膜进行清洗。
同时，膜污染预警系统还会采取智能处理膜污染的措施，膜污染预警系统通过超声波检测模块向膜面发出超声波，超声波经过膜面和污染层后返回，反射声波经由超声波检测模块接收并转换为电信号，经过放大处理后再通过声波成像模块获得膜污染图像，此时，膜污染预警系统通过污染物分析模块分析出污染膜上的污染物分布情况并冲洗模块对污染物集中区域进行冲洗。
此外，膜污染预警系统中还包括振动模块，振动模块中包括有振动装置，所述振动装置在污水处理过程中对膜面发出超频振动从而在膜表面形成巨大正弦波剪切力，有效阻止污染物在膜片上的堆积。
实施例二
实施例二与实施例一的区别仅在于实施例四中的膜污染预警系统还包括计时模块、膜组件调控模块和膜组件序列模块，所述智能分析模块还用于分析膜组件的膜通量变化率。
当智能分析模块根据膜通量预测模型分析出各个膜组件的膜通量变化率后，所述膜组件序列模块将会根据各个膜组件的膜通量变化率生成由高到低的膜组件序列；然后计时器每隔三小时，都会调用膜组件序列模块根据膜组件序列中各个膜组件的膜通量变化率通过冒泡算法生成膜调控序列，然后通过膜组件调控模块根据膜调控序列调整各个膜组件在污水池中的所处区域；通过调整各个膜组件所在的位置影响其膜通量变化率，以此来平衡各个膜组件的膜通量，并且通过膜组件的移动使得污水池中的污染物散布更为均匀，使得管理人员在处理膜污染时能够统一更换或清洗污染膜，减少管理人员的工作量。
实施例三
实施例三与实施例一的区别仅在于实施例三中膜污染预警系统在收到膜污染预警后还会将膜组件翻转75°使膜面与水流平行并停留15分钟，利用水流的横向冲洗来对污染层产生切割作用，使污染层和膜面剥离，起到对膜片的清洗作用。
实施例四
实施例四与实施例三的区别仅在于实施例四中的膜污染预警系统还包括计时模块，在污水处理过程中超声波检测模块还会发出超声波，利用超声波在液体中的空化作用、直进流作用和液体粒子推动产生的加速度作用剥离膜表面的污染物；计时模块用于控制超声波检测模块的使用频率，防止超声波检测模块一直运行而造成的不必要能量损耗，膜污染预警系统在收到膜污染预警后还会将膜组件翻转105°使膜面与水流平行并停留45分钟。
实施例五
实施例五与实施例一的区别仅在于实施例五中膜污染预警系统还会通过膜通量预测模型分析生成预测曲线趋势图发送给管理人员进行实时管控。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (8)

1.应用于膜法污水处理的膜污染智能化预警方法，其特征在于，使用膜污染预警系统，所述膜污染预警系统包括数据采集模块、智能分析模块、预警判定模块、预警模块、超声波检测模块、声波成像模块、污染物检测模块和冲洗模块，所述应用于膜法污水处理的膜污染智能化预警方法包括以下步骤：
数据检测步骤，膜污染预警系统通过数据采集模块对污水处理过程中的数据进行采集；
数据分析步骤，智能分析模块根据采集数据通过人工智能的方式建立膜通量预测模型，通过膜通量预测模型预测膜通量数据；
预警判定步骤，当膜通量预测模型预测的膜通量数据低于预警判断模块中设置的膜通量阈值时，预警判断模块判定发生膜污染并将判定结果发送给预警模块；
智能处理步骤，预警模块向管理人员发出膜污染预警，超声波检测模块向膜面发出超声波并接收反射声波，然后通过声波成像模块将接收到的反射声波信号分析处理为膜污染图像，再通过污染物分析模块分析膜污染图像中的污染物分布情况，最后通过冲洗模块根据污染物分布情况对污染物进行冲洗；
所述膜污染预警系统中还包括膜组件调控模块和膜组件序列模块；
所述智能分析模块还用于分析膜组件的膜通量变化率；
所述数据分析步骤中还包括以下步骤：
膜通量变化率计算步骤，智能分析模块根据膜通量预测模型分析出各个膜组件的膜通量变化率；
序列生成步骤，膜组件序列模块根据各个膜组件的膜通量变化率由高到低生成膜组件序列，膜组件序列模块根据膜组件序列中各个膜组件的膜通量变化率通过冒泡算法生成膜调控序列；
膜组件调控步骤，膜组件调控模块根据膜调控序列调整各个膜组件的所处区域。
2.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，所述智能处理步骤中还包括实时成像步骤；
实时成像步骤，预警模块将膜污染图像以及膜污染分布情况发送给管理人员。
3.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，还包括振动清洗步骤；所述膜污染预警系统还包括振动模块；
振动清洗步骤：振动模块在污水处理过程中控制膜片发生振动。
4.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，所述智能处理步骤中还包括：污水处理系统收到膜污染预警后会将膜组件翻转75°-105°使膜面与水流平行并停留15-45分钟。
5.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，所述智能处理步骤中还包括：超声波检测模块接收反射声波后还用于将反射声波放大。
6.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，还包括超声清洗步骤；
超声清洗步骤：超声波检测模块在污水处理过程中发出超声波来清洗膜片。
7.根据权利要求6所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，还包括定时清洗步骤；所述膜污染预警系统还包括计时模块；
定时清洗步骤：计时模块定时控制超声波检测模块进行超声清洗步骤。
8.根据权利要求1所述的应用于膜法污水处理的膜污染智能化预警方法，其特征在于，所述数据分析步骤中还包括：智能分析模块建立膜通量预测模型后还会生成预测曲线趋势图发送给管理人员进行实时管控。
CN202110312977.7A 2021-03-24 2021-03-24 应用于膜法污水处理的膜污染智能化预警方法 Active CN113274885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110312977.7A CN113274885B (zh) 2021-03-24 2021-03-24 应用于膜法污水处理的膜污染智能化预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110312977.7A CN113274885B (zh) 2021-03-24 2021-03-24 应用于膜法污水处理的膜污染智能化预警方法

Publications (2)

Publication Number Publication Date
CN113274885A CN113274885A (zh) 2021-08-20
CN113274885B true CN113274885B (zh) 2023-02-07

Family

ID=77276056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110312977.7A Active CN113274885B (zh) 2021-03-24 2021-03-24 应用于膜法污水处理的膜污染智能化预警方法

Country Status (1)

Country Link
CN (1) CN113274885B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113941258A (zh) * 2021-09-08 2022-01-18 郑州清源智能装备科技有限公司 一种基于产水流量计的超滤膜丝寿命预测方法和设备
CN114477429A (zh) * 2022-01-17 2022-05-13 中信环境技术（广州）有限公司 一种控制mbr污水处理系统膜污染的方法和存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005099875A1 (fr) * 2004-04-16 2005-10-27 Tsinghua University Procede de prevision du flux de permeation d'un module de membrane
CN101944275A (zh) * 2010-08-26 2011-01-12 天津市环境保护科学研究院 中空纤维设备的膜污染诊断与预警决策系统
CN102015076A (zh) * 2008-02-19 2011-04-13 Abb研究有限公司 膜分离过程的在线性能管理
JP2011212608A (ja) * 2010-03-31 2011-10-27 Kurita Water Ind Ltd リユース分離膜の管理装置、管理プログラム、および、管理方法
CN203079736U (zh) * 2013-01-22 2013-07-24 北京城市排水集团有限责任公司 Mbr膜污染预警系统
CN203256007U (zh) * 2013-03-18 2013-10-30 张银利 双级反渗透膜水处理级序交换工艺装置
CN105921017A (zh) * 2008-02-19 2016-09-07 Abb研究有限公司 膜分离过程的在线性能管理
JP2016172213A (ja) * 2015-03-16 2016-09-29 メタウォーター株式会社 時期調整方法および時期調整装置
CN108375534A (zh) * 2018-02-06 2018-08-07 北京工业大学 Mbr膜污染智能预警方法
CN208995351U (zh) * 2018-10-19 2019-06-18 佛山科学技术学院 一种金属行业难生化降解废水处理装置
KR20190113421A (ko) * 2018-03-28 2019-10-08 광주과학기술원 역삼투막 오염 예측 모델의 표본 입력 데이터 양 결정 방법 및 이를 이용한 장치
CN110668562A (zh) * 2019-10-25 2020-01-10 中信环境技术（广州）有限公司 实时消除膜生物反应器污染的控制方法、系统及存储介质
CN112488286A (zh) * 2019-11-22 2021-03-12 大唐环境产业集团股份有限公司 一种用于mbr膜污染在线监测方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5034337B2 (ja) * 2005-06-28 2012-09-26 東レ株式会社 膜ろ過装置の運転条件の決定方法、およびそれを用いた膜ろ過装置の運転方法
CN102259971B (zh) * 2011-05-17 2012-12-05 同济大学 高通量低能耗在线自清洗柔性膜-生物反应器
CN102627370A (zh) * 2012-03-30 2012-08-08 宁波大学 能够持续维持高处理效率的废水降解用微波光催化装置
CN206927664U (zh) * 2017-06-05 2018-01-26 北京博鑫精陶环保科技有限公司 一种多出水口平板陶瓷膜组
CN109133351A (zh) * 2018-08-29 2019-01-04 北京工业大学 膜生物反应器-mbr膜污染智能预警方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005099875A1 (fr) * 2004-04-16 2005-10-27 Tsinghua University Procede de prevision du flux de permeation d'un module de membrane
CN105921017A (zh) * 2008-02-19 2016-09-07 Abb研究有限公司 膜分离过程的在线性能管理
CN102015076A (zh) * 2008-02-19 2011-04-13 Abb研究有限公司 膜分离过程的在线性能管理
JP2011212608A (ja) * 2010-03-31 2011-10-27 Kurita Water Ind Ltd リユース分離膜の管理装置、管理プログラム、および、管理方法
CN101944275A (zh) * 2010-08-26 2011-01-12 天津市环境保护科学研究院 中空纤维设备的膜污染诊断与预警决策系统
CN203079736U (zh) * 2013-01-22 2013-07-24 北京城市排水集团有限责任公司 Mbr膜污染预警系统
CN203256007U (zh) * 2013-03-18 2013-10-30 张银利 双级反渗透膜水处理级序交换工艺装置
JP2016172213A (ja) * 2015-03-16 2016-09-29 メタウォーター株式会社 時期調整方法および時期調整装置
CN108375534A (zh) * 2018-02-06 2018-08-07 北京工业大学 Mbr膜污染智能预警方法
KR20190113421A (ko) * 2018-03-28 2019-10-08 광주과학기술원 역삼투막 오염 예측 모델의 표본 입력 데이터 양 결정 방법 및 이를 이용한 장치
CN208995351U (zh) * 2018-10-19 2019-06-18 佛山科学技术学院 一种金属行业难生化降解废水处理装置
CN110668562A (zh) * 2019-10-25 2020-01-10 中信环境技术（广州）有限公司 实时消除膜生物反应器污染的控制方法、系统及存储介质
CN112488286A (zh) * 2019-11-22 2021-03-12 大唐环境产业集团股份有限公司 一种用于mbr膜污染在线监测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
人工神经网络在膜生物反应器膜污染预测中的应用前景;石宝强;《工业水处理》;20061231;第26卷(第12期);第14页-第17页 *
反渗透膜污染监测及控制方法;吕慧;《化学工业与工程》;20101130;第27卷(第6期);第525页-第529页 *
基于改进极限学习机的MBR仿真预测研究;杨新星等;《软件》;20161215(第12期);第17页-第20页 *

Also Published As

Publication number Publication date
CN113274885A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN113274885B (zh) 应用于膜法污水处理的膜污染智能化预警方法
CN103744293B (zh) 基于模糊神经网络的废水处理监控方法和系统
CN109081507B (zh) 污水处理控制方法及系统
CN103984320B (zh) 一种基于物联网的企业雨水排放口监控系统及其监控方法
CN102681498B (zh) 污水处理过程优化运行方法
CN108375534A (zh) Mbr膜污染智能预警方法
Baxter et al. Drinking water quality and treatment: the use of artificial neural networks
Vyas et al. Performance forecasting of common effluent treatment plant parameters by artificial neural network
KR102261819B1 (ko) 인공지능 시뮬레이션을 이용한 정수처리장의 운영 시스템
CN114275912B (zh) 一种基于自适应神经网络模型的曝气系统溶解氧控制方法
William et al. Architecture for AI-Based Validation of Wastewater Management Using Open Data Exchange Technique
Zhang et al. Application with Internet of things technology in the municipal industrial wastewater treatment based on membrane bioreactor process
Yusuf et al. Soft computing techniques in modelling of membrane filtration system: A review
Nam et al. Dual-objective optimization for energy-saving and fouling mitigation in MBR plants using AI-based influent prediction and an integrated biological-physical model
CN108536106A (zh) 一种基于卡尔曼滤波-极限学习机的曝气系统溶解氧在线调控方法
Han et al. An intelligent detecting system for permeability prediction of MBR
Salari et al. Modeling and predicting of water production by capacitive deionization method using artificial neural networks
Manimekalai et al. Artificial Neural Network with extreme learning machine-based Wastewater Treatment systems
Wu et al. Intelligent Warning of Membrane Fouling Based on Robust Deep Neural Network
JP2010158632A (ja) 上水施設の監視制御システム
CN113023873B (zh) 用于污水处理的智能管理系统及方法
Baxter et al. Model-based advanced process control of coagulation
CN114693493A (zh) 一种基于IoT的污染河流水生态修复系统
Han et al. Knowledge-based fuzzy broad learning algorithm for warning membrane fouling
Alnajjar et al. Performance prediction and control for wastewater treatment plants using artificial neural network modeling of mechanical and biological treatment

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
GR01 Patent grant
GR01 Patent grant