給水處理工藝的模糊優(yōu)化組合.pdf

1、隨著水源水質污染的不斷加劇以及供水水質標準的不斷提高，對供水工藝的要求也逐漸提高。因此，在滿足出水水質約束的條件下，水處理工藝的優(yōu)化成為該領域研究的重要課題。 水源水質的變化對給水處理工藝的選擇在客觀上提出了要求。作為北方地區(qū)的T市，其地表水水源水質具有較好的代表性，如何根據現有水源水質和中試工藝的運行情況，提出不同水質期內的優(yōu)化水處理工藝則是本文研究的核心內容。本研究根據年內水源水質的變化情況，綜合主成分分析與聚類分析的特點，

2、基于所選擇的6個主成分，利用Kmeans聚類分析把T市水源水質劃分為9個水質期，從而為水廠處理工藝的優(yōu)化選擇提供了依據。水源水質分期結果表明，Kmeans聚類適合于大量數據的聚類分析，結果合理可信，對水廠處理工藝的選擇控制具有重要的參考價值。 水處理工藝的優(yōu)化組合即是在不同水源水質條件下，選擇滿足飲用水水質要求的最合理的工藝方案。但由于出水水質指標的多樣性，各指標所占權重比例的不同，使得水處理工藝方案的的優(yōu)化選擇就存在一定的模糊

3、性。因此，本研究針對供水水源的不同水質期，根據中試試驗的運行結果，利用模糊優(yōu)化組合的思路，對不同水質期的水處理工藝以及工藝條件進行優(yōu)化選取，給出不同水質期優(yōu)選的處理工藝方案以及在該處理工藝下的一些主要運行參數。最終模糊優(yōu)選結果表明，全年內水質最不利點為第5、6水質期，該原水水質條件下所要求的水處理工藝最為復雜“混凝+氣浮+普通過濾+普通O3氧化+生物活性炭”，在其他水質期內可以根據實際情況超越部分處理單元，以達到不同處理單元水處理工藝的

4、優(yōu)化組合。 對水處理單元操作進行了優(yōu)化。首先，利用神經網絡對非線性函數的逼近精度高、容錯性和自學習自適應能力強等特點，模擬了“混凝+氣浮”單元對濁度和UV254的處理效率，且相關系數(R2)分別為0.84和0.78，達到了較高的預測精度；建立了“混凝+氣浮+過濾”常規(guī)系統(tǒng)神經網絡模型，對濁度、UV254、混凝劑投藥量進行了模擬，并與偏最小二乘回歸模型的模擬結果進行對比，進一步證明了神經網絡模型的精確模擬性質以及較好的預測精度，為