小城镇污水处理厂经济决策分析方法研究

发布时间：2020-07-28 12:20

【摘要】：近年来我国城镇化日益明显，2011年城镇人口数量从改革开放初的1.72亿人增加至6.9亿，城镇化率从17.92%飙升至51.27%。我国在城镇化的发展过程中，一直走的是“先污染后治理”的道路，加大了现今污水处理的成本与难度。就松花江流域而言，该地区人口已超过6200万，其环境污染危害随着流域经济和人口数量的快速增长而愈见突出，江水污染加剧，水环境遭到破坏，污染事故频发。为保护松花江沿线各城镇环境和生活饮用水安全，国务院要求相关部门加强措施，强化监督管理，实现污染减排约束性指标，加强小城镇污水处理厂的建设。在此情况下小城镇污水处理厂数目将扩增，甚至将超过大、中型污水处理厂。但相对大城市而言，小城镇存在经济实力弱、技术和管理水平低，水环境容量较小等特点，这是小城镇污水处理所具有的特殊性。因此，污水处理工艺是否得当，经济成本是否合理，将直接关系到小城镇污水处理厂建设的成败，关系到我国环境状况和可持续发展。基于以上问题，本课题针对我国小城镇污水处理方案经济决策分析方进行了研究。 对于污水处理工艺，通过对全国范围的小城镇污水处理厂进行调研，总结得出我国南北各地区现主要采用的城镇污水处理厂工艺类型包括A/O法、A2/O法、氧化沟法、SBR法、曝气池生物滤池法等等，其中北方地区城市污水处理厂中采用的主流工艺基本为A/O工艺和SBR工艺以及以此为基础的各种变型工艺。 对于污水处理厂的投资运行费用计算，分别采用了城镇污水污染控制费用函数及人工神经网络模型进行运算。费用函数方面，本文对国内外学者在城镇污水处理厂水污染控制投资和运行费用函数方面的大量研究进行了总结，归纳出国内外现有城镇污水污染控制投资和运行费用函数模型相关研究成果，分析和总结了城镇污水污染控制费用函数模型研究存在的问题和经验。在分析城镇污水污染控制投资和运行管理现状和特征的基础上，选择和确定了城镇污水污染控制费用函数模型和参数，并通过费用函数模型和参数对佳木斯段拟建污水厂投资成本和运行成本进行了估计推算，对开发的松花江流域典型江段水污染技术经济决策支持系统进行了简单叙述。 人工神经网络函数方面，本文对人工神经网络模型概念原理及其应用进行了简单介绍，尤其总结了其运用于水污染控制中的研究现状。而后首次将人工神经网络模型运用于小城镇污水处理厂经济决策分析中。在对比神经网络法和函数法计算城镇污水污染控制投资费用、运行费用及其总费用后，分析得出较函数计算法，神经网络模型的计算误差为6~17%、4~12%、8~14%。考虑到本次神经网络运算样本数据数量缺乏丰富性，函数计算法结果存在误差，两方法计算结果相差在20%以内是合理的。由此可以得出结论：人工神经网络模型用于预测城镇污水处理厂投资和运行费用的方法可行。 流域水污染控制的决策在于正确的分析方法，流域水污染控制的保证却在于良好的管理。本文介绍了国外发达国家的水污染管理的特点，分析了国外管理体系对我国的借鉴性而后分析比较了我国流域水管理控制办法的现状，以及目前管理上存在的问题。重点阐述了小城镇流域水管理的特点，介绍了松花江流域水污染控制技术经济决策支持系统，并推荐了一种具有广泛适用性的我国小城镇流域污染控制管理体系。
【学位授予单位】：辽宁大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：X703
【图文】：

每层神经元都有输入和输出，前一层神经网络的神经元将信息输出到下一层神经元的输入口。每层人工神经网络模型仿造此构造亦由若干神经元组成。由图3-1所示，每个突触都有一个加权值，叫做权重。若要得到第i层神经网络上的某一神经元接收的来自上一层神经元能量总和，需让每个权值乘以上一层对应神经元的输出值，而后对其进行加权求和，再根据神经元上的激活函数就可以求出自身的输出值。图 3-1 神经网络的数学模型图3-1中，a1~an为上层神经元输入分量；w1~wn为各神经元的权值，代表上层神经元输出与本层神经元的连接强度；b为神经元的阈值，可以认为是上层神经元输入分量为1时的神经网络权值。权值与阈值都是可变的。t为本层神经网络输出值。f为神经网络的传递函数，包括阈值?

投资费用预测BP系统参数值

投资费用预测BP神经网络系统误差曲线

【参考文献】

相关期刊论文 前10条

1 孙宁;孙钰茹;侯贵光;;中国水污染控制费用函数研究现状、问题与趋势[J];环境科学与管理;2011年09期

2 王浙明,史惠祥,苏雨生,汪大

本文编号：2772873