1 引言

　　活性污泥法是污水處理廠最為常用的處理工藝之一，而沉降過程的泥水分離是工藝處理過程中的重要處理單元.研究發(fā)現(xiàn)，活性污泥沉降性惡化會(huì)造成污泥易流失、出水懸浮物增加、污水處理能力降低等問題，一旦發(fā)生污泥沉降性惡化需相當(dāng)長(zhǎng)的時(shí)間才能恢復(fù)正常.在實(shí)際應(yīng)用中以污泥容積指數(shù)(SVI)來表征活性污泥沉降性，但SVI僅能從宏觀上評(píng)價(jià)活性污泥，而對(duì)于活性污泥的微觀特征卻難以表征.一般認(rèn)為影響活性污泥沉降性的微觀因素主要有：絲狀菌、胞外多聚物(EPS)、污泥絮體表面性質(zhì)和形態(tài)結(jié)構(gòu)、絮體大小分布特點(diǎn)和污泥濃度等.這些微觀因素的綜合作用決定了活性污泥的宏觀沉降性能.其中，污泥絮體形態(tài)學(xué)的分析容易轉(zhuǎn)化為工程技術(shù)，因此，已有學(xué)者提出利用圖像分析技術(shù)從微觀層面對(duì)活性污泥沉降性問題進(jìn)行研究，建立污水處理系統(tǒng)中宏觀參數(shù)和微觀特性的相互聯(lián)系，從微觀角度解釋污泥沉降性變化的原因.

　　由于污泥絮體的結(jié)構(gòu)、形態(tài)、大小具有多樣性，且用于表征污泥特性的微觀參數(shù)較為多元化，各參數(shù)表示的信息重疊部分較多，故污泥絮體微觀表征具有一定的復(fù)雜性.應(yīng)用主成分分析(PCA)方法討論了絮體形狀和污泥沉降性能的關(guān)系，結(jié)果表明，利用PCA方法可很好地對(duì)眾多絮體形狀參數(shù)的數(shù)據(jù)集進(jìn)行降維，為解決污泥絮體微觀表征問題提供了思路，并可結(jié)合多元線性回歸方法對(duì)污泥沉降性進(jìn)行預(yù)測(cè).Mesquita等應(yīng)用PCA方法，根據(jù)因子得分分布特點(diǎn)識(shí)別活性污泥系統(tǒng)運(yùn)行的異常情況，包括絲狀菌膨脹、針狀絮體、粘性膨脹，并采用了PCA和偏最小二乘回歸(PLS)方法對(duì)混合液懸浮固體濃度(MLSS)和SVI進(jìn)行在線預(yù)測(cè)，認(rèn)為污泥沉降性與游離絲狀菌含量、聚體大小、聚體形狀有較為顯著的相關(guān)性，明確了以活性污泥微觀參數(shù)表征宏觀特性的可行性.

　　但目前研究采用的模型較為復(fù)雜、結(jié)果不夠直觀，并且沒有考慮到絮體密實(shí)性和污泥濃度的影響.針對(duì)以上存在的問題，本文通過實(shí)驗(yàn)室規(guī)模反應(yīng)器采集樣本，從絮體形狀、大小、密實(shí)性等微觀特征著手，借助PCA方法對(duì)絮體參數(shù)進(jìn)行分類，從而獲得用于表征活性污泥絮體微觀特征的綜合指標(biāo).同時(shí)，以PCA所得主成分作為判別條件，采用Fisher判別分析對(duì)污泥沉降性能進(jìn)行判別，以期為污泥沉降性能在線自動(dòng)判別提供技術(shù)基礎(chǔ).

　　2 材料與方法

　　2.1 試驗(yàn)裝置

　　試驗(yàn)裝置為6個(gè)內(nèi)徑為100 mm、高度為1100 mm的SBR反應(yīng)器，反應(yīng)器有效容積為8 L，裝置示意圖如圖 1所示.反應(yīng)器底部設(shè)有微孔曝氣盤，其內(nèi)設(shè)置溶解氧傳感器，以監(jiān)測(cè)溶解氧的變化.

 圖1 試驗(yàn)裝置示意圖

　　2.2 污泥絮體培養(yǎng)

　　按照不同接種污泥來源，將反應(yīng)器分為兩組(R1~R3和R4~R6)，R1~R3接種污泥取自馬鞍山市某污水處理廠(W1，A2O工藝)二沉池，R4~R6接種污泥取自馬鞍山市另一污水處理廠(W2，氧化溝工藝)二沉池.試驗(yàn)以安徽工業(yè)大學(xué)教職工生活區(qū)污水為基質(zhì)，按照1 ∶ 10比例稀釋，再以葡萄糖為碳源，氯化銨為氮源，磷酸二氫鉀為磷源，將進(jìn)水中COD ∶ TN ∶ TP調(diào)節(jié)為100 ∶ 5 ∶ 1.兩組中的3個(gè)反應(yīng)器COD分別控制為200、400、600 mg · L-1左右，目的在于使得馴化后各反應(yīng)器中污泥性狀多元化，以保證模型有較好的適用范圍.

　　反應(yīng)器采用水浴方式控溫，溫度保持在(20±1)℃.反應(yīng)器每天運(yùn)行2個(gè)周期，每個(gè)周期為12 h，其中，進(jìn)水時(shí)間為10 min，反應(yīng)時(shí)間為10 h，沉淀時(shí)間為30 min，排水時(shí)間為20 min，待機(jī)時(shí)間為1 h.

　　2.3 圖像采集與分析

　　在曝氣條件下，每隔1~2 d對(duì)6根反應(yīng)器采樣1次.從反應(yīng)器液面下20 cm處采集150 mL泥水混合樣品于錐形瓶中，混勻后用量筒取其中100 mL測(cè)SV，余下50 mL樣品用于顯微圖像采集.事先將移液槍頭部切去一段，以便絮體順利通過，用移液槍從50 mL樣品中取25 μL置于載玻片上，再覆上24 mm×24 mm的蓋玻片，置于奧林巴斯BX53顯微鏡(奧林巴斯，日本)載物臺(tái)上.顯微鏡接Mshot DC30數(shù)碼相機(jī)(明美，中國(guó))，并采用配套的MShot Digital Imaging System軟件(明美，中國(guó))進(jìn)行顯微圖像采集，將蓋玻片分為3個(gè)區(qū)域，在40×放大倍數(shù)下對(duì)每個(gè)區(qū)域不重疊抽樣拍攝20張照片，共60張，并保存為1024×768像素的JPEG格式圖像.每隔1~2 d在兩個(gè)污水廠(W1和W2)的好氧池采集污泥樣本1次，圖像采集和分析方法同6根反應(yīng)器，檢測(cè)期間近3個(gè)月.

　　使用Image-Pro Plus 6.0(Media Cybernetics，美國(guó))軟件對(duì)每個(gè)樣品的60張圖像依次進(jìn)行消除拍攝時(shí)背景亮度、噪音、雜質(zhì)等影響的處理，測(cè)量得到軟件內(nèi)置參數(shù)數(shù)據(jù).數(shù)字圖像的分析流程如圖 2所示.其中，在進(jìn)行圖像分割時(shí)，采用閾值處理的方法，將圖像轉(zhuǎn)化為二值圖像，根據(jù)拍攝圖像灰度分布特點(diǎn)，調(diào)整灰度閾值范圍，在0~200灰度閾值范圍內(nèi)與絮體基本重合，為目標(biāo)部分，其余閾值范圍為背景部分.最后，將軟件內(nèi)置參數(shù)計(jì)算結(jié)果導(dǎo)出至Excel(Microsoft，美國(guó))文件中，并在Excel中計(jì)算出各導(dǎo)出參數(shù)的值，各導(dǎo)出參數(shù)的計(jì)算公式具體如表 1所示，這些參數(shù)的定義參照文獻(xiàn)，其中，微觀濃度(Cmicro)定義為單位體積樣品絮體投影面積總和，其可從微觀角度表征污泥濃度.

 圖2 圖像處理流程圖

 


表1 數(shù)據(jù)集中絮體微觀參數(shù)概況

　　2.4 圖像數(shù)據(jù)分析

　　2.4.1 主成分分析

　　主成分分析方法是通過線性組合的方式實(shí)現(xiàn)降維的思想，在較少損失信息的前提下，把多個(gè)指標(biāo)轉(zhuǎn)化為幾個(gè)綜合指標(biāo)的統(tǒng)計(jì)方法.在進(jìn)行主成分分析前，需對(duì)圖像分析數(shù)據(jù)進(jìn)行相應(yīng)整理.對(duì)于1個(gè)污泥樣本(1個(gè)載玻片)可采集60張絮體圖像，每張圖像都可提取20個(gè)微觀參數(shù)信息(表 1)，除絮體數(shù)量N取60張圖像的總和外，其余參數(shù)均為60張圖像的平均值，從而獲得單個(gè)污泥樣本的微觀數(shù)據(jù).

　　將經(jīng)過上述數(shù)據(jù)處理所得絮體微觀數(shù)據(jù)集(表 1)由Excel文件導(dǎo)入至SPSS 19(IBM，美國(guó))中進(jìn)行主成分分析，需要注意的是，SPSS中沒有現(xiàn)成的主成分分析模塊，故需基于因子分析模塊，以初始因子載荷矩陣除以主成分特征值的平方根，可得到相應(yīng)的主成分特征向量，即主成分綜合評(píng)價(jià)函數(shù)的系數(shù)矩陣.主成分分析具體步驟如下：①利用20個(gè)絮體微觀參數(shù)建立原始變量矩陣X，并對(duì)X進(jìn)行標(biāo)準(zhǔn)化處理;②計(jì)算相關(guān)系數(shù)矩陣，檢驗(yàn)所選的20個(gè)變量是否適合進(jìn)行主成分分析;③求相關(guān)矩陣的特征根和對(duì)應(yīng)的標(biāo)準(zhǔn)化特征向量;④確定用于表征污泥絮體微觀特性的主成分個(gè)數(shù)m，選取m個(gè)主成分使得累計(jì)貢獻(xiàn)率達(dá)到85%以上;⑤寫出主成分的表達(dá)式，確定污泥絮體微觀特性的綜合評(píng)價(jià)函數(shù)，獲得污泥絮體特征綜合指標(biāo).

　　2.4.2 Fisher污泥沉降性判別

　　以SVI等于150 mL · g-1為界線，將樣本分為兩個(gè)總體“正常”和“膨脹”.以上文所得污泥絮體特征綜合指標(biāo)作為Fisher判別分析的判別條件，采用SPSS軟件對(duì)樣本數(shù)據(jù)進(jìn)行Fisher判別分析建模.Fisher判別分析思路是投影分析，將這兩類數(shù)據(jù)投影到某個(gè)方向，使得投影后“正常”類與“膨脹”類之間離散程度最大化，即兩個(gè)總體的均值差

盡可能的大;并使得這兩類內(nèi)部離散程度最小，即兩個(gè)樣本的方差和σ21+σ22盡可能小，則建立目標(biāo)函數(shù)為：

.由此，問題可轉(zhuǎn)化為找到使得目標(biāo)函數(shù)Φ(u)達(dá)到最大的投影向量，進(jìn)而構(gòu)造出判別函數(shù).將兩個(gè)總體的樣本微觀參數(shù)觀測(cè)值分別帶入判別函數(shù)中求和，再分別除以各自的樣本個(gè)數(shù)，求得兩組樣本的“重心”得分.

　　構(gòu)造出污泥沉降性判別函數(shù)后，還要確定判別臨界值c.在兩個(gè)總體先驗(yàn)概率相等的假設(shè)下，取c為兩組樣本“重心”的加權(quán)平均值.對(duì)于一個(gè)新樣本，計(jì)算其判別函數(shù)得分F.若F>c，則判定為“正常”;若F

　　為了對(duì)判別模型的可靠性進(jìn)行驗(yàn)證，將取自6根反應(yīng)器的訓(xùn)練樣本回代到模型中，求得回判正確率;再將取自2座污水廠的測(cè)試樣本代入模型，求得判別正確率.

　　3 結(jié)果

　　3.1 反應(yīng)器和污水廠運(yùn)行的沉降性狀況

　　整個(gè)試驗(yàn)過程共采集到163個(gè)訓(xùn)練樣本，其中“正常”污泥樣本105個(gè)，“膨脹”污泥樣本58個(gè).如圖 3所示，R1中SVI分布范圍為47~121 mL · g-1，R2中SVI分布范圍為112~292 mL · g-1，R3中SVI范圍為157~636 mL · g-1，R4中SVI分布范圍為35~85 mL · g-1，R5中SVI分布范圍為59~159 mL · g-1，R6中SVI分布范圍為65~188 mL · g-1.6個(gè)反應(yīng)器的污泥沉降性狀況各不相同，整體SVI分布范圍較廣泛，為建立模型提供了充分的數(shù)據(jù)基礎(chǔ).兩座污水廠共采集測(cè)試樣本67個(gè)，二者的運(yùn)行狀態(tài)也不同，W1在監(jiān)測(cè)期間內(nèi)沉降性均為“正常”，W2在監(jiān)測(cè)期間內(nèi)均為“膨脹”.

圖3 6根反應(yīng)器和2座污水廠污泥樣本的SVI箱體圖

　　3.2 絮體微觀參數(shù)間的相關(guān)分析

　　主成分分析適用于所選變量之間存在較強(qiáng)相關(guān)關(guān)系的數(shù)據(jù)，如原始數(shù)據(jù)相關(guān)性較弱，則起不到很好的降維作用，所得主成分濃縮原始變量信息的能力差別不大.故在進(jìn)行主成分分析前，對(duì)絮體微觀參數(shù)間的相關(guān)關(guān)系進(jìn)行計(jì)算，求得變量間相關(guān)系數(shù)的絕對(duì)值，結(jié)果如圖 4所示.

圖4 絮體微觀參數(shù)相關(guān)矩陣圖

　　由圖 4可知，用于表征污泥絮體特征的不同類型參數(shù)間具有一定的相關(guān)關(guān)系.表征絮體數(shù)量的參數(shù)N與用于表征絮體大小的參數(shù)Amean、Rec、Pconv、P、Fmax、L、W、Deq呈負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)絕對(duì)值大于0.5(p<0.05).由此可以看出，絮體大小和數(shù)量的變化是大致同步的，絮體間存在“聚集”和“解體”現(xiàn)象.絮體密實(shí)性參數(shù)、伸長(zhǎng)性參數(shù)和規(guī)則性參數(shù)間相關(guān)性也較高.密實(shí)性參數(shù)HR，其物理意義為孔面積與絮體面積的比，與伸長(zhǎng)性參數(shù)和規(guī)則性參數(shù)顯著相關(guān)(r>0.420，p<0.05).而伸長(zhǎng)性參數(shù)與規(guī)則性參數(shù)間除Ro、Comp、Ext和FF外都具有顯著的相關(guān)關(guān)系(r>0.800，p<0.05).由此來看，絮體在客觀條件不同的情況下，絮體密實(shí)性、伸長(zhǎng)性和規(guī)則性的變化較為同步.在伸長(zhǎng)性參數(shù)和規(guī)則性參數(shù)中，較為特別的有Ro、FF，二者與大小參數(shù)間的相關(guān)系數(shù)能達(dá)到0.5以上，在其后的主成分分析中可以發(fā)現(xiàn)，Ro、FF作為表征絮體形態(tài)學(xué)特征的參數(shù)，這兩個(gè)參數(shù)在大小因子上也占有較高的載荷.可以推斷Ro和FF會(huì)受到絮體大小的影響，對(duì)絮體大小也有一定的解釋能力，通常認(rèn)為小絮體的投影更接近于邊界光滑的圓形，此時(shí)Ro和FF趨近于1.

　　用于表征污泥絮體特征的同類型參數(shù)間的相關(guān)性大多較顯著，說明同類型參數(shù)對(duì)絮體特性的表示結(jié)果具有一致性.8個(gè)大小參數(shù)(Amean、Rec、Pconv、P、Fmax、L、W、Deq)間有顯著的相關(guān)關(guān)系(r>0.969，p<0.05)，絮體的面積、周長(zhǎng)、長(zhǎng)、寬等特征的變化趨勢(shì)基本一致.6個(gè)伸長(zhǎng)性參數(shù)可分為兩組，Ro、Comp和Ext都顯著相關(guān)(r>0.571，p<0.05)，AR、Asp和BR間相關(guān)系數(shù)均大于0.872(p<0.05).分析各參數(shù)計(jì)算公式可以發(fā)現(xiàn)，Ro、Comp和Ext對(duì)伸長(zhǎng)性的表征是基于二維的面積，而AR、Asp和BR是基于一維的長(zhǎng)度，面積和長(zhǎng)度變化的不同步性導(dǎo)致兩組間的相關(guān)性不顯著.3個(gè)規(guī)則性參數(shù)間顯著相關(guān)(r>0.344，p<0.05)，其中，F(xiàn)D和Conv間的相關(guān)系數(shù)為0.944.較為特別的是FF與FD的相關(guān)系數(shù)僅0.344，而其與Ro的相關(guān)系數(shù)為0.983，與Comp和Ext的相關(guān)系數(shù)也均大于0.670，與Jenné等(2006)的觀點(diǎn)不同，這說明將FF定義為規(guī)則性參數(shù)有失妥當(dāng)，作為伸長(zhǎng)性參數(shù)更為合適.用于表示絮體密實(shí)性的HR則與除Ro、FF之外的其它伸長(zhǎng)性參數(shù)和規(guī)則性參數(shù)都有顯著的相關(guān)關(guān)系.伸長(zhǎng)性參數(shù)與規(guī)則性參數(shù)間大都具有較強(qiáng)的相關(guān)關(guān)系，只有Ro、FF與AR、Asp、BR、FD的相關(guān)關(guān)系不顯著.

　　盡管污泥絮體的微觀濃度Cmicro僅與大小參數(shù)間具有較為一般的相關(guān)關(guān)系(r>0.317，p<0.05)，和其它參數(shù)相關(guān)性不顯著，但其與MLSS的相關(guān)系數(shù)為0.709(p<0.05)，有顯著的相關(guān)性，可以用作污泥濃度的微觀表現(xiàn)形式.總之，絮體微觀參數(shù)間均存在較為理想的相關(guān)關(guān)系，適合進(jìn)行主成分分析.

　　3.3 構(gòu)建污泥絮體微觀特性綜合指標(biāo)

　　163組樣本數(shù)據(jù)包含20個(gè)變量，對(duì)其進(jìn)行主成分分析的結(jié)果如表 2所示，前3個(gè)成分可累計(jì)解釋原始數(shù)據(jù)總信息量的89.068%(大于85%)，基本上可較完整地保留原始信息，故選取前3個(gè)成分為主成分.以初始因子載荷矩陣除以主成分特征值的平方根，可得到相應(yīng)的主成分特征向量，即主成分評(píng)價(jià)函數(shù)的系數(shù)矩陣.

 表2 絮體微觀特征的主成分信息提取

　　由圖 5可知，參數(shù)N、Amean、Rec、Pconv、P、Fmax、L、W、Deq在主成分1(PC1)上載荷較高，絮體數(shù)量和大小間存在負(fù)相關(guān)關(guān)系，可將PC1歸納為污泥絮體大小因子，提取原始變量信息的46.684%，其綜合評(píng)價(jià)函數(shù)為：

　　式中，Z表示對(duì)原始變量進(jìn)行標(biāo)準(zhǔn)化后的值.

 圖5 各微觀參數(shù)的因子載荷

　　PC1函數(shù)中，Amean、Rec、Pcon等大小參數(shù)對(duì)PC1的貢獻(xiàn)較大，因?yàn)榇笮�參�?shù)在PC1上載荷較高，即相關(guān)系數(shù)較大，說明大小因子與絮體面積、周長(zhǎng)、長(zhǎng)寬等參數(shù)的變化具有同步性.

　　參數(shù)HR、Ro、AR、Asp、Conv、Ext、BR、FF、FD、Conv在主成分2(PC2)載荷較高，絮體密實(shí)性參數(shù)、伸長(zhǎng)性參數(shù)和規(guī)則性參數(shù)間相關(guān)關(guān)系顯著，可歸納為污泥絮體形態(tài)因子，提取原始變量信息的35.303%，其綜合評(píng)價(jià)函數(shù)為：

　　PC2函數(shù)中，AR、Comp、BR等形態(tài)參數(shù)對(duì)PC2 的貢獻(xiàn)較大，因?yàn)樾螒B(tài)參數(shù)在PC2上載荷較高，說明絮體的密實(shí)性、伸長(zhǎng)性、規(guī)則性與形態(tài)因子的變化具有同步性;相反，Amean、Rec、Pcon等大小參數(shù)卻對(duì)PC2起相反作用，因?yàn)榇笮�參�?shù)在PC2上載荷為負(fù)，說明面積、周長(zhǎng)、長(zhǎng)寬等參數(shù)與形態(tài)因子呈負(fù)相關(guān)關(guān)系.

　　參數(shù)Cmicro在主成分3(PC3)上載荷較大，故歸納為濃度因子，提取原始變量信息的7.081%，其綜合評(píng)價(jià)函數(shù)為：

　　PC3函數(shù)中，Cmicro對(duì)PC3貢獻(xiàn)最大，因?yàn)闈舛葏��?shù)在PC3上載荷較高，說明微觀濃度與濃度因子的變化具有同步性.

　　3.4 基于污泥絮體微觀綜合指標(biāo)的污泥狀態(tài)分析

　　按照上文所述Fisher判別分析方法進(jìn)行計(jì)算，求得判別函數(shù)為：

　　將實(shí)測(cè)的樣品微觀參數(shù)經(jīng)過PCA計(jì)算后得到的主成分函數(shù)值，代入判別函數(shù)求出判別得分.判別函數(shù)F在“正常”分類組的“重心”得分為0.526，在“膨脹”分類組的“重心”得分為-0.952，求得判別臨界值c為0.0000859.

　　如表 3所示，將163個(gè)訓(xùn)練樣本代入已建立的判別模型中進(jìn)行回判，總體的回判正確率為79.8%，其中“正常”樣本被誤判為“膨脹”的占總數(shù)的14.3%，“膨脹”樣本被誤判為“正常”的占總數(shù)的31%.采用同樣的方法，將67個(gè)污水處理廠檢測(cè)樣本代入模型進(jìn)行判別，總體的判別正確率為80.6%，其中，“正常”樣本被誤判為“膨脹”的占總數(shù)的18.9%，“膨脹”樣本被誤判為“正常”的占總數(shù)的20.0%.由此來看，在僅考慮污泥絮體特征的情況下，該模型已有較好的判別能力.

 表3 Fisher判別分析結(jié)果

　　4 討論

　　4.1 污泥絮體微觀特性對(duì)沉降性的作用

　　其他學(xué)者研究結(jié)果大多認(rèn)為污泥絮體特征對(duì)沉降性有影響，該主成分-判別分析模型也是建立在絮體微觀特征對(duì)沉降性作用原理的基礎(chǔ)上.模型的判別結(jié)果同時(shí)也驗(yàn)證了污泥絮體特征對(duì)沉降性的影響.污泥絮體20個(gè)微觀參數(shù)通過主成分分析歸納為大小因子、形態(tài)因子和濃度因子.大小因子反映系統(tǒng)中絮體大小的平均水平;形態(tài)因子則包含絮體密實(shí)性、伸長(zhǎng)性、規(guī)則性等方面內(nèi)容，通常認(rèn)為個(gè)體較大、結(jié)構(gòu)密實(shí)、形狀規(guī)則的絮體具有良好的沉降性能，且沉淀后上清液濁度較低;濃度因子從微觀角度來看是絮體分布緊密程度的體現(xiàn)，通常認(rèn)為污泥濃度大，絮體分布緊密，則絮體沉降過程中相互干擾強(qiáng)度高，不利于絮體沉降.

　　對(duì)判別模型進(jìn)行分析，可以發(fā)現(xiàn)“正常”分類的“重心”得分為0.526，“膨脹”分類的“重心”得分為-0.952，故判別得分偏小會(huì)使得判別結(jié)果趨向于“膨脹”.通常，在污水處理系統(tǒng)向“膨脹”發(fā)展時(shí)，絲狀菌增多的同時(shí)，污泥絮體也會(huì)變得更加細(xì)小、伸長(zhǎng)、粗糙、松散.從模型本身來看，污水處理系統(tǒng)向“膨脹”發(fā)展時(shí)，對(duì)應(yīng)的PC1函數(shù)值減小，PC2函數(shù)值增加，PC3函數(shù)值減小;即數(shù)量減小、體積減小、濃度降低、結(jié)構(gòu)松散、絮體伸長(zhǎng)、外表粗糙.其中，數(shù)量減小和濃度降低與其他學(xué)者觀點(diǎn)不同，其通常認(rèn)為絮體數(shù)量增加、污泥濃度增高對(duì)沉降性不利.但實(shí)際上，由于污泥沉降性變差，會(huì)導(dǎo)致活性污泥流失、絮體數(shù)量減少、污泥濃度減小.

　　4.2 判別模型的誤差分析

　　在對(duì)誤判的樣本數(shù)據(jù)進(jìn)行研究時(shí)發(fā)現(xiàn)，33個(gè)誤判樣本可分為兩種類型，一是將“正常”樣本判別為“膨脹”，此類型有5個(gè)來自R1，1個(gè)來自R2，3個(gè)來自R5，9個(gè)來自R6;二是將“膨脹”樣本判別為“正常”，此類型有9個(gè)來自R2，3個(gè)來自R3，2個(gè)來自R5，1個(gè)來自R6.影響判別正確率的因素很多，但主要因素來自污泥本身的特征，在6個(gè)反應(yīng)器運(yùn)行過程中，污泥特征較為典型的有R2和R6.

　　R2中活性污泥為分散生長(zhǎng)狀態(tài)，宏觀上表現(xiàn)為上清液渾濁，不能形成成層沉降，無泥水分界面，微觀上主要表現(xiàn)絮體體積較小、結(jié)構(gòu)松散，具體如圖 6a和6b所示.絮體體積雖小，但由于結(jié)構(gòu)松散會(huì)導(dǎo)致絮體會(huì)有“微弱”的連接，圖像分析時(shí)可能會(huì)將這些絮體當(dāng)成一個(gè)整體處理，增大F值，導(dǎo)致將“膨脹”誤判別為“正常”.

 圖6 絮體顯微圖片(a.R2，40×；b.R2，100×；c.R6，40×；d.R6，100×)

　　R6中污泥絮體如圖 6c和6d所示，污泥絮體核心處顏色較深，即較為密實(shí)，污泥本身沉降性較好.誤判樣本測(cè)得的絮體數(shù)量大都低于平均水平，即Z(N)小于0，大小參數(shù)在標(biāo)準(zhǔn)化后的值也大都小于0，Z(Cmicro)也大都小于0，使得F值較小.從而最終導(dǎo)致將大量的“正常”樣本誤判為“膨脹”.

　　對(duì)于體積小、結(jié)構(gòu)松散卻相互“微弱”連接的絮體，可在圖像分析操作中增加“開運(yùn)算”的程度而消除誤差.對(duì)于絮體核心處較密實(shí)，沉降性能較好，但其它特征表現(xiàn)的類似于“膨脹”的情況，可考慮引入?yún)��?shù)“灰度比”來表征絮體核心處的密實(shí)性，其定義為目標(biāo)部分(絮體)與背景部分灰度平均值的比.此外，在大多數(shù)情況下，絮體與絮體間主要是通過絲狀菌連接，適量的絲狀菌可構(gòu)成絮體的骨架結(jié)構(gòu).所以，在以后的研究當(dāng)中可考慮將絮體內(nèi)部和外部的絲狀菌量加入到數(shù)據(jù)集中，將絮體內(nèi)部和外部絲狀菌參數(shù)與絮體參數(shù)聯(lián)合起來建立模型.通常游離絲狀菌對(duì)污泥沉降性影響較大，而內(nèi)部絲狀菌可影響絮體的結(jié)構(gòu)形態(tài)，二者結(jié)合可提高判別的正確率.具體參見污水寶商城資料或http://www.dongaorq.cn更多相關(guān)技術(shù)文檔。

　　5 結(jié)論

　　1)對(duì)20個(gè)活性污泥絮體微觀變量進(jìn)行相關(guān)分析發(fā)現(xiàn)，絮體微觀參數(shù)變化具有同步性，這種同步性表現(xiàn)在兩個(gè)方面，即同種類型參數(shù)間與不同類型參數(shù)間.結(jié)果同時(shí)表明，該20個(gè)參數(shù)間相關(guān)關(guān)系較為理想，適合進(jìn)行主成分分析.

　　2)由主成分分析可將20個(gè)活性污泥絮體微觀參數(shù)濃縮為3個(gè)綜合指標(biāo)，這3個(gè)綜合指標(biāo)分別為表征絮體微觀特征的大小因子、形狀因子和濃度因子.大小因子主要反映絮體數(shù)量和大小特征，形狀因子主要反映絮體密實(shí)性，伸長(zhǎng)性和規(guī)則性;濃度因子主要反映污泥濃度的大小.

　　3)利用3個(gè)綜合參數(shù)作為判別指標(biāo)建立Fisher判別分析模型，得到一個(gè)判別函數(shù)，應(yīng)用模型可判別污水處理系統(tǒng)是處于“正常”狀態(tài)或是“膨脹”狀態(tài)，該模型的回判正確率為79.8%，以污水廠監(jiān)測(cè)數(shù)據(jù)作為測(cè)試樣本的判別正確率為80.6%.

　　4)采用主成分-判別模型對(duì)污泥沉降性進(jìn)行判別，判別結(jié)果較為直觀，直接表現(xiàn)為“正常”或“膨脹”，從而為利用圖像分析技術(shù)配合圖像采集的自動(dòng)化，實(shí)現(xiàn)污泥沉降性的在線判別提供了技術(shù)基礎(chǔ).