基于化学-生物絮凝与悬浮填料床的先进紧凑型污水处理新工艺研究

文摘

英文文摘

声明

第一章前言

1.1中国水污染现状

1.2城市污水处理技术

1.2.1 生物处理工艺

1.2.2 化学混凝处理工艺

1.2.3 化学-生物联合处理工艺

1.3课题研究的背景、意义和内容

1.4本研究的创新点

第二章试验的工艺流程、设备及试验方法

2.1小试设备与装置

2.2中试工艺流程

2.3中试设备与装置

2.4试验安排

2.5试验分析测试项目与方法

2.6试验污水水质

2.6.1原水中的SS

2.6.2原水中的NH3-N

2.6.3 原水中的CODCr与SCOD

2.6.4 原水中的TP与PO43-4-P

2.6.5 原水水质小结

第三章混凝小试结果及分析

3.1混凝机理分析

3.1.1 电中和

3.1.2卷扫絮凝

3.1.3吸附架桥

3.1.4 混凝除磷机理分析

3.2结果与讨论

3.2.1 对SS的去除

3.2.2 对COD与SCOD的去除

3.2.3 对PO43--P与TP的去除

3.2.4对NH3-N的去除

3.2.5 小试结论

第四章化学-生物絮凝中试结果及分析

4.1概况

4.2化学-生物絮凝中试工况设计

4.3化学-生物絮凝工艺各设计工况试验结果与分析

4.3.1 化学-生物絮凝各工况试验运行结果

4.3.2 中试结果分析

4.3.3中试小结

第五章悬浮填料床中试结果及分析

5.1概况

5.2污水生物除氨氮原理

5.2.1 生物氨化

5.2.2生物硝化

5.3悬浮填料床中试工况设计

5.4悬浮填料床工艺各设计工况试验结果与分析

5.4.1 悬浮填料床各工况试验运行结果

5.4.2 悬浮填料床中试结果分析

5.4.3 悬浮填料床中试结论

第六章化学-生物絮凝与悬浮填料床组合工艺类神经网络模型

6.1类神经网络模型的发展及在污水处理建模中的应用

6.1.1 类神经网络模型的发展

6.1.2 类神经网络在污水处理建模中的应用

6.2 BP类神经网络模型的基本原理与算法

6.2.1 BP类神经网络模型的基本原理

6.2.2 BP类神经网络模型算法

6.3基于BP类神经网络的化学-生物絮凝工艺模型

6.3.1 单一的多输入多输出(MIMO)类神经网络

6.3.2 多输入单输出(MISO)类神经网络组合

6.3.3 两类神经网络模型性能比较

6.4基于BP类神经网络的悬浮填料床工艺模型

6.5基于BP类神经网络的化学-生物絮凝与悬浮填料床工艺模型结论

第七章化学-生物絮凝与悬浮填料床组合工艺工程设计方案与经济分析

7.1组合工艺工程设计方案

7.1.1 设计进出水水质要求

7.1.2 主要处理单元的设计参数

7.2工程建设经济概算

7.2.1 建设项目总投资概算

7.2.2 污水处理运营成本概算

7.3经济分析结论

第八章结论与展望

8.1结论

8.2工艺发展展望

8.2.1 化学-生物絮凝工艺机理研究

8.2.2 现代生物技术在生物膜生态系统结构分析中的应用

8.2.3 BP类神经网络模型与机理模型的结合

8.2.4 现代自动控制技术在工艺中的应用

参考文献

附录：BP类神经网络源程序（VB）

致谢