膜生物反应器(MembraneBio-Reactor)是一种应用在污水处理,水资源再利用领域的新型水处理工艺。该工艺主要由膜分离单元和生物处理单元两部分构成,其中对膜分离单元中的减缓膜污染的研究意义重大,一直以来大量研究也集中在如何减缓MBR的膜污染中。在各种不同的减缓MBR膜污染的措施中,调节系统运行的条件和参数是可操作性强,灵活性高,效果显著的方法。本文旨在研究MBR系统运行过程中曝气这个重要参数对减缓MBR膜污染的影响,首先使用Fluent模拟仿真软件研究曝气时产生的气液两相流场的分布状态,从微观的角度探索如何曝气能达到较好的减缓膜污染效果。然后使用GM算法和深度学习中的Linear算法研究预测MBR系统运行不同时间的最佳曝气强度值,从数据分析的角度构造模型来预测不同时间对应的最佳曝气强度值。进而达到能够使用模型为不同时间提供最佳曝气强度的参考数据的作用。微观角度模拟仿真曝气时产生的气液两相流场的实验主要存在两个难点,第一个难点是要理解流体力学的理论,特别是气体和液体两种状态的流体在相互融合时所需建立的质量守恒方程和动量守恒方程;第二难点是要能够操作使用分析流体力学的Fluent软件,主要掌握网格划分来构造气液流体存在的容器空间,以及掌握Fluent软件内置的关于流体力学不同模型的使用方法。数据分析的角度研究预测不同时间对应的最佳曝气强度值是本论文的重点,首先依据已有的不同时间对应的最佳曝气强度值构造一个数列,将构造的数列作为GM灰色系统算法的输入,在满足可以使用GM算法的条件下,输出下一个时间对应的最佳曝气强度值;然后使用与GM算法相同的最佳曝气强度数列,对数列进行拆分并做数据归一化处理构造出深度学习中Linear算法所需的输入和输出,使用均方差损失函数作为Linear线性神经网络模型训练的损失函数,使用随机梯度下降算法作为优化算法,来优化损失函数的收敛,快速的得出Linear模型对应的参数。最后实现Linear线性神经网络算法的程序主要利用了最近较流行火热的Pytorch深度学习框架。论文中的Linear网络模型的程序实现使用了该框架,并得到了更加精准的预测结果。