[发明专利]一种针对污水处理过程的在线监测方法、装置和存储介质

权利要求书

1.一种针对污水处理过程的在线监测方法，其特征在于，包括以下步骤：

确定观测变量并设定采样间隔，将采集正常工况时的观测数据作为训练集，对训练集进行预处理，得到预处理后的训练集；

根据训练集特征确定自编码器网络结构，并设置损失函数；

使用预处理后的训练集训练自编码器，得到网络的最优参数，再利用自编码器中的编码器提取训练集特征，得到训练集的稀疏特征集合；

根据稀疏特征集合特点，确定一类支持向量机的核函数类型及相应超参数，使用稀疏特征集合训练一类支持向量机，并得到稀疏特征对应样本的预测分数；

使用箱线图分析预测分数集合的数据分布特征，以确定故障监测的控制限；

判断污水处理过程是否发生故障：将该时刻的观测样本的预测分数值与由箱线图得到的控制限做差；若预测分数值未超出控制限，则判定工况正常，进行下一次采样；若预测分数值超过控制限，则判定该观测时刻发生故障，发出报警。

2.根据权利要求1所述的一种针对污水处理过程的在线监测方法，其特征在于，所述对训练集进行预处理，包括：

采用标准差标准化法，将从污水处理厂观测到的数据矩阵按照下式进行数据预处理：

其中，X∈R^m×n是原始的观测数据矩阵，R^m×n表示m行n列的实矩阵，X的每一行代表一个观测样本，每一列代表一个观测变量，μ_x和σ_x表示X中各观测变量的样本均值和样本标准差，X'表示预处理后的训练集。

3.根据权利要求1所述的一种针对污水处理过程的在线监测方法，其特征在于，所述对训练集进行预处理，包括：

采用极差标准化法，将从污水处理厂观测到的数据矩阵按照下式进行数据预处理：

其中，X∈R^m×n是原始的观测数据矩阵，R^m×n表示m行n列的实矩阵，X的每一行代表一个观测样本，每一列代表一个观测变量，X'表示预处理后的训练集，X(i,j)、X'(i,j)分别表示X和X'的第i行第j列位置上的元素，X(j)_max、X(j)_min分别表示X的第j列中的最大值和最小值。

4.根据权利要求1所述的一种针对污水处理过程的在线监测方法，其特征在于，所述根据训练集特征确定自编码器网络结构，并设置损失函数，包括：

根据预处理后的训练集X'确定栈式自编码器隐藏层层数，以及输入层、隐藏层和输出层神经元个数；

根据预处理后的训练集X'选择损失函数以及收敛模型，其中训练过程中，自编码器损失函数选择为L₁正则损失函数，表示为：

其中x'_i,j代表预处理后的训练集中某个观测样本的某个变量，x^*_i,j代表自编码器根据输入所重构的输出，m为训练集观测样本的总个数，n为观测样本的变量总个数。

5.根据权利要求1所述的一种针对污水处理过程的在线监测方法，其特征在于，所述一类支持向量机的表达式为：

f(x)＝w^Tφ(x)-ρ

所述一类支持向量机的目标方程为：

w^Tφ(x_i)≥ρ-ξ_i,ξ_i0

其中，φ是将输入向量投影到高维特征空间的特征投影函数；_w是垂直于超片面的决策超平面一般向量，ρ是截距项，ξ_i表示松弛变量，_v是为异常值分数设定的上限超参数，_n表示向量维度。

6.根据权利要求1所述的一种针对污水处理过程的在线监测方法，其特征在于，所述控制限表示为：

L＝2.5Q₃-1.5Q₁

其中，Q₃和Q_1`分别为预测分数集合的上四分位数和下四分位数。