一种基于机器学习的新污染物反应活性预测方法

    公开(公告)号:CN115691691A

    公开(公告)日:2023-02-03

    申请号:CN202211540751.3

    申请日:2022-12-03

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器学习的新污染物反应活性预测方法,属于机器学习算法技术领域。本发明着重关注建模过程中输入特征和机器学习算法(ML)的选择,基于现有数据,构建了基于多阶段特征增强分析(MFEA)的简单机器学习(ML)模型,以预测硫酸根基(SO4•−)和碳酸根基(CO3•−)对具有结构多样性的新兴污染物(CECs)的反应性。所构建的模型分为分类分析和回归分析两个阶段,以分子指纹为输入特征,使用对比分析不同的算法来训练模型,以提高反应速率常数(k值)预测的准确性。同时,本发明还设计UV254光解实验以验证本模型。

    基于云计算平台的开放式臭氧在线监测及智能投放系统

    公开(公告)号:CN117886432B

    公开(公告)日:2024-07-02

    申请号:CN202410290029.1

    申请日:2024-03-14

    Applicant: 湖南大学

    Abstract: 本发明公开了基于云计算平台的开放式臭氧在线监测及智能投放系统,涉及水处理技术领域。本发明相较于市面上现有的臭氧投加方法,能够更加准确的确定臭氧投加浓度,提高了水质净化效率,节约了投加成本,解决了臭氧投加依赖人工经验的问题;本发明充分利用进水端信息结合机器学习模型进行提前预测,并根据出水端信息进行预测数据调整,能够大幅缩短臭氧投加量的调节时间;同时结合出水端数据结合机器学习模型进行臭氧投加量的调整预测,从而提供更高精度的臭氧投加控制,最大程度地提高水质净化效率。同时基于远程控制的方式实现臭氧投加量的自动化投加,无需操作员手动干预。可以提高系统的稳定性和一致性,减少人为误差和操作员技能水平的影响。

    一种藻源嗅味特征识别方法

    公开(公告)号:CN116502130B

    公开(公告)日:2023-09-15

    申请号:CN202310752287.2

    申请日:2023-06-26

    Applicant: 湖南大学

    Abstract: 本发明公开了一种藻源嗅味特征识别方法,包括以下步骤:获取藻源致嗅有机物数据及质谱图数据;获取藻源致嗅有机物数据对应的MACCS有机物分子指纹和质谱图数据对应的MACCS分子指纹;采用藻源致嗅有机物嗅味类别数据中训练集对应的MACCS有机物分子指纹分别对不同机器学习模型进行训练,获得最优嗅味分类模型;采用嗅味阈值数据中训练集对应的MACCS有机物分子指纹分别对不同机器学习模型进行训练,获得最优嗅味阈值预测模型;将待测藻源致嗅有机物数据输入模型中,即可输出藻源致嗅有机物嗅味识别结果。本发明具有成本低廉、简便而快速、节省大量人力、物力和财力等特点。

    一种藻源嗅味特征识别方法

    公开(公告)号:CN116502130A

    公开(公告)日:2023-07-28

    申请号:CN202310752287.2

    申请日:2023-06-26

    Applicant: 湖南大学

    Abstract: 本发明公开了一种藻源嗅味特征识别方法,包括以下步骤:获取藻源致嗅有机物数据及质谱图数据;获取藻源致嗅有机物数据对应的MACCS有机物分子指纹和质谱图数据对应的MACCS分子指纹;采用藻源致嗅有机物嗅味类别数据中训练集对应的MACCS有机物分子指纹分别对不同机器学习模型进行训练,获得最优嗅味分类模型;采用嗅味阈值数据中训练集对应的MACCS有机物分子指纹分别对不同机器学习模型进行训练,获得最优嗅味阈值预测模型;将待测藻源致嗅有机物数据输入模型中,即可输出藻源致嗅有机物嗅味识别结果。本发明具有成本低廉、简便而快速、节省大量人力、物力和财力等特点。

    一种基于机器视觉与深度学习的混凝自动投药方法与系统

    公开(公告)号:CN115925076B

    公开(公告)日:2023-05-23

    申请号:CN202310218318.6

    申请日:2023-03-09

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器视觉与深度学习的混凝自动投药方法与系统,属于水处理领域;方法包括:采集高藻水图像数据;采用卷积神经网络分别构建藻类分类模型和藻浓度预测模型;采集不同混凝条件下的絮体图像,且得到最佳投放量;结合藻类分类模型、藻浓度预测模型与混凝实验结果,构建混凝剂最佳投量预测模型;将不同混凝条件下的絮体图像的投放量与最佳投放量的差值作为样本标签;采用迁移学习的方式利用数据集进行训练,构建混凝剂调整量预测模型;本发明基于卷积神经网络和图像识别技术分析高藻水图像,判断原水中藻类类别及藻类浓度,预测混凝剂初次投加量,通过识别混凝后絮体图像进一步优化混凝剂投加量,实现混凝剂智能投放。

    基于云计算平台的开放式臭氧在线监测及智能投放系统

    公开(公告)号:CN117886432A

    公开(公告)日:2024-04-16

    申请号:CN202410290029.1

    申请日:2024-03-14

    Applicant: 湖南大学

    Abstract: 本发明公开了基于云计算平台的开放式臭氧在线监测及智能投放系统,涉及水处理技术领域。本发明相较于市面上现有的臭氧投加方法,能够更加准确的确定臭氧投加浓度,提高了水质净化效率,节约了投加成本,解决了臭氧投加依赖人工经验的问题;本发明充分利用进水端信息结合机器学习模型进行提前预测,并根据出水端信息进行预测数据调整,能够大幅缩短臭氧投加量的调节时间;同时结合出水端数据结合机器学习模型进行臭氧投加量的调整预测,从而提供更高精度的臭氧投加控制,最大程度地提高水质净化效率。同时基于远程控制的方式实现臭氧投加量的自动化投加,无需操作员手动干预。可以提高系统的稳定性和一致性,减少人为误差和操作员技能水平的影响。

    一种基于机器视觉与深度学习的混凝自动投药方法与系统

    公开(公告)号:CN115925076A

    公开(公告)日:2023-04-07

    申请号:CN202310218318.6

    申请日:2023-03-09

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于机器视觉与深度学习的混凝自动投药方法与系统,属于水处理领域;方法包括:采集高藻水图像数据;采用卷积神经网络分别构建藻类分类模型和藻浓度预测模型;采集不同混凝条件下的絮体图像,且得到最佳投放量;结合藻类分类模型、藻浓度预测模型与混凝实验结果,构建混凝剂最佳投量预测模型;将不同混凝条件下的絮体图像的投放量与最佳投放量的差值作为样本标签;采用迁移学习的方式利用数据集进行训练,构建混凝剂调整量预测模型;本发明基于卷积神经网络和图像识别技术分析高藻水图像,判断原水中藻类类别及藻类浓度,预测混凝剂初次投加量,通过识别混凝后絮体图像进一步优化混凝剂投加量,实现混凝剂智能投放。

Patent Agency Ranking