1、膜生物反應(yīng)器(MBR)作為污水處理領(lǐng)域中的新興技術(shù)，具有良好的發(fā)展前景，并且逐漸受到相關(guān)領(lǐng)域?qū)＜遗c學(xué)者的重視。然而，膜污染嚴(yán)重影響了MBR技術(shù)的發(fā)展，如何調(diào)節(jié)系統(tǒng)運(yùn)行條件和參數(shù)，減緩膜污染現(xiàn)象，以及如何建立膜污染的仿真模型已經(jīng)稱為研究熱點(diǎn)。本文旨在建立影響MBR膜污染因素與表征膜污染程度的膜通量間的非線性關(guān)系，從而完成對(duì)膜通量的預(yù)測。
　　在建立仿真預(yù)測模型之前，需要對(duì)膜生物反應(yīng)器系統(tǒng)運(yùn)行過程中產(chǎn)生的數(shù)據(jù)進(jìn)行處理，從中提取出建模所

2、需要的數(shù)據(jù)。隨著MBR的發(fā)展，系統(tǒng)產(chǎn)生的數(shù)據(jù)必然會(huì)越來越多，因此本文引入大數(shù)據(jù)分布式系統(tǒng)來完成對(duì)膜污染相關(guān)數(shù)據(jù)的存儲(chǔ)和處理分析。利用Hadoop常用組件建立完整的數(shù)據(jù)處理模型，并通過shell腳本完成數(shù)據(jù)的自動(dòng)處理。其中包括使用Flume組件完成數(shù)據(jù)的采集，使用MapReduce程序完成數(shù)據(jù)的清洗，使用Hive組件建立數(shù)據(jù)倉庫并分析表中數(shù)據(jù)，以及使用Sqoop組件將分析后的結(jié)果數(shù)據(jù)導(dǎo)入到關(guān)系型數(shù)據(jù)庫中。
　　理論研究證明，神經(jīng)網(wǎng)絡(luò)

3、能夠任意精度逼近任意連續(xù)函數(shù)，能夠建立輸入與輸出之間的復(fù)雜非線性關(guān)系模型，在預(yù)測領(lǐng)域應(yīng)用比較廣泛。本文使用Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)來建立仿真預(yù)測模型，它屬于局部回歸的反饋網(wǎng)絡(luò)，具有關(guān)聯(lián)記憶功能，在預(yù)測精度上優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。但是，由于Elman神經(jīng)網(wǎng)絡(luò)仍采用前饋網(wǎng)絡(luò)的梯度下降法進(jìn)行網(wǎng)絡(luò)訓(xùn)練，因此存在網(wǎng)絡(luò)訓(xùn)練速度慢、容易陷入局部極小值等缺陷，且有網(wǎng)絡(luò)權(quán)值敏感和網(wǎng)絡(luò)結(jié)構(gòu)不易確定等問題。針對(duì)這些問題，引入基于濃度的自適應(yīng)免疫遺傳算法來優(yōu)化