白 杰，劉 和，殷 波，馬惠君，劉宏波（.江南大學(xué)環(huán)境與土木工程學(xué)院，江蘇 無(wú)錫 2422；2.無(wú)錫科技職業(yè)學(xué)院，江蘇 無(wú)錫 2422）

C/ N比調(diào)控污泥厭氧發(fā)酵產(chǎn)酸的數(shù)學(xué)模型研究

白 杰1，2，劉 和1*，殷 波1，馬惠君1，劉宏波1（1.江南大學(xué)環(huán)境與土木工程學(xué)院，江蘇 無(wú)錫 214122；2.無(wú)錫科技職業(yè)學(xué)院，江蘇 無(wú)錫 214122）

采用改進(jìn)粒子群算法對(duì)ADM1模型中的關(guān)鍵參數(shù)進(jìn)行了估計(jì)，經(jīng)敏感性分析，確定了Monod最大比吸收速率、半飽和值、產(chǎn)物對(duì)底物的產(chǎn)率等3種參數(shù)對(duì)產(chǎn)酸速率具有較大影響.應(yīng)用修正后的動(dòng)力學(xué)參數(shù)對(duì)ADM1模型在不同C/N比調(diào)控下污泥厭氧發(fā)酵產(chǎn)酸結(jié)果進(jìn)行了模擬.結(jié)果表明，模擬產(chǎn)酸數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)誤差較小，說(shuō)明修正后的ADM1模型能夠很好地描述污泥厭氧發(fā)酵中C/N比條件對(duì)產(chǎn)酸的影響.

城市污泥；厭氧發(fā)酵；C/N比；改進(jìn)粒子群算法；ADM模型

ADM1近年來(lái)，城市污泥厭氧發(fā)酵生產(chǎn)揮發(fā)性脂肪酸（VFAs）作為污泥資源化的有效途徑［1-2］備受關(guān)注.為了提高污泥發(fā)酵產(chǎn)酸效率，研究人員對(duì)包括預(yù)處理方法［3］、pH值調(diào)控［4-5］、C/N 比調(diào)控［6-7］等多方面的條件因素進(jìn)行了實(shí)驗(yàn)和機(jī)理研究.由于污泥厭氧消化系統(tǒng)中底物成分復(fù)雜、微生物種類多樣、且生物產(chǎn)酸理論還不完善，因此亟待建立污泥厭氧發(fā)酵產(chǎn)酸的理論模型，通過模擬、仿真和控制，用數(shù)學(xué)的方法來(lái)逐步突破其瓶頸.

C/N作為厭氧發(fā)酵過程中的關(guān)鍵因素，對(duì)厭氧發(fā)酵產(chǎn)酸有重要的影響［7-8］.C/N既影響微生物自身的合成代謝過程又影響不同產(chǎn)酸功能菌群的分布［9-13］，因此可以利用C/N調(diào)控污泥的產(chǎn)酸類型.但目前的研究?jī)H僅針對(duì)不同C/N比進(jìn)行實(shí)驗(yàn)并根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行歸納，在機(jī)理分析和動(dòng)力學(xué)分析層面上涉及較少.ADM1是國(guó)際水協(xié) 2002年推出的模擬厭氧消化工藝過程的大型結(jié)構(gòu)化.數(shù)學(xué)模型，能較好地模擬和預(yù)測(cè)不同底物、不同工藝的厭氧消化系統(tǒng)運(yùn)行狀態(tài)和效果，同時(shí)具有良好的可擴(kuò)展性，提供了開放的通用建模平臺(tái)［14］.

因此，本文采用ADM1對(duì)污泥厭氧發(fā)酵產(chǎn)酸過程中的C/N調(diào)控結(jié)果進(jìn)行模擬，闡述C/N和發(fā)酵產(chǎn)物揮發(fā)性短鏈脂肪酸的關(guān)系.采用改進(jìn)粒子群算法對(duì)ADM1模型中的關(guān)鍵參數(shù)尤其是動(dòng)力學(xué)參數(shù)進(jìn)行了估計(jì)，對(duì)發(fā)酵類型和VFAs產(chǎn)率做出很好的預(yù)測(cè)，并且對(duì)該工藝條件后續(xù)擴(kuò)大化提供了有效建議.

1　材料與方法

1.1發(fā)酵污泥和接種污泥

發(fā)酵污泥取自無(wú)錫市某污水處理廠脫水后剩余污泥.污泥采集后置于陰涼處，風(fēng)干10d，采用機(jī)械粉碎儀粉碎，再過30目篩，密封置于-15℃冰柜中保存.

接種污泥取自無(wú)錫某檸檬酸廠上流式厭氧污泥反應(yīng)器（UASB）中的厭氧顆粒污泥.在100℃下煮沸2h以殺死產(chǎn)甲烷菌［15］，然后導(dǎo)入有效容積為2L的UASB反應(yīng)器中進(jìn)行馴化，馴化方法如文獻(xiàn)［16］所述.

1.2厭氧發(fā)酵產(chǎn)酸

污泥發(fā)酵前需進(jìn)行熱堿預(yù)處理，發(fā)酵污泥的預(yù)處理方法見文獻(xiàn)［15］.將熱堿預(yù)處理后的污泥離心液用于發(fā)酵產(chǎn)酸，調(diào)節(jié) pH值為 10.0，取500mL預(yù)處理液置于1000mL的厭氧反應(yīng)瓶中，分別加入不同量葡萄糖，以使得底物混合液的初始C/N質(zhì)量比為所需值，接入10%（V/V）馴化后的種泥，充氮?dú)?0min以去除氧氣，然后迅速密封置于轉(zhuǎn)速為 120r/min和溫度（35±1）℃搖床中厭氧發(fā)酵.在發(fā)酵期間，每 12h調(diào)節(jié) pH值至初始的10.0.為抑制發(fā)酵產(chǎn)甲烷，發(fā)酵液中添加50mmol/L的二溴乙烷磺酸鈉（BES）.

總固體和揮發(fā)性有機(jī)物質(zhì)的含量測(cè)定采用重量法［17］.總氮采用凱氏定氮法測(cè)定［18］.總蛋白含量通過凱氏氮減去氨氮后再乘以6.25計(jì)算得到［19］.總碳水化合物采用甲醛離心法提取后［20］，再用苯酚-硫酸法測(cè)定［21］.總脂類物質(zhì)采用Bligh-Dyer 方法提取后，在 80℃下干燥直至溶劑完全揮發(fā)后，采用重量法測(cè)定［22］.TOC 用LiquiTOC分析儀測(cè)定，具體操作使用《水質(zhì)總有機(jī)碳的測(cè)定燃燒氧化-非分散紅外吸收法》（HJ/T 71-2001）［23］和《水和廢水監(jiān)測(cè)分析方法》［17］.經(jīng)測(cè)定種泥總化學(xué)需氧量為9900mg/L，轉(zhuǎn)化成模型中輸入單位為9.9kgCOD/m3.

表1　污泥預(yù)處理液的性質(zhì)Table 1 Characteristics of the pretreated sludge liquid

1.3分析方法

采用氣相色譜法檢測(cè)揮發(fā)性短鏈脂肪酸的質(zhì)量濃度，樣品處理及色譜條件等參見文獻(xiàn)［7］，同時(shí)，將VFAs濃度折算成COD值，換算方法參見文獻(xiàn)［24］.

1.4改進(jìn)粒子群算法［25-26］

在ADM1中，參數(shù)優(yōu)化問題以特定參數(shù)例如半飽和值和Monod最大比吸收速率為變量，模型計(jì)算值與真實(shí)值之間的誤差為目標(biāo)函數(shù)，希望目標(biāo)函數(shù)值最小.參數(shù)估計(jì)常用的算法有蒙特卡洛［27］，遺傳算法［28］，粒子群算法等［29］.粒子群算法（PSO）是解決諸如求解函數(shù)最小值的問題的較常見算法，因此可用于本文的參數(shù)估計(jì).對(duì)于ADM1中的參數(shù)敏感性分析，本文應(yīng)用AQUASIM2.0平臺(tái)完成，而對(duì)于應(yīng)用 PSO的參數(shù)估計(jì)，本文在Matlab7.0平臺(tái)上完成.

現(xiàn)有的粒子群算法的改進(jìn)比較孤立，例如對(duì)慣性權(quán)重的調(diào)整就沒有將學(xué)習(xí)因子同時(shí)修改.本文將粒子群算法的慣性權(quán)重和異步時(shí)變學(xué)習(xí)因子同時(shí)加入，在此基礎(chǔ)上，基本粒子群算法的位置更新公式中添加了平衡因子，這樣得到新的改進(jìn)粒子群算法.

本文改進(jìn)的粒子群算法分為兩個(gè)部分，第一部分是速度更新，第二部分是位置更新.速度更新公式如下：

式中：ω和c1、c2均為時(shí)變； c1和 c2是異步時(shí)變.其中，i=1，2，...，M，d=1，2，...，N，k是迭代次數(shù)，r1和 r2分布于［0，1］之間的隨機(jī)數(shù)，這兩個(gè)參數(shù)用來(lái)保持群體的多樣性.

位置更新公式如下：

為了防止粒子的盲目搜索，將速度速度和位置事先分別做如下限制：，

在位置更新時(shí)，一般是簡(jiǎn)單地將原來(lái)的位置坐標(biāo)加上新的速度坐標(biāo)，這從物理意義上來(lái)說(shuō)并最準(zhǔn)確，所以本文在位置更新時(shí)速度項(xiàng)上再乘以一個(gè)常數(shù)，這個(gè)常數(shù)有以下幾個(gè)意義：首先，可以充當(dāng)每次位置更新時(shí)的時(shí)間，位移等于速度乘以時(shí)間，加上這一項(xiàng)使新的粒子群算法有更合理.其次，在速度更新公式中，一直強(qiáng)調(diào)一個(gè)粒子自身學(xué)習(xí)與群體學(xué)習(xí)的平衡問題，在位置更新時(shí)卻簡(jiǎn)單的讓右邊兩部分系數(shù)均為 1.新的位置更新公式體現(xiàn)出了自我學(xué)習(xí)和群體學(xué)習(xí)的平衡.其中，k為平衡因子，取k=1.5，rand是［0，1］之間的隨機(jī)數(shù)，這個(gè)隨機(jī)數(shù)的設(shè)置為了保證粒子的多樣性，而且無(wú)論是每一步的時(shí)間還是為了平衡的系數(shù)，加上一個(gè)隨機(jī)數(shù)使得新算法在生物意義上更加合理.

2　模型建立

圖1　四個(gè)函數(shù)用不同算法測(cè)試結(jié)果Fig.1 Test results of four functions by different PSO

2.1改進(jìn)粒子群算法對(duì)參數(shù)估計(jì)的適用性

對(duì)于常見的幾種粒子群算法作如下符號(hào)統(tǒng)一：PSO：基本粒子群算法；c-PSO：異步時(shí)變學(xué)習(xí)因子粒子群算法；λ-PSO：帶收縮因子的粒子群算法；k-PSO：帶位置平衡的綜合粒子群算法（本文改進(jìn)的粒子群算法）.由于本文研究對(duì)象是微分方程的參數(shù)識(shí)別，所以對(duì)各個(gè)測(cè)試函數(shù)的高維情況不加以討論，僅僅討論8維的情況，即N=8.種群數(shù)設(shè)為20，迭代1000次.

對(duì)以上4種粒子群算法，取下面幾個(gè)測(cè)試函數(shù)進(jìn)行測(cè)試：

不同PSO算法對(duì)以上4個(gè)函數(shù)的測(cè)試結(jié)果如圖1所示：

通過圖1可知，在4種形式的函數(shù)中，函數(shù)實(shí)際值都是 0，因此通過以上4個(gè)測(cè)試函數(shù)的實(shí)驗(yàn)仿真，可以看出，本文提出的帶有位置平衡因子的綜合粒子群改進(jìn)算法 k-PSO的估計(jì)值在迭代1000次之內(nèi)最接近實(shí)際值0，因此k-PSO算法相對(duì)于其他粒子群更高效準(zhǔn)確.

2.2ADM1模型參數(shù)敏感性分析

模型假設(shè)：（1）添加BES可以抑制90%的甲烷；（2）氫完全是氣相；（3）因污泥發(fā)酵初始VFA濃度較低，因此模型輸入中忽略VFAs；（4）戊酸由于含量較低也忽略.實(shí)驗(yàn)中添加的碳源即葡萄糖，根據(jù)文獻(xiàn)報(bào)道，一般厭氧消化底物的 15%用于微生物自身的代謝生長(zhǎng)，其余 85%可用于作為分解代謝轉(zhuǎn)化為其他發(fā)酵產(chǎn)物［30］.

C/N比條件調(diào)控會(huì)影響污泥的發(fā)酵類型和微生物種群結(jié)構(gòu)［31］，因此在ADM1模型當(dāng)中，為了減少參數(shù)估計(jì)的工作量，首先對(duì)Monod方程中的半飽和常數(shù)（KS，aa和KS，su）以及最大比吸收速度（Km，aa和Km，su）等進(jìn)行參數(shù)敏感性分析，結(jié)果如圖2.

圖2　關(guān)鍵參數(shù)的敏感性分析Fig.2 Sensitivity analysis of key parameters

圖2中others代表所有波動(dòng)較小重合于0線位置的參數(shù).偏離 0線波動(dòng)較大的參數(shù)都是對(duì)產(chǎn)酸量較大的敏感參數(shù)，是關(guān)鍵敏感參數(shù).因此需要利用改進(jìn)粒子群算法對(duì)產(chǎn)酸相關(guān)的動(dòng)力學(xué)參數(shù)半飽和值、最大比吸收速率、以及產(chǎn)物對(duì)底物的產(chǎn)率fi進(jìn)行修正.同時(shí)測(cè)定了水解參數(shù)，由圖2可見，水解參數(shù)khyd，i不具有敏感性，也就是說(shuō)對(duì)產(chǎn)酸的結(jié)果影響不大.因此，這些參數(shù)被統(tǒng)一歸納在圖 2的“others”類別中.水解參數(shù) khyd，i不具有敏感性的原因可能是因厭氧消化底物來(lái)自于污泥經(jīng)過熱堿預(yù)處理后的污泥水解液，污泥中的各種有機(jī)物已經(jīng)得到充分釋放和水解.在水解比較充分的條件下，C/N比對(duì)底物水解的速率影響小，因此水解速率常數(shù)沒有呈現(xiàn)敏感性.

2.3基于ADM1的C/N比調(diào)控發(fā)酵產(chǎn)酸模型的模型取值

ADM1中使用的化學(xué)計(jì)量參數(shù)根據(jù)污泥預(yù)處理液測(cè)定的成分（表1）進(jìn)行計(jì)算并列于表2.其他的參數(shù)采用Bastone 的建議值［32］.

表2　ADM1中化學(xué)計(jì)量參數(shù)取值Table 2 Stoichiometric coefficients in ADM1

應(yīng)用PSO對(duì)參數(shù)進(jìn)行估計(jì)，得出的參數(shù)估計(jì)結(jié)果如表3.

由參數(shù)估計(jì)可以看出，隨著碳氮比的增加，動(dòng)力學(xué)參數(shù)半飽和值KS，i，最大比吸收速率km，i以及產(chǎn)物對(duì)底物的產(chǎn)率fi明顯成線性關(guān)系.

表3　不同碳氮比條件下的參數(shù)取值Table 3 Parameters at different C/N values

2.4基于ADM1的C/N比調(diào)控發(fā)酵產(chǎn)酸模型建立

通過ADM1模型，應(yīng)用優(yōu)化后的參數(shù)對(duì)發(fā)酵污泥上清液在C/N比分別為12，56，156的條件下發(fā)酵+所得到的3種主要發(fā)酵產(chǎn)物，即乙酸、丙酸和丁酸進(jìn)行了模擬，如圖3所示.

圖3　污泥厭氧發(fā)酵產(chǎn)酸的模擬結(jié)果Fig.3 Simulation results of VFAs from sewage sludge by anaerobic fermentation

從圖3可以看出，未調(diào)C/N比的原始污泥預(yù)處理液和C/N比為12時(shí)，乙酸的濃度最高，分別達(dá)到8.08kgCOD/m3和9.45kgCOD/m3，丙酸濃度次之，分別達(dá)到3.19kg COD/m3和3.55kgCOD/m3，丁酸含量最低.當(dāng)初始C/N調(diào)整為56時(shí)，丙酸濃度在幾種酸中最高，可以達(dá)到10.37kgCOD/m3.乙酸次之，濃度為7.79kgCOD/m3.初始C/N為156時(shí)，丁酸濃度最高，可以達(dá)到 12.59kgCOD/m3.而乙酸的濃度只有5.91kgCOD/m3.

本文建立的ADM1模型預(yù)測(cè)結(jié)果和實(shí)驗(yàn)結(jié)果非常吻合，預(yù)測(cè)值和實(shí)驗(yàn)值的相對(duì)誤差均控制在5%以內(nèi)，說(shuō)明在不同C/N條件下，應(yīng)用改進(jìn)后的PSO算法對(duì)關(guān)鍵參數(shù)的估計(jì)比較準(zhǔn)確.研究結(jié)果可為今后實(shí)際的C/N比調(diào)控污泥發(fā)酵產(chǎn)酸工程放大提供理論依據(jù)，同時(shí)也為進(jìn)一步深入 C/N比調(diào)控研究提供參考.

3　結(jié)論

應(yīng)用改進(jìn)粒子群算法對(duì)ADM1模型中的敏感參數(shù)進(jìn)行了參數(shù)估計(jì)，通過算法的測(cè)試和性能分析結(jié)果可以看出，改進(jìn)的PSO算法可以有效的對(duì)污泥厭氧發(fā)酵產(chǎn)酸系統(tǒng)動(dòng)力學(xué)參數(shù)進(jìn)行估計(jì).修正參數(shù)后的ADM1可以很好的模擬不同C/N比調(diào)控污泥厭氧發(fā)酵得到的乙酸、丙酸和丁酸的發(fā)酵曲線，模擬數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)誤差小.本文的ADM1模型可以用于模擬C/N調(diào)控污泥發(fā)酵產(chǎn)酸，為以后的工程放大和深入研究C/N調(diào)控污泥發(fā)酵產(chǎn)酸提供理論依據(jù).

Feng L，Wang H，Chen Y， et al. Effect of solids retention time and temperature on waste activated sludge hydrolysis and short-chain fatty acids accumulation under alkaline conditions in continuous-flow reactors ［J］. Bioresource Technology， 2009，100：44-49.

Lee W S， Chua A S M， Yeoh H K， et al. A review of production and application of waste-derived volatile fatty acid ［J］. Chemical Engineering Journal， 2014，235：83-99.

Reasmey T， Kazuhiko M， Davin U， et al. Effect of heat-alkaline treatment as a pretreatment method on volatile fatty acid production and protein degradation in excess sludge， pure proteins and pure cultures ［J］. Bioresource Technology， 2012，118：390-398.

Yuan H， Chen Y， Zhang H， et al. Improved bioproduction of short-chain fatty acids （SCFAs） from excess sludge under alkaline conditions ［J］. Environmental Science and Technology， 2006，40：2025-2029.

陳興春，鄭 穎，劉宏波，等.基于pH調(diào)控的城市污泥厭氧發(fā)酵產(chǎn)酸小試研究 ［J/OL］. 環(huán)境科學(xué)學(xué)報(bào)http：//www.cnki.net/kcms/ detail/10.13671/j.hjkxxb.2014.0805.html.

Huang C B， Pistolozzi L， Pistolozzi M， et al. Inoculation and alkali coeffect in volatile fatty acids production and microbial community shift in the anaerobic fermentation of waste activated sludge ［J］. Bioresource Technology， 2014，153：87-94.

劉 和，劉曉玲，邱 堅(jiān)，等.C/N對(duì)污泥厭氧發(fā)酵產(chǎn)酸類型及代謝途徑的影響 ［J］. 環(huán)境科學(xué)學(xué)報(bào)， 2010，30：340-346.

Lin C Y， Lay C H， Carbon/Nitrogen-ratio effect on fermentative hydrogen production by mixed microflora ［J］. International Journal of Hydrogen Energy， 2004，29：41-45.

王 勇，孫寓姣，任南琪，等.C/N對(duì)細(xì)菌產(chǎn)氫發(fā)酵類型及產(chǎn)氫能力的影響 ［J］. 太陽(yáng)能學(xué)報(bào)， 2004，25：375-378.

Bouallagui H， Torrijos M， Godon J J ， et al. Two-phase anaerobic digestion of fruit and vegetable wastes： bioreactors performance ［J］. Biochemical Engineering Journal， 2004，21：193-197.

Karthikeyan O P， Visvanathan C. Effect of C/N ratio and ammonia-N accumulation in a pilot-scale thermophilic dry anaerobic digester ［J］. Bioresource Technology， 2012，113：294- 302.

Wang X， Lu X， Li F， et al. Effects of temperature and carbon-nitrogen （C/N） ratio on the performance of anaerobic co-digestion of dairy manure， chicken manure and rice straw：focusing on ammonia inhibition ［J］. Plos One， 2014，9（5）：e97265.

Tanimu M I， Ghazi T I M， Harun R M， et al. Effect of carbon to nitrogen ratio of food waste on biogas methane production in a batch mesophilic anaerobic digester ［J］. International Journal of Innovation， Management and Technology， 2014，2（5）：34-49.

杜連柱，張克強(qiáng)，梁軍鋒，等，厭氧消化數(shù)學(xué)模型ADM1的研究及應(yīng)用進(jìn)展 ［J］. 環(huán)境工程， 2012，30（4）：48-52.

Logan B E， Oh S E， Kim I S， et al. Biological hydrogen production measured in batch anaerobic respirometers ［J］. Environmental Science and Technology， 2002，36：2530-2535.

郭 磊，劉 和，李秀芬，等.多級(jí)逆流工藝促進(jìn)城市污泥厭氧發(fā)酵生產(chǎn)揮發(fā)性脂肪酸 ［J］. 生物工程學(xué)報(bào)， 2008，24：1233-1239.

國(guó)家環(huán)境保護(hù)局《水和廢水監(jiān)測(cè)分析方法》編委會(huì).水和廢水監(jiān)測(cè)分析方法 ［M］ 4版.北京：中國(guó)環(huán)境科學(xué)出版社， 2002：423- 425.

趙慶祥.污泥資源化技術(shù) ［M］. 北京：化學(xué)工業(yè)出版社， 2003：126-129.

Miron Y， Zeeman G， Van Lier J B， et al. The role of sludge retention time in the hydrolysis and acidification of lipids， carbohydrates and proteins during digestion of primary sludge in CSTR systems ［J］. Water Research， 2000，34：1705-1713.

Aquino S F， Stuckey D C. Soluble microbial products formation in anaerobic chemostats in the presence of toxic compounds ［J］.Water Research， 2004，38：255-266.

Dubois M.， Gilles K. A.， Hamilton J. K.， et al.， Colorimetric method for determination of sugars and related substances ［J］. Analytical Chemistry， 1956，28（3）：350-356.

Bligh E G， Dyer W J. A rapid method of total lipids extraction and purification ［J］. Can. J. Biochem. Phvsiol.， 1959，37：911-917.

HJ/7 71-2001 水質(zhì)總有機(jī)碳的測(cè)定 燃燒氧化-非分散紅外吸收法［S］.

Liu X L， Liu H， Chen Y， et al. Effects of organic matter and initial carbon-nitrogen ratio on the bioconversion of volatile fatty acids from sewage sludge ［J］. Journal of Chemical Technology and Biotechnology， 2008，83：1049-1055.

紀(jì) 震，廖惠連，吳青華.粒子群算法及應(yīng)用 ［M］. 北京：科學(xué)出版社，2009：16-18.

Kennedy J. Particle swarm optimization， encyclopedia of machine learning ［M］. Springer， 2010，760-766.

Goovaerts P， Semrau J， Lontoh S. Monte Carlo analysis of uncertainty attached to microbial pollutant degradation rates［J］. Environmental Science and Technology， 2001，35：3924-3930.

Deb K. Multi-objective optimization using evolutionary algorithms. UK Wiley Interscience， Chichester， 2001：116-129.

Huang J， Mei L H， Xia J. Application of artificial neural network coupling particle swarm optimization algorithm to biocatalytic production of GABA ［J］. Biotechnol. Bioeng， 2007，96：924-931.

Bruce E. Rittmann.環(huán)境生物技術(shù)原理與應(yīng)用 ［M］. 北京：清華大學(xué)出版社， 2002：96-119.

任南琪，王愛杰，馬 放.產(chǎn)酸發(fā)酵微生物生理生態(tài)學(xué) ［M］. 北京：科學(xué)出版社， 2005：51-135.

Batstone D J， Keller J， Angelidaki I， et al. The IWA Anaerobic Digestion Model No 1（ADM 1） ［J］. Water Science and Technology， 2002，45：65-73.

Mathematical modeling of the anaerobic fermentation for VFAs production from sludge by C/N ratio regulation.

BAI Jie1，2， LIU He1*， YIN bo1， MA Hui-jun1， LIU Hong-bo1（1.Department of Environmental and Civil Engineering，Jiangnan University， Wuxi 214122， China；2.Wuxi Professional College of science and technology， Wuxi 214122， China）.

China Environmental Science， 2015，35（11）：3303～3309

The improved particle swarm optimization （PSO） algorithm was used to estimate the key parameters of ADM1model. Through sensitivity analysis of key parameters， the Monod maximum uptake rate parameters km，i， half saturation constant Ks，i and the products yield from substrate fi were proved to be significant impact on the volatile fatty acids （VFAs） production. The revised kinetic parameters were integrated into the ADM1to modeling the VFAs production from anaerobic fermentation of sewage sludge by C/N regulation. The results indicated that the errors were low between the estimated and experimental determined VFAs production data， suggesting that the modified ADM1 model can be used to describe the effects of C/N regulation on the VFAs production from anaerobic digestion of sewage sludge well.

sewage sludge；anaerobic fermentation；C/N ratio；improved particle swarm optimization algorithm；ADM1 model

X703

A

1000-6923（2015）11-3303-07

2015-04-14

江蘇省普通高校研究生創(chuàng)新工程（KYLX_1162）；產(chǎn)學(xué)研前瞻聯(lián)合項(xiàng)目（BY2014023-03）

* 責(zé)任作者， 教授， liuhe@jiangnan.edu.cn

白 杰（1983-），女，黑龍江哈爾濱人，講師，碩士，主要從事生化及固廢資源化系統(tǒng)建模研究.發(fā)表論文5篇.