ASM（Activated Sludge Model）即活性污泥模型，是国际水质协会（IAWQ）针对污水活性污泥法处理推出的数学模型。ASM是为了解决废水生物处理设计和操作过程中的问题而推出的，主要目的是为了获得最优化的效果。ASM自从推出以来，得到了广泛的应用；其本身也在不断地发展和完善。现在，这个系列模型已经运用到了各种污水处理工艺如接触氧化、氧化沟、SBR等工艺中。

1．ASM发展概述

1987年，IAWQ推出了ASM1[1]，这个模型包括了有机物氧化及硝化和反硝化的生物过程，由于这个模型能够很好地模拟污水处理结果，所以得到了研究者的认同。1995年，IAWQ推出了ASM2[2]，它在ASM1的基础上引入了生物除磷以及化学除磷的过程。1999年，IAWQ同时推出了ASM2d[3]和ASM3[4]。ASM2d 是对ASM2的进一步完善，改正了ASM2中对磷聚集微生物（Polyphosphate Accumulating Organism，简写为PAO）的不恰当描述。而ASM3是在总结和修正ASM1模型缺陷的基础上提出的，采用了与ASM1不同的理论依据，ASM3中同样包括有机物氧化、硝化和反硝化，而没有包括生物除磷。2001年，由负责建立ASM3的学者推出了EAWAG Bio-P[5]模型，这个模型建立在ASM3基础上，采用了ASM2d的一些观点，在ASM3的基础上增加了生物除磷的过程，但不包括化学除磷。

ASM共有的特点在于将污水中的组分分为可溶性组分和颗粒性组分，其中可溶性组分包括溶解氧、碱度及大部分污染物，颗粒性组分包括微生物及部分污染物，应用理论建立生物或化学反应过程（基于莫诺特方程式）。在表达方面最主要的特点是采用矩阵形式来描述各组分在反应过程中的变化规律和相互关系，这就简化了反应速率方程式的表达，有利于计算机程序的编码。ASM矩阵反应速率中采用了“开关函数”的概念，用来反映环境因素改变而产生的抑制作用，可以避免那些因为具有不连续特性的反应过程在模拟过程中出现的数值不稳定的现象；例如在反硝化反应速率中加入一项，其中为氧饱和速率常数，为溶解氧浓度，当溶解氧趋于0时，此项为1，反硝化过程顺利进行，反之，当溶解氧浓度增大到一定限度时，此项趋近于0，反硝化过程停止。此外，研究者还可以根据理论发展及实际情况的需要对现有的ASM进行反应过程的增加或简化，这无疑扩大了ASM应用的灵活性。

2．ASM对污水处理过程的描述

由于ASM建立在对微生物反应过程的描述之上，所以对反应过程描述的不同也就导致了模型表达的不同，而其根本原因是采用了不同的理论。ASM1、ASM2、ASM2d排除了传统的维持（Maintenance）理论和内源呼吸（Endogenous Respiration）理论，采用了死亡-再生（Death Regeneration）理论，而ASM3、EAWAG Bio-P模型采用了内源呼吸理论。

图1是ASM1对模型反应过程的描述。可以看到，模型中异养性微生物和自养性微生物（硝化菌）并不是完全分开的，即模型中两种微生物反应的计算会相互影响。ASM1包含了13种组分，8种反应过程。

ASM2中，认为PAO不能够进行反硝化反应，而许多研究发现部分PAO能够在内源呼吸时利用硝酸盐（亚硝酸盐）氮，从而发生反硝化反应。ASM2d正是考虑到这一点而在ASM2基础上改进的。

图2是ASM2d对模型反应过程的描述。可以看到，由于PAO的引入，模型变的格外复杂。为了方便计算，ASM2d认为模型中的异养性微生物是“万能”微生物，它们能够在好氧或兼性（反硝化）状态下生长，也能够在厌氧状态下保持活性（发酵）。此外，ASM1中的易生物降解基质被可发酵、易生物降解有机基质和发酵产物所代替；而ASM1中的颗粒性及溶解性有机氮由于难于测量，极易转化，所以除ASM1外的模型均省略了这两个组分，认为它们应该作为颗粒性慢速生物降解基质中含量固定的部分，如果含量是变化的，需要增加附加的组分和反应过程。

由于现在对生物除磷原理的了解仍然不是很完善，所以ASM2d选择了一个简单的模型对PAO进行描述，这个模型允许对生物除磷进行预测，但是没有包括所有观测到的现象。所以，IAWQ建议将ASM2d作为以后模型发展的基础。ASM2d假设PAO只能够在好氧、兼氧条件下生长，只能利用细胞内部贮存的有机物质聚羟基烷酸（PHA）进行生长，这个假设对于ASM2d来说是一个很不利的限制，可能需要以后进一步的改进。

ASM2d包含了19种组分，21种反应过程。

图3是ASM3对模型反应过程的描述。可以看到，模型中异养性微生物和自养性微生物（硝化菌）是完全分开的，即它们的衰亡过程采用了两个不同的方程，这就避免了它们的相互干扰。ASM3认为，贮存-内源呼吸能更好地描述微生物的衰亡过程，而不是像ASM1采用的水解模式。

ASM3包含了13种组分，12种反应过程。

EAWAG Bio-P与同样考虑了生物除磷的ASM2d不同，这个模型忽略了易生物降解基质的发酵过程。这个假设是建立在统计学模型分析和研究结果基础上的，这些成果表明，典型的市政污水中，不存在发酵过程对释磷过程的限制性作用。对PAO的描述方面，EAWAG Bio-P和ASM2d主要的不同在于应用了内源呼吸以及较低的兼氧衰亡速率。由于PAO厌氧衰亡的值很小，所以EAWAG Bio-P忽略了这个过程。

图2中ASM2d对PAO的描述也基本适用于EAWAG Bio-P模型，只是水解过程变成了内源呼吸（产物仅为惰性颗粒有机物），无发酵产物这一组分，不包括化学除磷过程（可根据需要增加）。

EAWAG Bio-P包含了17种组分，23种反应过程。

3．ASM在SBR工艺中的应用

自从IAWQ推出ASM后，就不断有研究者将其应用到SBR工艺中。因为对于SBR这样运行状况多变的污水处理工艺，利用数学模拟的方法来进行辅助设计和优化控制是很有必要的，否则很难达到预期的设计目标[6]。SBR工艺与传统的活性污泥工艺相比，应用ASM模型最大的不同之处在于必须对SBR中的时间控制以及容积的变化进行描述。

J Oles[7]等人应用ASM1对SBR工艺进行了模拟，他们的研究表明，经过对模型中参数的修正，使之适用于SBR后，模型能够很好地预测SBR操作过程中COD、氨氮、硝酸盐氮的变化。

G Andreottola[8]等人采用了修正的ASM1对SBR工艺进行了动态模型的研究和参数灵敏度分析，他们将ASM1中认为一步完成的硝化反应修正为亚硝酸盐化和硝酸盐化两个阶段，引入了硝酸盐化的开关函数，并采用最小二乘法对模型进行优化控制，以使排水中的氮浓度最小，他们的研究结果表明，修正后的模型能更好地模拟废水处理的结果。

A Brenner[9]采用了修正的ASM2模型来模拟SBR工艺在处理市政污水时其中N、P的转换情况，他同样将硝化反应分为两步，考虑到了游离态氨氮的积累，不过他认为自养性的反硝化细菌可以同样利用亚硝酸盐和硝酸盐进行反硝化反应，这个现象发生在进水混合期。对异养性微生物也没有再分为反硝化菌和非反硝化菌两类，而是通过一个兼氧的转换系数来控制这两种生物的反应的起始。污水中的惰性颗粒物质的产生，他认为主要来源于细菌的衰减，而可溶性组分主要来源于有机物的水解；污水中PAO的生长，主要发生在缺氧进水阶段。

Hong Zhao[10]等人对比了ASM2和ASM2简化模型及神经网络模型对SBR工艺的模拟结果，他们的研究结果表明：ASM2的模拟结果能够更好地预测和解释SBR特定运行状态下的运行数据，但是需要经常校正其中的系数；而ASM2简化模型和神经网络的混合模型能够提高预测的准确度，模型的鲁棒性也增强了。所以他们建议，利用ASM2进行过程细节的模拟，而利用混合模型来进行在线预测和控制。

此外，还有很多人用针对SBR工艺特有的现象提出了相应的动力学描述方程式。如A A Kazml[11]等人利用ASM2的基本思路，针对SBR脱磷过程中系统中存在的氮对脱磷反应的影响建立了动力学方程，可以用来修正ASM中对这一部分考虑的欠缺。他们还通过改变进水负荷观察到了PAO的细胞内贮能产物PHA在反应中起到的重要作用。他们的研究证明，当方程式中的动力学参数选择合适时，模型的预测值与实验值是吻合的。

S Marsill[12]等人采用了一个修正的ASM2d模型并结合Matlab软件进行了SBR工艺的仿真，同时利用模拟污水校准了其中的一些反应常数的值，对SBR工艺中存在的生物增强性除磷现象也进行了研究。他们在方程中用了亚硝化—硝化两个种群细菌的反应来解释硝化反应，而不象ASM中那样只采用了一个反应式，对反硝化反应也分为两步进行，同时考虑到了游离态氨氮的积累对反硝化反应的阻滞现象。他们对SBR中微生物在好氧—厌氧交替运行下发生的增强性生物除磷现象也进行了数学描述，并用了完全不同的方程式来描述污水中PAO的生长情况。他们的实验数据与理论预测非常接近。

J MIkosz[13]等人应用了SimWorkTM这种为SBR处理厂的运行而开发的软件（核心采用了ASM）对某污水处理厂的运行进行了模拟。他们进行模拟的目的是为了获得最佳的SBR循环时间和反应阶段的调整策略，让系统在低温（<10℃）情况下仍然保持较高的硝化效果，但同时又不影响系统的反硝化及生物增强性除磷的效果。经过对污水处理厂反应常数的校准和动态模拟之后，他们找到了最佳的反应状况。污水厂的运行结果显示：当污水在低温（6℃）下运行时，采用最佳的反应条件（时间序列控制），系统硝化效率可以提高50%～80%，生物增强性除磷的效率可以提高45%～75%，但是却不影响反硝化的效率，总氮的去除率仍然可以从原来的70%提高到80%。

由于SBR工艺具有一定的局限性，所以出现了很多基于SBR的新工艺，如CASS、DAT-IAT、MSBR等。对于这些改良SBR工艺的数学模型，也有学者进行了研究。

L Novák[14]等人采用了ASM1对CASS工艺（尤其对于CASS中的生物选择器）进行了模拟，他们的模型可以描述反应器容积的变化以及生物反应的过程，模拟废水中各种污染物的动态变化。他们建议，为了取得更好的模拟结果，需要考虑反应器的水力学模型。

W Wu[15]等采用了Dold模型（与ASM1类似）来模拟MSBR的运行，在模型中综合考虑了脱氮与除磷的存在。他的模型中引入了6种缺氧活性污泥的代谢，其中有一些和ASM2d中的描述是一样的，同时，他的模型中采用了更为详尽的生物反应阶段的描述。其模拟结果表明，系统模拟的相对误差<2～3%，说明系统模拟的结果较可靠。

4．当前SBR污水处理数学模型存在的主要问题

尽管针对SBR污水处理工艺已经有很多人提出的数学模型，也取得了很好的模拟结果，但是仍然存在一些问题：

（1） 研究者建立的各种模型一般均是针对传统SBR工艺的，应用到改良SBR工艺中时有时需要很大的改变；

（2）对于SBR工艺脱氮除磷的机理还没有统一的完善认识，影响了模型正确的建立；

（3）由于ASM本身的局限性，限制了建立的模型在工业废水中的应用；

（4）在应用数学模型进行辅助设计、仿真优化污水处理厂的运行时，需要校正很多参数，消耗大量的时间和精力；

（5）根据我国目前污水处理厂的设计、运行和水质监测水平，直接应用这些数学模型还是有一定困难[16]，如何根据我国国情来建立合适的模型，仍然是一个问题。

5．结论

由于可以对污水处理设施进行仿真模拟和优化控制，ASM得到了广泛的应用，尤其对于SBR工艺这样具有明显操作灵活性的工艺而言，应用ASM进行控制可以得到显著的脱氮除磷效果；但是由于ASM本身的局限性，在应用过程中仍然有很多问题，需要进一步的研究。

参考文献

[1] Henze M, Grady W, Marasis G v R et al. Activated sludge model No.1. IAWPRC Scientific and Technical Report No.1[M]. London, England: IAWPRC, 1987
[2] Gujer W, Henze M, Mino T, Wentzel M C et al. The activated sludge model no.2: biological phosphorus removal[J]. Wat Sic Tech, 1995, 31(2):183-193
[3] Henze M, Gujer W, Mino T et al. Activited sludge model no.2D, ASM2D[J]. Wat Sic Tech, 1999, 39(1):165-182
[4] Gujer W, Henze M, Mino T et al. Activited sludge model no.3[J], Wat Sic Tech, 1999, 39(1): 183-193
[5] Rieger L, Koch G, Gujer W et al. The EAWAG Bio-P module for activated sludge model no.3 [J], Wat Res, 2001, 35(16): 3887-3903
[6] N Artan, P Wilderer, D Orhon et al. The mechanism and design of sequencing batch reactor—the state of the art[J]. Wat Sic Tech, 2001,43(3):53-60
[7] J Oles , P A Wilderer. Computer aid design of sequencing batch reactors based on the IAWPRC Activated Sludge Model[J]. Wat Sic Tech, 1991,23(4/6):1087-1095
[8] G Andreottola, G Bortone et al. Experimental validation of a simulation and design model for nitrogen removal in sequencing batch reactors. Wat Sic Tech, 1997,35(1):113-120
[9] A Brenner, Modeling of N and P transformation in an SBR treating municipal wastewater[J].  Wat Sic Tech, 2000,42(1/2):55-63
[10] Hong Zhao et al. Approaches to modeling nutrient dynamics: ASM2, simplified model and neural nets[J]. Wat Sic Tech, 1999,39(1):227-234
[11] A A Kazam et al. Modeling effect of remaining nitrate on phosphorus removal in SBR[J]. Wat Sic Tech, 2001,43(3):175-182
[12] S Marsili Libelli et al. Implementation, study and calibration of a modified ASM2d for the simulation of SBR processes[J]. Wat Sic Tech, 2001,43(3):69-76
[13] J Mikose et al. Use of computer simulation for cycle length adjustment in sequencing batch reactor[J]. Wat Sic Tech, 2001,43(3):61-68
[14] L L Novák et al. Dynamic mathematical modeling of sequencing batch reactors with aerated and mixed filling period[J]. Wat Sic Tech, 1997,35(1):105-112
[15] W wu et al. Simulation and application of a novel modified SBR system for biological nutrient removal[J]. Wat Sic Tech, 2001,43(3):215-222
[16] 朱明权，利用COD指标进行活性污泥法系统的设计[J]. 中国给水排水，1999，15（2）:18-24