[发明专利]基于主成分分析和长短期记忆网络的污水处理出水参数预测方法

权利要求书

1.一种基于主成分分析和长短期记忆网络的污水处理厂出水参数预测方法，其特征在于，包括下述步骤：

1)对按时间采集的污水厂的处理参数，进行预处理；

2)对预处理后的数据进行主成分分析：对预处理得到的N维数据，计算协方差矩阵，进行特征值分解，按大到小选取前K个特征根(K≤N)，利用这K个特征根对应的特征向量构造投影矩阵，重构出K维数据

3)对主成分分析后计算输出的数据按时间顺序输入至LSTM网络，得到预测的出水参数。

2.如权利要求1所述的基于主成分分析和长短期记忆网络的污水处理厂出水参数预测方法，其特征在于，其中LSTM网络是根据历史数据建模得到的：步骤为：

1)把要预测的出水参数作为模型的输出目标；

2)把历史数据拆分为训练集和测试集，用于LSTM模型的训练和验证；

3)配置模型的损失函数、优化器和dropout函数；其中，损失函数采用均方误差(MSE)，计算公式为其中，下标pred代表预测值和true代表测量值；优化器采用随机梯度下降法；Dropout数值的取值范围在10％到25％之间；

4)把预测得到的结果和实际测量的结果进行比对，误差用于对LSTM模型的参数优化。

3.如权利要求1所述的基于主成分分析和长短期记忆网络的污水处理厂出水参数预测方法，其特征在于，所述的污水厂的处理参数包括：在污水处理厂的进水口、生化反应池入口、生化反应池出口、沉淀池出口和/或出水排放口处，采集水质、水量、环境和/或工艺数据，包括但不限于各采集点的水量、COD、氨氮、硝氮、PH、SS、总氮、总磷、水温、溶解氧浓度、污泥浓度、污泥回流量、污泥排放量，总共为N类数据；

把采集到的数据按照采样时间先后构成时间序列，每个时间的数据，为1个N维向量。

4.如权利要求1所述的基于主成分分析和长短期记忆网络的污水处理厂出水参数预测方法，其特征在于，所述的预处理的方法包括：

1)剔除数据中的异常值；

2)用拉格朗日插值法填补缺失数据；

3)对数据进行归一化：对于近似高斯分布(均值为μ，标准差为σ)的原始数据x，归一化算法为：否则，采用的归一化算法为：