CN117923657A - 基于厌氧氨氧化反应器的废水处理方法及系统 - Google Patents
基于厌氧氨氧化反应器的废水处理方法及系统 Download PDFInfo
- Publication number
- CN117923657A CN117923657A CN202410331235.2A CN202410331235A CN117923657A CN 117923657 A CN117923657 A CN 117923657A CN 202410331235 A CN202410331235 A CN 202410331235A CN 117923657 A CN117923657 A CN 117923657A
- Authority
- CN
- China
- Prior art keywords
- reactor
- water quality
- quality detection
- detection data
- wastewater
- 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
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 182
- 230000003647 oxidation Effects 0.000 title claims abstract description 97
- 238000007254 oxidation reaction Methods 0.000 title claims abstract description 97
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 91
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 86
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 328
- 238000001514 detection method Methods 0.000 claims abstract description 240
- 239000002351 wastewater Substances 0.000 claims abstract description 79
- 239000000149 chemical water pollutant Substances 0.000 claims abstract description 76
- 238000004062 sedimentation Methods 0.000 claims abstract description 34
- 238000005189 flocculation Methods 0.000 claims abstract description 14
- 238000004042 decolorization Methods 0.000 claims abstract description 10
- 238000000926 separation method Methods 0.000 claims abstract description 10
- 239000007788 liquid Substances 0.000 claims abstract description 5
- 229940037003 alum Drugs 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 57
- 238000005070 sampling Methods 0.000 claims description 45
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 17
- 229910052757 nitrogen Inorganic materials 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013506 data mapping Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 8
- 244000005700 microbiome Species 0.000 description 8
- 241000894006 Bacteria Species 0.000 description 7
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 229910001385 heavy metal Inorganic materials 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000010802 sludge Substances 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- IPQVRLSXWJPESU-UHFFFAOYSA-N [N].ON=O Chemical compound [N].ON=O IPQVRLSXWJPESU-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000002957 persistent organic pollutant Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229920002401 polyacrylamide Polymers 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- -1 NH4+ Chemical compound 0.000 description 1
- 239000005708 Sodium hypochlorite Substances 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000007844 bleaching agent Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000003891 ferrous sulphate Nutrition 0.000 description 1
- 239000011790 ferrous sulphate Substances 0.000 description 1
- 230000016615 flocculation Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- BAUYGSIQEAFULO-UHFFFAOYSA-L iron(2+) sulfate (anhydrous) Chemical compound [Fe+2].[O-]S([O-])(=O)=O BAUYGSIQEAFULO-UHFFFAOYSA-L 0.000 description 1
- 229910000359 iron(II) sulfate Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- GQPLMRYTRLFLPF-UHFFFAOYSA-N nitrous oxide Inorganic materials [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- SUKJFIGYRHOWBL-UHFFFAOYSA-N sodium hypochlorite Chemical compound [Na+].Cl[O-] SUKJFIGYRHOWBL-UHFFFAOYSA-N 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 235000018648 unbalanced nutrition Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
-
- 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
-
- 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
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5236—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using inorganic agents
-
- 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
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/54—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using organic material
- C02F1/56—Macromolecular compounds
-
- 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
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
- C02F1/76—Treatment of water, waste water, or sewage by oxidation with halogens or compounds of halogens
-
- 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
- C02F2101/00—Nature of the contaminant
- C02F2101/10—Inorganic compounds
- C02F2101/16—Nitrogen compounds, e.g. ammonia
- C02F2101/166—Nitrites
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/06—Contaminated groundwater or leachate
-
- 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
- C02F2209/06—Controlling or monitoring parameters in water treatment pH
-
- 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
- C02F2209/16—Total nitrogen (tkN-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
- C02F2209/22—O2
-
- 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
- C02F3/302—Nitrification and denitrification treatment
- C02F3/303—Nitrification and denitrification treatment characterised by the nitrification
-
- 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
- C02F3/307—Nitrification and denitrification treatment characterised by direct conversion of nitrite to molecular nitrogen, e.g. by using the Anammox process
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Microbiology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明涉及废水处理技术领域，提出了基于厌氧氨氧化反应器的废水处理方法及系统，包括：将待处理的垃圾渗滤液废水经过格栅斜筛后自流入调节池进行调节，再由泵提升至混凝‑絮凝沉淀池中生成矾花，混凝‑絮凝沉淀池出水自流入初沉池进行泥水分离；对泥水分离后的垃圾渗滤液废水进行厌氧处理，通过分析氧氨氧化反应器不同反应器区域中同种水质检测数据的浓度分布特征以及不同反应器区域的位置信息实时调整氧氨氧化反应器的进水量；将经过厌氧处理处理后的垃圾渗滤液废水依次进行短程硝化反应处理、二沉池固液分离、脱色池脱色处理。本发明根据不同反应器区域对垃圾渗滤水质的分析自适应调整氧氨氧化反应器的进水量，提高废水处理的效果。
Description
技术领域
本发明涉及废水处理技术领域，具体涉及基于厌氧氨氧化反应器的废水处理方法及系统。
背景技术
随着经济的迅速发展，垃圾产生量也逐年增加，垃圾在转运或者填埋的过程中都会不可避免的产生垃圾渗滤液，垃圾渗滤液具有大体量和高污染性的特点。垃圾渗滤液中具有高浓度的盐分、氮磷元素和重金属，其中过量盐分与氮磷元素会导致土壤板结和营养比例失衡，影响植株的生长，垃圾渗滤液中的重金属也会被土壤吸附而破坏土壤生态。因此对垃圾渗滤液进行废水处理至关重要，而厌氧氨氧化技术作为低碳、高效的生物脱氮新型技术，不需要有机碳源，脱氮效率高，成为现阶段废水处理的重要方式之一。
由于垃圾渗滤液水质情况变化较大，而且厌氧氨氧化反应器的厌氧氨氧化菌通常生长速率缓慢，生物处理能力有限，当进水量过快时，可能导致厌氧氨氧化菌处理不充分，垃圾渗滤液废水中仍有大量氨氮物质，废水处理效果差；当进水量过慢时，可能导致没有充足的原料促使厌氧氨氧化菌的生长，同时垃圾渗滤液的废水处理效率较低。
发明内容
本发明提供基于厌氧氨氧化反应器的废水处理方法及系统，以解决垃圾渗滤液废水处理过程中厌氧氨氧化反应器进水量无法根据实际生物处理情况进行自适应调整的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供基于厌氧氨氧化反应器的废水处理方法，该方法包括以下步骤：
将待处理的垃圾渗滤液废水经过格栅斜筛后自流入调节池进行调节，垃圾渗滤液废水由泵提升至混凝-絮凝沉淀池中生成矾花，混凝-絮凝沉淀池出水自流入初沉池进行泥水分离；
对泥水分离后的垃圾渗滤液废水进行厌氧处理，通过厌氧处理过程中氧氨氧化反应器不同位置垃圾渗滤液废水的取样结果确定进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵；
根据两个反应器区域中同种水质检测数据的浓度分布特征以及每种水质检测数据体现厌氧氨氧化反应器性能的评估结果确定两个反应器区域之间的废水处理性能相似指数；
根据每个反应器区域聚类簇中每个反应器区域中每种主要废水因素的处理数据偏差值以及反应器区域距离进水口的距离信息确定厌氧氨氧化反应器的处理优异指数；
采样神经网络模型基于若干个取样区间下厌氧氨氧化反应器的处理优异指数确定厌氧氨氧化反应器的进水量；
将经过厌氧处理处理后的垃圾渗滤液废水依次进行短程硝化反应处理、二沉池固液分离、脱色池脱色处理。
优选的，所述混凝-絮凝沉淀池的沉淀方式为：混凝-絮凝沉淀池采用平流沉淀的方式。
优选的，所述通过厌氧处理过程中氧氨氧化反应器不同位置垃圾渗滤液废水的取样结果确定进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵的方法为：
将氧氨氧化反应器内部水深高度从低到高均匀分化成3个不同的高度范围；将整个氧氨氧化反应器均匀划分成预设数量个反应器区域，分别使用多参数水质测定仪、紫外-可见光分光光度计、总氮测定仪获取每个反应器区域每个高度范围内垃圾渗滤液的水质检测数据；
将每个反应器区域每个高度范围内所有采集时刻下每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将每个反应器区域每个高度范围下所有种水质检测数据对应行向量组成的矩阵作为每个反应器区域每个高度范围的水质检测矩阵；
分别对氧氨氧化反应器进水管道、出水管道中的垃圾渗滤液进行取样，分别使用多参数水质测定仪、紫外-可见光分光光度计、总氮测定仪获取每次取样结果的水质检测数据；
将进水管道所有次取样结果的每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将进水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为进水水质检测矩阵；
将出水管道所有次取样结果的每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将出水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为出水水质检测矩阵。
优选的，所述根据两个反应器区域中同种水质检测数据的浓度分布特征以及每种水质检测数据体现厌氧氨氧化反应器性能的评估结果确定两个反应器区域之间的废水处理性能相似指数的方法为：
基于进水水质检测矩阵、出水水质检测矩阵中同种水质检测数据序列与反应器性能之间的关联程度的评估结果确定每种水质检测数据的性能影响权重；
基于两个反应器区域中同种水质检测数据中相同时刻的水质检测垂直差值序列之间的度量距离确定两个反应器区域中每种水质检测数据序列的浓度趋变差异系数；
将以自然常数为底数，以每种水质检测数据的性能影响权重为指数的计算结果作为分子；
将两个反应器区域中任意一种水质检测数据序列的浓度趋变差异系数与预设参数之和作为分母；
将分子与分母的比值在两个反应器区域中所有种类水质检测数据上累加结果的均值作为两个反应器区域之间的废水处理性能相似指数。
优选的，所述基于进水水质检测矩阵、出水水质检测矩阵中同种水质检测数据序列与反应器性能之间的关联程度的评估结果确定每种水质检测数据的性能影响权重的方法为：
将任意一种水质检测数据按照时间顺序组成的序列作为一个水质检测数据序列；
分别将进水水质检测矩阵、出水水质检测矩阵中所有水质检测数据序列作为输入，利用ReliefF算法分别确定进水水质检测矩阵、出水水质检测矩阵中每种水质检测数据的特征权重；
将进水水质检测矩阵与出水水质检测矩阵中同种水质检测数据的特征权重的差值绝对值作为同种水质检测数据的性能影响权重。
优选的，所述基于两个反应器区域中同种水质检测数据中相同时刻的水质检测垂直差值序列之间的度量距离确定两个反应器区域中每种水质检测数据序列的浓度趋变差异系数的方法为：
将进水水质检测矩阵中每个水质检测数据序列内所有元素的均值作为每种水质检测数据的水质检测代表值；
将每个反应器区域3个高度范围的水质检测矩阵中同一时刻同种水质检测数据按照高度范围升序顺序组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列；
将每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列中的元素与每种水质检测数据的水质检测代表值之间差值组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直差值序列；
将两个反应器区域同一时刻同种水质检测数据的水质检测垂直差值序列之间的度量距离在所有时刻上累加结果的均值作为两个反应器区域中同种水质检测数据序列的浓度趋变差异系数。
优选的，所述根据每个反应器区域聚类簇中每个反应器区域中每种主要废水因素的处理数据偏差值以及反应器区域距离进水口的距离信息确定厌氧氨氧化反应器的处理优异指数的方法为：
将每个反应器区域作为一个节点，将两个反应器区域之间的废水处理性能相似指数作为相应节点之间的连线权重；采样聚类算法基于所有反应器区域构建的无向图得到反应器区域的聚类结果；
基于每个反应器区域聚类簇中每个反应器区域不同种主要废水因素的处理数据偏差值确定每个反应器区域聚类簇的废水处理强度；
将每个反应器区域聚类簇中两个反应器区域中心点与厌氧氨氧化反应器进水口之间欧式距离的比值作为第一距离值；
将第一距离值的数据映射结果在每个反应器区域聚类簇中所有反应器区域上累加结果的均值作为每个反应器区域聚类簇的处理均衡指数；
将每个反应器区域聚类簇的废水处理强度与处理均衡指数的乘积在所有聚类簇上累加结果的均值作为厌氧氨氧化反应器的处理优异指数。
优选的，所述基于每个反应器区域聚类簇中每个反应器区域不同种主要废水因素的处理数据偏差值确定每个反应器区域聚类簇的废水处理强度的方法为：
采样阈值分割算法基于所有种类水质检测数据序列的性能影响权重确定分割阈值；将任意一种性能影响权重大于分割阈值的水质检测数据作为一种主要废水因素；
将每个反应器区域中任意一种主要废水因素在出水水质检测矩阵中对应的水质检测数据序列中任意两个相邻元素之间的差值作为一个处理数据偏差值；
将每个反应器区域中每种主要废水因素下值小于等于0的处理数据偏差值的数据数量与值大于0的处理数据偏差值的数据数量的差值作为第一差值；
将第一差值在每个反应器区域聚类簇中所有反应器区域中所有种主要废水因素上累加结果的均值作为每个反应器区域聚类簇的废水处理强度。
优选的，所述采样神经网络模型基于若干个取样区间下厌氧氨氧化反应器的处理优异指数确定厌氧氨氧化反应器的进水量的方法为：
将连续若干个取样区间的厌氧氨氧化反应器的处理优异指数按照取样顺序组成的序列作为反应器性能评价序列；采用神经网络模型基于反应器性能评价序列确定厌氧氨氧化反应器的进水量。
第二方面，本发明实施例还提供了基于厌氧氨氧化反应器的废水处理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是：本发明通过厌氧氨氧化反应器进水水质检测矩阵、出水水质检测矩阵中同种水质检测数据的特征权重确定每一种水质检测数据的性能影响权重；其次基于不同高度范围内同种水质检测数据的含量分布特征确定浓度趋变差异系数，结合性能影响权重与浓度趋变差异系数确定不同反应器区域之间的废水处理性能相似指数，其有益效果在于避免厌氧氨氧化反应器对某种水质检测数据处理能力较弱，导致各个反应器区域之间的水质检测数据相差较小导致废水处理性能相似指数计算结果误差较大的问题；通过分析每个反应器区域对主要废水因素的处理能力以及每个反应器区域的聚类簇内反应器区域之间的位置信息构建处理优异指数；处理优异指数综合考虑反应器区域的位置特征以及废水处理能力，其有益效果在于能够避免在垃圾渗滤液废水处理过程中，存在垃圾渗滤液水质波动变化较大，导致厌氧氨氧化反应器进水量无法根据实际废水处理情况进行自适应调整的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于厌氧氨氧化反应器的废水处理方法的流程示意图；
图2为本发明一个实施例所提供的垃圾渗滤液进行废水处理的流程示意图；
图3为本发明一个实施例所提供的废水处理性能相似指数的实施流程图；
图4为本发明一个实施例所提供的基于厌氧氨氧化反应器的废水处理方法的实施流程图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本发明一个实施例提供的基于厌氧氨氧化反应器的废水处理方法的流程图，该方法包括以下步骤：
步骤S001，确定垃圾渗滤液的废水处理流程，并基于氧氨氧化反应器不同位置垃圾渗滤液废水的取样结果确定进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵。
如图2所示，本发明中对垃圾渗滤液进行废水处理，共有预处理、厌氧反应器、短程硝化反应器、厌氧氨氧化反应器、二沉池、脱色池等步骤共同完成。垃圾渗滤液进行废水处理的每个步骤的处理过程如下：
垃圾渗滤液废水预处理：由于垃圾渗滤液废水中氨氮浓度很高，而且垃圾渗滤液废水中的各项浓度指标会伴随着季节的变化，而产生较大的差异，因此本发明在对垃圾渗滤液废水进行生化处理工艺之前，对垃圾渗滤液废水先进行预处理。具体为将待处理的垃圾渗滤液废水经过格栅、斜筛去除大颗粒的悬浮物，其中栅格的空隙宽度采用5毫米，斜筛的目数采用60目。进一步的，垃圾渗滤液废水自流入调节池进行调节，垃圾渗滤液废水由泵提升至混凝-絮凝沉淀池，混凝-絮凝沉淀池采用平流沉淀的方式，通过絮凝反应生成矾花，包括但不限于加入硫酸亚铁、PAM（聚丙烯酰胺）等，其次，混凝-絮凝沉淀池出水自流入初沉池进行泥水分离，去除水中的悬浮物、硫化物及一部分不可溶的有机污染物。
厌氧反应器：在缺乏氧气的条件下，厌氧微生物作用将垃圾渗滤液废水中大部分有机污染物进行去除并将有机氨转化为NH4+等无机氨，具体流程为厌氧反应器入口与预处理池出口相连接，将经过预处理的垃圾渗滤液废水流入厌氧反应器，需要确保厌氧反应器内氧气含量较少，将厌氧反应器的污泥浓度设为5g/L，水力停留时间为5天，通过厌氧反应器中厌氧微生物发生生物化学反应将垃圾渗滤液废水中的有机氨转换成无机氨。
厌氧氨氧化反应器可以将垃圾渗滤液废水中的氨氮和亚硝酸氮转化为氮气，从而实现废水中氮的脱除。但是在实际垃圾渗滤液废水处理过程中，厌氧氨氧化反应器进水量无法根据实际生物处理情况进行调整。因此，本发明将厌氧氨氧化反应器均分成N个反应器区域，每隔tmin进行一次采样，每次采样对各个反应器区域距离反应器底部高度的垃圾渗滤液废水分别进行取样，具体/>分别取经验值/>，/>，，其中H是厌氧氨氧化反应器内的水深高度。例如，当厌氧氨氧化反应器的水深高度为3米时，分别对0米到1米、1米到2米、2米到3米的垃圾渗滤液废水进行取样操作。
进一步地，分别使用多参数水质测定仪、紫外-可见分光光度计、总氮测定仪对垃圾渗滤液废水样本进行水质检测，获取M种垃圾渗滤液废水样本水质检测数据，包括但不限制于pH、溶解氧浓度、悬浮物浓度、、重金属含量、总氮含量等。其中，本发明中，t设置为10分钟，连续进行6小时的取样检测。需要说明的是，垃圾渗滤液废水取样的时长以及时间间隔可由实施者进行设置合适的值。
为了避免网络传输、采集环境等因素造成采集数据的缺失，同时为了不同种类的水质检测数据具有不同的量纲，对任意一种水质检测数据进行预处理，本发明首先采用线性填充法对上述每种水质检测数据进行填充，其次，采用Z-score标准化对填充后的水质检测数据进行处理，其中，线性填充法和Z-score标准化为公知技术，具体过程不再赘述。其次，将每个反应器区域每个高度范围下任意一种水质检测数据的预处理结果按照采集顺序组成的向量作为一个行向量；将每个反应器区域每个高度范围下所有种水质检测数据对应行向量组成的矩阵作为每个反应器区域每个高度范围的水质检测矩阵，将第n个反应器区域中高度范围为的水质检测矩阵记为/>：
其中，是每种水质检测数据采集的个数,/>是水质检测数据的种类，/>是第n个反应器区域中高度范围为/>的垃圾渗滤液第2个采集时刻采集的第1种水质检测数据值的预处理结果。
进一步地，在厌氧氨氧化反应器正常运行期间，每隔tmin进行分别对厌氧氨氧化反应器的进水管道和出水管道中的垃圾渗滤液废水进行取样，并利用相同数据采集仪器获取每次取样结果中的每种水质检测数据，并根据上述数据预处理流程对采集的水质检测数据进行预处理，分别基于进水管道、出水管道中所有次取样结果中水质检测数据预处理后的结果构建进水水质检测矩阵、出水水质检测矩阵。具体地，将所有次取样结果的每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将进水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为进水水质检测矩阵；将出水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为出水水质检测矩阵。
至此，得到进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵，用于后续分析不同反应器区域对垃圾渗滤液的处理能力。
步骤S002，根据两个反应器区域中同种水质检测数据的浓度分布特征以及每种水质检测数据体现厌氧氨氧化反应器性能的评估结果确定两个反应器区域之间的废水处理性能相似指数。
本发明的目的是根据厌氧氨氧化反应器内生物处理情况，对厌氧氨氧化反应器垃圾渗滤液进水量进行自适应调整，提高垃圾渗滤液废水处理的效率。首先考虑根据不同反应器区域内同种水质检测数据在同一时刻的浓度变化特征以及不同种类的水质检测数据对厌氧氨氧化反应器处理性能的影响权重，确定反应器区域之间的废水处理性能相似指数，整个实施流程如图3所示。
具体地，在一个实施例中，在垃圾渗滤液废水处理过程中，由于垃圾渗滤液水质参数变化波动程度较大，而且厌氧氨氧化反应器的厌氧氨氧化菌通常生长速率缓慢，生物处理能力有限，当进水量过快时，可能导致厌氧氨氧化不充分，垃圾渗滤液废水中仍有大量氨氮物质，废水处理效果差，当进水量过慢时，可能导致没有充足的原料促使厌氧氨氧化菌的生长，同时垃圾渗滤液的废水处理效率较低。
在厌氧氨氧化反应器中，由于不同高度范围内的垃圾渗滤液含氧量不同，而且厌氧氨氧化反应器中接种的污泥大多聚集在底部，污泥中含有大量的微生物，因此不同高度的垃圾渗滤液废水中微生物的含量不同，则不同高度的垃圾渗滤液废水生物处理性能也不尽相同。而当两个反应器区域的生物处理性能相似时，每个取样水质检测数据的变化应当是相似的，而且不同种类的水质检测数据具有不同的影响权重。比如，反应器中厌氧微生物对总氮的处理能力较强，刚刚进入反应器中的垃圾渗滤液废水中可能具有较高的总氮含量，两个反应器区域之间的总氮含量变化越趋势越契合，则两个反应器区域之间的水质检测数据的浓度分布越可能具有较高的相似性。
进一步地，分别将进水水质检测矩阵、出水水质检测矩阵中每行元素按照采集时间顺序组成的序列作为进水水质检测矩阵、出水水质检测矩阵中的一种水质检测数据序列。其次，分别将进水水质检测矩阵、出水水质检测矩阵中所有水质检测数据序列作为输入，利用ReliefF算法分别确定进水水质检测矩阵、出水水质检测矩阵中每种水质检测数据的特征权重，ReliefF算法为公知技术，具体过程不再赘述。
其次，将进水水质检测矩阵中每种水质检测数据序列内所有元素的均值作为每种水质检测数据的水质检测代表值，例如，将第x种水质检测数据序列中所有元素的均值作为第x种水质检测数据的水质检测代表值。并将每个反应器区域3个高度范围的水质检测矩阵中同一时刻同种水质检测数据按照高度范围升序顺序组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列，例如，将第i个反应器区域中第z个取样时刻3个高度范围内第x种水质检测数据按照高度范围升序顺序组成的序列作为第i个反应器区域中第z个取样时刻第x种水质检测数据的水质检测垂直序列/>。
进一步地，将每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列中的元素与每种水质检测数据的水质检测代表值之间差值组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直差值序列，例如，分别将水质检测垂直序列内每个元素与水质检测代表值/>做差，将所有差值组成的序列作为第i个反应器区域中第z个取样时刻第x种水质检测数据的水质检测垂直差值序列/>。
基于上述分析，此处构建废水处理性能相似指数，用于表征不同反应器区域对垃圾渗滤液处理能力的相似程度。计算第i个、第j个反应器区域之间的废水处理性能相似指数：
式中，是第m种水质检测数据序列的性能影响权重，/>、/>分别是进水水质检测矩阵、出水水质检测矩阵中第m种水质检测数据的特征权重；
是第i个、第j个反应器区域中第m种水质检测数据序列的浓度趋变差异系数，K是反应器区域中第m种数据采集时刻的数量，/>、/>分别是第i个反应器区域、第j个反应器区域中第k个取样时刻第m种水质检测数据的水质检测垂直差值序列，是序列之间的DTW（Dynamic Time Warping）距离，DTW距离的计算为公知技术，具体过程不再赘述；
是第i个、第j个反应器区域之间的废水处理性能相似指数，M是水质检测数据的种类，/>以自然常数为底数的指数函数，/>是调参因子，用于防止分母为0，/>的大小取经验值0.001。
其中，进水管道、出水管道的取样结果中第m种水质检测数据的浓度变化越大，认为厌氧氨氧化反应器处理过程中该种水质检测数据在垃圾渗滤液中的含量下降越明显，进水水质检测矩阵、出水水质检测矩阵中第m种水质检测数据的特征权重之间的差异越大，的值越大，则通过第m种水质检测数据特征权重的变化越能反映厌氧氨氧化反应器的废水处理性能；厌氧氨氧化反应器中第i个、第j个反应器区域对垃圾渗滤液的处理能力越相似，两个反应器区域中水质检测数据的浓度趋势变化越相似，第i个、第j个反应器区域内同一时刻下第m种水质检测数据在不同高度范围内的浓度分布越相似，的值越小，/>的值越小；即/>的值越大，第i个、第j个反应器区域之间越可能具有相似的废水处理性能。
至此，确定反应器区域之间的废水处理性能相似指数，用于后续确定反应器区域的聚类结果。
步骤S003，根据每个反应器区域聚类簇中每个反应器区域中每种主要废水因素的处理数据偏差值以及反应器区域距离进水口的距离信息确定厌氧氨氧化反应器的处理优异指数。
本发明在确定反应器区域之间的废水处理性能相似指数后，进一步考虑通过不同反应器区域对垃圾渗滤液处理能力的均衡性评估厌氧氨氧化反应器整体对垃圾渗滤液处理性能的优异程度。
具体的，在一个实施例中，分别获取任意两个反应器区域之间的废水处理性能相似指数，将每个反应器区域作为一个节点，将两个反应器区域之间的废水处理性能相似指数作为相应节点之间连线的权重，利用所有反应器之间的废水处理性能相似指数构建一个有权无向图，将有权无向图作为输入，采用谱聚类算法得到反应器区域的P个聚类簇，谱聚类算法中聚类簇的个数采用启发式的特征值差值搜索（eigengap heuristic）获取，谱聚类算法为公知技术，具体过程不再赘述。任意一个聚类簇中的反应器区域之间可能具有相似的垃圾渗滤液废水处理性能。
在另一个实施例中，将利用所有反应器之间的废水处理性能相似指数构建一个有权无向图作为输入，采用普利姆Prim算法得到有权无向图对应的最小生成树，其次将最小生成树作为输入，采用最小生成树MST(Minimal Spanning Tree)算法得到最小生成树对应的P个子树，每个子树是具有相似垃圾渗滤液处理能力的反应器区域对应的节点的聚类结果，MST算法中判别参数的大小取经验值2，其中，Prim算法、MST算法为公知技术，具体聚类过程不再赘述。
在厌氧氨氧化反应器中，由于垃圾渗滤液刚刚进入厌氧氨氧化反应器，尚未被反应器中的微生物进行处理、降解，随着垃圾渗滤液在厌氧氨氧化反应器内的流动，微生物会对垃圾渗滤液中的成分进行处理。因此，当厌氧氨氧化反应器的进水量合适的情况下，距离厌氧氨氧化反应器进水口相近的各个反应器区域应当在同一个聚类簇中，这些反应器区域生物处理性能在应当是均衡的。
根据上述步骤，分别获取每一种类水质检测数据序列的性能影响权重，并将所有种类水质检测数据序列的性能影响权重作为输入，采用大津阈值分割算法获取性能影响权重的分割阈值；并将任意一种性能影响权重大于分割阈值的水质检测数据作为一种主要废水因素；将每个反应器区域中任意一种主要废水因素在出水水质检测矩阵中对应的水质检测数据序列中任意两个相邻元素之间的差值作为一个处理数据偏差值。以第i个反应器区域为例，将第i个反应器区域中第a种主要废水因素对应的水质检测数据序列内第L个元素与第L-1个元素的差值作为第L个元素采集时刻的处理数据偏差值。需要说明的是，对于任意一种主要废水因素对应的水质检测数据序列内的第一个元素，将第一个元素与该水质检测数据序列的水质检测代表值之间的差值作为第一个元素采集时刻的处理数据偏差值。
基于上述分析，此处构建处理优异指数，用于表征厌氧氨氧化反应器对垃圾渗滤液废水处理能力的优异程度。处理优异指数的计算公式如下：
式中，是第p个反应器区域聚类簇的废水处理强度，/>是第p个反应器区域聚类簇中反应器区域的数量，i是第p个反应器区域聚类簇中的第i个反应器区域，/>是第i个反应器区域中主要废水因素的数量，c是第i个反应器区域中第c种主要废水因素，/>是第i个反应器区域中第c种主要废水因素下值小于等于0的处理数据偏差值的数据数量，/>是第i个反应器区域中第c种主要废水因素下值大于0的处理数据偏差值的数据数量；
是第p个反应器区域聚类簇的废水处理均衡指数，/>是第p个反应器区域聚类簇中反应器区域两两组合的组合数量，g是第p个反应器区域聚类簇中的第g个反应器区域，以自然常数为底数的指数函数，/>、/>分别是第i个、第g个反应器区域中心点与厌氧氨氧化反应器进水口之间的欧式距离；
是厌氧氨氧化反应器的处理优异指数，P是反应器区域聚类簇的数量。
其中，第p个反应器区域聚类簇中反应器区域对垃圾渗滤液废水的生物处理能力越强，反应器区域内主要废水因素的含量下降的越多，在主要废水因素对应的处理数据偏差值中，非正的处理数据偏差值数据个数越多，第一差值的值越大，/>的值越大；厌氧氨氧化反应器进水量越合适，对垃圾渗滤液的废水处理能力越均衡一致，则具有相似废水处理性能的反应器区域之间的空间间隔越小，距离进水口之间的欧式距离越接近，第一距离值/>的值越接近于1，/>的值越小，/>的值越大；即/>的值越大，说明整个厌氧氨氧化反应器对垃圾渗滤液废水的生物处理能力越强，同时废水去除性能相似的反应器区域在空间位置上越接近，整个厌氧氨氧化反应器中对垃圾渗滤液的废水处理能力越均衡，厌氧氨氧化反应器的废水处理性能越优异。
至此，得到厌氧氨氧化反应器的处理优异指数，用于后续确定废水处理过程中厌氧氨氧化反应器的进水量。
步骤S004，采样神经网络模型基于若干个取样区间下厌氧氨氧化反应器的处理优异指数确定厌氧氨氧化反应器的进水量；将经过厌氧处理处理后的垃圾渗滤液废水依次进行短程硝化反应处理、二沉池固液分离、脱色池脱色处理。
根据上述步骤，获取每个取样时间内厌氧氨氧化反应器的处理优异指数。并根据连续多个取样时间内厌氧氨氧化反应器的处理优异指数自适应确定厌氧氨氧化反应器的进水量，整个实施流程如图4所示。
具体地，厌氧氨氧化菌生长速率较慢，当进水量过快时，可能导致厌氧氨氧化反应器中垃圾渗滤液生物处理不充分，废水处理效果差，当进水量过慢时，可能导致没有充足的原料促使厌氧氨氧化菌的生长，同时垃圾渗滤液的废水处理效率较低。
在一个实施例中，根据上述步骤，连续获取个取样区间的反应器处理优异指数，按照取样的先后顺序进行排序，记为反应器性能评价序列，其中/>的大小取经验值12。将反应器性能评价序列作为输入，采用BP(Back Propagation)神经网络模型作为控制模型，以均方误差MSE(Mean-square error)函数作为损失函数，以SGD(Stochastic parallelgradient descent)算法作为优化算法，BP神经网络模型的输出为厌氧氨氧化反应器的进水量，BP神经网络的训练过程为现有公知技术，不再详细赘述。
在另一个实施例中，将反应器性能评价序列作为输入，采用长短时记忆神经网络LSTM(Long Short Term Memory)模型作为控制模型，以均方误差MSE函数作为损失函数，以Adam(Adaptive Moment Estimation)算法作为优化算法，LSTM模型的输出为厌氧氨氧化反应器的进水量，LSTM神经网络的训练过程为现有公知技术，不再详细赘述。需要说明的是，对于神经网络模型的选取本申请不做特殊限制，实施者可通过其他神经网络模型根据反应器性能评价序列，对厌氧氨氧化反应器的进水量进行调整。
进一步地，按照下列步骤对厌氧氨氧化后的垃圾渗滤液废水进行后续处理，完成垃圾渗滤液废水处理的整个流程：
1.短程硝化反应：短程硝化反应器可以将垃圾渗滤液废水中的部分氨氮转化为亚硝酸氮，有助于后续厌氧氨氧化反应，提高总氮的去除效率。具体为采用连续流短程硝化反应器，短程硝化反应器的入口与厌氧反应器的出口相连接，设定水力停留时间为1～2d，反应温度为25～30°C，在短程硝化反应器中通过硝化反应将垃圾渗滤液中部分氨氮物质氧化成亚硝酸氮，为后续厌氧氨氧化反应提供基础条件；
2.二沉池：第一次沉淀处理发生在垃圾渗滤液废水预处理的过程，二沉池可以进一步去除垃圾渗滤液废水中的残留的悬浮物、胶体物质和微小颗粒。具体为二沉池的入口与厌氧氨氧化反应器的出口相连接，采用平流沉淀池，将厌氧氨氧化后的垃圾渗滤液流入二沉池进行固液分离，其次，将二沉池污泥部分回流至厌氧氨氧化反应器补充微生物。
3.脱色池脱色：为了维护废水排放后自然水体的可视透明度和生态系统的健康，往往需要对处理后的废水进行脱色处理，具体将二沉池出水进入脱色池，投加漂水剂，包括但并不限制于次氯酸钠等，去除水中的色度，分解有机物和杀灭微生物，脱色池出水达标后进行自然排放，完成对垃圾渗滤液的废水处理。
基于与上述方法相同的发明构思，本发明实施例还提供了基于厌氧氨氧化反应器的废水处理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于厌氧氨氧化反应器的废水处理方法中任意一项所述方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于厌氧氨氧化反应器的废水处理方法，其特征在于，该方法包括以下步骤：
将待处理的垃圾渗滤液废水经过格栅斜筛后自流入调节池进行调节，垃圾渗滤液废水由泵提升至混凝-絮凝沉淀池中生成矾花，混凝-絮凝沉淀池出水自流入初沉池进行泥水分离；
对泥水分离后的垃圾渗滤液废水进行厌氧处理，通过厌氧处理过程中氧氨氧化反应器不同位置垃圾渗滤液废水的取样结果确定进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵；
根据两个反应器区域中同种水质检测数据的浓度分布特征以及每种水质检测数据体现厌氧氨氧化反应器性能的评估结果确定两个反应器区域之间的废水处理性能相似指数；
根据每个反应器区域聚类簇中每个反应器区域中每种主要废水因素的处理数据偏差值以及反应器区域距离进水口的距离信息确定厌氧氨氧化反应器的处理优异指数；
采样神经网络模型基于若干个取样区间下厌氧氨氧化反应器的处理优异指数确定厌氧氨氧化反应器的进水量；
将经过厌氧处理处理后的垃圾渗滤液废水依次进行短程硝化反应处理、二沉池固液分离、脱色池脱色处理。
2.根据权利要求1所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述混凝-絮凝沉淀池的沉淀方式为：混凝-絮凝沉淀池采用平流沉淀的方式。
3.根据权利要求1所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述通过厌氧处理过程中氧氨氧化反应器不同位置垃圾渗滤液废水的取样结果确定进水水质检测矩阵、出水水质检测矩阵、以及每个反应器区域中不同高度范围的水质检测矩阵的方法为：
将氧氨氧化反应器内部水深高度从低到高均匀分化成3个不同的高度范围；将整个氧氨氧化反应器均匀划分成预设数量个反应器区域，分别使用多参数水质测定仪、紫外-可见光分光光度计、总氮测定仪获取每个反应器区域每个高度范围内垃圾渗滤液的水质检测数据；
将每个反应器区域每个高度范围内所有采集时刻下每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将每个反应器区域每个高度范围下所有种水质检测数据对应行向量组成的矩阵作为每个反应器区域每个高度范围的水质检测矩阵；
分别对氧氨氧化反应器进水管道、出水管道中的垃圾渗滤液进行取样，分别使用多参数水质测定仪、紫外-可见光分光光度计、总氮测定仪获取每次取样结果的水质检测数据；
将进水管道所有次取样结果的每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将进水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为进水水质检测矩阵；
将出水管道所有次取样结果的每种水质检测数据预处理后的结果按照采集顺序组成的向量作为一个行向量；将出水管道所有次取样结果的所有种水质检测数据对应行向量组成的矩阵作为出水水质检测矩阵。
4.根据权利要求1所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述根据两个反应器区域中同种水质检测数据的浓度分布特征以及每种水质检测数据体现厌氧氨氧化反应器性能的评估结果确定两个反应器区域之间的废水处理性能相似指数的方法为：
基于进水水质检测矩阵、出水水质检测矩阵中同种水质检测数据序列与反应器性能之间的关联程度的评估结果确定每种水质检测数据的性能影响权重；
基于两个反应器区域中同种水质检测数据中相同时刻的水质检测垂直差值序列之间的度量距离确定两个反应器区域中每种水质检测数据序列的浓度趋变差异系数；
将以自然常数为底数，以每种水质检测数据的性能影响权重为指数的计算结果作为分子；
将两个反应器区域中任意一种水质检测数据序列的浓度趋变差异系数与预设参数之和作为分母；
将分子与分母的比值在两个反应器区域中所有种类水质检测数据上累加结果的均值作为两个反应器区域之间的废水处理性能相似指数。
5.根据权利要求4所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述基于进水水质检测矩阵、出水水质检测矩阵中同种水质检测数据序列与反应器性能之间的关联程度的评估结果确定每种水质检测数据的性能影响权重的方法为：
将任意一种水质检测数据按照时间顺序组成的序列作为一个水质检测数据序列；
分别将进水水质检测矩阵、出水水质检测矩阵中所有水质检测数据序列作为输入，利用ReliefF算法分别确定进水水质检测矩阵、出水水质检测矩阵中每种水质检测数据的特征权重；
将进水水质检测矩阵与出水水质检测矩阵中同种水质检测数据的特征权重的差值绝对值作为同种水质检测数据的性能影响权重。
6.根据权利要求4所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述基于两个反应器区域中同种水质检测数据中相同时刻的水质检测垂直差值序列之间的度量距离确定两个反应器区域中每种水质检测数据序列的浓度趋变差异系数的方法为：
将进水水质检测矩阵中每个水质检测数据序列内所有元素的均值作为每种水质检测数据的水质检测代表值；
将每个反应器区域3个高度范围的水质检测矩阵中同一时刻同种水质检测数据按照高度范围升序顺序组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列；
将每个反应器区域每个时刻每种水质检测数据的水质检测垂直序列中的元素与每种水质检测数据的水质检测代表值之间差值组成的序列作为每个反应器区域每个时刻每种水质检测数据的水质检测垂直差值序列；
将两个反应器区域同一时刻同种水质检测数据的水质检测垂直差值序列之间的度量距离在所有时刻上累加结果的均值作为两个反应器区域中同种水质检测数据序列的浓度趋变差异系数。
7.根据权利要求1所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述根据每个反应器区域聚类簇中每个反应器区域中每种主要废水因素的处理数据偏差值以及反应器区域距离进水口的距离信息确定厌氧氨氧化反应器的处理优异指数的方法为：
将每个反应器区域作为一个节点，将两个反应器区域之间的废水处理性能相似指数作为相应节点之间的连线权重；采样聚类算法基于所有反应器区域构建的无向图得到反应器区域的聚类结果；
基于每个反应器区域聚类簇中每个反应器区域不同种主要废水因素的处理数据偏差值确定每个反应器区域聚类簇的废水处理强度；
将每个反应器区域聚类簇中两个反应器区域中心点与厌氧氨氧化反应器进水口之间欧式距离的比值作为第一距离值；
将第一距离值的数据映射结果在每个反应器区域聚类簇中所有反应器区域上累加结果的均值作为每个反应器区域聚类簇的处理均衡指数；
将每个反应器区域聚类簇的废水处理强度与处理均衡指数的乘积在所有聚类簇上累加结果的均值作为厌氧氨氧化反应器的处理优异指数。
8.根据权利要求7所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述基于每个反应器区域聚类簇中每个反应器区域不同种主要废水因素的处理数据偏差值确定每个反应器区域聚类簇的废水处理强度的方法为：
采样阈值分割算法基于所有种类水质检测数据序列的性能影响权重确定分割阈值；将任意一种性能影响权重大于分割阈值的水质检测数据作为一种主要废水因素；
将每个反应器区域中任意一种主要废水因素在出水水质检测矩阵中对应的水质检测数据序列中任意两个相邻元素之间的差值作为一个处理数据偏差值；
将每个反应器区域中每种主要废水因素下值小于等于0的处理数据偏差值的数据数量与值大于0的处理数据偏差值的数据数量的差值作为第一差值；
将第一差值在每个反应器区域聚类簇中所有反应器区域中所有种主要废水因素上累加结果的均值作为每个反应器区域聚类簇的废水处理强度。
9.根据权利要求1所述的基于厌氧氨氧化反应器的废水处理方法，其特征在于，所述采样神经网络模型基于若干个取样区间下厌氧氨氧化反应器的处理优异指数确定厌氧氨氧化反应器的进水量的方法为：
将连续若干个取样区间的厌氧氨氧化反应器的处理优异指数按照取样顺序组成的序列作为反应器性能评价序列；采用神经网络模型基于反应器性能评价序列确定厌氧氨氧化反应器的进水量。
10.基于厌氧氨氧化反应器的废水处理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于厌氧氨氧化反应器的废水处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331235.2A CN117923657A (zh) | 2024-03-22 | 2024-03-22 | 基于厌氧氨氧化反应器的废水处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331235.2A CN117923657A (zh) | 2024-03-22 | 2024-03-22 | 基于厌氧氨氧化反应器的废水处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117923657A true CN117923657A (zh) | 2024-04-26 |
Family
ID=90766901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410331235.2A Pending CN117923657A (zh) | 2024-03-22 | 2024-03-22 | 基于厌氧氨氧化反应器的废水处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117923657A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118388089A (zh) * | 2024-06-18 | 2024-07-26 | 湖南北控威保特环境科技股份有限公司 | 一种基于芬顿处理的渗滤液全量化处理工艺 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066876A (zh) * | 2021-11-25 | 2022-02-18 | 北京建筑大学 | 一种基于分类结果及cva-sgd法的建筑垃圾变化检测方法 |
| CN114971354A (zh) * | 2022-06-10 | 2022-08-30 | 长春理工大学 | 一种水质等级评价方法、装置及介质 |
| CN115758125A (zh) * | 2022-12-07 | 2023-03-07 | 杭州电子科技大学 | 基于特征结构优化和深度学习的工业污水处理软测量方法 |
| CN115925120A (zh) * | 2023-03-14 | 2023-04-07 | 清研环境科技股份有限公司 | 垃圾渗滤液全量化处理系统 |
| CN117633641A (zh) * | 2023-12-22 | 2024-03-01 | 黄河水利委员会黄河水利科学研究院 | 用于农田灌溉管道过滤器的过滤性能检测方法 |
| CN117776336A (zh) * | 2023-12-20 | 2024-03-29 | 北控水务(中国)投资有限公司 | 水预处理方法及厌氧氨氧化水处理工艺 |
-
2024
- 2024-03-22 CN CN202410331235.2A patent/CN117923657A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114066876A (zh) * | 2021-11-25 | 2022-02-18 | 北京建筑大学 | 一种基于分类结果及cva-sgd法的建筑垃圾变化检测方法 |
| CN114971354A (zh) * | 2022-06-10 | 2022-08-30 | 长春理工大学 | 一种水质等级评价方法、装置及介质 |
| CN115758125A (zh) * | 2022-12-07 | 2023-03-07 | 杭州电子科技大学 | 基于特征结构优化和深度学习的工业污水处理软测量方法 |
| CN115925120A (zh) * | 2023-03-14 | 2023-04-07 | 清研环境科技股份有限公司 | 垃圾渗滤液全量化处理系统 |
| CN117776336A (zh) * | 2023-12-20 | 2024-03-29 | 北控水务(中国)投资有限公司 | 水预处理方法及厌氧氨氧化水处理工艺 |
| CN117633641A (zh) * | 2023-12-22 | 2024-03-01 | 黄河水利委员会黄河水利科学研究院 | 用于农田灌溉管道过滤器的过滤性能检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 夏绪辉等: "冶金设备绿色再制造技术及应用", 30 June 2022, 北京：机械工业出版社, pages: 22 - 23 * |
| 张善文等: "图像模式识别", 31 May 2020, 西安：西安电子科技大学出版社, pages: 224 - 225 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118388089A (zh) * | 2024-06-18 | 2024-07-26 | 湖南北控威保特环境科技股份有限公司 | 一种基于芬顿处理的渗滤液全量化处理工艺 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110451661B (zh) | 一种污水中微生物类溶解性有机氮的预测模型及其应用 | |
| CN117923657A (zh) | 基于厌氧氨氧化反应器的废水处理方法及系统 | |
| Elawwad et al. | Plant-wide modeling and optimization of a large-scale WWTP using BioWin’s ASDM model | |
| CN111762958A (zh) | 基于asm2d模型的污水处理厂深井曝气工艺优化方法及装置 | |
| AU2018418038B2 (en) | System and method for predicting a parameter associated with a wastewater treatment process | |
| CN103793604A (zh) | 一种基于相关向量机的污水处理软测量方法 | |
| CN104914227B (zh) | 基于多高斯核自优化相关向量机的污水水质软测量方法 | |
| CN115356930A (zh) | 一种污水处理过程中的多目标优化控制系统及方法 | |
| Rashidi et al. | Investigation and optimization of anaerobic system for treatment of seafood processing wastewater | |
| Zhong et al. | Water quality prediction of MBR based on machine learning: A novel dataset contribution analysis method | |
| CN114242156A (zh) | 海洋微塑料上致病性弧菌相对丰度的实时预测方法及系统 | |
| CN117388457B (zh) | 一种耦合水力停留时间提高污水厂出水预测精度的方法 | |
| CN118039027A (zh) | 一种基于循环神经网络的盐酸多西环素废水处理方法 | |
| CN117964023A (zh) | 一种基于人工智能算法控制的污水处理控制系统 | |
| CN113479998A (zh) | 一种好氧污泥颗粒化程度的综合评价方法 | |
| CN118183886A (zh) | 基于神经网络的水质模型基础参数动态调优方法及装置 | |
| CN116679026B (zh) | 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法 | |
| CN117776336A (zh) | 水预处理方法及厌氧氨氧化水处理工艺 | |
| CN117247180A (zh) | 一种用于处理高氟高氨氮废水的装置和方法 | |
| CN113221436B (zh) | 一种基于改进型rbf神经网络的污水悬浮物浓度软测量方法 | |
| CN113222324B (zh) | 一种基于pls-pso-rbf神经网络模型的污水质量监测方法 | |
| Corominas Tabares | Control and optimization of an SBR for nitrogen removal: from model calibration to plant operation | |
| CN113851184A (zh) | 一种基于人工智能的粪大肠杆菌群数的预测方法及装置 | |
| CN118388089B (zh) | 一种基于芬顿处理的渗滤液全量化处理工艺 | |
| CN116577128B (zh) | 一种可生物降解塑料废水处理数据智能采集分析方法 |
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 |