[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

说明书

本发明公开了一种基于数据挖掘的污水处理厂进水流量预测方法，涉及污水处理技术领域。该方法主要针对污水处理厂难以事先了解污水的进水流量，以维持稳定的出水特性，优化污水增压泵的布置的问题，借助数据挖掘算法对污水处理厂的进水流量进行了建模，从而实现对的污水处理厂进水流量的预测。本发明提出了较为完整的污水处理厂进水流量预测流程，以降雨率、雷达反射率和进水流量为输入，建立了预报2‑3小时前的进水流量模型，可以应对由运营商根据经验和当地天气预报进行估算，精确度不够高的问题。本发明所提供的基于数据挖掘的污水处理厂进水流量预测方法能够有效的预测2‑3小时后进水流量。

技术领域

本发明涉及污水处理技术领域，具体涉及一种基于数据挖掘的污水处理厂进水流量预测 方法。

背景技术

污水处理是环保工作中必不可少的一部分。但其受进水量和当地环境的影响较大，传统 的由运营商根据经验和当地天气预报进行估算，准确度难以达到，且存在人力和物力上的不 必要消耗。因此，基于数据挖掘的污水处理厂进水流量预测方法具有重要的科学价值和工程 意义。

发明内容

本发明的目的在于提供一种基于数据挖掘的污水处理厂进水流量预测方法，解决现有估 算办法中人力成本高且准确度低的问题。

为解决上述的技术问题，本发明采用以下技术方案：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；

S3：将输出结果进行计算得到平均绝对误差MAE和均方误差MSE，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。

更进一步的技术方案是步骤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。

更进一步的技术方案是步骤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。

与现有技术相比，本发明的有益效果是：充分考虑进水流量，降雨率和雷达反射率对进 水流量的影响，更全面和准确的预测2-3小时之后的进水流量，可为污水处理厂安排操作人员 和水泵调度提供足够的时间，从而实现人员和水泵的最优调度，提高污水处理厂的效率，同 时也可以最大限度的为污水处理厂节约人力物力。