高浓度有机废水是现今最常遇到的一种废水,它们具有污染物含量高、危害重、处理工艺复杂、投资运行成本高等特点,本文在高浓度有机废水中选取制革废水为试验对象,建立一个BP神经网络模型,对水质进行预测,通过该模型对厌氧生化过程进行控制。 厌氧生物处理由于耗能少、运行费用低,污泥产量少,可消除产生气体对空气的污染,能承受较高的有机负荷和容积负荷,在工业废水中的应用越来越多。然而,由于厌氧菌增长非常缓慢且对外界条件十分敏感,使厌氧反应器的启动和控制都相对复杂,现存的很多动力学方程都不能精确描述其反应过程,而且COD_Cr的去除受碱度、进水水质、pH、挥发性脂肪酸影响等多项参数的影响,每一项参数与COD_Cr去除率并不是简单的对应的线性关系,所以传统的分析方法是很难分析这种非线性的、复杂的厌氧生化过程。本文采用人工神经网络为分析工具,它具有大规模并行运算,有自适应性、有学习、容错性的能力,特别在需要同时考虑许多因素和条件、不精确的、模糊的信息处理时,采用神经网络更有效。 本文在建模时以visual basic 6.0为计算平台,通过对成都一制革厂污水站监测数据的训练和学习,构建的BP网络模型的预测值和实测值吻合较好,相对误差大部分都在5%以内,输出值的平均误差为3.28%,模型能够准确的预测COD_Cr的出水变化。最后,通过该模型分析厌氧制革废水中存在的问题,并提出相应的解决方案。