关键词:
污水处理
堆肥发酵
随机森林
结构方程模型
Transformer时间序列模型
摘要:
随着我国城市化进程的发展,城镇污水处理厂所处理的污水量在不断增加。因此,污水处理与处置一直是国家重点关注的问题,同时也是污水处理领域内的难题。如果这些污水没有经过合理的科学处理,就很容易对环境造成二次污染。由于污水中含有丰富的可供植物生长的营养元素,因此具有非常高的再利用价值。本研究以城市周边某养殖场剩余污水为主要原料,探究玉米秸秆混合微生物菌剂在发酵堆肥中的作用。通过机械+人工方式制成条剁式发酵堆,监测各项指标(如含水率,温度,O2含量和CO2含量)的变化趋势,并绘制变化趋势图,结合图形定性分析各个指标的变化过程并解释产生这种变化的主要原因。采用随机森林模型对发酵堆肥含水率作影响因子重要性评估,并采用结构方程模型对各个指标之间的联系与影响机制作相关性分析,利用Transformer模型对于时间序列的长期依赖性,深入监测并分析堆肥发酵过程中各项监测指标的动态变化趋势,并将模型的预测结果实时反馈到堆肥发酵过程,实现对发酵条件的精准调控,从而优化堆肥管理水平,提升堆肥效率和腐熟质量。通过本文研究与分析,主要得出以下结论:
(1)堆体的温度,含水率,O2值和CO2值在堆肥发酵过程中有着不同的变化规律,其中温度从初期的缓慢升高到升温期的快速上升,达到高温峰值后维持一段时间,最后逐渐降低至常温;O2浓度开始逐渐下降,然后有所回升并最终趋于稳定;CO2含量先上升达到峰值后保持平稳,后又逐渐下降并最终趋于稳定;而含水率则呈现逐渐下降的变化趋势。且各指标之间紧密联系,相互影响。
(2)温度对发酵堆体中水分含量的重要性程度最高,各变量的重要性程度由高到低的排列顺序依次为温度,O2值,CO2值。
(3)通过构建发酵堆肥结构方程模型可以得出以下结论:CO2含量对O2含量有强烈的直接负影响;CO2含量,O2含量,温度对含水率有直接负影响;并且CO2含量和温度有强烈的正向直接影响,O2含量对温度也具有正向直接影响;O2含量与CO2含量对含水率都产生间接显著影响。
(4)用Transformer模型对堆体的各项指标基于时间序列预测,通过Transformer与LSTM模型对堆肥发酵过程中各影响因子的不同评价指标的分析对比,结果发现:Transformer模型在分析堆肥发酵中长时间序列的参数具有明显的优越性能。且均方根误差RMSE平均值为0.5935,模型拟合优度MAPRE为4.31%。对温度,O2含量和CO2浓度表现出较高的预测精度(R2≥0.9096),其中温度最高达到0.9949,预测精度由高到低依次为温度,含水率,CO2值,O2值;并且在各参数的评价指标中,Transformer在RMSE和MAPE的平均值明显小于LSTM模型。但基于Transformer模型对堆肥发酵中各参数的评价指标MSPE平均值低于LSTM,如果Transformer在处理时间任务中对少数极端值预测不准确,可能会显著增大MSPE的值,此时基于短期记忆的LSTM模型可能更加适用。所以,使用Transformer模型通常需要考虑与特定任务的数据特性相匹配。