郭荣欣 邹德勋 刘研萍
(北京化工大学 化学工程学院,北京 100029)
厌氧消化技术是一种可以有效实现有机固体废物资源化利用的绿色方法,传统厌氧消化体系中的单一物料由于受限于自身性质而缺乏一定的缓冲能力,使实际生产中的反应体系往往无法达到理想的产气效果。联合厌氧消化通过利用不同物料的协同消化,可提高产气效能[1]。如何准确地预测联合厌氧消化反应体系的产气量对指导和管理实际的规模化沼气工程具有重要意义。厌氧消化是一个受多因素影响的动态体系,对这种多因素且因素间关系复杂的体系进行有效建模一直是环境科学领域的研究难点。目前,与产气量相关的估算模型有总固体(TS)估算模型、化学需氧量(COD)估算模型和挥发性固体(VS)估算模型等,但是这些产气模型将厌氧消化体系过度简化,预测误差通常较大。
针对产气模型存在的问题,目前对厌氧消化的建模主要分为线性回归模型、动力学模型和人工神经网络(artificial neural network,ANN)模型三大类。线性回归模型是通过线性拟合的方法建立2种或2种以上不同因素之间定量关系的拟合曲线,该类模型仅对于具有线性关系的体系具有较好的预测效果,而对于厌氧消化这种非线性动态反应体系的拟合程度不高[2]。动力学模型只适用于不存在延滞期或者延滞期之后阶段的产气预测[3],而且该种模型往往比较复杂,其中的反应速率常数对环境的变化十分敏感,使建模比较困难从而具有一定的局限性[4-6]。……