[發明專利]一種基于數據挖掘的污水處理廠進水質量預測方法

有效

• 申請號: 202010721271.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111858715B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 于忠清;寇騰躍
• 申請（專利權）人: 青島洪錦智慧能源技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F18/213;G06F18/24;G06N3/048;G06N3/08;G06N3/126;G06Q10/04;G06Q50/26
• 代理公司: 昆明普發諾拉知識產權代理事務所(特殊普通合伙) 53209
• 代理人: 葛玉軍

1.一種基于數據挖掘的污水處理廠進水質量預測方法，其特征在于包括如下步驟：

S1、獲取目標數據：以15分鐘為間隔獲取進水速率，每周2至3次獲取碳質生化需氧量CBOD、pH值、總懸浮固體TSS的每日濃度值；

S2、數據集成：將進水速率的時間戳與碳質生化需氧量CBOD、pH值、總懸浮固體TSS的每日濃度值時間戳對齊；

S3、補齊數據：將每日平均進水速率數據作為單變量，15分鐘為間隔獲取的進水速率為多變量，分析單變量和多變量數據，建立以進水流量為輸入生成碳質生化需氧量CBOD值的擬合模型，補齊缺失的碳質生化需氧量CBOD值，得到原始數據集；

S4、數據降維：使用數據挖掘算法-Boosting樹和帶有遺傳搜索的wrapper算法，對數據進行降維，得到預處理數據集；

S5、數據拆分及建模：將預處理數據集按淡旺季進行區分，其中1-6月數據為淡季數據，7-12月數據為旺季數據，將對應數據中的2/3作為訓練數據集，余下的1/3作為測試數據集，其中淡季數據輸入多層神經網絡MLP得到淡季CBOD預測模型，旺季數據輸入回歸決策樹CRT得到旺季CBOD預測模型；

S6、模型評估：使用測試數據集對預測模型性能進行測試，使用兩個性能評估指標進行評估平均絕對誤差MAE和平均相對誤差MRE，其中：

其中，

其中，

其中，為t時刻的預測值，y(t)為真實值；

步驟S3中所述的補齊數據的具體流程如下：

S3-1、對于單變量，將步驟S2中處理后的數據三分之二用于訓練，三分之一用于測試；給定訓練數據，通過曲線擬合確定最佳擬合曲線和對應的方程式；利用遺傳規劃GP方法對進水流量與碳質生化需氧量CBOD之間的數學關系進行辨識，找到進水流量與碳質生化需氧量CBOD之間精確方程；

S3-2、對于多變量，將步驟S2中處理后的數據三分之二用于訓練，三分之一用于測試；選擇神經網絡生成模型：訓練100個神經網絡獲得神經網絡結構，其中，隱藏層的數量保持為1，而隱藏層中的神經元的數量則從5到25，激活函數選擇logistic、tanh、sigmoid、指數和恒等式五種；

步驟S5中預測模型的建立具體流程如下：

S5-1：參數選擇，使用Boosting樹根據輸入參數每次拆分時計算的平方誤差之和對參數進行排序，計算所有拆分的平均統計量，分割最佳的參數的值為1，依此類推；

S5-2：選擇多層神經網絡MLP對CBOD淡季進行預測，隱藏層的數量保持為1，而隱藏層中的神經元的數量則從5到25；使用回歸決策樹CRT對CBOD旺季進行預測，其中模型公式如下：

其中，是過去5年數據的輸入參數、同年的過去10天數據作為其記憶參數以及5年和10天數據的統計度量的函數；

S5-3：將訓練數據集輸入步驟S5-2的算法中得到淡季CBOD預測模型和旺季CBOD預測模型，再將測試數據集輸入到對應的預測模型中輸出預測結果。

2.根據權利要求1所述的一種基于數據挖掘的污水處理廠進水質量預測方法，其特征在于：步驟S1中所述的目標數據從位于愛荷華州得梅因市的廢水處理廠獲得的，獲取其從2005年1月4日到2010年12月29日的5年間的數據記錄。