Resumen

Es uno de los temas importantes en el campo del tratamiento de aguas residuales de hoy en día investigar la predicción del flujo de membrana MBR para la incrustación de membranas. En primer lugar, este documento utilizó el método de análisis de componentes principales para lograr la dimensionalidad y correlación de las variables de entrada y obtuvo los tres factores principales que afectan la incrustación de membranas de manera más obvia: MLSS, resistencia total y presión de operación. Luego utilizó la red neuronal BP para establecer el modelo del sistema de simulación inteligente MBR, la relación entre tres parámetros y la caracterización del flujo de membrana del grado de incrustación de membranas, debido a que la red neuronal BP tiene una velocidad de entrenamiento lenta, es sensible a los pesos iniciales y al umbral, es fácil caer en puntos mínimos locales, y así sucesivamente. Por lo tanto, este documento utilizó el algoritmo genético para optimizar los pesos iniciales y el umbral de la red neuronal BP y estableció el modelo de predicción de incrustación de membranas basado

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Tratamiento de aguas residuales; Predicción de flujo de membrana MBR; Ensuciamiento de membrana; Análisis de componentes principales; Red neuronal BP; Algoritmo genético
• Keywords:Sewage treatment; MBR membrane flux prediction; Membrane fouling; Principal component analysis; BP neural network; Genetic algorithm