[發明專利]一種基于大數據和人工智能水質預測的設備控制方法

在審

• 申請號: 201910532456.5
• 申請日: 2019-06-19
• 公開（公告）號: CN110308705A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 祝亞鋒
• 申請（專利權）人: 上海華高匯元工程服務有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418;C02F1/00;C02F3/12;G06F16/215;G06F16/25
• 代理公司: 上海泰能知識產權代理事務所 31233
• 代理人: 宋纓;錢文斌

本發明涉及一種基于大數據和人工智能水質預測的設備控制方法，包括以下步驟：對歷史數據進行預處理；將預處理后的歷史數據采用隨機森林分類算法進行訓練得到隨機森林；將測試樣品放入訓練后的隨機森林進行分類得到預測結果；根據預測結果對各個設備進行控制。本發明能夠提高污水處理廠的出水水質穩定性、降低人工干預度、降低能源消耗。

技術領域

本發明涉及污水處理技術領域，特別是涉及一種基于大數據和人工智能水質預測的設備控制方法。

背景技術

基于活性污泥的生物污水處理工藝近百年技術發展革新比較慢，大部分污水處理廠僅達到了污水處理設備的自動控制，即在中控室通過手工或半手工控制污水處理設備，這種情況下，對于出水水質的控制基本靠經驗，同時無法有效降低設備能耗和加藥量，出水水質超標和設備高能耗的問題無法有效改善。

環保部門的水質監測設備一般為放置在水廠無人值守的監測站里，或者由環保部門定期對污水廠的水質做采樣監測，容易產生監測不到位的情況，不達標排放會對周邊生態環境造成影響。

現有的污水處理廠運營模式是通過人工來控制設備的運行參數，比如人工控制曝氣量、人工控制加藥量，這樣需要運維人員具備豐富的運維經驗，而具有豐富運維經驗的人員，在污水處理行業比較稀缺。而且運維人員的人工控制設備，也無法做到及時的、頻繁的修改設備運行參數，因此會造成出水水質不穩定和運營成本高的問題。

發明內容

本發明所要解決的技術問題是提供一種基于大數據和人工智能水質預測的設備控制方法，提高污水處理廠的出水水質穩定性、降低人工干預度、降低能源消耗。

本發明解決其技術問題所采用的技術方案是：提供一種基于大數據和人工智能水質預測的設備控制方法，包括以下步驟：

(1)對歷史數據進行預處理；

(2)將預處理后的歷史數據采用隨機森林分類算法進行訓練得到隨機森林；

(3)將測試樣品放入訓練后的隨機森林進行分類得到預測結果；

(4)根據預測結果對各個設備進行控制。

所述步驟(1)中的對歷史數據進行預處理包括：數據清洗、數據抽取、數據合并、數據分組和數據標準化。

所述數據清洗具體為：將歷史數據中多余重復的數據進行篩選清除，將缺失的數據進行補充完整，將錯誤的數據進行糾正或刪除。

所述數據抽取具體為：抽取原數據表中字段和記錄的部分信息，形成一個新字段和新記錄。

所述數據合并具體為，將數據表中某幾個字段的信息或不同的記錄數據組合成一個新字段和新記錄數據，具體包括字段合并和記錄合并，所述字段合并是將某幾個字段合并為一個新字段；所述記錄合并是將具有共同的數據字段、結構，不同的數據表記錄信息合并到一個新的數據表中。

所述數據分組具體為：根據分析的目的將數值型數據進行等距或非等距分組。

所述數據標準化具體為：將數據按比例縮放使之落在一個特定區間。

所述步驟(2)中隨機森林分類算法具體為：從設備和水質數據樣本集中有放回地重復隨機抽取k個樣本生成新的訓練樣本集合，然后根據自助樣本集生成k個分類樹組成隨機森林，新數據的分類結果按分類樹投票多少形成的分數而定。

根據自助樣本集生成k個分類樹組成隨機森林具體為：將k個決策樹合并在一起，每棵樹的建立依賴于一個獨立抽取的樣品，森林中的每棵樹具有相同的分布，分類誤差取決于每一棵樹的分類能力和它們之間的相關性；采用隨機的方法去分裂每一個節點，然后比較不同情況下產生的誤差，根據檢測到的內在估計誤差、分類能力和相關性決定選擇特征的數目。

有益效果