[發明專利]一種基于數據挖掘的廢水中懸浮固體總量的預測方法

在審

• 申請號: 202010727352.2
• 申請日: 2020-07-24
• 公開（公告）號: CN111863153A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 于忠清;徐超
• 申請（專利權）人: 青島洪錦智慧能源技術有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G06N3/08;G06N3/04
• 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

本發明公開了一種基于數據挖掘的廢水中懸浮固體總量的預測方法，涉及水體污染物預測領域，包括以下步驟：S1:獲取進水階段的水質參數，包括進水流量、碳質生化需氧量CBOD、總懸浮固體TSS；S2:對獲取的水質參數進行預處理；S3:將預處理后的進水流量和碳質生化需氧量CBOD進行PCA數據降維；S4:將降維選擇后的數據輸入至MLP神經網絡模型中，建立進水階段的總懸浮固體TSS的時間序列模型；S5:將總懸浮固體TSS過去7日記錄值輸入至MLP神經網絡模型中，建立TSS的時間序列預測模型。其中預測模型性能通過平均絕對誤差MAE和平均相對誤差MRE進行評估。本發明應用數據挖掘算法對固體懸浮物總量進行了預測，通過對MLP算法模型的迭代構造，進一步提高了預測的精度。

技術領域

本發明涉及水體污染物預測領域，具體涉及一種基于數據挖掘的廢水中懸浮固體總量的預測方法。

背景技術

總懸浮固體(TSS)被認為是導致水質惡化的主要污染物之一，過量的TSS會消耗出水中的溶解氧(DO)，導致水處理成本上升，魚類資源減少，以及影響水的總體美學。懸浮物預測對控制廢水水質具有重要意義，而一種精度高的預測方法對于控制廢水水質、污水處理具有極高的指導意義。

發明內容

本發明的目的在于提供一種基于數據挖掘的廢水中懸浮固體總量的預測方法，解決廢水中TSS預測精度不高的問題。

為解決上述的技術問題，本發明采用以下技術方案：一種基于數據挖掘的廢水中懸浮固體總量的預測方法，其特征在于包括以下步驟：

S1:獲取目標特征數據：其中，所述目標特征數據是指進水階段的水質參數，包括進水流量、碳質生化需氧量CBOD、總懸浮固體TSS；

S2:對目標特征數據進行數據預處理；

S3:將經過數據預處理的進水流量和碳質生化需氧量CBOD進行PCA數據降維；

S4:將經過降維選擇的數據輸入至MLP神經網絡模型中，建立進水階段的總懸浮固體TSS的時間序列模型，并利用平均絕對誤差MAE和平均相對誤差MRE來評估數據模型的性能；

S5:將總懸浮固體TSS過去7日記錄值輸入至MLP神經網絡模型中，建立廢水中總懸浮固體TSS的時間序列預測模型，并利用平均絕對誤差MAE和平均相對誤差MRE來評估數據模型的性能；

其中，所述步驟S4和步驟S5種MLP神經網絡均由輸入層、隱含層和輸出層三層組成，隱含層數為1，隱含層的節點數量均為從5～25個不等。

進一步地，步驟S2中對目標特征數據進行預處理之前需進行異常值識別及去除操作，使用雙側離群值檢測方法對超過+3σ的值和小于-3σ的值進行離群值判定并剔除離群值，TSS值保持在32mg/L至530mg/L之間。

進一步地，步驟S3中經過數據預處理的進水流量和碳質生化需氧量CBOD進行PCA數據降維，所述PCA降維步驟如下：

S3-1.歸一化，分別計算出進水流量和CBOD數據的均值，再將集合中每一個元素減去這個均值；

S3-2.對于維度去除均值的矩陣求協方差矩陣和對應的特征值矩陣和特征向量矩陣；

S3-3.按照特征值從大到小排列其對應的特征向量,挑選出前K個特征值對應的特征向量；

S3-4.將原數據矩陣與上述得到的特征向量矩陣相乘，得到最終的降維后矩陣；

其中，K表示降維后的維度，取值需根據維度實際貢獻度選擇，本發明中K取5維即可達到原數據95％的貢獻度，原數據矩陣為進水流量和CBOD構成的多維矩陣。