基于主成分分析优化BP神经网络模型的厌氧膜生物反应器膜污染预测

摘要：

膜污染是厌氧膜生物反应器运行中不可避免的问题,制约了工艺技术的推广应用,分析膜污染的形成过程是控制膜污染的重要内容.基于主成分分析(PCA)和反向传播神经网络(BPNN)的理论,提出了一种采用主成分分析优化BP神经网络的膜污染预测模型.以反应器连续运行试验数据为样本,利用相关性分析确定模型的输入变量,并基于输入变量间存在信息重叠问题,采用主成分分析法对输入因素进行降维处理,提取贡献率为70.4％的第一主成分和贡献率为17.7％的第二主成分作为输入特征.结合模型的贡献度分析和主成分分析发现,反应器内的污泥浓度是膜污染影响因素中最主要的特征变量,贡献度为34.9％.对比分析优化模型和单一模型的预测结果,发现PCA-BPNN模型的拟合效果更好,平均相对误差仅为3.8％,可用于膜污染分析研究,为后续研究提供参考.

关键词：厌氧膜生物反应器、膜污染、主成分分析、BP神经网络

所属期刊栏目：10

分类号：TK6(生物能及其利用)

资助基金：国家自然科学基金51778616

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：95-102