[发明专利]一种基于数据挖掘的污水处理厂进水流量预测方法

权利要求书

1.一种基于数据挖掘的污水处理厂进水流量预测方法，其特征在于包括以下步骤：

S1：获取待输入数据进行获取，并进行预处理；所述待输入数据包括进水流量、降雨率和雷达反射率的历史值；

S2：将获取的进水流量、降雨率和雷达反射率作为输入节点，输入到BP神经网络，经过训练后得到预测模型；

S3：将选定时刻的降雨率和雷达反射率作为输入节点，输入到预测模型，获取指定时刻进水流量的预测值，所述选定时刻依次为t时刻、t+15时刻、t+30时刻、t+60时刻、t+90时刻、t+120时刻、t+150时刻、t+180时刻；

S4：将输出结果进行计算得到平均绝对误差MAE和均方误差MSE，用来衡量预测精度，值越小，预测模型的预测精确度越高；其中

其中，n为样本总数，f_i为第i个样本预测值，y_i为第i个样本测量值；

S5：根据预测结果，根据预测模型的精确度分析，确定预测模型进行准确预测的时间，并生成各时刻预测报告。

2.根据权利要求1所述的一种基于数据挖掘的污水处理厂进水流量预测方法，其特征在于：步骤S2中所述的BP神经网络由输入层、中间层和输出层构成；

其中，输入层用于输入在线实时获取的进水流量、降雨率和雷达反射率；

中间层的节点数为6，神经元传递函数采用S型正切函数tansig，初始状态的各节点之间的连接权值和阈值为(-1,1)之间的随机小数，由系统自行产生，样本的学习参数取0.2，训练次数为1000次，误差精度为0.001；

输出层有一个节点，用于输出预测的进水流量值。

3.根据权利要求1所述的一种基于数据挖掘的污水处理厂进水流量预测方法，其特征在于：步骤S1中所述的数据预处理包括数据的清洗、计算和异常数据的剔除；具体地，以15秒的间隔测量进水流速数据，将数据转换为15分钟的平均值，以使与降雨率、雷达反射率数据相同的频率；进水流速的范围是每天0-2.6亿加仑，超出范围的值被认为是异常值，在预处理数据时将其删除。