[發(fā)明專利]一種基于數(shù)據(jù)挖掘的污水處理廠進水質(zhì)量預測方法

有效

• 申請?zhí)枺?/td>: 202010721271.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111858715B
• 公開（公告）日: 2023-04-07
• 發(fā)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(fā)諾拉知識產(chǎn)權代理事務所(特殊普通合伙) 53209
• 代理人: 葛玉軍

本發(fā)明公開了一種基于數(shù)據(jù)挖掘的污水處理廠進水質(zhì)量預測方法，涉及水體水質(zhì)預測領域。所述預測方法具體為獲取數(shù)據(jù)后將進水速率的時間戳與碳質(zhì)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；將每日平均進水率數(shù)據(jù)作為單變量，15分鐘為間隔獲取的進水率為多變量，建立以進水流量為輸入生成碳質(zhì)生化需氧量CBOD值的擬合模型，補齊缺失的CBOD值；數(shù)據(jù)降維得到預處理數(shù)據(jù)集；將預處理數(shù)據(jù)集按淡旺季進行區(qū)分，淡季數(shù)據(jù)輸入多層神經(jīng)網(wǎng)絡MLP得到淡季CBOD預測模型，旺季數(shù)據(jù)輸入決策樹CRT得到旺季CBOD預測模型。通過數(shù)據(jù)補齊使得用于訓練和測試的數(shù)據(jù)集更為完整，分別建立淡季和旺季的預測模型，使得預測精度更高。

技術領域

本發(fā)明涉及水體水質(zhì)預測領域，具體涉及一種基于數(shù)據(jù)挖掘的污水處理廠進水質(zhì)量預測方法。

背景技術

廢水處理廠主要是將原始進水轉化為有效廢水的過程，而進水水質(zhì)直接影響到對污水處理策略的制定和實時調(diào)整。進水水質(zhì)主要通過碳質(zhì)生化需氧量(CBOD)，氫勢(pH)和總懸浮固體(TSS)這三項指標進行測量和評判，這些數(shù)據(jù)無法通過在線傳感器實時測量，現(xiàn)有技術中通常是每周測量兩側或三次，時間間隔太長，無法滿足實時控制的要求。

另一方流入廢水的流速不穩(wěn)定，這也需要有效的控制解決方案。上述指標也具備季節(jié)性的規(guī)律，亟需開發(fā)一種能實時預測進水質(zhì)量的方法，以此為依據(jù)進行污水處理策略的制定和實時調(diào)整。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于數(shù)據(jù)挖掘的污水處理廠進水質(zhì)量預測方法，解決現(xiàn)有技術中難以對進水質(zhì)量進行預測，導致無法實時調(diào)控污水處理的問題。

為解決上述的技術問題，本發(fā)明采用以下技術方案：一種基于數(shù)據(jù)挖掘的污水處理廠進水質(zhì)量預測方法，其特征在于包括如下步驟：

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

S2、數(shù)據(jù)集成：將進水速率的時間戳與碳質(zhì)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(shù)據(jù)：將每日平均進水率數(shù)據(jù)作為單變量，15分鐘為間隔獲取的進水率為多變量，分析單變量和多變量數(shù)據(jù)，建立以進水流量為輸入生成碳質(zhì)生化需氧量CBOD值的擬合模型，補齊缺失的碳質(zhì)生化需氧量CBOD值，得到原始數(shù)據(jù)集；

S4、數(shù)據(jù)降維：使用數(shù)據(jù)挖掘算法-Boosting樹和帶有遺傳搜索的wrapper算法，對數(shù)據(jù)進行降維，得到預處理數(shù)據(jù)集；

S5、數(shù)據(jù)拆分及建模：將預處理數(shù)據(jù)集按淡旺季進行區(qū)分，其中1-6月數(shù)據(jù)為淡季數(shù)據(jù)，7-12月數(shù)據(jù)為旺季數(shù)據(jù)，將對應數(shù)據(jù)中的2/3作為訓練數(shù)據(jù)集，余下的1/3作出測試數(shù)據(jù)集，其中淡季數(shù)據(jù)輸入多層神經(jīng)網(wǎng)絡MLP得到淡季CBOD預測模型，旺季數(shù)據(jù)輸入決策樹CRT得到旺季CBOD預測模型；

S6、模型評估：使用測試數(shù)據(jù)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。

更進一步的技術方案是步驟S1中所述的目標數(shù)據(jù)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(shù)據(jù)記錄。

更進一步的技術方案是步驟S3中所述的補齊數(shù)據(jù)的具體流程如下：

S3-1、對于單變量，將步驟S2中處理后的數(shù)據(jù)三分之二用于訓練，三分之一用于測試；給定訓練數(shù)據(jù)，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(guī)劃GP方法對進水流量與碳質(zhì)生化需氧量CBOD之間的數(shù)學關系進行辨識，找到進水流量與碳質(zhì)生化需氧量CBOD之間精確方程；