1 引言
活性污泥法是污水處理廠(chǎng)最為常用的處理工藝之一，而沉降過(guò)程的泥水分離是工藝處理過(guò)程中的重要處理單元.研究發(fā)現，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(wèn)題，一旦發(fā)生污泥沉降性惡化需相當長(cháng)的時(shí)間才能恢復正常.在實(shí)際應用中以污泥容積指數(SVI)來(lái)表征活性污泥沉降性，但SVI僅能從宏觀(guān)上評價(jià)活性污泥，而對于活性污泥的微觀(guān)特征卻難以表征.一般認為影響活性污泥沉降性的微觀(guān)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)結構、絮體大小分布特點(diǎn)和污泥濃度等.這些微觀(guān)因素的綜合作用決定了活性污泥的宏觀(guān)沉降性能.其中，污泥絮體形態(tài)學(xué)的分析容易轉化為工程技術(shù)，因此，已有學(xué)者提出利用圖像分析技術(shù)從微觀(guān)層面對活性污泥沉降性問(wèn)題進(jìn)行研究，建立污水處理系統中宏觀(guān)參數和微觀(guān)特性的相互聯(lián)系，從微觀(guān)角度解釋污泥沉降性變化的原因.
由于污泥絮體的結構、形態(tài)、大小具有多樣性，且用于表征污泥特性的微觀(guān)參數較為多元化，各參數表示的信息重疊部分較多，故污泥絮體微觀(guān)表征具有一定的復雜性.應用主成分分析(PCA)方法討論了絮體形狀和污泥沉降性能的關(guān)系，結果表明，利用PCA方法可很好地對眾多絮體形狀參數的數據集進(jìn)行降維，為解決污泥絮體微觀(guān)表征問(wèn)題提供了思路，并可結合多元線(xiàn)性回歸方法對污泥沉降性進(jìn)行預測.Mesquita等應用PCA方法，根據因子得分分布特點(diǎn)識別活性污泥系統運行的異常情況，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)方法對混合液懸浮固體濃度(MLSS)和SVI進(jìn)行在線(xiàn)預測，認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(zhù)的相關(guān)性，明確了以活性污泥微觀(guān)參數表征宏觀(guān)特性的可行性.
但目前研究采用的模型較為復雜、結果不夠直觀(guān)，并且沒(méi)有考慮到絮體密實(shí)性和污泥濃度的影響.針對以上存在的問(wèn)題，本文通過(guò)實(shí)驗室規模反應器采集樣本，從絮體形狀、大小、密實(shí)性等微觀(guān)特征著(zhù)手，借助PCA方法對絮體參數進(jìn)行分類(lèi)，從而獲得用于表征活性污泥絮體微觀(guān)特征的綜合指標.同時(shí)，以PCA所得主成分作為判別條件，采用Fisher判別分析對污泥沉降性能進(jìn)行判別，以期為污泥沉降性能在線(xiàn)自動(dòng)判別提供技術(shù)基礎.
2 材料與方法
2.1 試驗裝置
試驗裝置為6個(gè)內徑為100 mm、高度為1100 mm的SBR反應器，反應器有效容積為8 L，裝置示意圖如圖 1所示.反應器底部設有微孔曝氣盤(pán)，其內設置溶解氧傳感器，以監測溶解氧的變化.
圖1 試驗裝置示意圖
2.2 污泥絮體培養
按照不同接種污泥來(lái)源，將反應器分為兩組(R1~R3和R4~R6)，R1~R3接種污泥取自馬鞍山市某污水處理廠(chǎng)(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(chǎng)(W2，氧化溝工藝)二沉池.試驗以安徽工業(yè)大學(xué)教職工生活區污水為基質(zhì)，按照1 ∶ 10比例稀釋?zhuān)僖云咸烟菫樘荚�，氯化銨為氮源，磷酸二氫鉀為磷源，將進(jìn)水中COD ∶ TN ∶ TP調節為100 ∶ 5 ∶ 1.兩組中的3個(gè)反應器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器中污泥性狀多元化，以保證模型有較好的適用范圍.
反應器采用水浴方式控溫，溫度保持在(20±1)℃.反應器每天運行2個(gè)周期，每個(gè)周期為12 h，其中，進(jìn)水時(shí)間為10 min，反應時(shí)間為10 h，沉淀時(shí)間為30 min，排水時(shí)間為20 min，待機時(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6根反應器采樣1次.從反應器液面下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(guò)，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)載物臺上.顯微鏡接Mshot DC30數碼相機(明美，中國)，并采用配套的MShot Digital Imaging System軟件(明美，中國)進(jìn)行顯微圖像采集，將蓋玻片分為3個(gè)區域，在40×放大倍數下對每個(gè)區域不重疊抽樣拍攝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(chǎng)(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根反應器，檢測期間近3個(gè)月.
使用Image-Pro Plus 6.0(Media Cybernetics，美國)軟件對每個(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，測量得到軟件內置參數數據.數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，將圖像轉化為二值圖像，根據拍攝圖像灰度分布特點(diǎn)，調整灰度閾值范圍，在0~200灰度閾值范圍內與絮體基本重合，為目標部分，其余閾值范圍為背景部分.最后，將軟件內置參數計算結果導出至Excel(Microsoft，美國)文件中，并在Excel中計算出各導出參數的值，各導出參數的計算公式具體如表 1所示，這些參數的定義參照文獻，其中，微觀(guān)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(guān)角度表征污泥濃度.
圖2 圖像處理流程圖 
表1 數據集中絮體微觀(guān)參數概況
2.4 圖像數據分析
2.4.1 主成分分析
主成分分析方法是通過(guò)線(xiàn)性組合的方式實(shí)現降維的思想，在較少損失信息的前提下，把多個(gè)指標轉化為幾個(gè)綜合指標的統計方法.在進(jìn)行主成分分析前，需對圖像分析數據進(jìn)行相應整理.對于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(guān)參數信息(表 1)，除絮體數量N取60張圖像的總和外，其余參數均為60張圖像的平均值，從而獲得單個(gè)污泥樣本的微觀(guān)數據.
將經(jīng)過(guò)上述數據處理所得絮體微觀(guān)數據集(表 1)由Excel文件導入至SPSS 19(IBM，美國)中進(jìn)行主成分分析，需要注意的是，SPSS中沒(méi)有現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，可得到相應的主成分特征向量，即主成分綜合評價(jià)函數的系數矩陣.主成分分析具體步驟如下：①利用20個(gè)絮體微觀(guān)參數建立原始變量矩陣X，并對X進(jìn)行標準化處理;②計算相關(guān)系數矩陣，檢驗所選的20個(gè)變量是否適合進(jìn)行主成分分析;③求相關(guān)矩陣的特征根和對應的標準化特征向量;④確定用于表征污泥絮體微觀(guān)特性的主成分個(gè)數m，選取m個(gè)主成分使得累計貢獻率達到85%以上;⑤寫(xiě)出主成分的表達式，確定污泥絮體微觀(guān)特性的綜合評價(jià)函數，獲得污泥絮體特征綜合指標.
2.4.2 Fisher污泥沉降性判別
以SVI等于150 mL · g-1為界線(xiàn)，將樣本分為兩個(gè)總體“正�！焙汀芭蛎洝�.以上文所得污泥絮體特征綜合指標作為Fisher判別分析的判別條件，采用SPSS軟件對樣本數據進(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(lèi)數據投影到某個(gè)方向，使得投影后“正�！鳖�(lèi)與“膨脹”類(lèi)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(lèi)內部離散程度最小，即兩個(gè)樣本的方差和σ21+σ22盡可能小，則建立目標函數為：
.由此，問(wèn)題可轉化為找到使得目標函數Φ(u)達到最大的投影向量，進(jìn)而構造出判別函數.將兩個(gè)總體的樣本微觀(guān)參數觀(guān)測值分別帶入判別函數中求和，再分別除以各自的樣本個(gè)數，求得兩組樣本的“重心”得分.
構造出污泥沉降性判別函數后，還要確定判別臨界值c.在兩個(gè)總體先驗概率相等的假設下，取c為兩組樣本“重心”的加權平均值.對于一個(gè)新樣本，計算其判別函數得分F.若F>c，則判定為“正�！�;若F 為了對判別模型的可靠性進(jìn)行驗證，將取自6根反應器的訓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(chǎng)的測試樣本代入模型，求得判別正確率. 3 結果 3.1 反應器和污水廠(chǎng)運行的沉降性狀況 整個(gè)試驗過(guò)程共采集到163個(gè)訓練樣本，其中“正�！蔽勰鄻颖�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據基礎.兩座污水廠(chǎng)共采集測試樣本67個(gè)，二者的運行狀態(tài)也不同，W1在監測期間內沉降性均為“正�！�，W2在監測期間內均為“膨脹”. 3.2 絮體微觀(guān)參數間的相關(guān)分析 主成分分析適用于所選變量之間存在較強相關(guān)關(guān)系的數據，如原始數據相關(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，對絮體微觀(guān)參數間的相關(guān)關(guān)系進(jìn)行計算，求得變量間相關(guān)系數的絕對值，結果如圖 4所示. 由圖 4可知，用于表征污泥絮體特征的不同類(lèi)型參數間具有一定的相關(guān)關(guān)系.表征絮體數量的參數N與用于表征絮體大小的參數Amean、Rec、Pconv、P、Fmax、L、W、Deq呈負相關(guān)關(guān)系，相關(guān)系數絕對值大于0.5(p<0.05).由此可以看出，絮體大小和數量的變化是大致同步的，絮體間存在“聚集”和“解體”現象.絮體密實(shí)性參數、伸長(cháng)性參數和規則性參數間相關(guān)性也較高.密實(shí)性參數HR，其物理意義為孔面積與絮體面積的比，與伸長(cháng)性參數和規則性參數顯著(zhù)相關(guān)(r>0.420，p<0.05).而伸長(cháng)性參數與規則性參數間除Ro、Comp、Ext和FF外都具有顯著(zhù)的相關(guān)關(guān)系(r>0.800，p<0.05).由此來(lái)看，絮體在客觀(guān)條件不同的情況下，絮體密實(shí)性、伸長(cháng)性和規則性的變化較為同步.在伸長(cháng)性參數和規則性參數中，較為特別的有Ro、FF，二者與大小參數間的相關(guān)系數能達到0.5以上，在其后的主成分分析中可以發(fā)現，Ro、FF作為表征絮體形態(tài)學(xué)特征的參數，這兩個(gè)參數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，對絮體大小也有一定的解釋能力，通常認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(lèi)型參數間的相關(guān)性大多較顯著(zhù)，說(shuō)明同類(lèi)型參數對絮體特性的表示結果具有一致性.8個(gè)大小參數(Amean、Rec、Pconv、P、Fmax、L、W、Deq)間有顯著(zhù)的相關(guān)關(guān)系(r>0.969，p<0.05)，絮體的面積、周長(cháng)、長(cháng)、寬等特征的變化趨勢基本一致.6個(gè)伸長(cháng)性參數可分為兩組，Ro、Comp和Ext都顯著(zhù)相關(guān)(r>0.571，p<0.05)，AR、Asp和BR間相關(guān)系數均大于0.872(p<0.05).分析各參數計算公式可以發(fā)現，Ro、Comp和Ext對伸長(cháng)性的表征是基于二維的面積，而AR、Asp和BR是基于一維的長(cháng)度，面積和長(cháng)度變化的不同步性導致兩組間的相關(guān)性不顯著(zhù).3個(gè)規則性參數間顯著(zhù)相關(guān)(r>0.344，p<0.05)，其中，FD和Conv間的相關(guān)系數為0.944.較為特別的是FF與FD的相關(guān)系數僅0.344，而其與Ro的相關(guān)系數為0.983，與Comp和Ext的相關(guān)系數也均大于0.670，與Jenné等(2006)的觀(guān)點(diǎn)不同，這說(shuō)明將FF定義為規則性參數有失妥當，作為伸長(cháng)性參數更為合適.用于表示絮體密實(shí)性的HR則與除Ro、FF之外的其它伸長(cháng)性參數和規則性參數都有顯著(zhù)的相關(guān)關(guān)系.伸長(cháng)性參數與規則性參數間大都具有較強的相關(guān)關(guān)系，只有Ro、FF與AR、Asp、BR、FD的相關(guān)關(guān)系不顯著(zhù). 盡管污泥絮體的微觀(guān)濃度Cmicro僅與大小參數間具有較為一般的相關(guān)關(guān)系(r>0.317，p<0.05)，和其它參數相關(guān)性不顯著(zhù)，但其與MLSS的相關(guān)系數為0.709(p<0.05)，有顯著(zhù)的相關(guān)性，可以用作污泥濃度的微觀(guān)表現形式.總之，絮體微觀(guān)參數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 構建污泥絮體微觀(guān)特性綜合指標 163組樣本數據包含20個(gè)變量，對其進(jìn)行主成分分析的結果如表 2所示，前3個(gè)成分可累計解釋原始數據總信息量的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，可得到相應的主成分特征向量，即主成分評價(jià)函數的系數矩陣. 表2 絮體微觀(guān)特征的主成分信息提取 由圖 5可知，參數N、Amean、Rec、Pconv、P、Fmax、L、W、Deq在主成分1(PC1)上載荷較高，絮體數量和大小間存在負相關(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%，其綜合評價(jià)函數為：
式中，Z表示對原始變量進(jìn)行標準化后的值. 圖5 各微觀(guān)參數的因子載荷 PC1函數中，Amean、Rec、Pcon等大小參數對PC1的貢獻較大，因為大小參數在PC1上載荷較高，即相關(guān)系數較大，說(shuō)明大小因子與絮體面積、周長(cháng)、長(cháng)寬等參數的變化具有同步性. 參數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、伸長(cháng)性參數和規則性參數間相關(guān)關(guān)系顯著(zhù)，可歸納為污泥絮體形態(tài)因子，提取原始變量信息的35.303%，其綜合評價(jià)函數為：
PC2函數中，AR、Comp、BR等形態(tài)參數對PC2 的貢獻較大，因為形態(tài)參數在PC2上載荷較高，說(shuō)明絮體的密實(shí)性、伸長(cháng)性、規則性與形態(tài)因子的變化具有同步性;相反，Amean、Rec、Pcon等大小參數卻對PC2起相反作用，因為大小參數在PC2上載荷為負，說(shuō)明面積、周長(cháng)、長(cháng)寬等參數與形態(tài)因子呈負相關(guān)關(guān)系. 參數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%，其綜合評價(jià)函數為：
PC3函數中，Cmicro對PC3貢獻最大，因為濃度參數在PC3上載荷較高，說(shuō)明微觀(guān)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(guān)綜合指標的污泥狀態(tài)分析 按照上文所述Fisher判別分析方法進(jìn)行計算，求得判別函數為：
將實(shí)測的樣品微觀(guān)參數經(jīng)過(guò)PCA計算后得到的主成分函數值，代入判別函數求出判別得分.判別函數F在“正�！狈诸�(lèi)組的“重心”得分為0.526，在“膨脹”分類(lèi)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�！睒颖颈徽`判為“膨脹”的占總數的14.3%，“膨脹”樣本被誤判為“正�！钡恼伎倲档�31%.采用同樣的方法，將67個(gè)污水處理廠(chǎng)檢測樣本代入模型進(jìn)行判別，總體的判別正確率為80.6%，其中，“正�！睒颖颈徽`判為“膨脹”的占總數的18.9%，“膨脹”樣本被誤判為“正�！钡恼伎倲档�20.0%.由此來(lái)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判別分析結果 4 討論 4.1 污泥絮體微觀(guān)特性對沉降性的作用 其他學(xué)者研究結果大多認為污泥絮體特征對沉降性有影響，該主成分-判別分析模型也是建立在絮體微觀(guān)特征對沉降性作用原理的基礎上.模型的判別結果同時(shí)也驗證了污泥絮體特征對沉降性的影響.污泥絮體20個(gè)微觀(guān)參數通過(guò)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(cháng)性、規則性等方面內容，通常認為個(gè)體較大、結構密實(shí)、形狀規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(guān)角度來(lái)看是絮體分布緊密程度的體現，通常認為污泥濃度大，絮體分布緊密，則絮體沉降過(guò)程中相互干擾強度高，不利于絮體沉降. 對判別模型進(jìn)行分析，可以發(fā)現“正�！狈诸�(lèi)的“重心”得分為0.526，“膨脹”分類(lèi)的“重心”得分為-0.952，故判別得分偏小會(huì )使得判別結果趨向于“膨脹”.通常，在污水處理系統向“膨脹”發(fā)展時(shí)，絲狀菌增多的同時(shí)，污泥絮體也會(huì )變得更加細小、伸長(cháng)、粗糙、松散.從模型本身來(lái)看，污水處理系統向“膨脹”發(fā)展時(shí)，對應的PC1函數值減小，PC2函數值增加，PC3函數值減小;即數量減小、體積減小、濃度降低、結構松散、絮體伸長(cháng)、外表粗糙.其中，數量減小和濃度降低與其他學(xué)者觀(guān)點(diǎn)不同，其通常認為絮體數量增加、污泥濃度增高對沉降性不利.但實(shí)際上，由于污泥沉降性變差，會(huì )導致活性污泥流失、絮體數量減少、污泥濃度減小. 4.2 判別模型的誤差分析 在對誤判的樣本數據進(jìn)行研究時(shí)發(fā)現，33個(gè)誤判樣本可分為兩種類(lèi)型，一是將“正�！睒颖九袆e為“膨脹”，此類(lèi)型有5個(gè)來(lái)自R1，1個(gè)來(lái)自R2，3個(gè)來(lái)自R5，9個(gè)來(lái)自R6;二是將“膨脹”樣本判別為“正�！�，此類(lèi)型有9個(gè)來(lái)自R2，3個(gè)來(lái)自R3，2個(gè)來(lái)自R5，1個(gè)來(lái)自R6.影響判別正確率的因素很多，但主要因素來(lái)自污泥本身的特征，在6個(gè)反應器運行過(guò)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(cháng)狀態(tài)，宏觀(guān)上表現為上清液渾濁，不能形成成層沉降，無(wú)泥水分界面，微觀(guān)上主要表現絮體體積較小、結構松散，具體如圖 6a和6b所示.絮體體積雖小，但由于結構松散會(huì )導致絮體會(huì )有“微弱”的連接，圖像分析時(shí)可能會(huì )將這些絮體當成一個(gè)整體處理，增大F值，導致將“膨脹”誤判別為“正�！�. 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.誤判樣本測得的絮體數量大都低于平均水平，即Z(N)小于0，大小參數在標準化后的值也大都小于0，Z(Cmicro)也大都小于0，使得F值較小.從而最終導致將大量的“正�！睒颖菊`判為“膨脹”. 對于體積小、結構松散卻相互“微弱”連接的絮體，可在圖像分析操作中增加“開(kāi)運算”的程度而消除誤差.對于絮體核心處較密實(shí)，沉降性能較好，但其它特征表現的類(lèi)似于“膨脹”的情況，可考慮引入參數“灰度比”來(lái)表征絮體核心處的密實(shí)性，其定義為目標部分(絮體)與背景部分灰度平均值的比.此外，在大多數情況下，絮體與絮體間主要是通過(guò)絲狀菌連接，適量的絲狀菌可構成絮體的骨架結構.所以，在以后的研究當中可考慮將絮體內部和外部的絲狀菌量加入到數據集中，將絮體內部和外部絲狀菌參數與絮體參數聯(lián)合起來(lái)建立模型.通常游離絲狀菌對污泥沉降性影響較大，而內部絲狀菌可影響絮體的結構形態(tài)，二者結合可提高判別的正確率.具體參見(jiàn)污水寶商城資料或http://www.sharpedgetext.com更多相關(guān)技術(shù)文檔。 5 結論 1)對20個(gè)活性污泥絮體微觀(guān)變量進(jìn)行相關(guān)分析發(fā)現，絮體微觀(guān)參數變化具有同步性，這種同步性表現在兩個(gè)方面，即同種類(lèi)型參數間與不同類(lèi)型參數間.結果同時(shí)表明，該20個(gè)參數間相關(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(guān)參數濃縮為3個(gè)綜合指標，這3個(gè)綜合指標分別為表征絮體微觀(guān)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量和大小特征，形狀因子主要反映絮體密實(shí)性，伸長(cháng)性和規則性;濃度因子主要反映污泥濃度的大小. 3)利用3個(gè)綜合參數作為判別指標建立Fisher判別分析模型，得到一個(gè)判別函數，應用模型可判別污水處理系統是處于“正�！睜顟B(tài)或是“膨脹”狀態(tài)，該模型的回判正確率為79.8%，以污水廠(chǎng)監測數據作為測試樣本的判別正確率為80.6%. 4)采用主成分-判別模型對污泥沉降性進(jìn)行判別，判別結果較為直觀(guān)，直接表現為“正�！被颉芭蛎洝�，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)現污泥沉降性的在線(xiàn)判別提供了技術(shù)基礎.
圖3 6根反應器和2座污水廠(chǎng)污泥樣本的SVI箱體圖 
圖4 絮體微觀(guān)參數相關(guān)矩陣圖 
