文档介绍：基于概率神经网络的污泥堆肥腐熟度的综合判别
黄游,陈玲,林建伟
同济大学污染控制与资源化研究国家重点实验室,上海 200092
摘要:由于污泥堆肥过程中各组分间相互影响和制约,污泥腐熟程度的判别系统呈现模糊性,使得传统评价方法对该判别系统很难正确认识。文章根据污泥堆肥的具体情况,提出了以含水率、挥发固体、粪大肠菌值、发芽指数作为腐熟程度的判别指标体系,并基于概率神经网络建立污泥堆肥腐熟程度的综合判别模型,然后用该模型判别上海市某污水厂污泥快速好氧堆肥工艺污泥堆肥样品的腐熟程度。结果表明:①将污泥堆肥的含水率、有机质、粪大肠菌值和种子发芽指数作为判别指标,可以判别污泥堆肥腐熟程度;②概率神经网络可以建立判别指标与稳定化程度等级之间复杂的非线性关系,为腐熟度的判别提供一种通用的模式,且判别结果比较合理。
关键词:污泥堆肥;腐熟度;概率神经网络;综合判别;评价指标
中图分类号:X703 文献标识码:A 文章编号:1672-2175(2006)01-0054-04
堆肥产品腐熟度指标众多,包括物理、化学、生物学三类指标。传统的堆肥腐熟的评价方法是将其中的一个或几个指标结合起来,然后根据这些指标综合分析堆肥的腐熟情况,例如,单指数法、叠加型指数法[1]和模糊数学法[2]。可是这些方法并没有很好地解决评价因子与稳定化程度等级之间复杂的非线性关系,以及评价过程中的权重、隶属度函数或效用函数等需要专家或相关人员根据经验人为设计,可能会导致误差加大,限制了评价模式的通用性,亦影响了结果的可靠性[3]。人工神经网络(ANN)是20世纪50—60年代产生,80年代以来发展起来的一种处理复杂非线性问题十分有效的手段,它能模拟人脑的特征,具备自组织、自学习、自适应、容错性等特点,被广泛应用于模式识别等领域[4]。而污泥堆肥腐熟程度的判别实质上是根据稳定化判别指标和标准进行模式识别的问题,所以研究采用神经网络判别污泥堆肥的腐熟程度具备重要的现实意义。概率神经网络是径向基神经网络的一种变形,适应于模式识别领域。本文根据污泥好氧堆肥工艺的具体情况,提出污泥腐熟度判别的指标体系,并且确定判别标准,运用概率神经网络建立污泥腐熟度的综合判别模型,为污泥的堆肥工艺的合理控制和污泥堆肥产品科学的土地利用提供参考依据。
1 稳定化指标体系
污泥堆肥各组分间相互影响、相互作用和相互制约,使系统呈现某种模糊性,用传统评价方法很难正确认识它。因此目前较为认同的堆肥腐熟度的评价方法是将这些指标结合起来,综合分析堆肥的腐熟情况。评价指标的选择不仅要考虑其确定性和普遍性,同时这些指标的测定方法要简单可行。根据各种指标的性质,将堆肥产品腐熟度指标分为三类:物理学指标、化学指标和生物学指标。
常用的物理学指标有温度、气味、含水率等。温度指标一般作为堆肥过程控制指标判别污泥的堆制进程,如堆制温度高于55 ℃至少要保持3 d[5];气味这一指标只能从表观上表征堆肥的腐熟程度,将其用做判别指标不够灵敏。含水率的变化在污泥堆制的过程中呈现出良好的规律性,同时含水率的高低也影响着污泥堆肥产品的销售和使用。故以含水率作为污泥堆肥的判别指标,在一定程度上可以表征污泥堆肥的腐熟程度,另外还可以从表观上保证污泥的质量。
用于评价污泥堆肥的腐熟程度的化学指标有:w(C)/w(N)、有机质、氮成分、腐殖质、有机