湖泊水库的污染与治理污染物浓度数学模型建立(10)
为简化问题，将参数校核分为沉淀过程、污泥、硝化过程、反硝化过程和其他组分5个步骤，在不同的步骤中与之相应的参数进行校核。
图1.5 参数校核步骤
⑴ 沉淀过程。沉淀过程参数的灵敏度，对出水SS浓度影响较大的参数是vo、rh和D，对模拟结果影响很小的参数是rp、fns和v`o。
⑵ 污泥。污泥对整个污水处理厂的运行管理具有很大的影响，因此在参数校核过程中也起着相当重要的作用。在此主要考虑污泥浓度、污泥龄、污泥产量和污泥含氮量。模拟过程中的参数校核应首先确保污泥含氮量的模拟值与实测值相等，否则误差将在硝化和反硝化过程中积累。其次是污泥龄，污泥龄一经确定，即可对污水处理厂的污泥含量进行校正。这主要受微生物生长和衰减速率及进水惰性颗粒组分的影响，由于惰性颗粒组分通常为假定值，建议采用该值作为唯一校正因子进行校正。
⑶ 硝化过程。这一过程是在出水氨氮浓度基础上进行校正的。如果检查发现氨氮浓度的预测误差并不是由模拟过程中碱度过低或者溶解氧取值错误造成的，那么应采用氨和氧的半饱和系数调整出水氨氮浓度的预测值。如果需要对不同温度下出水氨氮值进行调整，由于在不同温度下氨化系数的不确定性要比异氧菌生长速率常数大，因此建议采用氨化系数进行调整。
⑷ 反硝化过程。这一过程主要是依靠出水中的硝态氮进行校正。在校正前必须检查模型结构包括回流污泥、曝气池或溢流堰的反硝化情况是否正确。反硝化过程校核最适合的参数是缺氧生长校正因子ng、缺氧水解校正因子nh或异氧菌衰减速率常数bH。当然，在对以上建议参数进行选取前最好先进行灵敏度分析。
⑸ 其他组分及迭代调整。值得注意的是，硝化和反硝化校正过程中参数调整往往会影响污泥产率微小的变化。此时需要采用迭代法进行校正，通常一次迭代循环就已足够。模型在应用前通常需对流程浓度值进行灵敏度分析。为了进一步校正模型，通常对流程各个反应器中各组分浓度进行调整。当然，如果流程内部浓度调整，那么相应的需采用迭代法检查出水浓度值。由于ASM1内部反应过程构成循环，所以模型参数校核的过程实质上也是一个循环往复、逐渐逼近的过程。
⑥ 模型参数及组分的灵敏度分析
⑴ 灵敏度分析函数及方法的选择
在活性污泥系统中，往往是根据统计数据测算系统参数的，不可能完全准确；一方面，系统的实际情况随时发生变化，参数也会随之变化，甚至说整个活性污泥系统模型的矩阵结构都会发生变化。另一方面，由于模型参数众多，无论对模型的动态模拟还是优化设计，如果仅凭研究人员的经验进行修改，是无法避免其盲目性的。因此，需对活性污泥系统进行灵敏度分析，争取以最小的改动达到最佳的效果，
以减少模拟过程中的工作量，提高参数校核的效率。
在灵敏度分析中，将系统承受外界干扰作用的能力也看做是一种系统的灵敏度属性。所谓系统的灵敏度问题，实际上是指系统数学模型的灵敏度问题。这是因为对任何实际动态系统进行分析与设计，都是指对描述这个系统的数学模型进行分析设计。系统的灵敏度即系统的动态性能受参数变化影响的属性。为了便于分析与计算系统灵敏度问题，常用以下3种不同的灵敏度函数。
1.如果系统变量y与参数p的关系为y=y(p)，则绝对灵敏度函数为 （1.11）
2.相对灵敏度函数为
3.半相对灵敏度函数为
式中，p0、y0分别为参数p和系统变量y的初始值。
在3种不同的灵敏度函数中，相对灵敏度比较于其他两种便于对参数变异效应进行比较，而且具有类似对数的运算性质，十分实用。例如，假定参数p的变化对两个系统变量y1与y2都有影响，那么研究两个函数乘积对p的灵敏度函数 ，则有
上一篇：调和函数的性质与应用+文献综述