（环境工程专业论文）基于神经网络的厌氧反应器模拟预测及其运行状态估计.pdf

一j!二!摘要结合神经网络、并行遗传算法及模糊推理系统模拟预测了毒物负荷冲击下厌氧反应器性能参数的动态变化，并借助模糊集理论对毒物负荷冲击下厌氧反应器的运行状态进行了估计，取得以f 研究结果。1 研究了毒物负荷；中击下厌氧反应器性能参数的变化规律。( 1 ) 未经毒物驯化的u a s b 反应器( u a s b ri ) 、毒物驯化的u a s b 反应器( u a s br 1 1 )和厌氧滤器a f 受到有机负荷和有毒负荷联合冲击时，出水c o d 的最大增幅大于两个负荷各自单独冲击时的最大增幅的叠加：出水碱度( a l k ) 的最大降幅小于两个负荷各自单独冲击时的最大降幅的叠加；容积产气率( v g p ) 在联合冲击时通常先下降后上升：c 也百分含量( c h 。) 在c o d 和三氯甲烷( c f ) 联合冲击时的最大降幅大于c o d 和c f 分别单独冲击时的最大降幅的叠加，在c o d 和2 ，4 - 二硝基酚( d n p ) 联合冲击时的最大降幅与c o d 和d n p 各自单独冲击时的最大降幅叠加和基本一致。( 2 ) 多负荷冲击( c o d + c f + d n p + a l k ) 按照正交试验来设计，反应器u a s b ri 在多负荷冲击时，影响出水v f a 的因素的主次顺序为c f c o d d n p a l k ：影响出水d n p 的因索的主次顺序依次为d n p c f c o d a l k ：影响v g p 和c h 的因素的主次顺序分别为c f d n p c o d a l e 、c f d n p c o d a l e 。反应器u a s b - r i i 在多负荷冲击时，影响v f a 、d n p 、v g p 和c h 。的因素的主次顺序依次分别为c o d d n p c f a l k 、d n p c f c o d a l k 、c f c o d d n p a l k 、c f d n p c o d a l k 。对未经毒物驯化的反应器u a s b ri 而言，影响出水v f a 的最重要因素是进水c f ，对经毒物驯化的反应器u a s b r i i 而言，影响出水v f a 的最重要因素是c o d ；影响u a s b - ri 的v g p 的重要因素是c f 和d n p ，而影响u a s b - ri i 的v g p 的重要因素则是c f 和c o d 。u a s b ri 和u a s b - r i i 的出水d n p 和c e 的影响因素的主次顺序则是一致的。2 研究了基于b p 神经网络的厌氧反应器时间序列的模拟预测、基于不同性能参数的b p 神经网络模拟预测及b p 神经网络在不同反应器之间的模拟预测。( 1 ) 模拟预测毒物负荷冲击下厌氧反应器的动态变化时，基于时间序列的b p 神经网络通常只需一个隐含层且其神经元数目有4 9 个就可取得较好的模拟预测效果。用基于时间序列的b p 神经网络t b p n n - rl 预测反应器u a s b ri 时，参数c o d 、v f a 、a l e 、d n p 、v g p 、c 0 ：和c 心的实际值和预测值的相关系数均大于0 8 5 0 ，相对均方差都小塑坚叁兰堕垡文基j 二神经心络的厌钒反心器模拟预测及j 运行状态估计于3 0 ：毒物3 ，4 - 二氯硝基苯( d c n b ) 冲击时，各参数的相关系数基本上大于0 8 5 0 ，相对均方差都小于2 5 。t b p n n r l i 预测反应器u a s b r 1 1 时，各参数的相关系数在0 7 7 8 - - 0 9 1 6 之间，相对均方差基本上小于3 0 ；d c n b 负荷冲击时，各参数相关系数在0 7 4 9 - - 0 9 1 1 之问，相对均方差小于2 5 。( 2 ) 基于不同性能参数的b p 神经网络模拟预测厌氧反应器某一性能参数时，必须考虑该参数的延迟效应及累计效应，如果仅用其它参数来模拟该参数，不能取得满意的结果。该参数的历史信息应作为神经网络输入的一部分，这样可以显著地改善神经网络的模拟预测能力。基于不同性能参数的b p 神经网络m b p n n ri 预测反应器u a s b ri 时，反应器性能参数v f a 、d n p 、v g p 和c h 4 的相关系数在0 8 4 8 - - 0 9 2 1 之间，相对均方差都小于3 0 ；d c n b 负荷冲击时，各参数的相关系数都大于0 8 5 0 ，相对均方差都小于2 0 。m b p n n r1 1 预测反应器u a s b ri i 时，各参数的相关系数在0 8 3 4- - 0 9 3 6 之间，相对均方差基本上小于3 0 ；d c n b 负荷冲击时，各参数的相关系数基本上大于0 8 5 0 ，相对均方差小于3 0 。( 3 ) m b p n n 模型对u a s b 反应器的模拟预测效果较t b p n n 模型好。t b p n n 模拟预测u a s b ri 和u a s b ri i 时，两个反应器各参数的平均相关系数分别为0 8 8 1 和0 8 6 6 ，平均相对均方差分别为2 5 和2 8 ；在d c n b 冲击时，两个反应器各参数的平均相关系数分别为0 8 8 0 和0 8 4 4 ，平均相对均方差分别为1 6 和2 1 。m b p n n 模拟预测u a s b ri和u a s b ri i 性能参数时，两个反应器各参数的平均相关系数分别为0 8 9 5 和0 8 9 2 ，平均相对均方差分别为2 5 和2 7 ；在d c n b 负荷冲击时，两个反应器各参数的平均相关系数分别为0 9 0 6 和0 8 6 9 ，平均相对均方差分别为1 5 和2 2 。( 4 ) 在毒物驯化过的反应器u a s b 数据集基础上建立的b p 神经网络可以预测未经毒物驯化的u a s b 反应器，在未经毒物驯化的u a s b 数据集基础上建立的b p 神经网络也可以预测毒物驯化过的u a s b 反应器。神经网络t b p n n 预测效果较m b p n n 好。( 5 ) 在u a s b 反应器数据集基础上建立的神经网络t b p n n 和m b p n n 可以用来预测反应器a f 。t b p n n ri 和t b p n n - ri i 预测a f 性能参数时，各参数的相关系数多数小于0 8 5 0 ，相对均方差多数大于2 5 。t b p n n ri i 预测效果好于t b p n n ri 。m b p n n ri 和m b p n n ri i 预测a f 性能参数时，各参数的相关系数多数小于0 8 5 0 ，相对均方差多数大于3 0 。m b p n n ri 对a f 预测效果好于m b p n n ri i 。3 研究了基于并行遗传算法的神经网络( p g a n n ) 在厌氧反应器模拟预测中的应用。摘要( 1 ) 并行遗传算法对神经网络的优化好于一般遗传算法。在进化过程中，并行遗传算法的群体适应度较一般遗传算法的群体适应度高。当荠行遗传算法群体之问交换优良个体之后，适应度提高明显。一般遗传算法只有在进化更多代数之后，其群体适应度才接近并行遗传算法的群体适应度。( 2 ) 基于并行遗传算法的神经网络可对毒物负荷冲击下的反应器( 无论是驯化的还是未驯化的) 做出很好的模拟预测。神经网络p g a n n ri 模拟预测u a s b ri 时，反应器性能参数v f a 、d n p 、v g p 和c h 。的实测值和模拟值的相关系数都在0 9 4 0 以上，相对均方差都小于l o ；实测值和预测值的相关系数基本在0 8 5 0 以上，相对均方差的平均值都小于3 0 。p g a n n ri i 模拟预测u a s b ri i 时，v f a 、d n p 、v g p 和c 也的实测值和模拟值的相关系数均大于0 9 0 0 ，相对均方差均在l o 以下。实测值和预测值的相关系数都大于0 8 5 0 ，相对均方差基本在2 5 以下。( 3 ) 毒物负荷冲击下，在未驯化的u a s b 反应器上建立的p g a n n 可用来预钡0 - $ 1 1 化过的u a s b 反应器各参数的变化，在驯化过的u a s b 反应器上建立的p g a n n 也可用来预测未经毒物驯化的u a s b 反应器各参数的变化。p g a n n ri 预测u a s b - r i i 时，各个参数的相关系数基本在o 8 5 0 一0 9 0 0 之间，相对均方差基本上2 0 9 6 - - 3 0 。p g a n n - r1 1预测u a s b ri 时，各个参数的相关系数基本在o 8 0 0 0 9 0 0 之间，相对均方差基本在1 5 - - 4 0 。( 4 ) p g a n n ri 和p g a n n ri i 可很好地预测毒物负荷冲击下a f 性能参数的变化。p g a n n ri 预测a f 反应器时，各个参数的相关系数基本在0 9 0 0 之上，相对均方差基本在3 0 以下。p g a n n r l i 预测反应器a f 时，相关系数的最低值为0 7 7 6 、最大值为0 9 1 0 ；v f a 、d n p 和v g p 的相对均方差在2 5 0 0 9 6 3 0 0 0 之间，0 t 。的相对均方差大于3 0 。无论从相关系数还是从相对均方差来看p g a n n ri 对a f 的预测要好于p g a n n r i i 。4 结合并行遗传算法、模糊推理及神经网络模拟预测了毒物负荷冲击下厌氧反应器的动态变化。( 1 ) 对于毒物负荷冲击下的反应器，无论是毒物驯化过的反应器还是未驯化过的反应器，模糊神经网络都能够取得非常好的模拟预测。f n n - ri 模拟预测u a s b ri 时，性能参数v f a 、d n p 、v g p 和c h 。的实测值和模拟值的相关系数基本上大于0 9 5 0 ，相关系数的平均值为0 9 7 8 ，均方差的平均值为8 ；四个参数的实测值和预测值的相关系数，除了v g p 之外，都大于0 9 2 0 ，相对均方差都低于1 0 。f n n r i i 模拟预测浙江人学博f 论文基于冲经悯络的扶筑反应器模拟预测及其运行状态估计u a s b r i i 反应器时，v f a 、d n p 、v g p 和c h 的实测值和模拟值的相关系数都在0 9 5 0以上，平均值为0 9 8 5 ，相对均方差都在1 0 p a 下，平均值为6 ；四个参数的实测值和预测值的相关系数都在0 8 5 0 以上，相对均方差都小于1 5 。( 2 ) 由未经毒物驯化的u a s b 反应器建立的模糊神经网络不适合预测毒物驯化过的u a s b 反应器，由毒物驯化过的u a s b 反应器建立的模糊神经网络也不适合预测未驯化的的u a s b 反应器。f n n ri 预测u a s b r i i 时，除了v f a 的平均相关系数大于0 8 0 0之外，其它参数的平均相关系数都在0 7 0 0 以下，相对均方差的平均值大于2 5 。f n n ri i 预测u a s b r1 日寸，v f a 、d n p 、v g p 年u c h 的所有相关系数都低于0 5 0 0 ，相对均方差的平均值均在5 0 以上。( 3 ) 出u a s b 反应器建立的模糊神经网络网络不能直接应用到a f 反应器上。模糊神经网络f n n ri 和f n n - ri i 预测反应器a f 时，各参数的相关系数几乎全部在小于0 5 0 0 ，相对均方差基本大于5 0 。5 引入模糊综合评判模型及模糊稳定性指数对做厌氧反应器的运行状态进行了估计。模糊综合评判模型和模糊稳定性指数能够对厌氧反应器的运行状态做出较好的估计。( 1 ) 模糊综合评判模型可较好的估计厌氧反应器运行状态。在较为完备的数据集基础上，用模糊c 一均值聚类方法确定评价集的标准。因素集 v f a ，a l k ，v g p ，c h 。) 能够很好地反映厌氧反应器的运行状态，各因素权重最佳分配为 0 4 0 ，0 2 0 ，0 1 0 ，0 3 0 。在各种负荷冲击下，u a s b ri 的所有数据点中有1 8 的点的稳定状态概率大于0 9 0 ，4 4 8 点的稳定状态概率在0 5 0 一0 9 0 之间，2 9 8 的点的稳定状态概率在0 1 0 o 5 0 之间，2 3 6 的点的稳定状态概率小于0 i 0 。u a s b r i i 整个数据系列点中有1 3 的点的稳定状态概率大于0 9 0 ，3 6 9 的点的稳定状态概率在o 5 0 o 9 0 之间，3 9 6 的点的稳定状态概率在0 1 0 一o 5 0 之间，2 2 3 的点的稳定状态概率小于0 1 0 。( 2 ) 根据模糊稳定性指数f s i 来估计毒物负荷冲击下反应器的稳定性。有机负荷冲击下( 试验t 0 3 ) ，反应器u a s b - ri 、u a s b ri i 和a f 处于稳定状态或较稳定状态( f s i始终大于0 5 0 ) ，稳定性强弱顺序为ri a f a r i i ，f s i 的最小值分别为0 6 2 、0 5 2和0 5 3 ，恢复时间分别为5 h 、1 3 h 和1 1 h 。毒物负荷c f 冲击下( 试验t c 3 ) ，u a s b ri 、u a s b ri i 和a f 不会进入不稳定状态( f s i 始终大于0 1 0 ) ，稳定性强弱顺序为r i r i ia a f ，f s i 的最小值分别为0 3 3 、0 2 1 和0 2 1 ，恢复时间分别为 1 8 h 、1 7 h摘要和l o h 。毒物负荷d n p 冲击下( 试验t d 3 ) ，u a s b ri 、u a s b r i i 和a f 处于稳定状态或较稳定状态( f s i 始终大于o 5 0 ) ，稳定性强弱顺序为r1 1 ri a f ，f s i 的最小值分别为0 6 8 、0 7 8 和0 6 2 ，恢复时间分别为1 2 h 、1 0 h 和l3 h 。c o d - f c f 冲击下( 试验t t 2 ) ，u a s b ri 和u a s b rl i 处于稳定状态或较稳定状态( f s i 始终大于0 5 0 ) ，a f 则处于稳定状态或较稳定状态或较不稳定状态( f s i 始终大于0 1 0 ) ，稳定性强弱顺序为r 1 1 。ri a f ，f s i 的最小值分别为0 6 7 、0 7 0 和0 4 8 ，恢复时间分别为6 h 、l o b和1 1 h 。c o d + d n p 冲击下( 试验t t 3 ) ，反应器u a s b ri 、u a s b r i i 和a f 处于稳定状态或较稳定状态，稳定性强弱顺序为r1 1 ri a f ，f s i 的最小值分别为0 8 2 、0 8 6和0 5 0 ，恢复时间分别为4 h 、2 h 和6 h 。多负荷冲击下( 试验t m 6 ) ，反应器u a s b ri 处于稳定状态或较稳定状态，u a s b rl i 和a f 不会进入不稳定状态，三个反应器的稳定性强弱顺序为ri r i i a f ，f s i 的最小值分别为0 5 3 、0 4 7 和0 2 3 ，恢复时间分别为1 4 h 、2 2 h 和2 2 h 。模糊稳定性指数较模糊综合评判模型简单、方便和直观。关键词：厌氧反应器；毒物负荷冲击；模拟预测；状态估计；神经网络；并行遗传算法；模糊推理系统；模糊综合评判模型；模糊稳定性指数堑堡尘兰堕主堕l 一些壁丝堕堡塑鉴篁星生矍堡垫堡型丝茎堡! ! 鉴查堡生a b s t r a c tt h es i m u l a t i o na n dp r e d i c t i o no fa n a e r o b i cb i o r e a c t o r ss h o c k e db yt o x i cl o a dw a sm a d ew i t l ln e ur a ln e t w o r k ，p a r a l l e lg e n e t i ca l g o r i t h m s ( p g a ) a n df u z z yi n f e r e n c es y s t e m a n dt h e i rs t a t e sw e lee s t i m a t e db a s e do nt h ef u z z ys e tt h e o r yt h ef o l l o w i n ga c h i e v e m e n t sw e r eo b t a i n e d 1 t h ep e r f o r m a n c eo fa n a e r o b i cb i o r e a c t o rs u b j e c t e dt ov a r i o u st o x i cs h o c k sw a se x t e n s i v e l vs t u d i e da tm e s o p h i l i ct e m p e r a t u r e ( 1 ) w h e nt h eu n a c c l i m a t e du a s br e a c t o r ( u a s b ri ) ，a c c l i m a t e du a s br e a c t o r ( u a s b r1 i ) a n da n e r o b i cf i l t e r ( a f ) w e r es h o c k e d yb yt h ec o m b i n e dl o a d t h el a r g e s ti n c r e a s eo ft h ee f f l u e n tc o du n d e rc o m b i n e dl o a ds h o c k i n gw a sh i g h e rt h a nt h a to ft h es u mo fc h l o r o f o r m ( c f )( o r2 , 4 一d i n i t r o p h e n o l ，n o t e dd n p ) a n dc o dl o a ds h o c k i n gi n d e p e n d e n t l yt h el a r g e s td e c r e a s eo ft h ee f f l u e n ta l k a l i n i t y ( a l k ) w a sl e s st h a nt h a to f t h es h i no f t h et w ol o a d ss h o c k i n gi n d e p e n d e n t l yt h ev o l u m e t i cb i o g a sp r o d u c t i o nr a t e ( v g p ) i n c r e a s e df i r s t l y ，a n dt h e nd e c r e a s e du n d e rc o m b i n e dl o a ds h o c k i n gg e n e r a l l y t h el a r g e s td e c r e a s eo f p e r c e n to f c l - h ( c h 4 ) u n d e rc o d + c fs h o c k i n gw a sh i g h e rt h a nt h a to ft h es u mo fc fa n dc o dl o a ds h o c k i n gi n d e p e n d e n t l y ，b u tu n d e rc o d + d n ps h o c k i n gi t sm o s td e c r e a s ew a ss i m i l a rw i t ht h a to ft h es u mo fc o da n dd n pl o a ds h o c k i n gi n d e p e n d e n t l y ( 2 ) t h ec o d + c f + d n p + a l ks h o c k i n gt e s t sw e r ec a r r i e do u ta c c o r d i n gt ot h eo r t h o g o n a ld e s i g n u n d e rm u l t i l o a ds h o c k i n g ，t h es e q u e n c e so ff a c t o r si n f l u e n c i n gt h ee f f l u e n tc o d ，d n p ，v g p ，a n d c l - ho fu a s b r1w e r ec f c o d d n p a l k d n p c f c o d a l k 。c f d n p c o d a l ka n dc f d n p c o d a l kr e s p e c t i v e l y f o rt h eu a s b rn t h e i rs e q u e n c e sw e r ec o d d n p c f a l k ，d n p c f c o d a l k 。c f c o d d n p a l ka n dc f d n p c o d a l kr e s p e c t i v e l y t h ei m p o r t a n tf a c t o ri n f l u e n c i n gt h ee f n u e n tv f ao f u a s b r1w a sc f b u tf o r t h eu a s b - ri i 。i ti sc o d t h ei m p o r t a n tf a c t o r si n f l u e n c i n gt h ee 用u e n tv g po fu a s b r1w e r ec fa n dd n p ，b u tf o rt h eu a s b - ri i ，t h e yw e r ec fa n dc o d t h ei m p o r t a n tf a c t o r si n f l u e n c i n gt h ee 御u e n t v g po f u a s b r 1w e r e t h es a m ea s t h a t o f u a s b r i i 2t h es i m u l a t i o na n dp r e d i c t i o no ft h r e eb i o r e a c t o r ss h o c k e db yt h et o x i cl p a dw a sm a d eb a s e do nt h et i m es e r i a ib pn e u r a ln e t w o r k ( n o t e dt b p n n 、a n do nt h ed i f f e r e n tp e r f o r m a n c ep a r a m e t e r sb pn e u r a ln e t w o r k ( n o t e dm b p n n ) a tt h es a m et i m e t h ep e r f o r m a n c eo fb pn e u r a ln e t w o r k sa p p l y i n gd i f i e r e n tb i o r e a c t o rw a sc o m p a r e d ( 1 ) o p t i m i z e dt b p n na r c h i t e c t u r ew i t hah i d d e nl a y e ro f4 9n o d e sp r o v i d e dt h eb e s tp e r f o r m a n c e w h e nt b p n n r1w a su s e dt os i m u l a t et h ec o d ，v f a 。a l kd n p ，v g p ，c 0 2a n d c h 4o fu a s b ri t h ec o r r e l a t i o nt o e 塌c i e n t so f o b s e r v e da n dp r e d i c t e dv a l u e sw e r ea b o v eo 8 5 0 t h er e l a t i v er o o t m e a n s q u a r e e r r o r s ( r r m s e ) w e r eb e l o w3 0 u n d e rt h e3 4 - d i c h l o r o n i t r o b e n z e n e ( d c n b ) l p a ds h o c k i n g , t h ec o r r e l a t i o nc o e f n c i e n t so ft h ep e r f o r m a n c ep a r a m e t e r sw e r ea b o v eo 8 5 0 a n dt h er r m s ew e r eb e l o w2 5 w h e nt b p n n r1 1w a su s e dt os i m u l a t et h ed i f i e r e n tp a r a m e t e r so fu a s b ri i t h ec o r r e l a t i o nt o e f f i c i e n t so fo b s e r v e da n dp r e d i c t e dv a l u e sw e r eb e t w e e n0 7 7 8a n d0 9 1 6 t h er r m s ew e r eb e l o w3 0 u n d e rt h ed c n b】p a ds h o c k i n g t h ec o r r e l a t i o nc o e f f i c i e n t so fp e r f o r m a n c ep a r a m e t e r sw e r eb e t w e e n0 7 4 9a n d0 9 1 1 a n dt h er r d s 巨w e r eb e l o w2 5 a b s t r a c t( 2 ) t h ed e l a ye f f e c ta n da c c u m u l a t e de f f e c tm u s tb ec o n s i d e r e di ft h em b p n nw a sa p p l i e dt os i m u l a t ea n dp r e d i c tt h ep e r f o r m a n c eo fb i o r e a c t o r s ，i fo n ep a r a m e t e rw a ss i m u l a t e do n l yb vm b p n nw i t ht h eo t h e rp a r a m e t e r sa si n p u to fn e u r a ln e t w o r k t h ep e r f o r m a n c eo fm b p n nw a sn o ts a t i s f y i n g t h ep a r a m e t e r sh i s t o r yi n f o r m a t i o ns h o u l db el o o k e da sp a r to fi n p u to fm b p n n t h u st h ep e r f o r m a n c eo fm b p n nw a ss i g n i f i c a n t l yi m p r o v e d w h e nm b p n n r1w a su s e dt os i m u l a t et h ev f a ，d np ，v g v , a n d c h 4o fu a s b r1 t h e i rc o r r e l a t i o nc o e f f i c i e n t sw e r eb e t w e e n08 4 8a n d0 9 2 1 ，t h e i rr r m s ew e r ea 1 1b e l o w3 0 u n d e rd c n b1 0 a ds h o c k i n g t h e i rc o r r e l a t i o nc o e f f i c i e n t sw e r ea l ia b o v e0 8 5 0 t h e i rr r m s ew e r ea 1 1b e l o w2 0 w h e nm b p n n - r1 1w a su s e dt os i m u l a t et h ev f a ，d np ，v g p , a n d c l 4o fu a s b ri i ，t h e i rc o r r e l a t i o nc o e f f i c i e n t sw e r eb e t w e e n0 8 3 4a n d09 3 6 t h e i rr r m s ew e r em o s t l yb e l o w3 0 u n d e rd c n bl o a ds h o c k i n g t h e i rc o r r e l a t i o nc o e f f i c i e n t sw e r ea l la b o v eo8 5 0 t h e i rr r m s ew e r em o s t l yb e l o w3 0 ( 3 1t h es i m u l a t e da n dp r e d i c t e dp e r f o r m a n c eo fm b p n na p p l i e dt ou a s bw a sb e t t e rt h a nt h a to ft b p n n w h e nt b p n nw a su s e dt op r e d i c tt h eu a s b ria n du a s b ri i t h em e a nc o r r e l a t i o nc o e f f i c i e n t so f a l ip a r a m e t e r so f t h et w ob i o r e a c t o r sw e r e0 8 8 1 a n d0 8 6 6 r e s p e c t i v e l y ，t h em e a nr r m s ew e r e2 5 a n d2 8 r e s p e c t i v e l y u n d e rd c n bi o a ds h o c k i n g t h em e a nc o r r e l a t i o ng e e f f i c i e n t so ft h et w ob i o r e a c t o r sw e r e0 8 8 0a n d0 8 4 4r e s p e c t i v e l y ，t h em e a nr r m s ew e r e1 6 a n d2 1 r e s p e c t i v e l y w h e nm b p n nw a su s e dt os i m u l a t ea n dp r e d i c tt h eu a s b ria n du a s b ri i t h em e a nc o r r e l a t i o ng e e 衔c i e n t so fa l lp a r a m e t e r so ft h et w ob i o r e a c t o r sw e r e0 8 9 5 ，a n do 8 9 2 ，r e s p e c t i v e l y ，t h em e a nr r m s ew e r e2 5 a n d2 7 r e s p e c t i v e l y u r i d e rd c n bl o a ds h e c k i n g t h em e a nc o r r e l a t i o nc o e f f i c i e n t so ft h et w oh i o r e a e t o r sw e r e0 9 0 6 ，a n do 8 6 9 ，r e s p e c t i v e l y ，t h em e a nr r m s ew e r el5 a n d2 2 r e s p e c t i v e l y ( 4 ) b pn e u r a ln e t w o r kf o u n db yt h ed a t a b a s eo fu a s ba c c l i m a t e db yt h et o x i c a n tc o u l db ea p p l i e dt os i m u l a t ea n dp r e d i c tt h ed 3 ，n a m i cv a r i a t i o no f t h eu a s bb e e nn o ta c c l i m a t e d b pn e u r a ln e t w o r kf o a n db yt h ed a t a b a s eo ft h eu a s bb e e nn o ta c c l i m a t e dc o u l da l s ob ea p p l i e dt op r e d i c tt h ed y n a m i cv a r i a t i o no ft h eu a s ba c c l i m a t e db yt h et o x i c a n t t h ep e r f o r m a n c eo ft b p n ni sb e t t e rt h a nt h a to fm b p n n ( 5 ) t h e “n a m i ev a r i a t i o no fa fr e a c t o rc o u l db ep r e d i c t e dt h eb pn e u r a in e t w o r ke s t a b l i s h e db yt h ed a t a b a s eo ft h eu a s b w h e nt b p n n ria n dt b p n n - r 1 1w e r eu s e dt op r e d i c tt h ep e r f o r m a n c ep a r a m e t e r so fa f t h ec o r r e l a t i o nc 0 0 筋c i e n t so fa l lp a r a m e t e r sw e r em o s t l yl e s st h a no 8 5 0 、a n dt h er r m s ew e r em o s t l ya b e v e2 5 t h ep e r f o r m a n c eo ft b p n n - ri ii sb e t t e rt h a nt h a to ft b p n n ri w h e nm b p n n ria n dm b p n n - r1 1w e r eu s e dt op r e d i c tt h ep e r f o r m a n c ep a r a m e t e r so f af t h ec o r r e l a t i o nc o e 衔c i e n t so f a l lp a r a m e t e r sw e r em o s t l yl e s st h a n0 8 5 0 ，a n dt h er r m s ew e r em o s t l ya b e v e3 0 t h ep e r f o r m a n c eo fm b p n n rii sb e t t e rt h a nt h a to fm b p n n r i i 3 t h ed y n a m i cv a r i a t i o no fa n a e r o b i cb i o r e a c t o r sw e r es i m u l a t e da n dp r e d i c t e dw i t hn e u r a ln e t w o r kb a s e do nt h ep a r a l l e lg e n e t i ca l g o r i t h m s ( n o t e dp g a n n ) ( 1 ) t h ep a r a l l e lg e n e t i ca l g o r i t h m sw e r eb e t t e rt h a nt h eg e n e r a lg e n e t i ca l g o r i t h m sf o ro p t i m i z i n gn e u r a ln e t w o r k n ep o p u l a t i o n sf i t n e s so f p g aw a sh i i g h e rt h a nt h a to f g e n e r a lg e n e t i ca l g o r i t h m si nt h ep r o c e e d i n go fe v o l m i o n r r h ef i t n e s so fp g ar o s eo b v i o u s l ya f t e rs u p e r i o ri n d i v i d u a l sw a se x c h a n g e da m o n gp o p u l a t i o n w h i l et h eg e n e r a lg e n e t i ca l g o r i t h m sm u s te v o l v em o r eg e n e r a t i o n ，i t sf i t n e s sa p p r o a c h e st h ef i t n e s so f p g a ( 2 ) t h ep g ac o u l dm a k eag o o ds i m u l a t i o na n dp r e d i c t i o no fb i o r e a c t o r s ( w h e t h e rt h e yw e r e塑坚盔兰堡! ，堡苎；苎壁丝塑竺塑鉴塑垦生塑坚型耍型墨些堕堑鲨查堡生a c c l i m a t e do rn o ta c c l i m a t e d ) s h o c k e db yt h et o x i cl o a d w h e nt h eg a b p r1w a su s e dt os i m u l a t ea n dp r e d i c tt h eu a s b ri ，t h ec o r r e l a t i o nc o e 历c i e n t sm e a s u r e da n ds i m u i a t e dv a i u e so fv f a ，d n p , v g p , a n d c h 4w e r ea l la b o v eo 9 4 0 ，t h er i 己m s ew e r ea l ll e s st h a n1 0 t h ec o r r e l a t i o nc o e f f i c i e n t sm e a s u r e da n dp r e d i c t e dv a l u e sw e r em o s t l ya b o v eo 8 5 0 t h er r m s ew e r ea l ll e s st h a n3 0 w h e nt h eg a b p - r1 1w a su s e dt os i m u l a t ea n dp r e d i c tt h eu a s b ri i t h ec o r r e l a t i o nc o e f f i c i e n t sm e a s u r e da n ds i m u l a t e dv a l u e sw e r ea l la b o v eo 9 0 0 t h er r m s ew e r ea l ll e s st h a n1o t h ec o r r e l a t i o nc o e f f i c i e n t sm e a s u r e da n dp r e d i c t e dv a l u e sw e r em o s t l ya b o v e0 8 5 0 t h er r m s ew e r ea l il e s st h a n2 0 ( 3 ) u n d e rt o x i ci p a ds h o c k i n g ，t h ep g a n nf o u n db yt h ed a t a b a s eo fu a s ba c c l i m a t e db yt h et o x i c a n tc o u l db ea p p l i e dt op r e d i c tt h ed y n a m i cv a r i a t i o no ft h eu a s bb e e nn o ta c c l i m a t e d t h ep g a n nf o u n db yt h ed a t a b a s eo ft h eu a s bb e e nn o ta c c l i m a t e dc o u l da l s ob ea p p l i e dt op r e d i c tt h ed y n a m i cv a r i a t i