[發明專利]基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法、裝置及存儲介質

有效

• 申請號: 202010194359.2
• 申請日: 2020-03-19
• 公開（公告）號: CN111427265B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 黃科科;文昊飛;陽春華;朱紅求;李勇剛
• 申請（專利權）人: 中南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;C02F1/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

本發明公開了一種基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法、裝置及存儲介質基于遷移學習的重金屬廢水處理過程異常工況智能化監測，通過對不同來源的重金屬廢水處理過程數據融合，能夠自動的實現不同來源的重金屬廢水處理過程異常工況智能識別；具體為利用來源固定的重金屬廢水處理過程的正常樣本Y^SD、少量來源未知的重金屬廢水處理過程的正常樣本Y^TD；首先通過對Y^SD進行學習得到其數據表示字典D^SD，然后考慮到Y^SD和Y^TD分布不同，采用遷移學習的方法，將Y^TD的特征融入到字典學習過程，得到泛化能力更強的字典D^TD。該方法無需過程先驗知識，能自適應的適應廢水處理系統中的不確定性因素，能夠更加準確的檢測過程中相關指標的變化，實現及時地檢測與預警。

技術領域

本發明屬于重金屬廢水處理領域，特別涉及一種基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法、裝置及存儲介質。

背景技術

作為地球上不可替代的自然資源與環境資源，水的儲量與質量與人類的生存發展息息相關。隨著近些年工業的高速發展，工業廢水尤其是重金屬廢水對環境污染非常嚴重和對人類危害非常深遠。同時，重金屬在環境中穩定性高、難降解、遷移范圍廣，正逐漸成為全球性環境問題。

絮凝—電化學技術是實現重金屬廢水深度凈化的有效途徑之一。該技術用電化學技術對經傳統絮凝沉淀過程處理后的廢水進行深度處理，可以減少藥劑的消耗，與單一的電絮凝處理廢水相比，又可以節約電能。一方面，現有絮凝—電化學技術對廢水的處理效果受多種過程因素(如pH值、電流密度、電導率等)的影響。另一方面，重金屬廢水因其來源等存在不確定性，包括氣候變化、人為破壞、偶然污染、內部許多生物化學反應過程的機理不明確等，難以用明確的數學關系對重金屬廢水的特征進行描述。除此之外，不同來源的重金屬廢水的離子濃度分布差異較大，其處理效果需要經過長時間離線化驗才能獲取。目前，針對不同來源的重金屬廢水的處理工況主要依賴于工藝人員的經驗進行判斷，往往難以準確的識別處理過程的正常工況和異常工況。當異常工況發生時，難以有效地降低廢水中的重金屬離子濃度，如未對處理過程進行及時調整，其處理結果會影響下一個工序的效果。而人工處理方式操作主觀盲目性大，尤其是當重金屬廢水來源發生變化時，其工況識別準確性較低。

發明內容

本發明為了準確識別不同來源的重金屬廢水處理過程的異常工況，同時克服不同來源重金屬離子各濃度數據帶來的數據分布畸變導致模型失配帶來的問題，本發明提出一種基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法、裝置及存儲介質，該方法能夠適應不同來源重金屬廢水，準確識別處理過程的工況。

字典學習是一種高效的數據表示方式，該方法假設信號能進行稀疏表示，即表示為一個字典和其稀疏編碼的乘積形式，通過學習并存儲一個小數據量的字典，便能還原高維信號數據，這對于高維數據的處理是卓有成效的。由于能夠減少高維數據的計算與存儲負荷，字典學習受到了越來越多關注。

本技術方案通過對包含處理過程中pH值、電流密度、電導率、初始重金屬濃度、流量等指標在內的歷史數據進行建模，在對廢水處理過程進行在線監測時，考慮到不同來源的廢水其初始重金屬濃度的時間序列上分布不同，使用歷史數據得到的模型，其檢測效果可能得不到保障。因此，對來源不確定的重金屬廢水的處理結果進行離線化驗，根據化驗結果選取其正常工況下的數據(即廢水中重金屬離子濃度得到有效降低的數據)和確定來源下的正常工況的歷史數據進行融合，通過對歷史模型進行遷移學習，實現不同來源下的廢水處理過程的異常工況檢測。

本發明的技術方案如下：

一方面，一種基于遷移學習的重金屬廢水處理過程異常工況智能化監測方法，包括：

1)利用歷史采集的來源固定的重金屬廢水處理數據樣本，構建來源固定的重金屬廢水處理數據樣本的離線字典；