脉冲放电降解土壤中有机污染物的神经网络模型

为探讨脉冲放电等离子体去除土壤中有机污染物的机理,研究了基于针-板式脉冲放电等离子体降解土壤中对硝基苯酚(p-Nitrophenol,PNP)的实验数据,利用BP神经网络(back propagation network,BPNN)和小波神经网络(wavelet neural networks,WNN)模型研究了电气参数(峰值电压、放电频率)、理化参数(初始质量分数、水的质量分数、空气体积流量、处理时间、pH值)和结构参数(电极间距)对土壤中PNP降解率的影响。建立的WNN模型(结构8-5-1)和BPNN模型(结构8-4-1)经结构、精度(调整的判定系数2aR0.96)和实验验证能较好地预测该体系中各参数(峰值电压、放电频率、空气体积流量等)对PNP降解率的影响趋势,且BPNN模型较WNN模型预测的实验结果更符合脉冲放电降解实验的自然规律。结果表明,较佳的峰值电压(21.6 kV)、放电频率(70 Hz)和空气体积流量(0.4 L/min)可获得较好的PNP降解率。