人工神经网络模型应用于臭氧降解微囊藻毒素
试验建立了臭氧降解微囊藻毒素MC-LR的人工神经网络模型。研究了臭氧投加量、MC-LR初始浓度、pH值等对降解速率的影响,并以反向传播算法的神经网络模型对多因素条件下的降解效果进行仿真预测。结果表明,降解速率不受初始MC-LR浓度的影响；臭氧投加量的增加能有效提高MC-LR的降解速率；pH值的降低能大幅度改善降解效果,尤其在酸性条件下,pH值的变化对降解速率的影响程度更大；同时具备酸性条件和较高浓度的臭氧量时短时间内即可达到很高的去除率,否则降解效果不明显。该模型能预测复杂多因素试验条件下的有机物降解效果,为试验及实际降解MC-LR提供理论指导,解决了初等函数模型的局限性。
饮用水处理 微囊藻毒素 臭氧氧化降解技术 人工神经网络模型 动力学仿真
王文清 高乃云 黎雷 张可佳
同济大学污染控制与资源化国家重点实验室,上海,200092,中国
国内会议
中国土木工程学会水工业分会全国给水深度处理研究会2011年年会
无锡
中文
96-104
2011-10-01（万方平台首次上网日期，不代表论文的发表时间）