A novel protocol for model calibration in biological wastewater treatment.
A novel protocol for model calibration in biological wastewater treatment.
复制标题
生物废水处理模型校准的新方案。
DOI：
10.1038/srep08493
复制
发表时间：
2015-02-16
影响因子：
4.6
通讯作者：
Peng Y
中科院分区：
文献类型：
--
作者：
Zhu A;Guo J;Ni BJ;Wang S;Yang Q;Peng Y
活性污泥模型在污水处理厂的工艺设计、运行和优化中得到了广泛的应用。然而，它仍然是一个挑战，以实现一个有效的校准可靠的应用，通过使用传统的方法。据此，我们提出了一种新的校准协议，即数值最佳逼近程序（NOAP），系统校准的ASMs。NOAP由迭代方案流程中的三个关键步骤组成：i）用于因子固定的全局因子敏感性分析; ii）用于不可识别因子检测的伪全局参数相关性分析;以及iii）通过使用遗传算法的估计形成参数子集。从两个独立的废水处理系统，包括一个序批式反应器和一个连续搅拌槽反应器获得的实验数据的有效性和适用性进行了确认。结果表明，NOAP可以有效地确定最佳的参数子集，并成功地进行这两个不同的系统的模型校准和验证。建议NOAP预计将用于自动校准的ASMs和潜在的应用到其他常微分方程模型。
Activated sludge models (ASMs) have been widely used for process design, operation and optimization in wastewater treatment plants. However, it is still a challenge to achieve an efficient calibration for reliable application by using the conventional approaches. Hereby, we propose a novel calibration protocol, i.e. Numerical Optimal Approaching Procedure (NOAP), for the systematic calibration of ASMs. The NOAP consists of three key steps in an iterative scheme flow: i) global factors sensitivity analysis for factors fixing; ii) pseudo-global parameter correlation analysis for non-identifiable factors detection; and iii) formation of a parameter subset through an estimation by using genetic algorithm. The validity and applicability are confirmed using experimental data obtained from two independent wastewater treatment systems, including a sequencing batch reactor and a continuous stirred-tank reactor. The results indicate that the NOAP can effectively determine the optimal parameter subset and successfully perform model calibration and validation for these two different systems. The proposed NOAP is expected to use for automatic calibration of ASMs and be applied potentially to other ordinary differential equations models.
登录
查看更多内容
溶解氧对部分硝化性能和微生物群落结构的长期影响
影响因子：
11.4
作者：
Guo, Jianhua;Peng, Yongzhen;Wang, Zhongwei
通讯作者：
Wang, Zhongwei
影响因子：
12.8
作者：
Garcia-Usach, F.;Ribes, J.;Seco, A.
通讯作者：
Seco, A.
影响因子：
2.7
作者：
Kim, S;Lee, H;Kim, S
通讯作者：
Kim, S
影响因子：
4.9
作者：
Iacopozzi, Ilenia;Innocenti, Valentina;Giusti, Elisabetta
通讯作者：
Giusti, Elisabetta
影响因子：
12.8
作者：
Brun, R;Kühni, M;Reichert, P
通讯作者：
Reichert, P