利用pH测量值对金属进行生物滤除的操作方法 给排水毕业论文外文翻译 23页

利用pH测量值对金属进行生物滤除的操作方法作者：Y.G杜1，R.D泰尔基2，T.R斯里克里斯曼3摘要：一种高级的操作的方法在微生物的过滤过程中发展起来，在最佳时刻终止舱口操作，利用氧化硫去除污泥中的重金属。在滤除操作中，由于在线测量可溶解金属浓度存在实际的困难，现行的方法是在反应系统对pH值的测量。为了监控金属溶解，与弱酸性细菌和酸性细菌一致的，生物滤除程序模型被开发出来。一种高级的在线预测系统随后应用于实施，它是利用卡尔门过滤技术的拓展，以及基于实验室中为了预测生物滤除系统中液体阶段的六种重金属的浓度而大量实验观察的神经网状模型，最后，一个说明它的应用的研究实例被提出。介绍在污水处理过程中，废水中的重金属在污泥中得到浓缩。在这些污泥在土地里被分解之前，污泥中的重金属含量被减少到一个合理的水平（弗莱斯，1987）。重金属从污泥中的去除，可以通过加酸，也可以通过微生物滤去。在生物滤出程序的研究中，它是将特有的氧化硫细菌应用于污泥中（布莱斯，1992）。在最近几十年，大量的研究直接朝向已被用于对去除重金属的微生物滤出方法（科尔达和朱1992；泰尔基和科尔达1989；科尔达和莫塞尔1991）。一些研究（泰尔基1993；斯里克斯曼1993）有在数学的模拟和仿真上使用氧化硫细菌的滤除程序被实施。然而，很少在高级的监视器上已被报告对这种过程的理想的控制。这个问题当前的状态远低于令人满意的水平。这种重金属的生物滤除程序通常是在反应堆中进行的。它要求在污泥中的重金属减少到合理的水平时停止批量操作。然而，由于在线对金属浓度测量措施有关的实际的困难，批量操作会直到它自然终止。而保持运行时间p23\nH媒介将落下到其最低水平（大约是1.5）的同时，活性的微生物将很少。根据我们的实验室工作，其中六种常遇到的有毒重金属，即镉，铬，铝和锌，铜，铅被监控，这种程序要自然结束需要120个小时（表格1---3），尽管它能依污泥大大缩短时间。在实践中，污泥中的重金属往往被过度降解，就是说，在生物滤除后，污泥中浓缩的重金属远远低于标准水平。当这种情况发生时，往往是因为pH低于1.5，并且有机营养物被分解了。这种固定时间的操作并不是符合要求的，因为过度的滤除重金属是完全没有必要的，这样只会浪费能量和时间，还有就是分解了污泥中的有机物。众所周知，系列操作要求达到必须的重金属水平主要决定于下面几个因素：（1）污水污泥中重金属的总量；（2）操作中生物滤除效率（取决于污泥颗粒浓度，污泥种类，等等）；还有（3）标准或者发布的为了安全处理允许的金属的量。因此，要求的批操作时间是污泥性质的一种功能，同时，滤去的效率并且趋向于从情况到变化情况。明显，对于重金属最初在污泥中比较低的情况，批操作时间实际上要求必须比120小时短。为了在最好状态终止批滤除操作，当所有重金属达到必要的溶解要求，在生物滤除期间规律地监控金属浓度是必要的。现在，金属集中测量不能被考虑是为了监控任务，因为适当的实验仪器直接测量重金属溶解不是可供使用的。实验室分析是时间消耗，它通常花费几小时并且代价也比较昂贵。对金属溶解度频繁的实验室分析是不可取的，至少现阶段是不现实的。实验证据显示23\n，在批微生物的滤去的操作期间，金属的溶解度程度取决于污泥的种类（难消化的，厌氧消化，或者厌氧消化污泥），污泥中金属的初始含量，污泥的pH值，pH值是操作过程中最重要的参数（斯里克里斯曼，1993）。所以，从工程学的角度来看，生物滤除程序由两部分组成：（1）细菌在生长过程中产生酸，使pH值变得越来越低；（2）污泥中低的ph使金属得到溶解。这就说明，ph值就是这个操作过程中最重要的因素。其他因素诸如污泥种类（难消化的，厌氧消化，或者厌氧消化污泥）和污泥中金属的初始浓度也影响金属的溶解度（斯里克里斯曼，1993）。最终的ph值给了不同污泥的期望值。由于缺少对生物滤除程序机理足够的认识，所以想要得到关于各种因素的准确的方程式一般是很难的。因此，在这项研究中，我们依靠在实践活动中的不断观察，神经网络的应用是由于它对数据独特的处理能力和预测能力，从而利用ph值和其他相关的因素对金属溶解度的及时预测来替代离线分析工作。由于对污的泥特性认知的的不同程度，污泥中初始金属浓度的变更，操作条件如操作温度的变更，使得生物滤除程序有随时间变动的自然属性。当一个开环网络系统在执行过程中，对金属浓度一定程度上的预测误差（现阶段的案例中小于15%）是不可避免的。批操作的终止过程中，由于消极的预测误差的存在，如果这个决定做的更谨慎些，基于开环网络系统预测的单个操作可能会被采纳。为了使工作更有效，精确，当然，预测误差必须被减少或者纠正，预测误差只有在如下情况下才是有价值的，测量值和预测值确实是存在不同。结果，金属浓度需要离线测量，但在整个操作过程中只有一次。为了说明实验结果所需要的时间段内，几小时内，需要事先预测金属浓度。结果，借助于卡尔曼过滤技术的拓展，一个合适的在线预测系统被开发出来，用于在提前6小时预测ph值。借助于一个神经系统模型，相应的金属浓度随后被预测出来。随着这些动态的预测的可行性，为了弥补预测误差，在这项研究中，一种高级的操作方法最终被发明出来。该程序在这项研究中的应用只是实例研究中的一个小插曲。表格1.生物滤除期间难消化污泥中金属溶解度的平均值和标准误差百分数23\n材料与方法生物滤除实验23\n基于一种新技术的应用，将氧化硫细菌与固有的细菌联合起来，微生物的滤去的操作在一个舱门中被实行（布莱斯1992）。这个程序中有两种明显的氧化硫细菌：弱酸性菌种在ph值高于4.0（极限范围从7.0到4.0）时占主要地位，而酸性菌种在ph值低于4.0（极限值为4.0到1.5）时占主要地位。这些菌种通过氧化大自然中的硫化物来产生硫酸，从而使媒介的ph值变低，金属的溶解就发生在这个阶段。二十二种污泥被从加拿大魁北克，安大略湖，特拉华和马里兰的11种水处理植物获得，生物滤除程序中一套完整的数据设备，包括实验室分析和一项详细的根据实验的描述在别的地方被报道。为了模拟的简单，用于这项工作的污泥抽样被分为三个范畴的组：难消化的，厌氧消化，厌氧消化污泥。对于每一种持续120个小时的生物滤除操作，11套时间系列实验的数据被记录和污泥的ph值以及镉，铬，铝和锌，铜，铅的浓度被用于模型的建立。便于联机的改进型卡尔曼过滤器pH预测尽管中介的ph值很容易在线测量，由于它随机的自然属性，在几小时前精确地预言这参数一数字的未来价值，来满足操作目的是困难的。实验数据的分析表明，生物滤除操作中金属的溶解度对ph是非常敏感的。在操作过程中，对中介ph值较高精度的预测，变得很必要。换句话说，生物滤除过程中的不确定性应该被消除。实验证据（布莱斯1992,；斯里克斯曼1993）显示中介里ph值决定于细菌产生H2SO4的速率，依次的是，污泥的种类，污泥颗粒浓度，污泥中每种细菌的初始浓度，操作发生的温度。很明显的，污泥的质量和生物滤除操作条件在每一个生物滤除实例中是不能被保持一成不变的。事实上，这一个操作和另一个操作时不同的，有时，这种不同还很有意义。表格1展示了媒介在难消化的，厌氧消化，厌氧消化污泥过程中一些典型的ph变化走势。23\n为了减小随机误差对系统模型建立和测量的影响，从而使在线测量成功，一个随机模型被首次建立起来。借助这个模型，一个改进型的卡尔曼过滤器被发明出来。生物滤除过程中唯一收集到的信息是媒介的一系列不连续的ph测量值。不连续的模型方程式被斯里克里斯曼（1993）为生物滤除技术积极地描述出来，它涉及软酸性细菌（N1）和酸性细菌（N2）。生物滤除的随机模型方程式涉及弱酸性细菌（N1），它发生在操作的第一的阶段，如下：N1，T+1=f11，T（N1，T,ST,pHT）+w11，T（1）S1，T+1=f12，T（N1，T,ST,pHT）+w12，T（2）PhT+1=f13，T（N1，T,ST,pH）+w13，T（3）生物滤除的随机模型方程式涉及弱酸性细菌（N2），它发生在操作的第二的阶段，如下：N2，T+1=f21，T（N2，T,ST,pHT）+w21，T（4）ST+1=f22，T（N2，T,ST,pHT）+w22，T（5）PhT+1=f23，T（N2，T,ST,pH）+w23，T（6）N1+N2=弱酸类加上酸类的浓度（105CFU/mL），细菌生长和硫酸的浓度的详细情况见附录一。pHm，T=pHT+vT（7）pHT+1=f13，T（N1，T,ST,pHT）+K13，T(pHm,T—pHT)(8)pHT+1=f23，T（N2，T,ST,pHT）+K23，T(pHm,T—pHT)(9)23\n神经网络技术操作策略中的关键步骤是开发一种在线系统来预测金属溶解度的数量，更简单的策略那六种主要的重金属。伴随着一定程度上的非线性和本身固有的复杂性，浸出液的浓度和生物滤除操作条件（媒介的ph值污泥中六种重金属的初始浓度，等等）之间的关系是复杂的。因此它是困难的，如果有可能，利用传统的回归方法可以构造一个可行的模型。然而，神经网络技术，提供了一种很有特色的方法来弄清非线性间的复杂关系，而不用非得掌握模型构造的知识。所以，它是非常适合解决这些特别的模型问题。23\n人造神经网络，作为一种智能的计算系统，是一种相当新的技术。它在发达国家被用于动态的模型，程序的预测，以及化学过程的控制（斯堡尔特1990；奇卡1992；泰尔基1993）。一个单独的神经网络，如表格2中显示的，对于单个任务是很有用的。然而，为了执行前面提到的任务，最好用一个更复杂的网络。解决的范围从两种或现有的网络更多的混合到固有的网络系统（马恩1990）。在这项工作中，六种单一的网络被设计出来，用来预测六种重金属的浓度。由于这些网络依靠相同的指令工作，所以后来，它们就被组织到一块从而形成了一套网络系统。这些单一的网络是用基础的程序原理和它们被联系到一起的方式定义的（汉特1992）。几种可能的网络配置，一种对控制作用有重要意义的多层次正反馈网络，被应用于这项工作。具有反曲作用的神经节点被应用于这项研究；这些节点和真的神经节点有着惊人的相似。向后传播算法（罗梅哈特与莫克丽莲1987；荣娃拉和丹菲尔1989），训练神经网络最常用的方法，被采用到这里来指导网络系统产生典型的复杂输入模式。23\n结果和评论在线预测媒介的ph值23\n在线对ph值多级预测是通过EKF按照公式（1）—（9）描述的进行的。方程的参量是a1=-2.15,b1=.62,c1=52.65,d1=4.05,k1=35.0,μ1(h-1)=0.3.a2=-0.40,b2=1.01.C2=1,026.0,d2=-162.0,k2=4.0,andμ2(h-1)=0.22.它们包括了滤除程序（斯在里克里斯曼1993）的变量。对ph值的预测按生物滤除程序提前预定好的1--6小时执行。线预测所需要的信息只有媒介的ph值，只是相当容易测量的。出于实际的缘故，诸如细菌的浓度，硫化物的浓度，还有他们的初始浓度等信息被假定的并不是很精确。取样间隔被定为0.5小时。当pH价值比4.0高时，在三种情况所有的初始的时期期间,一振荡就会发现。这现象主要产生于由造成的初始的系统噪音，它包括定义不确切地的细菌和硫酸盐浓度的初始的价值。然而，它对这特殊的研究不造成任何实际的问题，因为金属的溶解发生在批操作的第二阶段。当ph值低于4.0，表格3显示，震荡期过后，为厌氧污泥提前6小时预测的ph值会非常高，并且通常误差都会低于0.05.，相似的预测手法也会用到厌氧消化和难消化污泥过程中。用于金属浓度预测的神经网络系统在生物滤除操作过程中，神经网络系统被应用于对液体中镉，铬，铜，镍，铅，锌等六种重金属的浓度预测。在微生物滤除操作期间，金属溶解实验数据的百分比在表格1--3中显示，表明所有的每一种金属的初始百分比在滤除过程中决定金属溶解到怎样一个程度起着非常重要的角色。表格4显示的神经网络系统，包含7个输入变量，媒介的ph值，污泥中每种金属的初始存在，在滤除过程中包含每种金属的六个输出变量。这三种污泥（难消化的，厌氧消化，或者厌氧消化污泥）在神经网络系统构架中依次公用着相同的模板。用于构建模型的数据来源于对22种不同的污泥的实验观察。对于每一种生物滤除操作，11套时间间隔为12小时的系列数据被记录下来。Consequently，总共1,694种数据被收集和用于模型发展。以神经网为基础的模型，在训练之后，不应该被限制到有一种好的数据试穿；它也被要求执行一个好的预测。因此，仅仅部分实验数据被用于模型的构建，使其余的大约占总共10%的数据有证实模型的预测能力。23\n多层次的适当的数字以及隐藏的每单个神经网的节点由实验确定。在一些初步的尝试后，神经网络系统结构就被建立起来，它包括一个具有四到八个节点的隐藏的单层。因为通过学习用于重量更新的因素是该系统的输入量，具有不同意义的测量通过学习会发挥不同的影响。结果，在这项研究中，实际关于学习和测试的数据会被按比例绘制成0到1.0的相同水平。在对生物滤除取样数据模型的学习之后，不仅会得到一个好的适用数据模型，还会得到一个令人满意的对每种金属溶解百分比的预测。表格5展示了神经网模型用于执行对三种污泥中六种重金属的适合数据。神经网系统对污泥中每种重金属初始浓度的预测误差一般都在10%以内。23\n23\n操作策略许多方面的因素需要考虑到对生物滤除程序的改进。它们当中需要适当改进的操作参数有温度以及所用硫化物的数量。然而，这个先进的操作策略的关键步骤是，决定什么才是批操作的时间，它需要尽量缩短但又做够能保证金属溶解到一个要求的水平。换句话说，就是选择最佳的时刻停止生物滤除程序的操作。在这项研究中操作控制策略包括操作功能顺序的三部分：（1）初始化；(2)以模型为基础的在线预测(3)在线操作的决定。第一个部分的主要的功能是输入信息和数据，包括污泥类型，污泥颗粒浓度，污泥处理的规范，污泥中六种重金属的最新浓度。基于这些重要的信息，通过简单地计算是有可能推断出，污泥中那六种重金属必须得溶解多少才能达到合适的标准。第二个部分的控制策略主要是针对于在线预测。在这一步在线需要的信息只有ph（每半个小时总结一次）的测量。在全部操作期间pH值被提前六个小时使用EKF提前六个小时重复预测。每种金属的浓度随后被神经网络系统通过基本的ph值和其他信息综合起来而预测出来。操作策略的第三部分是对预测误差的修正，然后再确定最及时最可能的瞬间来终止生物滤除操作。为了减小金属浓度的预测误差从而使得到的的结论更精确，模型差错补偿的概念在这里被使用，这在控制工程中是很普通的。23\n这项研究中金属滤除程序的操作策略也可以用一张流程图表达出来。正如表格6所示，包括的信息有赋予的初始值，每种金属安全处理的最高水平，每种金属需要被溶解的最小量，简要的说，可以被很简单地计算出来，如果每种金属的最小量是零，就不需要滤除操作。这也就是说，污泥中这种金属当前的含量低得不需要做任何处理。在线预测任务会立即以T=0开始。Ph值，六种重金属的溶解度会每隔半个小时同时执行一遍，在通过EKF批操作和神经网系统发展期间可以各自提前6小时。对金属浓度（针对镉，铬，铜，镍，铅，锌）的预测所用到的神经网系统是敞开回路预测，它不对预测误差提供任何校正。为了避免这个缺点而得到更好地控制，引入了反馈控制修正系统。这能大大提高预测的准确性。除此之外，取样和实验分析在整个滤除过程中只被执行了一次。然而，一个人必须谨慎。因为对污泥的情况是完全陌生的，或者污泥模型相关的特性是未知的，预测误差将会很大。如果它大于相应金属初始浓度的合理水平，本例中是15%，神经网系统的可信度将会很低。在这项特列中，神经网模型需要用新数据改进或重新训练。对神经网的重新训练实际上就是一项循环工作。按这种方法，神经网模型会变得越来越富有经验和值得信赖。23\n实例研究我们实验室中的一个污泥浓度为7.0g/L的厌氧污泥生物滤除案例，污泥中初始的金属浓度为：镉：0.1mg/L;铬：1.28mg/L;铜：29.9mg/L；镍：0.22mg/L；铅：4.23mg/L；锌：9.32mg/L。污泥的初始ph值是7.23.下面是我们如何设计滤除这种污泥中的重金属使它适合在土地里被分解：初始化输入1.污泥类型？厌氧出来2.污泥颗粒浓度，（g/L）7.03.用于污泥配置的标准，(金属的毫克每干燥的公斤软泥)？镉=15。铬=1，000；铜=1，000；镍=180：铅=500；锌=2，5004.污泥中金属的初始浓度(mg/L)？镉(0)=0.10：铬(0)=1.28；铜(0)=29.9；镍(0)=0.22:；铅(0)=4.23；锌(0)=9.325.污泥的初始pH？pH(0)=7.23主要的计算6.污泥中法定允许的最大限度金属浓度水平(mg/L)(计算从2和3)：镉()=0.10；铬()=7.0；铜()=7.0；镍()=1.26；铅()=3.5；锌()=17.57.要求溶解的金属量(mg/L)或者要求的最小的金属浓度(从4和6计算)：镉(最小)=0.0；23\n铬(最小)=11.11；铜(最小)=22.9；镍(最小)=0.0；铅(最小)=0.73；锌(最小)=0.0。在线预测0.τ=0；τ=I；..1.τ=216(相应的108小时的操作时间，因为ph值每半个小时测量一遍)2.pHm(τ)=2.13(τ时的ph值)3.pH(τ)=2.12(τ时使用EKF预测ph值)4.pH(τ+12ΔT)=2.02(预测pHτ+12ΔT时刻的值，使用EKF.预言提前6小时)5.Cu(τ)=16.03(mg/L)6.Cu(τ+12ΔT)=23.52(mg/L)7.τ=217；....操作的决定1.M(τ+I2ΔT)>M(最小)吗？这被解释作为：每一种的金属溶解的量在τ+12ΔT时刻会在其最小的需要的水平之上吗？在τ=216：铜(τ+12ΔT)=23.52(mg/L)；铜(最小)=22.9(mg/L)；铅(τ+I2ΔT)=2.25(mg/L)；铅(最小)=11.73mg/L)。因此，铜(τ+12ΔT)>铜(最小）。铅(τ+I2ΔT)>铅(最小)2.这样，让τl=τ=216；在这里τl是为了实验室测试取样的瞬间。3.Cum(τl)=19.85(mg/L)；Pbm(τl)=0.73(mg/L)；4.Errl(Cu)=Cum(τl)—Cu(τ)=3.83(mg/L)；Errl(Pb)=Pbm(τl)—Pb(τ)=—0.63(mg/L)(预测误差)5.IErrl(Cu)j>Cu(0)的15%吗？不大于；IErrl(Pb)I>Pb(0)的15%吗？不大于。6.Cu的纠正值：Cu*(τ+12ΔT)=Cu（τ+12ΔT)+Errl(Cu)=27.35(mgl/L)；23\nPb的纠正值：Pb*(τ+12ΔT)=Pb(τ+12ΔT)+Errl(Pb)=1.62(mg/L)。7.M(τ+12ΔT)>M(最小)吗？是，因为Cu*(τ+12ΔT)=27.35(mg/L)>Cu(最小)=22.9(mg/L)；Pb*(τ+12ΔT)=1.62(mg/L)>Ph(最小)=0.73(mg/L)。回答是肯定的，在τ+12ΔT.时刻终止批操作的决定符合制定114小时的批操作时间。因为是提前6小时做的预测，而实验室的分析工作少于6小时，决定提前被制定。对于这个特殊的实际的情况，。因为这种策略的应用，6小时的操作时间节省出来。总结和结论这项研究注重生物滤除有毒金属程序批操作中效率的实际问题。因为缺乏适当的仪器测量污泥中的重金属含量，生物滤除技术通常运行直至重金属自然末端才结束。运用这个研究中建议的的操作策略可以在第一时刻终止操作，这样就有能力减少操作的总时间。在实际例子的调查中，由于这项技术的运用，可以节省6小时的操作时间。这项研究中操作策略的发展和应用是借助于一种先进的在线预测系统，它是由卡尔曼过滤器的改进与神经网模型。它在实践中用着很好，因为原来的神经网模型是基于从大量的数字的结果，这些数据来源于不同的污水污泥中。然而，如果实例中的污泥在自然界是很稀奇的，这个系统仍然有可能起不到作用。如果遇到这种情况，只能在现有的条件下重新训练神经网模型。鸣谢这项研究得到加拿大自然科学和工程研究理事会的支持（奖助金4984，力量0100710，力量149770）；加拿大魁北克教育部，魁北克大学，作者还要感谢Dr.J.23\nF.布莱斯和Prof.J.C.奥克莱给予的建议。附录Ⅰ.生物滤除程序的数学模型在这项研究中，反应堆里有两种氧化硫细菌占据着统治地位：弱酸性细菌和酸性细菌。在操作的初始阶段，如果媒介的ph值在4.0以上，则弱酸性细菌是靠得住的，相反的，当ph低于4.0时，酸性细菌就会变得很活跃。与弱酸性相关的生物滤除程序可以这样描述：dN1/dt=μ1*N1（10）dS/dt=k1*μ1*N1（11）dpH/dt=—﹛1/[c1(7.0-ph)+d1]﹜*dS/dt(12)操作的第二阶段是与活跃的酸性细菌有关。dN2/dt=μ2*N2（13）dS/dt=k2*μ2*N2（14）dpH/dt=—﹛1/[c2(4.0-ph)+d2]﹜*dS/dt(15)菌种的生长速率μ1与μ2定义为：μ1=μ1*[a1+b1*ln（ph）]（16）μ2=μ2*[a2+b2*ln（ph）]（17）常数a1,b1,c1,k1,a2,b2,c2,k2,和最大生长速率μ1与μ2会被列在题目为“媒介ph值的在线预测”的部分里。为了促进对非连续的拓展卡尔曼滤器的应用，（10）——（17）要求按如下进行转换。第一阶段是软酸性细菌在ph低于4.0的情况。N1，τ+1=N1，τ+∫ττ+1μ1*[a1+b1*ln（ph）N1，τ]dτ≈N1，τ+ΔTμ1*[a1+b1*ln（ph）]N1，τ=f11，τ（N1，τ，Sτ，pHτ）（18）23\nS1，τ+1=S1，τ+∫ττ+1k1μ1*[a1+b1*ln（ph）N1，τ]dτ≈S1，τ+ΔTk1μ1*[a1+b1*ln（ph）]N1，τ=f12，τ（N1，τ，Sτ，pHτ）（19）pHτ+1=pHτ+∫ττ+1﹛1/[c1(7.0-ph)+d1]k1*μ1*[a1+b1*ln（ph）]﹜/dτ≈pHτ—ΔT﹛1/[c2(4.0-ph)+d1]k1*μ1*[a1+b1*ln（ph）N1，τ]﹜=f13，τ（N1，τ，Sτ，pHτ）（20）操作的第二部ph低于4.0时占统治地位的酸性细菌的情况。N2，τ+1=N2，τ+∫ττ+1μ2*[a2+b2*ln（ph）N2，τ]dτ≈N2，τ+ΔTμ1*[a2+b2*ln（ph）]N2，τ=f21，τ（N2，τ，Sτ，pHτ）（21）S2，τ+1=S2，τ+∫ττ+1k2μ2*[a2+b2*ln（ph）N2，τ]dτ≈S2，τ+ΔTk2μ2*[a2+b2*ln（ph）]N2，τ=f22，τ（N2，τ，Sτ，pHτ）（22）pHτ+1=pHτ+∫ττ+1﹛1/[c2(7.0-ph)+d2]k1*μ1*[a2+b2*ln（ph）]﹜/dτ≈pHτ—ΔT﹛1/[c2(4.0-ph)+d1]k2*μ2*[a2+b2*ln（ph）N2，τ]﹜=f23，τ（N2，τ，Sτ，pHτ）（23）在这里ΔT是一个固定的取样间隔。23\n附录Ⅱ.参考文献布莱斯，J.F.（1992），“市政工程，微生物方向。”因瑟奥，加拿大魁北克大学。布莱斯，J.F.奥克莱尔，J,C.泰尔基，R,D.（1992年）“使金属从污泥中除去的两种硫化细菌的合作关系。”肯J.微生物学38（3），181——187.布莱斯，J,C.泰尔基，J.F.奥克莱尔，“污泥中的硫化菌滤除金属”J,恩格.奇诺ASCE,118（5），690——707.奇诺，S.P.（1992）“神经网系统在化学工程中的应用”埃斯普特，20——24.柯腊达,D.与梅西尔,G.(1991)“污泥除去金属（在CSTR和空气反应器中）停留时间的选择，”沃特，里斯。25（2），211——218.柯腊达,D.与朱.S（1992）“细菌除金属在农业上的应用”水污染与空气污染，63（1——2），67——80.古德温.G.C.和辛K.S.（1984）“合适的过滤语言与控制”普林特斯.霍.恩格伍德.克里夫.N.J.李普曼.R.P(1987)"神经网输出的介绍"IEEEASSP马格.4（2），4——22.马恩.A.J.(1990)“复杂的网络”计算机应用手册，马恩.A.J.C.T.哈斯特纳。荣娃拉，S.S和丹菲尔，D.A（1989）运用神经网的计算能力来学校工程操作19（2）299——314.罗曼哈特，D.和马克莲，J.（1986）。“动力和控制程序”，MIT压力，卡里布里奇，马斯。希伯特,D,E.艾达,T,E.和马里长普,D.A（1989）“平行传递程序”，约翰怀里。斯里克里斯曼，T,R.泰尔基R,D.布莱斯，J.F.，康柏，P.G.C.（1993）“生物滤除金属Ⅰ：程序的参数有效。”怀特里斯，27（11），1641——1651.23\n保尔特，J.布里斯金,V.V.和成里，A.（1990）“利用神经网系统对发酵细菌进行在线预测”生物技术，36（10），1041——1048.泰尔基，R.D.和柯腊达，D.（1989）。“环境控制百科全书”VOL,3，P.E.车里迷离洛夫，加夫出版社，N.J.557——590.泰尔基，R.D，Y.G杜，T.R斯里克里斯曼，和威廉姆，J.P.(1993):“活性污泥神经网系统的操作模型”28（4），259——267.泰尔基，R.D，T.R斯里克里斯曼，康柏，P.G.C.和布莱斯，J.F.（1993），“生物滤除金属Ⅱ：数学模型”，怀特里斯，27（11），1653——1661.附录Ⅲ.注释下面的符号会在该篇文章中用到：a1,a2,b1,b2,c1,c2,d1,d2=附录一里面的常数。Cd=污泥中的金属镉，mg/L;Cd0=污泥中金属镉的初始量，mg/L;Cr=污泥中的金属铬，mg/L;Cr0=污泥中金属铬的初始量，mg/L;Cu=污泥中的金属铜，mg/L;Cu0=污泥中金属铜的初始量，mg/L;Errl（金属）=预测误差，mg/L;Kij，τ=卡尔曼滤器增量（极小值）K1，k2=模型参数。M（最小）=金属被要求溶解的最低水平。M(recom)=金属分解的最大允许值M(τ）=τ时刻金属的估计溶解度M(τ+N)=τ+N时刻金属的估计溶解度M'*(τ+N)=τ+N时刻金属的估计溶解度的修正值23\nM(0）=τ初始时刻金属的浓度N1=弱酸菌的浓度，.105*CFU/mLN2=强酸菌的浓度，105*CFU/mLNi=污泥中的金属镍，mg/L;Ni0=污泥中金属镍的初始量，mg/L;网1=预测镉的单个神经网网2=预测铬的单个神经网网3=预测铜的单个神经网网4=预测镍的单个神经网网5=预测铅的单个神经网网6=预测锌的单个神经网Pb=污泥中的金属铅，mg/L;Pb0=污泥中金属铅的初始量，mg/LpHm，τ=τ时刻ph的测量值S=标准误差Vτ=零的意思，怀特高斯关于(7)中噪音的观察序列Wij，τ=零的意思，怀特高斯关于（1）——(6)中噪音的观察序列Wi，j，k=公式（11）中神经网系统第（k-1）层第j个节点与第k层第i个节点之间的重量Zn=污泥中的金属锌，mg/L;Zn0=污泥中金属锌的初始量，mg/L;ΔT=固定的取样间隔μ1*=ph值为7.0时弱酸菌种的最大生长速率Μ2*=ph值为4.0时强酸菌种的最大生长速率23\nμ1=弱酸菌种的生长速率Μ2=强酸菌种的生长速率τ=具有固定取样间隔的取样时间文章的版权归环境工程日报所有，它是美国土木工程师组织的财产。文章的内容不能被抄袭到大量别的站点或者被邮寄到没有版权的电子邮件管理程序中。当然，用户可以打印，或者发邮件作为私人使用。23