智能控制系統(tǒng)在污水處理廠的應(yīng)用研究

1、技術(shù)與應(yīng)用Technology&Application HYPERLINK :/ jsbwater / :/ jsbwater 智能控制系統(tǒng)在污水處理廠的應(yīng)用研究文 / 沈燕蓉上海市城市建設(shè)設(shè)計(jì)研究院摘要：本文以某污水處理廠的污水處理過程為研究對(duì)象，建立污水處理過程人工神經(jīng)網(wǎng) 絡(luò)模型。從理論上證明人工神經(jīng)網(wǎng)絡(luò)可以逼近任意非線性函數(shù)，且可以實(shí)現(xiàn)多輸入多輸出之 間的映射關(guān)系。隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的開展，將進(jìn)一步展現(xiàn)其在污水處理廠智能控制系統(tǒng) 建模上的優(yōu)越性。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)徑向基人工神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)城市的污水處理廠運(yùn)行經(jīng)費(fèi) 來源主要是靠居民及各類用戶單 位的繳費(fèi)和政府的財(cái)政補(bǔ)貼，目 前存在

2、著污水處理量滿足不了社 會(huì)開展需求的問題，如何在滿足 日益增長(zhǎng)的污水處理量的社會(huì)需 求的同時(shí)保證處理水質(zhì)、降低污 水廠的處理本錢，減輕國家財(cái)政 及用戶的負(fù)擔(dān)成為各污水廠運(yùn)行 管理的主要任務(wù)。做到均衡生產(chǎn)。常用的措施是采 用人工調(diào)節(jié)，由于缺少在線監(jiān)測(cè) 和自動(dòng)控制系統(tǒng)，人工調(diào)節(jié)明顯 存在滯后性和隨意性，故很難做 到科學(xué)準(zhǔn)確。其次由于目前污水 廠的主要設(shè)備設(shè)施的運(yùn)行處于剛 性狀態(tài)，操作員工也很難對(duì)變化 的水量通過設(shè)備采取必要的調(diào)節(jié) 措施，這樣必然導(dǎo)致處理數(shù)量、 質(zhì)量和能耗三者無法統(tǒng)一，造成取得良好的效果。一、工程研究開發(fā)過程以某中等規(guī)模的污水處理廠 的污水處理過程為研究對(duì)象，建 立污水處理過程人工神

3、經(jīng)網(wǎng)絡(luò)模 型。根據(jù)運(yùn)行單位提供的歷年污 水處理檢測(cè)數(shù)據(jù)報(bào)表，并進(jìn)行了 一系列的調(diào)研工作和數(shù)據(jù)整理工 作，由于曝氣量Q2和曝氣時(shí)間對(duì)于污水處理廠而言，無論能源的白白浪費(fèi)和運(yùn)行費(fèi)用的居t沒有變化，對(duì)模型無影響，故采用何種工藝運(yùn)行方式，其主要高不下。近年來，由于科學(xué)技術(shù)不予采用，而根據(jù)報(bào)表提供的內(nèi)本錢都為能源消耗、藥劑消耗、的飛速開展，污水在線監(jiān)測(cè)儀表容，采用如下數(shù)據(jù)項(xiàng)：日常維修費(fèi)用、更新改造費(fèi)用、可靠性進(jìn)一步增強(qiáng)，這就為量化1 、進(jìn)水： Q1 、 BOD 、人員和管理費(fèi)用等。如何根據(jù) 管理運(yùn)用與推廣奠定了根底。目COD、SS、pH和T水溫；具體情況建立本錢的有效控制方前國內(nèi)外設(shè)備管理有預(yù)防性維修2

4、、初沉池：BOD和SS；式，使各種消耗實(shí)現(xiàn)最小化，從而使企業(yè)可持續(xù)開展，是城市污 水處理這個(gè)新興產(chǎn)業(yè)面臨的迫切 要求。向預(yù)知狀態(tài)維修開展的新思路，這一維修模型的建立和開展就需 要以科學(xué)的方法和手段去量化把 握設(shè)備狀態(tài)。設(shè)備狀態(tài)的把握有3、曝氣池：兩組DO再生1、DO再生3，Mlss再生1、Mlss再生3，DO吸附1、 DO吸附3和Mlss吸附1、Mlss吸附3；4、二沉池：BOD、COD、現(xiàn)行污水廠的設(shè)施設(shè)備大都極強(qiáng)的專業(yè)性、復(fù)雜性、連續(xù)性SS和pH；建于20世紀(jì)70、80年代并為全天和長(zhǎng)期性。實(shí)踐證明建立設(shè)備狀建立以初沉池生化需氧量 候運(yùn)行，污水的進(jìn)水水源客觀上態(tài)監(jiān)測(cè)診斷受控點(diǎn)工作，經(jīng)探 B

5、OD、化學(xué)需氧量COD、酸堿量存在著不均衡性，故污水廠很難索、開展和推廣在設(shè)備管理上已pH、污水流量Q1、懸浮固體SS54 水工業(yè)市場(chǎng) 2021年第7期和曝氣池的曝氣量Q2、溶解氧 DO、曝氣時(shí)間t、污泥濃度Mlss 與二沉池的BOD、COD、pH和 SS之間的關(guān)系模型。根據(jù)污水處理的工藝流程 以及人工神經(jīng)網(wǎng)絡(luò)現(xiàn)有的建模方 法，制定了多套人工神經(jīng)網(wǎng)絡(luò)模 型方案，以便比照篩選。應(yīng)用的 神經(jīng)網(wǎng)絡(luò)包括前饋人工神經(jīng)網(wǎng) 絡(luò)BP，局部反應(yīng)型人工神經(jīng)網(wǎng) 絡(luò)Elman，徑向基人工神經(jīng)網(wǎng)絡(luò) RBF，模糊神經(jīng)網(wǎng)絡(luò)FNN和集成 神經(jīng)網(wǎng)絡(luò)等，并采用多項(xiàng)技術(shù)以 改善人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與泛化 性能。針對(duì)上述各種網(wǎng)絡(luò)類型，

6、經(jīng) 過23臺(tái)機(jī)器累計(jì)1100多機(jī)時(shí)， 預(yù)計(jì)三千多萬次的訓(xùn)練和仿真， 然后對(duì)各種人工神經(jīng)網(wǎng)絡(luò)的精 度、效率進(jìn)行比擬，最終采用 BP網(wǎng)絡(luò)作為本工程模型的根本 結(jié)構(gòu)，在對(duì)該根本結(jié)構(gòu)經(jīng)過算法 優(yōu)化和改良后具有良好的學(xué)習(xí)能 力，實(shí)際運(yùn)行說明在神經(jīng)網(wǎng)絡(luò)學(xué) 習(xí)訓(xùn)練后，網(wǎng)絡(luò)對(duì)110天歸一化 數(shù)據(jù)的均方誤差在101102之 間。二、模型結(jié)構(gòu)方案根據(jù)污水處理廠活性污泥法 水處理工藝流程和要求建模的參 數(shù)以及提供的實(shí)測(cè)數(shù)據(jù)，為今后圖1人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)用子神經(jīng)網(wǎng)絡(luò)4作為二沉池 的模型；按工藝流程將四個(gè)子網(wǎng)絡(luò)的 對(duì)應(yīng)輸入輸出相連，即為整個(gè)水 處理過程人工神經(jīng)網(wǎng)絡(luò)模型，示 意圖如圖1所示。根據(jù)數(shù)據(jù)報(bào)表的工程和水質(zhì) 處

7、理的工藝流程，選擇各子神經(jīng) 網(wǎng)絡(luò)的輸入輸出參數(shù)見表1。1、按初沉池前后測(cè)量的水 質(zhì)指標(biāo)，選用進(jìn)水BOD、COD、 SS、pH、Q1和T水溫共六個(gè) 參數(shù)作為子神經(jīng)網(wǎng)絡(luò)1的輸入數(shù) 據(jù)，而用初沉池的BOD和SS兩個(gè) 參數(shù)作為子神經(jīng)網(wǎng)絡(luò)1的輸出指 標(biāo)。2、按曝氣池的前后水質(zhì)指 標(biāo)，選用初沉池的BOD、SS和進(jìn) 水Q1、COD、pH、T作為子神經(jīng)網(wǎng)絡(luò)2、3的共同輸入，由于空氣 量Q2不變不可調(diào)節(jié)以及回流 污泥量亦不調(diào)節(jié)，而實(shí)際的出水 指標(biāo)有較大的變化例如BOD處 理前后的效率在7098之間 變化，因此必有某種因素在起 作用。考慮到再生池污泥濃度與 回流污泥量有較直接的關(guān)系，所 以選用1號(hào)、3號(hào)再生池的污

8、泥濃 度MLSS作為子神經(jīng)網(wǎng)絡(luò)2、3的 輸入，代替回流污泥量，相當(dāng)于 調(diào)節(jié)參數(shù)。這樣子神經(jīng)網(wǎng)絡(luò)2、3 分別各有六個(gè)輸入?yún)?shù)，而輸出 為DO再生1、3，DO吸附1、3和 Mlss吸附1、3，各為三個(gè)參數(shù)。 3 、按二沉池的前后工藝 參數(shù)，選用進(jìn)水Q1、T、pH、 COD，初沉對(duì)應(yīng)的子神經(jīng)網(wǎng)絡(luò)的 BOD、SS和曝氣池對(duì)應(yīng)的子神掌握和應(yīng)用模型的方便，采用人子神經(jīng)網(wǎng)絡(luò)輸入?yún)?shù)輸出參數(shù)子神經(jīng)網(wǎng)絡(luò)1初沉池進(jìn)水：BOD,COD,SS, pH,Q1,T(水溫)初沉：BOD,SS子神經(jīng)網(wǎng)絡(luò)2,3(曝氣池)進(jìn)水：Q1,COD,pH,T初沉：BOD,SS 再生1，3：MLSS再生1，3：DO 吸附1，3：DO,ML

9、SS子神經(jīng)網(wǎng)絡(luò)4(二沉池)進(jìn)水：Q1,COD,pH,T初沉：BOD,SS 再生1，3：DO 吸附1，3：DO,MLSS出水：BOD,COD,SS,pH工神經(jīng)網(wǎng)絡(luò)與實(shí)際構(gòu)筑物相對(duì)應(yīng) 的方法，用四個(gè)子神經(jīng)網(wǎng)絡(luò)分別 表示四個(gè)主要構(gòu)筑物：用子神經(jīng)網(wǎng)絡(luò)1作為初沉池 的模型；用子神經(jīng)網(wǎng)絡(luò)2作為1號(hào)曝氣 池的模型；用子神經(jīng)網(wǎng)絡(luò)3表示3號(hào)曝氣 池的模型；表1各子神經(jīng)網(wǎng)絡(luò)的輸入與輸出參數(shù)圖21人工神經(jīng)網(wǎng)絡(luò)封面圖22人工神經(jīng)網(wǎng)絡(luò)總體模型圖23 人工神經(jīng)網(wǎng)絡(luò)1初沉池圖24人工神經(jīng)網(wǎng)絡(luò)2圖25人工神經(jīng)網(wǎng)絡(luò)3圖26人工神經(jīng)網(wǎng)絡(luò)4曝氣池1號(hào)曝氣池3號(hào)二沉池經(jīng)網(wǎng)絡(luò)中DO再生1、3，DO吸附 1、3以及Mlss吸附1、3共九

10、個(gè)參 數(shù)，作為二沉池的輸入，而輸出 為出水BOD、COD、SS及pH四 個(gè)參數(shù)。三、模型應(yīng)用軟件的界面設(shè)計(jì)圖31子神經(jīng)網(wǎng)絡(luò)1作為初沉圖32為子神經(jīng)網(wǎng)絡(luò)2作為1號(hào)圖33為子神經(jīng)網(wǎng)絡(luò)3表示3號(hào) 池模型的輸出曲線曝氣池模型的輸出曲線曝氣池模型的輸出曲線根據(jù)每個(gè)子神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)一 個(gè)構(gòu)筑物，這樣在實(shí)際上是分別 建立了對(duì)應(yīng)初沉池，曝氣池1 號(hào)和3號(hào)和二沉池的四個(gè)獨(dú)立 子人工神經(jīng)網(wǎng)絡(luò)模型。而將它們 的組合又組成了從進(jìn)水到出水的一個(gè)整體的人工神經(jīng)網(wǎng)絡(luò)模型， 如圖1所示。模型應(yīng)用軟件的界面設(shè)計(jì)為 多窗體形式：第一個(gè)窗體為應(yīng)用軟件封 面；見圖21第二個(gè)窗體為四個(gè)子神經(jīng)網(wǎng) 絡(luò)的聯(lián)結(jié)形式，表示整個(gè)污水處 理工藝過程模

11、型；見圖22 第三個(gè)窗體為初沉池人工神經(jīng)網(wǎng)絡(luò)模型；見圖23第四個(gè)窗體為曝氣池1號(hào)人 工神經(jīng)網(wǎng)絡(luò)模型；見圖24 第五個(gè)窗體為曝氣池3號(hào)人工神經(jīng)網(wǎng)絡(luò)模型；見圖25 第六個(gè)窗體為二沉池人工神經(jīng)網(wǎng)絡(luò)模型；見圖26 為了便于操作人員掌握和應(yīng)用，界面設(shè)計(jì)主要表達(dá)實(shí)用，而 風(fēng)格盡可能簡(jiǎn)潔明了。使用時(shí)只 要翻開對(duì)應(yīng)構(gòu)筑物的神經(jīng)網(wǎng)絡(luò)模 型窗口，輸入相關(guān)的參數(shù)數(shù)據(jù)， 再單擊相應(yīng)的神經(jīng)網(wǎng)絡(luò)確認(rèn)按 鈕，即可立即顯示相關(guān)的模型輸 出參數(shù)值。四、模型的運(yùn)行結(jié)果與分析1、模型運(yùn)行結(jié)果圖43為子神經(jīng)網(wǎng)絡(luò)3表示3號(hào)圖44為子神經(jīng)網(wǎng)絡(luò)4作為二 曝氣池模型的輸出曲線沉池模型的輸出曲線為了便于考察模型的總體 性能，將模型輸出數(shù)據(jù)與該

12、廠的 報(bào)表數(shù)據(jù)作于同一圖中以便于比 較，圖中橫坐標(biāo)為天數(shù)，縱坐標(biāo) 為相應(yīng)的參數(shù)值，虛線表示報(bào)表 數(shù)據(jù)曲線，實(shí)線表示模型仿真輸 出曲線。為了便于分析比擬，用滿 度相對(duì)誤差x計(jì)算模型輸出誤 差，其公式為：x%=(1/n) | 模型輸出 報(bào)表數(shù)據(jù)|/參數(shù)的測(cè)量范圍 100式中n總計(jì)算天數(shù)。(1) 圖31圖34 為對(duì)各 子網(wǎng)絡(luò)的220天曲線，其中后面 110天為建模所用數(shù)據(jù)，稱為訓(xùn) 練數(shù)據(jù)，前110天為預(yù)測(cè)所用數(shù) 據(jù)，稱為仿真數(shù)據(jù)。誤差計(jì)算結(jié)果為：11 0 天訓(xùn)練數(shù)據(jù)平均誤差 為：9.78%11 0 天仿真數(shù)據(jù)平均誤差 為：10.77%220 天總體數(shù)據(jù)平均誤差 為：10.27%在模型輸出的12個(gè)參數(shù)

13、中：1個(gè)參數(shù)5，5個(gè)10，6個(gè)18(2) 圖 4 1 圖 4 4 為運(yùn) 行單位提供的 2003 年 12 月 21 日2004年2月20日的數(shù)據(jù)報(bào)表 曲線和模型輸出曲線的比擬圖。由于提供的新報(bào)表中局部 參數(shù)的數(shù)據(jù)變化范圍已超出去年 全年的變化范圍，所以用新數(shù)據(jù) 的一半用以建模，以改善原有模 型的性能，曲線中的前30天為訓(xùn) 練數(shù)據(jù)曲線，而后30天為仿真曲 線。計(jì)算誤差為：30 天訓(xùn)練數(shù)據(jù)平均誤差： 2.9%30 天仿真數(shù)據(jù)平均誤差： 8.5%60 天總體數(shù)據(jù)平均誤差： 5.7%圖34為子神經(jīng)網(wǎng)絡(luò)4作為二圖41子神經(jīng)網(wǎng)絡(luò)1作為初沉圖42為子神經(jīng)網(wǎng)絡(luò)2作為1號(hào) 沉池模型的輸出曲線池模型的輸出曲線曝氣

14、池模型的輸出曲線其中，在模型輸出的 12 個(gè) 參數(shù)中： 5 個(gè)參數(shù) 5 ； 7 個(gè)10；(3) 兩個(gè)月數(shù)據(jù)分析表見表2。 從圖 2 和圖 3 中可見，模型 輸出曲線的總體趨勢(shì)變化與該廠 實(shí)測(cè)數(shù)據(jù)曲線變化保持一致。模 型的總體平均相對(duì)誤差為10左 右，以目前人工神經(jīng)網(wǎng)絡(luò)的技 術(shù)，本模型的性能屬于良好水 平。本模型所描述的對(duì)象是多輸 入多輸出高度非線性的生化物理 過程。從已查閱的文獻(xiàn)資料來 看，尚未發(fā)現(xiàn)用人工神經(jīng)網(wǎng)絡(luò)建 立類似的復(fù)雜系統(tǒng)。作為比照， 將一個(gè)已發(fā)表的、規(guī)模與類型相 近的人工神經(jīng)網(wǎng)絡(luò)在天氣預(yù)報(bào)中 的應(yīng)用為例。其采用單個(gè)神經(jīng)網(wǎng) 絡(luò)，14個(gè)輸入?yún)?shù)、2個(gè)輸出參 數(shù)，以短期預(yù)報(bào)定性識(shí)別天氣好

15、 壞，其正確率為81。人工神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生誤差 的原因分析如下：(1) 從數(shù)據(jù)方面分析：小局部數(shù)據(jù)明顯不合正常 規(guī)律。例如：2004年2月5日BOD進(jìn)水：196.1初沉：9.3 出水：24.3從報(bào)表的數(shù)據(jù)可知，作為 模型的輸入和輸出，參數(shù)的變化表2數(shù)據(jù)分析表出水BOD仿真數(shù)據(jù)誤差出水COD仿真數(shù)據(jù)誤差出水SS仿真數(shù)據(jù)誤差出水PH仿真數(shù)據(jù)誤差8.413.112656.131.240.459429.681615.679627.277.33410.8818.915.080920.2157.253.61866.261021.7625117.637.227.35941.9310.516.961861.5

16、45046.64426.711824.12834.047.257.15831.269.411.598723.396966.52383.592423.95180.27.267.18531.0310.510.81322.9857.162.13968.832419.963616.827.27.27981.1115.211.387625.0854.752.62973.782825.074110.457.087.21261.879.811.359515.9137.836.83082.562826.41665.667.187.16680.1819.511.746639.7663.757.274810.09

17、2824.134113.817.37.29890.016.99.529438.115963.00486.792421.69759.597.247.19580.6115.915.50152.5137.545.993422.652225.485615.847.267.35351.2915.515.66381.0647.956.052917.022623.95367.877.157.22751.0815.514.79614.5434.640.06915.811620.455227.847.117.03581.0414.815.21592.8177.176.63670.62828.10020.3677

18、.03220.461213.713714.2869.271.22612.932218.359616.557.247.20880.4314.915.0771.1961.261.16090.062828.35291.267.257.21580.4712.510.714414.2955.949.400211.632824.029914.186.986.92540.788.19.901822.2479.880.38120.732829.07913.857.27.1290.9923.122.69291.7658.559.79592.222828.21730.786.926.92040.0124.824.

19、78890.0445.245.46390.583030.41761.397.327.32320.042523.54425.8279.278.08011.412624.88234.37.397.40980.2724.421.4612.0552.849.35746.521618.091613.076.776.83230.9221.923.38276.7760.766.31919.262826.07526.877.117.12820.2618.618.79011.0241.343.445.181414.46723.347.247.23030.132525.13240.5356.857.71211.6

20、13030.32791.097.677.67840.1124.224.33450.5672.266.58147.783028.30985.637.177.17330.0524.925.48712.3661.963.10061.941213.356111.37.617.56910.542020.12240.6175.470.85896.022425.7857.447.697.65170.523.422.67113.1154.657.18514.732422.79275.037.67.63150.4124.824.11562.7676.876.88660.112422.82934.887.67.6

21、2450.322525.14940.651.249.21053.892827.95950.147.557.57740.366.79.518742.074834.22828.692617.417933.017.157.04621.458.718.7468115.4852.452.54330.272220.85615.27.57.45490.612.425.0155101.7454.741.604123.942026.437232.197.297.31260.3112.89.982422.016945.339334.292827.49291.817.197.10081.247.86.018722.

22、8447.625.538546.353018.925236.927.097.160.997.812.646462.133340.083521.472820.285327.557.277.23120.5312.213.04156.956.652.07381424.880577.727.327.22241.3315.513.137215.2464.334.78145.912422.61075.797.297.19641.288.816.413286.5142.668.136559.942818.853932.667.277.29870.3917.420.449317.5247.929.774437

23、.842621.467417.437.27.07981.6719.621.574810.0869.234.185650.61818.61193.47.267.11891.9414.711.684220.5263.837.257141.62624.960246.987.14432.3524.810.32358.3771.867.52315.961430.1381115.277.016.90451.5114.65.733660.7355.960.02817.382629.23312.436.927.39856.929.417.864890.0569.244.471535.732630.40316.

24、937.187.04511.8813.714.75167.6885.158.750130.962824.844911.276.936.87740.7621.424.141812.8163.479.218624.953026.124912.927.216.78165.948.612.694647.613729.988618.952222.17950.826.976.86961.442515.700837.263.427.033857.361820.564214.256.916.82631.2123.523.63350.5768.472.09835.412229.713935.067.37.248

25、90.724.38.715664.1374.859.951419.852830.30668.246.997.3915.7423.125.19899.0964.552.617818.422824.436412.737.517.38731.6322.924.2866.0561.948.364621.872813.381652.217.77.54512.0111.821.377981.1762.458.25816.642818.432834.177.67.63030.424.815.515637.4449.453.32697.952819.667129.767.347.26770.9924.921.

26、334514.3281.951.088537.622822.70418.917.667.59230.8824.525.03612.1961.458.35884.952424.59812.497.537.49460.47是不一致的，即輸出與輸入的關(guān) 系不是唯一對(duì)應(yīng)的。例如反映在 BOD中的處理效率在7098 左右變化。由于輸出的多值性， 將會(huì)使所建模型產(chǎn)生較大誤差。(2) 從神經(jīng)網(wǎng)絡(luò)方面的分 析：為減小仿真誤差，在建模過程中已采取了一系列的措施，雖 然模型性能比初期有較大改善， 但由于人工神經(jīng)網(wǎng)絡(luò)的泛化問題 到目前為止還沒有完全解決，所 以無法到達(dá)令人滿意的理想程 度。五、模型的結(jié)論與建議1、結(jié)

27、論(1) 對(duì)污水處理的生化物 理過程是一個(gè)多輸入多輸出高度 非線性系統(tǒng)，用常規(guī)的方法難以 建立適宜的對(duì)象數(shù)學(xué)模型。由于 建模中引入了人工智能技術(shù)，所 以采用人工神經(jīng)網(wǎng)絡(luò)建立污水處 理過程的模型的下轉(zhuǎn)第73頁 HYPERLINK :/ jsbwater / :/ jsbwater Communion經(jīng)驗(yàn)交流曝氣不均會(huì)使填料堆積，填料利 用率下降；曝氣強(qiáng)度太大又會(huì)吹 脫生物膜?？刂粕锍氐钠貧饬?處于強(qiáng)度適中的合理水平，既可 以保證好氧池的效果，又可以使 流化填料均勻流化，使其作用得 到最大發(fā)揮。綜上，得出以下結(jié)論：(1) 合理的曝氣系統(tǒng)控制對(duì) 穩(wěn)定生物池的運(yùn)行極為重要，合 理的曝氣量和曝氣強(qiáng)度可

28、以使填 料的功能和利用率得到最大限度 的發(fā)揮，穩(wěn)定出水水質(zhì)。(2) 良好的填料外表正好為 這些長(zhǎng)泥齡的微生物提供了棲 息載體，使得硝化作用增強(qiáng)， NH3-N和TN的去除效果都得到明顯的改善。(3) 通過投加填料，生物膜 法和活性污泥法相結(jié)合的改造方 法，對(duì)于需要提高污泥負(fù)荷而池 容有限的污水廠的升級(jí)改造有一 定的借鑒意義。 參考文獻(xiàn) 1韓喜蓮，王艷.懸浮填料對(duì) 污水脫氮的影響分.甘肅科學(xué)學(xué) 報(bào)，2007，19(2)：1471502劉翔，高廷耀.生物接觸氧化 法處理污水的一種新型填料懸 浮填料.重慶環(huán)境工程，1999， 21(2)：42443畢學(xué)軍，高廷耀.生物脫氮除磷工藝好氧區(qū)硝化功能的強(qiáng)化實(shí) 驗(yàn).上海環(huán)境科學(xué)，2000，19(4)： 1831864張辰，譚學(xué)軍.城市污水廠升 級(jí)改造的有關(guān)問題.中國給水排 水，2021，24(24)