[发明专利]一种用于厨余废弃物处理厌氧工艺的优化方法有效
申请号: | 202111383987.6 | 申请日: | 2021-11-19 |
公开(公告)号: | CN113849776B | 公开(公告)日: | 2022-03-11 |
发明(设计)人: | 王晓东;张慧;周喜;王首文 | 申请(专利权)人: | 中译语通科技(青岛)有限公司 |
主分类号: | G06F17/18 | 分类号: | G06F17/18;G06Q10/04;G06Q10/10;C12P5/02 |
代理公司: | 北京和联顺知识产权代理有限公司 11621 | 代理人: | 杨艳梅 |
地址: | 266000 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 废弃物 处理 工艺 优化 方法 | ||
1.一种用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,该方法包括如下步骤:
步骤一,采集厨余废弃物厌氧处理过程中的相关数据,将数据存储在数据表中;
步骤二,对步骤一中采集的数据进行探索性分析,将采集数据进行清洗,整理,分析,通过了解数据集数据的分布状况,来了解影响因素的相互关系以及与沼气量之前的关系:
步骤三,将步骤二中经过清洗后的数据随机划分训练集和测试集,使用合适的算法进行建模,模型输入量为搅拌机搅拌时长和搅拌机电机工作频率,模型输出量为沼气罐沼气的产量,该模型为:
f(x)=a1*x12+a2*x22+a3*x1*x2+a4*x1+a5*x2+C
其中,f(x)代表沼气量,ax代表各项系数,x1代表搅拌机搅拌时长,x2代表搅拌机电机的工作频率,C代表常数项;
步骤四,用测试集数据对步骤三得到的模型进行检测,检测方法为拟合优度检验,检验所有解释变量与被解释变量之间的相关程度,拟合优度检验方式如下:
其中,总变差平方和S总是各个观察值与样本均值之差的平方和,反映全部数据之间的差异;残差平方和S残是总变差平方和中未被回归方程解释的部分,由解释变量x1至xk中未包含的一切因素对被解释变量y的影响而造成的;回归平方和S回是总变差平方和中由回归方程解释的部分;一个拟合好的回归模型, 体现在总体平方和与回归平方和接近程度,即S总中S残越小越好,设R2为S回与S总的比值,R2的表达式为:
如果R2越接近1,则说明回归方程的拟合优度越高;
步骤五,如果步骤四计算得到回归方程的拟合度符合要求,则进行下一步,否则返回步骤三选择新的算法重新建模;
步骤六,通过模型预测不同外界因素下沼气产量,确定最优方案投入生产;
步骤七,将模型结果与实际结果进行比对分析,确认模型的有效性。
2.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤一中的数据包括:电机的转速,搅拌时长,pH和厌氧罐温度。
3.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤二中对整理好的数据进行清洗的方式包括:第一、缺失值清洗,采集上的数据如果存在缺失值,根据字段的重要性来确认填充缺失值还是删除整条信息;第二、逻辑错误清洗,对于明显异常的非正常数据先分析原因,如果确认是采集数据错误就去除该异常数据。
4.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤三中选择的合适算法包括:线性回归、多项式回归或支持向量机。
5.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤三中的模型是通过输入量和输出量以及支持向量机建立的沼气产量预测模型,该模型支持向量回归即所有样本点离超平面的“总偏差”最小,此时训练集的所有点都在两条边界之间,预测值f(x)与实际值(y)之间最多有的偏差,当且仅当f(x)与y的差值绝对值大于时,计算损失,此时相当于以f(x)为中心,构建一个宽度为的间隔带,若训练样本落入次间隔带,则认为是正确的;将训练集数据代入该算法模型,得到每日沼气产量和电机转速的关系。
6.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤六中是通过计算企业每日沼气的总收益和净收益的方式来确定最优方案投入生产。
7.根据权利要求1所述的用于厨余废弃物处理厌氧工艺的优化方法,其特征在于,所述步骤七中将模型结果与实际结果进行比对分析是指根据步骤六中得到的最优值投入到实际生产中,如果得到结果和模型预测的结果之间的误差不超过10%则表明模型是成功的,否则返回第三步选择新的算法重新建模。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中译语通科技(青岛)有限公司,未经中译语通科技(青岛)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111383987.6/1.html,转载请声明来源钻瓜专利网。