基于BP神经网络的生物法烟气NOx净化的模拟与预测研究

王洁 邹平 孙珮石 李传宽

（云南大学工程技术研究院 云南昆明 610091）

营养液主要添加的营养成分为K+、Mg2+、PO43-等。生物膜上的微生物起着脱除SO2和NOX的作用。主要通过化学滴定法分别产生模拟烟气中的SO2和NOX，然后通过气泵将产生的气体从第一个填料塔的底部从下至上鼓入并排出并进入下一个填料塔直至排出至大气中。实验装置如图1所示。

图1 双塔生物法烟气同时脱硫脱氮装置示意图

装置在运行的过程中，接通采样口以便测量SO2和NOX浓度，经过长时间的实际运行发现，一般SO2在前一个填料塔中即可得到处置，处置率可达100%[7]，进入后一个填料塔的主要为NOX，习惯称该柱为脱氮柱，也是本研究主要针对的装置。

氮柱内的微生物主要通过硝化作用与反硝化作用处置NOx,处置后元素氮或成为菌体大分子的组成部分，或成为N2进入空气，或成为NO3-存在于循环液，但仍然有一部分保持不变直接被排入空气中。由于脱除机理比较复杂，塔内诸多因素都能够影响NOx的脱除率。

运用微生物废气净化技术的装置往往具有运行费用低、工艺设备简单、易于维护、脱除效率高、二次污染小等优势[1][2]。NOx是一类常见的大气污染物，可由大量化石燃料燃烧过程中产生，是目前关注较多的大气污染物。研究表明：运用生物法在实验室条件对NOx不能达到稳定处理。一项技术能否得到推广应用的前提是在于该技术具有高效性、稳定性、可控制性、可预测性以及经济性等。因此还需要对生物法同步脱硫脱氮的机理作进一步的研究。此外，人工智能及计算机技术的发展而产生了许多方法也为该实现该目标提供了其他思路。

人工神经网络是一种神经生物学与计算机技术结合下的智能算法，主要模仿人脑对于信息的加工处理与反馈的过程。因此可通过将装置运行过程中的影响因素作为输入信息，而将装置最终脱除率作为反馈信息的方法对生物法NOx填料塔建立神经网络模型。BP神经网络具有极强的非线性逼近能力[3]，不用明确输入输出数据之间的函数关系，通过调整其连接权值和阈值即可对新的数据做出预测。

BP神经网络在环境领域也具有广泛的运用：张俊等将BP神经网络运用于医疗垃圾焚烧炉温度自动控制当中，实现了控制系统对焚烧温度的自动控制以达到更大焚烧效率[4]。陈作超等利用BP神经网络对生物滴滤塔对有机废气的处理过程进行建模，取得了较好预测效果[5]。韩伟等在对造纸厂废水的处置研究当中，利用BP神经网络结合NSGA-2等对处置过程进行优化，为废水处理多目标优化方面提供了参考[6]。

1 研究对象

2 研究模型的建立

经过前期的研究论证，主要采用的以下营养液pH值、循环量，通气量，进出气体NOx的浓度，温度值，且这些影响因素都可以采取一定手段进行控制，比较符合自动控制实际，预测目标是通过测定出气口NOx浓度得到的脱除率。同时为了减少其它难测量或量化因素影响，同时也考虑到工业运用的实际情况，测量主要在3天内完成，最终以每日间隔30分钟采集上述数据。最终完成60组的采集。每隔测定一定数量的数据后微调影响因素使之能覆盖比较理想的范围。最终结果如表1所示。

表1 各模型参数的取值范围及采样方法

本研究是基于双塔式脱硫脱氮的工艺对实验室产生的模拟烟气进行处置的装置的，实验装置的核心部分为两个串联的填料塔，每个单塔被分隔成上下两段各段装填有陶粒。通过一定方法使陶粒表面生长出生物膜并通过滴灌营养液维持其生长。实验中

3 结果与讨论

3.1 基于BP神经网络的生物法烟气NOX净化装置模型

将各项数据输入MATLAB并归一化后，因本研究采用5个影响因素因此输入层的神经元为5个，预测的结果为脱除率故输出层的神经元数为1个。根据精确度以及网络性能考虑，隐层采用单层含10个神经元，训练函数选择“trainlm”、传递函数为“tansig”、学习函数采用“learngdm”，性能函数为“mse”，随机选取 60组数据中的70%作为训练数据。训练曲线如图2所示

图2 Matlab BP神经网络训练曲线

可以看出在经过少量次数的迭代后均方差即可达到较小的范围内即6.36e-05，并且BP神经网络模型也得到了建立。计算时间短且训练周期短，这与所选取的Levenberg-Marquardt BP算法有关，该训练算法对于较大规模的神经网络具有良好的性能。调用BP神经网络工具箱的回归分析显示如图3所示。

图3 Matlab BP神经网络工具箱回归分析

3.2 BP神经网络模型的验证

在对剩下的30%即18组数据作验证的结果如图4所示。

图4 NOX脱除率预测值与真实值的对比曲线

预测结果在MATLAB神经网络函数Perform值为0.000691338008632761，结合图4表明BP神经网络可以为本研究的装置提供预测作用，从实际的测量值看出，即使在较短的周期内脱除率随着时间呈毫无规律的变化，而BP神经网络由于其本身特性可对该变化建立相关的模型并进行预测。

4 结语

经过研究论证，对于生物法烟气脱硫脱氮技术装置的BP神经网络模型的建立是可行的，该BP神经网络模型能够提供预测作用。

[1]毛永杨,邹平,孙佩石.生物法烟气脱硫脱氮研究进展[C].中国环境科学学会学术年会论文集,2012:2136-2141.

[2]毛永杨,王海玉,孙珮石.生物法同时脱除高温烟气中SO2和NOx的实验研究 [J].云南大学学报（自然科学版）,2012,34(2）:227-231.

[3]高平,刘志坚,袁立梅,GAO Ping,LIU Zhi-jian,YUAN Li-mei.基于BP神经网络的唐山房价预测[J].河北联合大学学报（社会科学版）,2015,(2）:48-50

[4]张俊,熊桂林.基于BP算法的垃圾焚烧过程温度控制研究[J].计算机测量与控制,2006,14(7）:918-920.

[5]陈作超,马海芳.生物滴滤塔废气处理过程的神经网络建模[J].数字技术与应用,2013,(8）:50-51.

[6]韩伟,黄明智.基于NSGA-2和BP网络的造纸废水厌氧消化过程多目标优化[J].造纸科学与技术,2014,(6）:145-147.

[7]曾二丽,孙珮石,王洁.生物膜填料塔SO2废气净化性能研究[J].环境污染治理技术与设备,2006,7(10）:26-29.

[8]WangYing,Lu Cuijie,ZuoCuiping.Coal mine safetyproduction forewarning based on improved BP neural network.International Journal of MiningScience and Technology25(2015）:319-324

[9]杨建刚.人工神经网络实用教程[M].浙江大学出版社,2001,(1）.

[10]Wei D,Lu XY.An improved BP Neural Networks applied to classification[J].EnergyProcedia 2011,13:7065-9.作者简介王洁（1989—），男，江西人，硕士研究生，主要研究方向为大气污染治理。