在MBR(膜生物反应器)系统处理污水时,膜污染现象不仅会缩短膜组件的使用寿命,同时会增加系统的运行费用。而污泥产量和系统产水量是衡量MBR膜污染的重要参数,本文通过建立智能模型计算这两个参数以衡量MBR系统的膜污染程度,便于污水厂的工作人员能够预防和控制膜污染,对MBR系统膜污染的预防和控制具有一定的参考价值。在计算污泥产量时,本文以RNN为基础网络建立了MBR膜污染计算模型,为进一步提高RNN网络对污泥产量的计算精度,本文用SA算法和贝叶斯分类器对RNN网络做了两处改进。一、在训练RNN网络时,由于学习率为常数可能会导致梯度下降法无法到达全局最小值,本文用SA算法动态地控制学习率的大小,使梯度下降算法能够到达全局最小值,以提高训练效果。二、由于不同类型污水参数的范围差异较大,本文用工业污水数据和生活污水数据分别训练出两个RNN模型,同时训练出一个贝叶斯分类器(使其能够对生活污水和工业污水进行分类);在计算污泥产量时,先用贝叶斯分类器对输入数据进行分类,然后根据分类结果选择相应的RNN模型计算污泥产量,以提高RNN网络对污泥产量的计算精度。在此基础上,本文用Python语言编程来进行实验分析。分析结果表明经SA算法和贝叶斯分类器改进后,RNN网络对污泥产量的计算精度平均提高了19%,并且相对误差低于普通RNN网络,与实际MBR系统运行结果的拟合度更高,解决了通过计算污泥产量衡量膜污染程度的问题,对MBR工程设计和研究具有一定的参考价值。在计算MBR系统产水量时,本文以管式MBR为样本,通过CFD仿真软件ANSYS 16.0对其进行了模拟仿真和计算研究。在研究过程中,首先用ANSYS16.0中的ICEM CFD前处理器建立管式MBR的几何模型,并对其进行结构化网格划分;然后用ANSYS 16.0中的FLUENT求解器对网格文件进行了求解计算,并在模型出口处设置流量监视窗口,来计算管式MBR的产水量,以衡量MBR系统的膜污染程度。最后本文将求解器的计算结果与实际管式MBR系统的产水量进行了对比。对比结果表明,求解器对系统产水量的计算结果与实际MBR系统运行结果基本一致,并且相对误差较小,解决了通过计算系统产水量来衡量膜污染程度的问题,对未来MBR膜污染领域的研究具有一定的参考价值。