[发明专利]基于混合优化算法的污水处理溶解氧浓度预测方法

说明书

本发明涉及一种基于混合优化算法的污水处理溶解氧浓度预测方法，该方法首先采集实际污水处理数据并进行数据预处理，然后构建多指标输入、单指标输出的长短期记忆神经网络预测模型，采用基于粒子群算法和遗传算法相结合的混合优化算法寻找长短期记忆神经网络的最优解，得到最优预测模型，并利用训练集对最优预测模型进行训练，最后利用测试集对最优预测模型进行验证。本发明采用融合了遗传算法和粒子群算法的混合优化算法寻找长短期记忆神经网络的最优解，从而在兼顾全局性和局部性的同时提高算法的优化能力，使得最优预测模型具有更高的预测精度，同时模型结构简单、实施高效、误差率小，在污水处理溶解氧浓度预测方面表现良好。

技术领域

本发明涉及污水处理技术领域和人工智能技术领域，特别是涉及一种基于混合优化算法的污水处理溶解氧浓度预测方法。

背景技术

随着我国推进工业化和城镇化，水资源形势严峻，污水治理势在必行。目前，CASS工艺是城镇污水处理中应用较广泛的一种工艺。该工艺主要包括进水、曝气、静沉和滗水四个阶段。溶解氧浓度是污水处理中一个重要的指标，通常通过曝气来实现。曝气的成本占整个污水处理运行成本的60％左右。

污水处理中溶解氧浓度的预测具有重要的意义。在污水处理过程中，通常需要添加氧气来促进生物降解污染物，提高污水处理效率。对溶解氧浓度的预测可以帮助我们更好地控制氧气的添加量，确保处理效果和成本效益的平衡。此外，污水处理厂通常需要满足一定的出水标准，其中溶解氧浓度是一个重要的指标之一。通过对溶解氧浓度的预测，可以帮助污水处理厂更好地控制出水水质，避免对环境造成不良影响。

发明内容

为了达到节能和提高污水处理效率的目的，本发明提供了一种基于混合优化算法的污水处理溶解氧浓度预测方法，该方法利用污水厂实际生产数据进行模型训练，能够准确预测污水处理过程中的溶解氧浓度，从而实现污水处理工艺的优化。

为实现上述目的，本发明采取如下的技术方案：

一种基于混合优化算法的污水处理溶解氧浓度预测方法，包括以下步骤：

步骤1：利用传感器采集污水厂的实际污水处理数据，并对所述实际污水处理数据依次进行数据补全、数据相关性分析、数据去噪以及数据归一化处理，得到处理后的数据，再将处理后的数据划分为训练集和测试集；

步骤2：构建多指标输入、单指标输出的长短期记忆神经网络预测模型，所述长短期记忆神经网络预测模型采用基于粒子群算法和遗传算法相结合的混合优化算法寻找长短期记忆神经网络的最优解，其中输入的多指标为鼓风机出力、进水PH值、电导率以及水温，输出的单指标为未来一个时间点的溶解氧浓度；

步骤3：采用基于粒子群算法和遗传算法相结合的混合优化算法寻找长短期记忆神经网络的最优解，输出最优的超参数集合，并保存生成的最优预测模型；

步骤4：将所述训练集输入到所述最优预测模型中进行训练，训练后得到预测结果；

步骤5：将所述测试集输入到所述最优预测模型中进行验证，验证后得到预测结果，验证时采用的评估指标包括拟合优度、均方误差以及平均绝对误差。

本发明的主要有益效果如下：

(1)本发明基于污水厂的实际污水处理数据，基于污水处理过程中的内在变化规律及潜在影响因素，通过相关性分析筛选出影响因素并将其作为模型输入，提高了预测模型的准确性；