[发明专利]一种准确预测污水处理厂出水水质的方法

说明书

本发明公开了一种准确预测污水处理厂出水水质的方法，具体包括构建污水处理厂在线监控系统，处理在线监控系统记录的历史数据，利用处理后的数据构建并优化出水水质预测模型，再利用在线监控系统得到的实时数据和出水水质预测模型，准确预测一段时间后污水处理厂的出水水质参数。本发明采用了类似于时间卷积网络(TCN)结构的卷积神经网络(CNN)模型，实现了对污水处理过程强非线性模拟，有效提升出水水质预测的精度及稳定性，为污水厂实现智能化和智慧化奠定了理论基础。

技术领域

本发明属于水处理技术领域，具体是涉及一种准确预测污水处理厂出水水质的方法。

背景技术

目前，我国城市都存在不同程度的水体污染状况，若这些污水不能得到及时、有效的处理，将会滋生细菌病毒，影响人们身体健康，同时也会对大气、土壤和地下水造成污染，严重影响人们生活质量。因而，污水处理厂出水水质预测成为环境治理领域的一个研究热点。

针对污水处理厂出水水质预测模型主要包括机理模型和数据驱动模型，但这些模型也存在结构复杂、未知参数过多以及不能动态反应操作参数和出水目标之间的关系等问题，使其实际应用受限。

为此，本发明从污水处理的工艺原理和机器模型运行原理出发，开发出一种新型准确预测污水处理厂出水水质的方法。

发明内容

针对以上问题，本发明从污水处理的工艺原理和机器模型运行原理出发，开发出一种新型准确预测污水处理厂出水水质的方法，主要思路如下：

在污水处理过程中，每一时刻的进水会与反应器中原有污水进行混合，而每一时刻的出水水质，也是取决于该时刻之前的一系列处理过程的复合作用，即所有的污水处理工艺都是时间上的耦合过程。因此，若要对污水处理工艺进行建模拟合，该模型的输入应当是一段连续时间内的进水水质和水厂运行参数组成的数据块。以参数编号为横轴，时间顺序为纵轴，可以将模型的输入排列成矩阵形式。若是将矩阵中每一个元素视为一个像素点，则整个样本输入具有图像的某种特征，而卷积神经网络(CNN)因其局部连接和权值共享等特性，使得其对平移、扭曲和缩放等操作具有一定程度的不变性且有较高的容错能力，成为了图像处理中性能最优的神经网络结构。

为了达到以上目的，本发明设计了一种准确预测污水处理厂出水水质的方法，具体的技术方案如下：

一种准确预测污水处理厂出水水质的方法，具体包括构建污水处理厂在线监控系统，处理在线监控系统记录的历史数据，利用处理后的数据构建并优化出水水质预测模型，再利用在线监控系统得到的实时数据和出水水质预测模型，准确预测一段时间后污水处理厂的出水水质参数。

具体的，所述一种准确预测污水处理厂出水水质的方法包括以下步骤：

S1、构建污水处理厂在线监控系统，具体包括确定监控指标，设置监控仪表，搭建数据库平台；

S2、数据处理：对数据库中的数据进行处理，具体包括数据表的连接，空值填充，异常数据剔除，数据标准化处理，输入输出数据序列的连接与对应等过程；

S3、构建和训练卷积神经网络(CNN)出水水质预测模型，具体包括确定模型结构，选取模型损失函数，模型超参数配置，模型训练，模型评估过程，最终得到适用于该污水处理厂的出水水质预测模型；

S4、出水水质预测效果评估：得到CNN出水水质预测模型后，假定污水处理厂污水在池中停留时间为nT，在t-mT时刻需要预测mT(mTnT)时间后水厂的出水水质；将(t-mT)～t时间段的所有辅助变量用[t-(m+1)T]时刻的数据替换，构造(t-nT)～t时间段的样本输入，计算出t时刻的预测出水水质参数；将t时间点的预测结果和实际测定值比较，对模型出水预测效果进行评估。

进一步地，所述步骤S1的具体实施步骤如下：