CN114804550B - 一种基于神经网络模型的污水处理调控系统 - Google Patents
一种基于神经网络模型的污水处理调控系统 Download PDFInfo
- Publication number
- CN114804550B CN114804550B CN202210657915.4A CN202210657915A CN114804550B CN 114804550 B CN114804550 B CN 114804550B CN 202210657915 A CN202210657915 A CN 202210657915A CN 114804550 B CN114804550 B CN 114804550B
- Authority
- CN
- China
- Prior art keywords
- water
- pipe
- sewage
- nitrogen
- water outlet
- 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
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 120
- 238000003062 neural network model Methods 0.000 title claims abstract description 24
- 230000033228 biological regulation Effects 0.000 title claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 268
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 146
- 241000894006 Bacteria Species 0.000 claims abstract description 90
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 74
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 74
- 239000011574 phosphorus Substances 0.000 claims abstract description 74
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 73
- 230000015556 catabolic process Effects 0.000 claims abstract description 50
- 238000006731 degradation reaction Methods 0.000 claims abstract description 50
- 238000000746 purification Methods 0.000 claims abstract description 44
- 230000000593 degrading effect Effects 0.000 claims abstract description 39
- 238000012806 monitoring device Methods 0.000 claims abstract description 31
- 239000008213 purified water Substances 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims description 48
- 238000004062 sedimentation Methods 0.000 claims description 47
- 238000005070 sampling Methods 0.000 claims description 44
- 238000010992 reflux Methods 0.000 claims description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 36
- 229910052799 carbon Inorganic materials 0.000 claims description 36
- 239000007788 liquid Substances 0.000 claims description 25
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 15
- 239000010802 sludge Substances 0.000 claims description 15
- 239000000945 filler Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 239000013049 sediment Substances 0.000 claims description 14
- 238000005273 aeration Methods 0.000 claims description 11
- 230000029087 digestion Effects 0.000 claims description 9
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 7
- 238000007790 scraping Methods 0.000 claims description 7
- 229910021536 Zeolite Inorganic materials 0.000 claims description 4
- HNPSIPDUKPIQMN-UHFFFAOYSA-N dioxosilane;oxo(oxoalumanyloxy)alumane Chemical compound O=[Si]=O.O=[Al]O[Al]=O HNPSIPDUKPIQMN-UHFFFAOYSA-N 0.000 claims description 4
- 239000010457 zeolite Substances 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 239000011259 mixed solution Substances 0.000 claims description 3
- 239000000243 solution Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000001556 precipitation Methods 0.000 description 10
- 244000005700 microbiome Species 0.000 description 9
- 239000006228 supernatant Substances 0.000 description 8
- 239000002154 agricultural waste Substances 0.000 description 7
- 230000001965 increasing effect Effects 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 239000010902 straw Substances 0.000 description 4
- 229920000388 Polyphosphate Polymers 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000813 microbial effect Effects 0.000 description 3
- 239000001205 polyphosphate Substances 0.000 description 3
- 235000011176 polyphosphates Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 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 2
- 238000002835 absorbance Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- -1 corncobs Substances 0.000 description 2
- 208000028659 discharge Diseases 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 241001148470 aerobic bacillus Species 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005243 fluidization Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- AHEWZZJEDQVLOP-UHFFFAOYSA-N monobromobimane Chemical group BrCC1=C(C)C(=O)N2N1C(C)=C(C)C2=O AHEWZZJEDQVLOP-UHFFFAOYSA-N 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002195 synergetic effect Effects 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
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- C02F2001/007—Processes including a sedimentation step
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/105—Phosphorus compounds
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/16—Nitrogen compounds, e.g. ammonia
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/14—NH3-N
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/18—PO4-P
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/40—Liquid flow rate
-
- 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
- C02F3/30—Aerobic and anaerobic processes
- C02F3/301—Aerobic and anaerobic treatment in the same reactor
-
- 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
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
-
- 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
- C02F3/32—Biological treatment of water, waste water, or sewage characterised by the animals or plants used, e.g. algae
-
- 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
- C02F3/34—Biological treatment of water, waste water, or sewage characterised by the microorganisms used
-
- 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)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明涉及污水处理调控技术领域，公开了一种基于神经网络模型的污水处理调控系统，包括降解菌净化系统和湿地净化系统；可利用降解菌净化系统对一部分污水进行净化处理和氮磷去除工作后得到含有降解菌的净化水，再由湿地净化系统获取净化水中的降解菌，对另一部分污水进行净化处理和氮磷去除，同时由监测装置对输出水中氮磷含量进行监测，当氮磷含量较高时，可以根据预设条件提升降解菌的输出速率并降低污水供给速率，当氮磷含量较低时，可以根据预设条件降低降解菌的输出速率并提升污水供给速率，如此能在充分提升污水处理和氮磷去除工作效率的同时，保证污水处理和氮磷去除工作的质量，并节约降解菌的使用，避免浪费。
Description
技术领域
本发明涉及污水处理调控技术领域，具体涉及一种基于神经网络模型的污水处理调控系统。
背景技术
人工湿地是一种可持续性的污水处理方式，可作为农田和水体之间的连接通道，具有应用范围广、成本低且处理有效的优点。其脱氮过程是物理、化学和生物反应协同作用的结果，如植物吸收、基质吸附和微生物作用等。但一般认为，微生物的硝化反硝化过程才是人工湿地中氮去除的主要途径。影响反硝化作用的因素众多，如溶解氧、碳源、pH和温度等，其中碳源的缺乏是限制反硝化进行的关键因素。
碳源一方面可以通过微生物消耗有机物降低系统中溶解氧水平，另一方面可以为反硝化过程提供电子供体，共同为反硝化作用创造反应条件，从而促进人工湿地中脱氮反应的进行。然而，农业径流普遍存在碳源不足、碳氮比低的问题，如专利申请号为201710794250.0所公开的一种增强人工湿地生物脱氮效果的方法，在人工湿地的前端设置一碳源缓释装置，污水先经过碳源缓释装置后再进入人工湿地；所述碳源缓释装置的外部由网状框架结构构成，内部置有农业废弃物。该发明将农业废弃物置于人工湿地的前端，通过控制农业废弃物投加速率和混合比例，利用农业废弃物的缓释作用为人工湿地反硝化脱氮提供碳源，从而提高人工湿地的总氮去除率。
然而，上述技术方技术方案中对农业废弃物的分解依赖大量的微生物，污水的不断加入会不断的稀释微生物的数量，因此对污水的排放处理速度提出了挑战，需要不断的对各类微生物进行补充，无法保证污水净化和脱氮效率的稳定。
发明内容
本发明的目的在于提供一种基于神经网络模型的污水处理调控系统，解决以下技术问题：
如何提供一种能够自动的通过调节降解菌含量以及污水流量来兼顾提升污水处理效率和质量的污水处理调控系统。
本发明的目的可以通过以下技术方案实现：
一种基于神经网络模型的污水处理调控系统，包括降解菌净化系统和湿地净化系统，还包括监测装置；
所述降解菌净化系统用于接收污水后净化并进行氮磷去除工作，输出含降解菌的净化水，所述湿地净化系统用于对所述污水进行净化并通过接收所述净化水进行氮磷去除工作；
所述监测装置与所述降解菌净化系统连接，设置在所述湿地净化系统的输出端，用于检测输出水中氮磷含量，在预设条件下驱动所述降解菌净化系统调节污水供给速率和所述降解菌的输出速率。
通过上述技术方案，可利用降解菌净化系统对一部分污水进行净化处理和氮磷去除工作后得到含有降解菌的净化水，再由湿地净化系统获取净化水中的降解菌，对另一部分污水进行净化处理和氮磷去除，同时由监测装置对输出水中氮磷含量进行监测，当氮磷含量较高时，可以根据预设条件提升降解菌的输出速率并降低污水供给速率，当氮磷含量较低时，可以根据预设条件降低降解菌的输出速率并提升污水供给速率，如此能在充分提升污水处理和氮磷去除工作效率的同时，保证污水处理和氮磷去除工作的质量，并节约降解菌的使用，避免浪费。
作为本发明进一步的方案：所述监测装置包括氮磷含量检测组件；所述氮磷含量检测组件包括抽样单元、总氮检测单元、总磷检测单元和紫外光谱分析单元以及识别单元；
所述抽样单元，用于从所述湿地净化系统的输出端抽取预设量的水样，将所述水样平均分为第一水样和第二水样；
所述总氮检测单元，包含第一消解液，用于接收所述第一水样后与所述第一水样混合得到第一混合液；
所述总磷检测单元，包含第二消解液，用于接收所述第二水样后与所述第二水样混合得到第二混合液；
所述紫外光谱分析单元，用于分别对所述第一混合液和所述第二混合液进行预设时长的光照处理，分别得到第一采样图片和第二采样图片；
所述识别单元，用于在接收所述第一采样图片和所述第二采样图片后输出相应的判断分类结果；
其中，所述识别单元为训练完成后的神经网络模型，所述分类结果包括总氮不合格、总磷不合格、总氮磷不合格、总氮磷合格。
通过上述技术方案，可在不同氮磷含量的混合液面对紫外光照射时的不同吸光度值的表现，通过经过训练完成的神经网络模型对第一采样图片和第二采样图片进行自动识别，从而能够迅速的对氮磷去除工作的质量进行检查，且无须人工前往采样，可通过远程控制监测装置进行工作。
作为本发明进一步的方案：所述紫外光谱分析单元包括发射单元和处理单元；
所述发射单元，用于在预设波长区间内随机选择目标波长发射，每发射一次目标波长的紫外光，所述处理单元获取一张对应的初始图片；
所述处理单元，用于对所述初始图片进行预设规则的图像处理，得到对应的采样图片；
所述预设波长区间为230nm～285nm；
其中，所述预设规则为：
获取所述初始图片的中目标像素点的RGB通道值；所述目标像素点的RGB通道值分别为Rn、Gn、Bn；
根据预设公式计算得到与所述目标像素点对应的替换像素；所述替换像素的RGB通道值分别为Rxn、Gxn、Bxn；
以所述替换像素替换对应所述目标像素点后的所述初始图片作为所述采样图片。
通过上述技术方案，由于神经网络模型实质为机器对图片的识别，与人眼不同，机器对于图片变化比如像素的敏感度要远远高于人眼，因此神经网络模型存在一定的判断误差，所以可以在将图片输入识别单元之前对图片进行一定的处理；比如，对初始图片的预设位置的像素点使用替换像素点进行替换，每替换一次便可以得到一个新的采样图片，如此可以得到任意数量的采样图片。
以第一采样图片的获取为例，发射单元向第一混合液发射235nm波长的紫外光，同时处理单元对第一混合液进行摄像获取，得到对应的原始图片，可将初始图片的中心线位置的所有像素点均替换为对应的替换像素点，以此将得到第一采样图片发送至识别单元进行识别；然后继续将初始图片的中心线位置附近1格像素距离的所有像素点均替换为对应的替换像素点，以此得到第二个第一采样图片，如此循环可以得到N个第一采样图片；
当N为9时，将这9个第一采样图片统一发送至识别单元进行识别，由此可以得到9个判断结果，可以对着9个判断结果进行统计，取概率占比最高的的分类结果作为最终的分类结果；
但是，若得到3个总氮不合格、3个总磷不合格、2个总氮磷不合格、1个总氮磷合格的结果，则认为最终的分类结果为总氮磷不合格；也就是说，若概率占比前两名的分类结果分别为总氮不合格和总磷不合格，则可认为最终的分类结果为总氮磷不合格。
作为本发明进一步的方案：所述降解菌净化系统包括依次连通的主含厌氧型降解菌的厌氧模块、主含好氧型降解菌的移动床生物膜反应器和沉淀回流模块；
所述沉淀回流模块用于向所述湿地脱氮系统输送所述净化水，以及向所述厌氧模块回流输送沉淀污泥，所述沉淀污泥包括所述厌氧型降解菌和所述好氧型降解菌。
通过上述技术方案，在厌氧模块和移动床生物膜反应器中进行深度脱氮除磷，沉淀回流模块可通过沉淀形成上清液和沉淀污泥，上清液即为包含一定降解菌的净化水，包含大量将降解菌的沉淀污泥可回流输送至厌氧模块中，对厌氧模块以及移动床生物膜反应器中的降解菌继续补充。
作为本发明进一步的方案：所述降解菌净化系统还包括污水供给模块；
所述污水供给模块包括蓄水池和第一进水泵以及第一进水管，所述蓄水池通过所述第一进水泵经所述第一进水管向所述厌氧模块和所述湿地净化系统提供污水，所述沉淀回流模块通过所述第一进水管向所述湿地净化系统提供所述净化水。
通过上述技术方案，污水供给模块通过第一进水泵驱动污水与净化水参杂后从第一进水管进入湿地净化系统，可以在湿地净化系统中保证污水与降解菌的充分接触，提升污水处理和氮磷去除工作效率。
作为本发明进一步的方案：所述厌氧模块包括第二进水管、厌氧池、第二进水泵、第一出水管和混合液回流管以及混合液回流泵；所述沉淀回流模块包括沉淀池、第二出水管、第三出水管、沉淀回流泵以及沉淀回流管；
其中，所述第一进水泵通过所述第一进水管将所述蓄水池中留存的污水经所述第二进水管向所述厌氧模块进行输送，所述第二进水泵通过所述第一出水管将所述厌氧池中的污水抽至所述移动床生物膜反应器中，所述混合液回流泵将所述移动床生物膜反应器中的混合液通过所述混合液回流管回流至所述厌氧池中；所述移动床生物膜反应器的出水端与所述第二出水管的一端连通，所述第二出水管的另一端与所述沉淀池连通；
所述沉淀回流泵通过所述沉淀回流管将所述沉淀池中的沉淀物抽至所述厌氧池中；所述沉淀池的出水端与所述第三出水管的一端连通，所述第三出水管的另一端与所述第一进水管连通。
作为本发明进一步的方案：所述第二进水管内设置有第一阀门，所述沉淀回流管内设置有第二阀门，所述第三出水管内设置有第三阀门；所述第一阀门受控于所述监测装置。
通过上述技术方案，监测装置可在预设条件下对第一阀门进行控制，打开第一阀门的开度时，会提升污水进入厌氧模块的流量，相可配合第三阀门变相的提升净化水的流量，同时也会降低从第一进水管直接进入湿地净化系统的污水流量，从而对污水处理和氮磷去除工作的速度和质量进行调整。
作为本发明进一步的方案：所述移动床生物膜反应器包括反应容器、悬浮填料和曝气盘；
所述悬浮填料设置在所述反应容器内，所述曝气盘设置在所述反应容器底部，所述第一出水管和所述第二出水管与所述反应容器连通。
作为本发明进一步的方案：所述湿地净化系统包括多个湿地单元、布水模块和碳源组件；
所述湿地单元包括从上到下依次设置的种植层、第一砾石层、沸石和火山岩填料以及第二砾石层；
所述布水模块包括用于接收污水的第一布水管和与所述第一布水管连通的多个第一布水支管，所述第一布水支管上开设有多个第一排水孔；
所述碳源组件包括碳源箱、传动轴、旋转刮板和切割刀；所述碳源箱设置在所述第一砾石层上，所述传动轴转动设置在所述碳源箱内，所述旋转刮板和所述切割刀固定在所述传动轴上。
通过上述技术方案，传动轴上的切割刀具有切割力，驱动传动轴转动可以将未经处理投放进碳源箱中的农业废弃物如玉米芯、稻草、小麦秸秆等进行切割，方便后续反应，底部的第一布水管可通过第一布水支管进行大量的污水以及降解菌排布，提升处理效率。
作为本发明进一步的方案：所述布水模块还包括集水管、通气管和第二布水管以及与所述第二布水管连通的多个第二布水支管；所述集水管上开设有多个进水孔；
所述通气管和所述第二布水管以及所述集水管连通。
通过上述技术方案，在降雨天气下，有部分污水可以直接进入布水模块中，进入的污水可以将被切碎分解的碳源通过碳源箱布水至火山岩填料填料以及相邻的湿地单元中，污水下行至下部的集水管进行收集，再通过第二布水管导入另一湿地单元中继续处理，从而对污水有序均匀分散。
作为本发明进一步的方案：所述布水模块还包括与所述第一出水管连通的第四出水管，所述第四出水管的出水方向对准所述旋转刮板。
通过上述技术方案，第四出水管所喷出的污水可以给传动轴的转动提供额外的动力，节省能源而且能够充分与碳源混合。
作为本发明进一步的方案：所述布水模块还包括设置在所述第一砾石层的第五出水管，所述监测装置设置在所述第五出水管的出口处。
通过上述技术方案，从第五出水管的水是经过多个湿地单元充分净化以及氮磷去除工作的，采用监测装置能够准确的知晓污水净化和氮磷去除工作的工作效果，从而及时的进行调整。
本发明的有益效果：
(1)可利用降解菌净化系统对一部分污水进行净化处理和氮磷去除工作后得到含有降解菌的净化水，再由湿地净化系统获取净化水中的降解菌，对另一部分污水进行净化处理和氮磷去除，同时由监测装置对输出水中氮磷含量进行监测，当氮磷含量较高时，可以根据预设条件提升降解菌的输出速率并降低污水供给速率，当氮磷含量较低时，可以根据预设条件降低降解菌的输出速率并提升污水供给速率，如此能在充分提升污水处理和氮磷去除工作效率的同时，保证污水处理和氮磷去除工作的质量，并节约降解菌的使用，避免浪费；
(2)在厌氧模块中，降解菌如聚磷菌，可用于分解其细胞内的聚磷酸盐，对磷进行释放；在移动床生物膜反应器中，聚磷菌可以大量吸收溶解态的正磷酸盐，在自身细胞内合成多聚磷酸盐并加以累积，对磷进行吸收；降解菌也可在好氧条件下将氨氮氧化成亚硝酸盐氮和硝酸盐氮，在缺氧条件下，可以将亚硝酸盐氮和硝酸盐氮还原成N2、N2O或NO从而去除污水中的氮，即在移动床生物膜反应器中可进行硝化-反硝化，通过混合液回流管回流的混合液，可进一步进行反硝化除氮；沉淀回流模块可通过沉淀形成上清液和沉淀污泥，上清液即为包含一定降解菌的净化水，包含部分降解菌的沉淀污泥可回流输送至厌氧模块中，对厌氧模块以及移动床生物膜反应器中的降解菌继续补充，另一部分富磷污泥可以通过排污管道排出；
(3)监测装置可在预设条件下对第一阀门进行控制，打开第一阀门的开度时，会提升污水进入厌氧模块的流量，相可配合第三阀门变相的提升净化水的流量，同时也会降低从第一进水管直接进入湿地净化系统的污水流量，从而对污水处理和氮磷去除工作的速度和质量进行调整。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中污水处理调控系统的基本原理结构图；
图2为本发明中降解菌净化系统的具体连接结构图；
图3为本发明中湿地净化系统的具体连接结构图；
图4为本发明湿地净化系统中碳源组件的俯视图。
附图说明：1、降解菌净化系统；11、污水供给模块；111、蓄水池；112、第一进水泵；113、第一进水管；12、厌氧模块；121、第二进水管；122、厌氧池；123、第二进水泵；124、第一出水管；125、混合液回流管；126、混合液回流泵；13、移动床生物膜反应器；131、反应容器；132、悬浮填料；133、曝气盘；14、沉淀回流模块；141、沉淀池；142、第二出水管；143、第三出水管；144、沉淀回流泵；145、沉淀回流管；15、第一阀门；16、第二阀门；17、第三阀门；2、湿地净化系统；21、湿地单元；211、种植层；212、第一砾石层；213、沸石；214、火山岩填料；215、第二砾石层；221、第一布水管；222、集水管；223、通气管；224、第二布水管；225、第四出水管；226、第五出水管；23、碳源组件；231、碳源箱；232、传动轴；233、旋转刮板；234、切割刀；3、监测装置。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于神经网络模型的污水处理调控系统，包括降解菌净化系统和湿地净化系统，还包括监测装置；
降解菌净化系统用于接收污水后净化并进行氮磷去除工作，输出含降解菌的净化水，湿地净化系统用于对污水进行净化并通过接收净化水进行氮磷去除工作；
监测装置与降解菌净化系统连接，设置在湿地净化系统的输出端，用于检测输出水中氮磷含量，在预设条件下驱动降解菌净化系统调节污水供给速率和降解菌的输出速率。
具体的，可利用降解菌净化系统1对一部分污水进行净化处理和氮磷去除工作后得到含有降解菌的净化水，再由湿地净化系统2获取净化水中的降解菌，对另一部分污水进行净化处理和氮磷去除，同时由监测装置3对输出水中氮磷含量进行监测，当氮磷含量较高时，可以根据预设条件提升降解菌的输出速率并降低污水供给速率，当氮磷含量较低时，可以根据预设条件降低降解菌的输出速率并提升污水供给速率，如此能在充分提升污水处理和氮磷去除工作效率的同时，保证污水处理和氮磷去除工作的质量，并节约降解菌的使用，避免浪费。
作为本发明进一步的方案：所述监测装置包括氮磷含量检测组件；所述氮磷含量检测组件包括抽样单元、总氮检测单元、总磷检测单元和紫外光谱分析单元以及识别单元；
所述抽样单元，用于从所述湿地净化系统的输出端抽取预设量的水样，将所述水样平均分为第一水样和第二水样；
所述总氮检测单元，包含第一消解液，用于接收所述第一水样后与所述第一水样混合得到第一混合液；
所述总磷检测单元，包含第二消解液，用于接收所述第二水样后与所述第二水样混合得到第二混合液；
所述紫外光谱分析单元，用于分别对所述第一混合液和所述第二混合液进行预设时长的光照处理，分别得到第一采样图片和第二采样图片；
所述识别单元，用于在接收所述第一采样图片和所述第二采样图片后输出相应的判断分类结果；
其中，所述识别单元为训练完成后的神经网络模型，所述分类结果包括总氮不合格、总磷不合格、总氮磷不合格、总氮磷合格。
通过上述技术方案，可在不同氮磷含量的混合液面对紫外光照射时的不同吸光度值的表现，通过经过训练完成的神经网络模型对第一采样图片和第二采样图片进行自动识别，从而能够迅速的对氮磷去除工作的质量进行检查，且无须人工前往采样，可通过远程控制监测装置进行工作。
作为本发明进一步的方案：所述紫外光谱分析单元包括发射单元和处理单元；
所述发射单元，用于在预设波长区间内随机选择目标波长发射，每发射一次目标波长的紫外光，所述处理单元获取一张对应的初始图片；
所述处理单元，用于对所述初始图片进行预设规则的图像处理，得到对应的采样图片；
所述预设波长区间为230nm～285nm；
其中，所述预设规则为：
获取所述初始图片的中目标像素点的RGB通道值；所述目标像素点的RGB通道值分别为Rn、Gn、Bn；
根据预设公式计算得到与所述目标像素点对应的替换像素；所述替换像素的RGB通道值分别为Rxn、Gxn、Bxn；
以所述替换像素替换对应所述目标像素点后的所述初始图片作为所述采样图片。
其中，预设公式可为：
通过上述技术方案，由于神经网络模型实质为机器对图片的识别，与人眼不同，机器对于图片变化比如像素的敏感度要远远高于人眼，因此神经网络模型存在一定的判断误差，所以可以在将图片输入识别单元之前对图片进行一定的处理；比如，对初始图片的预设位置的像素点使用替换像素点进行替换，每替换一次便可以得到一个新的采样图片，如此可以得到任意数量的采样图片。
以第一采样图片的获取为例，发射单元向第一混合液发射235nm波长的紫外光，同时处理单元对第一混合液进行摄像获取，得到对应的原始图片，可将初始图片的中心线位置的所有像素点均替换为对应的替换像素点，以此将得到第一采样图片发送至识别单元进行识别；然后继续将初始图片的中心线位置附近1格像素距离的所有像素点均替换为对应的替换像素点，以此得到第二个第一采样图片，如此循环可以得到N个第一采样图片；
当N为9时，将这9个第一采样图片统一发送至识别单元进行识别，由此可以得到9个判断结果，可以对着9个判断结果进行统计，取概率占比最高的的分类结果作为最终的分类结果；
但是，若得到3个总氮不合格、3个总磷不合格、2个总氮磷不合格、1个总氮磷合格的结果，则认为最终的分类结果为总氮磷不合格；也就是说，若概率占比前两名的分类结果分别为总氮不合格和总磷不合格，则可认为最终的分类结果为总氮磷不合格。
作为本发明进一步的方案：降解菌净化系统1包括依次连通的主含厌氧型降解菌的厌氧模块12、主含好氧型降解菌的移动床生物膜反应器13和沉淀回流模块14；
沉淀回流模块14用于向湿地脱氮系统输送净化水，以及向厌氧模块12回流输送沉淀污泥，沉淀污泥包括厌氧型降解菌和好氧型降解菌。
通过上述技术方案，在厌氧模块12中可将污水中的淀粉、纤维、碳水化合物等悬浮污染物和可溶性有机物水解为有机酸，使大分子有机物分解为小分子有机物，不溶性的有机物转化成可溶性有机物，当这些经缺氧水解的产物进入移动床生物膜反应器13中进行好氧处理时，可提高污水的可生化性及氧的效率，小型化的设计能够方便设置。
其沉淀回流模块14可通过沉淀形成上清液和沉淀污泥，上清液即为包含一定降解菌的净化水，包含大量将降解菌的沉淀污泥可回流输送至厌氧模块12中，对厌氧模块12以及移动床生物膜反应器13中的降解菌继续补充。
作为本发明进一步的方案：降解菌净化系统1还包括污水供给模块11；
污水供给模块11包括蓄水池111和第一进水泵112以及第一进水管113，蓄水池111通过第一进水泵112经第一进水管113向厌氧模块12和湿地净化系统2提供污水，沉淀回流模块14通过第一进水管113向湿地净化系统2提供净化水。
通过上述技术方案，污水供给模块11通过第一进水泵112驱动污水与净化水参杂后从第一进水管113进入湿地净化系统2，可以在湿地净化系统2中保证污水与降解菌的充分接触，提升污水处理和氮磷去除工作效率。
作为本发明进一步的方案：厌氧模块12包括第二进水管121、厌氧池122、第二进水泵123、第一出水管124和混合液回流管125以及混合液回流泵126；沉淀回流模块14包括沉淀池141、第二出水管142、第三出水管143、沉淀回流泵144以及沉淀回流管145；
其中，第一进水泵112通过第一进水管113将蓄水池111中留存的污水经第二进水管121向厌氧模块12进行输送，第二进水泵123通过第一出水管124将厌氧池122中的污水抽至移动床生物膜反应器13中，所述混合液回流泵126将所述移动床生物膜反应器13中的混合液通过所述混合液回流管125回流至所述厌氧池122中；移动床生物膜反应器13的出水端与第二出水管142的一端连通，第二出水管142的另一端与沉淀池141连通；
沉淀回流泵144通过沉淀回流管145将沉淀池141中的沉淀物抽至厌氧池122中；沉淀池141的出水端与第三出水管143的一端连通，第三出水管143的另一端与第一进水管113连通。
第二进水管121内设置有第一阀门15，沉淀回流管145内设置有第二阀门16，第三出水管143内设置有第三阀门17；第一阀门15受控于监测装置3。
农业面源污水通过生态沟渠后会进入蓄水池111完成储存，污水通过第一进水泵112驱动分别从第一进水管113直接进入湿地净化系统2以及从第二进水管121进入厌氧池122，第二进水管121上的第一阀门15可调节进水速度和体积，第二进水泵123可调节污水由第一出水管124通入移动床生物膜反应器13的进水速度，可在移动床生物膜反应器13中投放高效氮磷降解菌菌剂或活性污泥，调节曝气盘133出气量，进行微生物培养。
之后，移动床生物膜反应器13中的上清液通过第二出水管142进入沉淀池141，沉淀池141底部沉淀回流管145内安装的第二阀门16和沉淀回流泵144可调整沉淀污泥回流至厌氧池122的速度。
沉淀池141上清液则可通过第三出水管143进入第一进水管113，将微生物引入湿地净化系统2，同时出水由于经过曝气处理，含氧量高于进水浓度，有利于增大净化系统前端的含氧量，提高硝化效率。再本实施例中，降解菌净化系统1可以用于氮磷降解菌的培养，所以体积可尽量缩小。
通过上述技术方案，监测装置3可在预设条件下对第一阀门15进行控制，打开第一阀门15的开度时，会提升污水进入厌氧模块12的流量，相可配合第三阀门17变相的提升净化水的流量，同时也会降低从第一进水管113直接进入湿地净化系统2的污水流量，从而对污水处理和氮磷去除工作的速度和质量进行调整。
在本实施例中，监测装置3的可以同样控制第二阀门16、第三阀门17的开度以及各个进水泵的工作功率，因此可以根据预设条件精细化的进行调整。
比如，当监测装置3检测到含氮磷量高于预设值时，可以调整第一阀门15和第三阀门17开度增大、第二进水泵123功率提升，减少降解菌的培养时间，提升进水的微生物量，来提升湿地净化系统2的处理效率。当监测装置3检测到含氮磷量低于于预设值时，可以调整第一阀门15和第三阀门17开度减小、第二进水泵123功率降低，提升降解菌的培养时间，降低进水的微生物量，避免湿地净化系统2中降解菌的浪费排出。其中，整个湿地净化系统2的水力停留时间约1-3天，降解菌净化系统1的水力停留时间控制在1-2天。
另外，监测装置3还可通过对第二阀门16开度提升和回水泵工作功率提升来将沉淀池141中的降解菌回送到厌氧池122中的速度，从而调整进入湿地净化系统2的降解菌量的同时，也对厌氧池122和移动床生物膜反应器13中的降解菌进行调整。
作为本发明进一步的方案：移动床生物膜反应器13包括反应容器131、悬浮填料132和曝气盘133；
悬浮填料132设置在反应容器131内，曝气盘133设置在反应容器131底部，第一出水管124和第二出水管142与反应容器131连通。
本发明中的移动床生物膜反应器即为MBBR，原理为将密度接近于水、可悬浮载体填料投加到曝气池中作为微生物生长载体，填料通过曝气作用处于流化状态后可与污水充分接触，使微生物处于气、液、固三相生长环境中，此时载体内厌氧菌或兼性厌氧菌大量生长，外部则为好氧菌，每个载体均形成一个微型反应器，同时进行脱氮除磷。
作为本发明进一步的方案：湿地净化系统2包括多个湿地单元21、布水模块和碳源组件23；
湿地单元21包括从上到下依次设置的种植层211、第一砾石层212、沸石213和火山岩填料214以及第二砾石层215；
布水模块包括用于接收污水的第一布水管221和与第一布水管221连通的多个第一布水支管，第一布水支管上开设有多个第一排水孔；
碳源组件23包括碳源箱231、传动轴232、旋转刮板233和切割刀234；碳源箱231设置在第一砾石层212上，传动轴232转动设置在碳源箱231内，旋转刮板233和切割刀234固定在传动轴232上。
通过上述技术方案，传动轴232上的切割刀234具有切割力，驱动传动轴232转动可以将未经处理投放进碳源箱231中的农业废弃物如玉米芯、稻草、小麦秸秆等进行切割，方便后续反应，底部的第一布水管221可通过第一布水支管进行大量的污水以及降解菌排布，提升处理效率。
作为本发明进一步的方案：布水模块还包括集水管222、通气管223和第二布水管224以及与第二布水管224连通的多个第二布水支管；集水管222上开设有多个进水孔；
通气管223和第二布水管224以及集水管222连通。
通过上述技术方案，在降雨天气下，必然有部分污水进入布水模块中，进入的污水可以将被切碎分解的碳源通过碳源箱231布水至火山岩填料214填料以及相邻的湿地单元21中，污水下行至下部的集水管222进行收集，再通过第二布水管224导入另一湿地单元21中继续处理，从而对污水有序均匀分散。
作为本发明进一步的方案：布水模块还包括与第一出水管124连通的第四出水管225，第四出水管225的出水方向对准旋转刮板233。
通过上述技术方案，第四出水管225所喷出的污水可以给传动轴232的转动提供额外的动力，节省能源而且能够充分与碳源混合。
作为本发明进一步的方案：布水模块还包括设置在第一砾石层212的第五出水管226，监测装置3设置在第五出水管226的出口处。
通过上述技术方案，从第五出水管226的水是经过多个湿地单元21充分净化以及氮磷去除工作的，采用监测装置3能够准确的知晓污水净化和氮磷去除工作的工作效果，从而及时的进行调整。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于神经网络模型的污水处理调控系统，包括降解菌净化系统(1)和湿地净化系统(2)，其特征在于，还包括监测装置(3)；
所述降解菌净化系统(1)用于接收污水后净化并进行氮磷去除工作，输出含降解菌的净化水，所述湿地净化系统(2)用于对所述污水进行净化并通过接收所述净化水进行氮磷去除工作；
所述监测装置(3)与所述降解菌净化系统(1)连接，设置在所述湿地净化系统(2)的输出端，用于检测输出水中氮磷含量，在预设条件下驱动所述降解菌净化系统(1)调节污水供给速率和所述降解菌的输出速率；
所述监测装置(3)包括氮磷含量检测组件；所述氮磷含量检测组件包括抽样单元、总氮检测单元、总磷检测单元和紫外光谱分析单元以及识别单元；
所述抽样单元，用于从所述湿地净化系统(2)的输出端抽取预设量的水样，将所述水样平均分为第一水样和第二水样；
所述总氮检测单元，包含第一消解液，用于接收所述第一水样后与所述第一水样混合得到第一混合液；
所述总磷检测单元，包含第二消解液，用于接收所述第二水样后与所述第二水样混合得到第二混合液；
所述紫外光谱分析单元，用于分别对所述第一混合液和所述第二混合液进行预设时长的光照处理，分别得到第一采样图片和第二采样图片；
所述识别单元，用于在接收所述第一采样图片和所述第二采样图片后输出相应的判断分类结果；
其中，所述识别单元为训练完成后的神经网络模型，所述分类结果包括总氮不合格、总磷不合格、总氮磷不合格、总氮磷合格；
所述紫外光谱分析单元包括发射单元和处理单元；
所述发射单元，用于在预设波长区间内随机选择目标波长发射，每发射一次目标波长的紫外光，所述处理单元获取一张对应的初始图片；
所述处理单元，用于对所述初始图片进行预设规则的图像处理，得到对应的采样图片；
所述预设波长区间为230nm~285nm；
其中，所述预设规则为：
获取所述初始图片的中目标像素点的RGB通道值；所述目标像素点的RGB通道值分别为Rn、Gn、Bn；
根据预设公式计算得到与所述目标像素点对应的替换像素；所述替换像素的RGB通道值分别为Rxn、Gxn、Bxn；
所述预设公式：
2.根据权利要求1所述的基于神经网络模型的污水处理调控系统，其特征在于，所述降解菌净化系统(1)包括依次连通的主含厌氧型降解菌的厌氧模块(12)、主含好氧型降解菌的移动床生物膜反应器(13)和沉淀回流模块(14)；
所述沉淀回流模块(14)用于向所述湿地脱氮系统输送所述净化水，以及向所述厌氧模块(12)回流输送沉淀污泥，所述沉淀污泥包括所述厌氧型降解菌和所述好氧型降解菌。
3.根据权利要求2所述的基于神经网络模型的污水处理调控系统，其特征在于，所述降解菌净化系统(1)还包括污水供给模块(11)；
所述污水供给模块(11)包括蓄水池(111)和第一进水泵(112)以及第一进水管(113)，所述蓄水池(111)通过所述第一进水泵(112)经所述第一进水管(113)向所述厌氧模块(12)和所述湿地净化系统(2)提供污水，所述沉淀回流模块(14)通过所述第一进水管(113)向所述湿地净化系统(2)提供所述净化水。
4.根据权利要求3所述的基于神经网络模型的污水处理调控系统，其特征在于，所述厌氧模块(12)包括第二进水管(121)、厌氧池(122)、第二进水泵(123)、第一出水管(124)和混合液回流管（125）以及混合液回流泵（126）；所述沉淀回流模块(14)包括沉淀池(141)、第二出水管(142)、第三出水管(143)、沉淀回流泵(144)以及沉淀回流管(145)；
其中，所述第一进水泵(112)通过所述第一进水管(113)将所述蓄水池(111)中留存的污水经所述第二进水管(121)向所述厌氧模块(12)进行输送，所述第二进水泵(123)通过所述第一出水管(124)将所述厌氧池(122)中的污水抽至所述移动床生物膜反应器(13)中，所述混合液回流泵（126）将所述移动床生物膜反应器(13)中的混合液通过所述混合液回流管（125）回流至所述厌氧池(122)中；所述移动床生物膜反应器(13)的出水端与所述第二出水管(142)的一端连通，所述第二出水管(142)的另一端与所述沉淀池(141)连通；
所述沉淀回流泵(144)通过所述沉淀回流管(145)将所述沉淀池(141)中的沉淀物抽至所述厌氧池(122)中；所述沉淀池(141)的出水端与所述第三出水管(143)的一端连通，所述第三出水管(143)的另一端与所述第一进水管(113)连通。
5.根据权利要求4所述的基于神经网络模型的污水处理调控系统，其特征在于，所述第二进水管(121)内设置有第一阀门(15)，所述沉淀回流管(145)内设置有第二阀门(16)，所述第三出水管(143)内设置有第三阀门(17)；所述第一阀门(15)受控于所述监测装置(3)。
6.根据权利要求4所述的基于神经网络模型的污水处理调控系统，其特征在于，所述移动床生物膜反应器(13)包括反应容器(131)、悬浮填料(132)和曝气盘(133)；
所述悬浮填料(132)设置在所述反应容器(131)内，所述曝气盘(133)设置在所述反应容器(131)底部，所述第一出水管(124)和所述第二出水管(142)与所述反应容器(131)连通。
7.根据权利要求4所述的基于神经网络模型的污水处理调控系统，其特征在于，所述湿地净化系统(2)包括多个湿地单元(21)、布水模块和碳源组件(23)；
所述湿地单元(21)包括从上到下依次设置的种植层(211)、第一砾石层(212)、沸石(213)和火山岩填料(214)以及第二砾石层(215)；
所述布水模块包括用于接收污水的第一布水管(221)和与所述第一布水管(221)连通的多个第一布水支管，所述第一布水支管上开设有多个第一排水孔；
所述碳源组件(23)包括碳源箱(231)、传动轴(232)、旋转刮板(233)和切割刀(234)；所述碳源箱(231)设置在所述第一砾石层(212)上，所述传动轴(232)转动设置在所述碳源箱(231)内，所述旋转刮板(233)和所述切割刀(234)固定在所述传动轴(232)上；
所述布水模块还包括集水管(222)、通气管(223)和第二布水管(224)以及与所述第二布水管(224)连通的多个第二布水支管；所述集水管(222)上开设有多个进水孔；
所述通气管(223)和所述第二布水管(224)以及所述集水管(222)连通；
所述布水模块还包括与所述第一出水管(124)连通的第四出水管(225)，所述第四出水管(225)的出水方向对准所述旋转刮板(233)。
8.根据权利要求7所述的基于神经网络模型的污水处理调控系统，其特征在于，所述布水模块还包括设置在所述第一砾石层(212)的第五出水管(226)，所述监测装置(3)设置在所述第五出水管(226)的出口处。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657915.4A CN114804550B (zh) | 2022-06-10 | 2022-06-10 | 一种基于神经网络模型的污水处理调控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210657915.4A CN114804550B (zh) | 2022-06-10 | 2022-06-10 | 一种基于神经网络模型的污水处理调控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114804550A CN114804550A (zh) | 2022-07-29 |
| CN114804550B true CN114804550B (zh) | 2023-06-02 |
Family
ID=82521262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210657915.4A Active CN114804550B (zh) | 2022-06-10 | 2022-06-10 | 一种基于神经网络模型的污水处理调控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114804550B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115557550B (zh) * | 2022-08-31 | 2024-02-23 | 达斯玛环境科技（北京）有限公司 | 一种污水预处理方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002038724A2 (en) * | 2000-11-09 | 2002-05-16 | Biogem Optical Ltd | A method for the detection of viable microorganisms |
| WO2006131783A2 (en) * | 2004-01-27 | 2006-12-14 | Compugen Usa, Inc. | Polynucleotides, polypeptides, and diagnosing lung cancer |
| WO2012010096A1 (zh) * | 2010-07-20 | 2012-01-26 | 华南理工大学 | 城市污水混合粪便污水a2/o-生物膜同步脱氮除磷装置及方法 |
| WO2015000266A1 (zh) * | 2013-07-03 | 2015-01-08 | 同济大学 | 基于聚羟基烷酸酯代谢调控的污水增强生物除磷脱氮方法 |
| CN109731501A (zh) * | 2019-02-28 | 2019-05-10 | 北京净界新宇环保科技有限公司 | 用于污水处理的絮凝混合装置 |
| WO2020113361A1 (zh) * | 2018-12-03 | 2020-06-11 | 中国水产科学研究院 | 一种功能化黑磷/金复合材料及其应用 |
| CN112678955A (zh) * | 2020-12-09 | 2021-04-20 | 中煤紫光湖北环保科技有限公司 | Ao-倒置a2/o耦合人工湿地强化脱氮污水处理系统 |
| CN112903692A (zh) * | 2021-01-18 | 2021-06-04 | 无锡金元启信息技术科技有限公司 | 一种基于ai的工业孔壁缺陷检测系统及识别算法 |
| CN113683197A (zh) * | 2021-08-16 | 2021-11-23 | 安徽新宇生态产业股份有限公司 | 一种高效脱氮除磷防堵人工湿地系统 |
| CN113702317A (zh) * | 2021-08-30 | 2021-11-26 | 中国农业科学院农业信息研究所 | 一种流域面源污染组分传感器、监测系统及方法 |
| CN113761249A (zh) * | 2020-08-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种确定图片类型的方法和装置 |
| CN113762293A (zh) * | 2020-06-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种模型处理、目标检测方法和装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104730266B (zh) * | 2015-03-31 | 2016-07-20 | 烟台大学 | 一种总有机碳与总氮同步连续实时测定的方法与仪器 |
| CN105753153B (zh) * | 2016-03-17 | 2018-12-25 | 北京工业大学 | 基于deamox的改良a/o四点分段进水高效生物脱氮除磷装置及应用方法 |
| CN108751418B (zh) * | 2018-06-29 | 2021-06-04 | 东华大学 | 一种碳源自补给产沼气型高效脱氮水平潜流人工湿地 |
| CN111170580A (zh) * | 2020-01-17 | 2020-05-19 | 中山市环保产业有限公司 | 一种污水净化处理系统 |
| US11615486B2 (en) * | 2020-02-12 | 2023-03-28 | Blue River Technology Inc. | Upward facing light sensor for plant detection |
| CN111539403B (zh) * | 2020-07-13 | 2020-10-16 | 航天宏图信息技术股份有限公司 | 农业大棚的识别方法、装置及电子设备 |
-
2022
- 2022-06-10 CN CN202210657915.4A patent/CN114804550B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002038724A2 (en) * | 2000-11-09 | 2002-05-16 | Biogem Optical Ltd | A method for the detection of viable microorganisms |
| WO2006131783A2 (en) * | 2004-01-27 | 2006-12-14 | Compugen Usa, Inc. | Polynucleotides, polypeptides, and diagnosing lung cancer |
| WO2012010096A1 (zh) * | 2010-07-20 | 2012-01-26 | 华南理工大学 | 城市污水混合粪便污水a2/o-生物膜同步脱氮除磷装置及方法 |
| WO2015000266A1 (zh) * | 2013-07-03 | 2015-01-08 | 同济大学 | 基于聚羟基烷酸酯代谢调控的污水增强生物除磷脱氮方法 |
| WO2020113361A1 (zh) * | 2018-12-03 | 2020-06-11 | 中国水产科学研究院 | 一种功能化黑磷/金复合材料及其应用 |
| CN109731501A (zh) * | 2019-02-28 | 2019-05-10 | 北京净界新宇环保科技有限公司 | 用于污水处理的絮凝混合装置 |
| CN113762293A (zh) * | 2020-06-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种模型处理、目标检测方法和装置 |
| CN113761249A (zh) * | 2020-08-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种确定图片类型的方法和装置 |
| CN112678955A (zh) * | 2020-12-09 | 2021-04-20 | 中煤紫光湖北环保科技有限公司 | Ao-倒置a2/o耦合人工湿地强化脱氮污水处理系统 |
| CN112903692A (zh) * | 2021-01-18 | 2021-06-04 | 无锡金元启信息技术科技有限公司 | 一种基于ai的工业孔壁缺陷检测系统及识别算法 |
| CN113683197A (zh) * | 2021-08-16 | 2021-11-23 | 安徽新宇生态产业股份有限公司 | 一种高效脱氮除磷防堵人工湿地系统 |
| CN113702317A (zh) * | 2021-08-30 | 2021-11-26 | 中国农业科学院农业信息研究所 | 一种流域面源污染组分传感器、监测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114804550A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2164811B1 (en) | Wastewater treatment system with simultaneous separation of phosphorus and manure solids | |
| US8894857B2 (en) | Methods and systems for treating wastewater | |
| CN108483804A (zh) | 一种规模化畜禽养殖粪水资源化利用综合处理工艺 | |
| MXPA97002325A (es) | Metodo y aparato para el tratamiento de agua rica en nutrientes | |
| CN204848572U (zh) | 一种禽畜养殖废水处理装置 | |
| EP1150922A1 (en) | Method for treating a waste stream using photosynthetic microorganisms | |
| CN108892334A (zh) | 一种畜禽废弃物集中处理利用系统及方法 | |
| CN101293697A (zh) | 畜禽养殖产生的污水和废气的生物处理装置及处理方法 | |
| CN114804550B (zh) | 一种基于神经网络模型的污水处理调控系统 | |
| CN104961289A (zh) | 一种畜禽养殖废水的微纳米曝气高效生物处理技术体系 | |
| CN204897639U (zh) | 新型屠宰废水处理系统 | |
| MX2011003827A (es) | Sistema auxiliar de micro gas. | |
| CN211664792U (zh) | 一种厌氧-好氧-微藻耦合处理装置 | |
| CN210620525U (zh) | 养殖粪污水肥联产装置 | |
| US8298416B2 (en) | Apparatus for deodorizing sewage treatment plant sludge by using native microorganisms | |
| CN208898709U (zh) | 一种畜禽废弃物集中处理利用系统 | |
| CN214360857U (zh) | 农村生活污水一体化处理系统 | |
| CN210127163U (zh) | 一种三效融合农村生态污水处理系统 | |
| CN206089214U (zh) | 一种生物菌种筛选及培养固化装置 | |
| CN110183033A (zh) | 一种养殖场含粪、渣废水处理制肥工艺 | |
| CN221254282U (zh) | 一种工业废水处理系统 | |
| CN204874187U (zh) | 一种养殖场废水处理系统 | |
| CN220265530U (zh) | 一种养殖场综合废水处理系统 | |
| NL2032239B1 (en) | Sewage treatment system based on myriophyllum elatinoides gaudich biological oxidation pond and method thereof | |
| CN218231958U (zh) | 一种废水处理回用系统 |
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 |