基于自适应神经模糊推理系统和简单水质指标预测供水系统三卤甲烷的浓度
消毒副产物(DBPs)因其潜在的致癌、生殖毒性成为饮用水安全的重要隐患.及时知晓供水系统中DBPs浓度是防控DBPs健康风险的前提.然而目前DBPs仪器监测存在过程繁琐、成本高昂、时间滞后等问题.利用常规水质指标建立高质量的预测模型是重要出路.基于此,本研究选择3个简单的水质指标pH、温度、UVA254,利用自适应模糊神经网络(ANFIS)建立了供水系统中三卤甲烷(THMs,最常见的DBPs)分布的预测模型.结果显示,当隶属函数(MF)分别为"gaussmf"、"gbellmf"、"trapmf",MF数量分别为3、3、3时,建立的总三卤甲烷(T-THMs)、三氯甲烷(TCM)、一溴二氯甲烷(BDCM)模型的预测效果最好.其中,T-THMs、TCM模型质量较高:预测值与实测值的相关系数(r)为0.871~0.880,预测误差(MARE)为11%,预测准确率(NE<25%)为92%~95%;与T-THMs、TCM相比,BDCM模型的预测效果略差(r=0.775,MARE=16%,NE<25%=83%),但也在可接受范围.与先前建立的径向基人工神经网络模型相比,用ANFIS方法建立的系列THMs模型预测误差更小、预测准确度更高.本研究将为DBPs的应用型预测模型的建立提供重要参考.
供水系统、消毒副产物(DBPs)、三卤甲烷(THMs)、预测模型、自适应神经模糊推理系统(ANFIS)、水质指标
43
X32;X832(环境规划与环境管理)
国家自然科学基金;浙江省基础公益研究计划项目;浙江师范大学流域地表过程与生态安全重点实验室开放课题
2023-07-21(万方平台首次上网日期,不代表论文的发表时间)
共10页
290-299