[发明专利]一种基于人工智能的粪大肠杆菌群数的预测方法及装置

说明书

本发明公开一种基于人工智能的粪大肠杆菌群数的预测方法及装置，包括：S1、获取污水中相关数据，对所述相关数据进行预处理，获得样本的数据集；S2、构建GRU模型，将所述样本的数据集导入所述GRU模型进行训练，获得数据特征；S3、根据所述数据特征结合构造的超图，进行超图注意力网络处理，获得粪大肠杆菌群数预测结果；S4、分析所述预测结果并调整至所述预测结果达标。本申请在预测粪大肠杆菌群数时，能同时预测影响其菌群的因素，有利于对污水处理的具体流程进行及时调整，从而降低粪大肠杆菌群数，防止污水不合格。

技术领域

本发明涉及城镇污水处理领域，特别是涉及一种基于人工智能的粪大肠杆菌群数的预测方法及装置。

背景技术

污水处理长期以来是我国绿色、可持续发展面临的重要问题。根据2006年1月1日开始实施的《城镇污水处理厂污染物排放标准》一级b标准，粪大肠杆菌群数作为基本控制项目，其菌群数不能超过104(个/L)。粪大肠杆菌群数已经是城镇污水处理过程中一个重要标准。虽然目前的污水处理方法已经能够较为良好的对污水进行净化，但是菌群数量一直是污水处理过程中的重点和难点。水中大肠杆菌数严重超标,这类严重事情的发生，污水处理的各个环节都有责任，同时也反应了菌群数为污水处理过程的重点和难点。在城镇污水中，粪大肠杆菌群数与水中的各类污染物浓度都息息相关，而污水中污染物来源和种类都十分复杂，因此在污水处理过程中很难把控化学药剂的投放量。这样就会导致难以有效去除水中的粪大肠杆菌，也会降低污水处理的效率，还会造成了不必要的浪费，间接的提高了污水处理的成本和增加了碳排放。在污水处理过程中还经常会发生部分环节发生故障的情况，这也是污水处理过程中水质不达标的重要原因之一，尤其是处理粪大肠杆菌的过程中，因为其繁殖和扩散速度快，通过传感器感应到故障很可能已经晚了，已经造成了不必要的损失，因此，若能对故障进行预判显得尤为重要。时空超图注意力网络是作为图神经网络中的一种，它很好的聚合了邻居结点以及不同时间的特征，对于本发明中粪大肠杆菌群数预测的问题，对时空超图注意力网络进行了调整与改进，使神经网络的预测效果更快，更好。

发明内容

本发明的目的是提供一种基于人工智能的粪大肠杆菌群数的预测方法及装置，以解决上述现有技术存在的问题，使科学高效的预测粪大肠杆菌群数，进而防止污水不合格。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于人工智能的粪大肠杆菌群数的预测方法，步骤包括：

S1、获取污水中相关数据，对所述相关数据进行预处理，获得样本的数据集；

S2、构建GRU模型，将所述样本的数据集导入所述GRU模型进行训练，获得数据特征；

S3、根据所述数据特征结合构造的超图，进行超图注意力网络处理，获得粪大肠杆菌群数和相关数据预测结果；

S4、分析所述预测结果并调整至所述预测结果达标。

可选的，所述S1中获取相关数据过程包括：将污水依次进行调节池，兼氧池，好氧池和二沉池处理，最后从排放口将水排出；分别对所述调节池、兼氧池、好氧池、二沉池及排出口的污水进行数据采集，所述相关数据包括：所述调节池、兼氧池、好氧池、二沉池及排出口的污水每个时刻的温度，PH值，动植物油量，凯式氮浓度和有机含碳总量，兼氧池，好氧池，二沉池，排放口每个时刻的生物需氧量BOD和粪大肠杆菌群数。

可选的，所述S1中预处理的方法包括：测量所述相关数据，每10分钟测量一次，即为每一时刻测量一次；所述调节池、兼氧池、好氧池、二沉池及排出口所述pH值，动植物油量，凯式氮浓度和有机含碳总量的含量，兼氧池，好氧池，二沉池，排放口每个时刻的生物需氧量BOD和粪大肠杆菌群数，构成一个矩阵q，所述q矩阵维数为33×5,

可选的，所述预处理的方法还包括：对矩阵q进行数据扩充，取任意两个最后排放口粪大肠杆菌浓度不达标的矩阵q，进行计算求取平均值，扩充不达标样本的数据集；计算出扩充不达标样本集为q₃,