-
公开(公告)号：CN105675838A
公开(公告)日：2016-06-15
申请号：CN201610237451.6
申请日：2016-04-15
Applicant: 北京工业大学
CPC classification number: G01N33/18 , G01N33/182 , G06N3/02
Abstract: 基于数据驱动的A2/O流程出水总磷智能检测方法属于污水处理水质参数在线检测领域，从污水处理过程海量运行数据中深入分析出水总磷与其他过程变量的关系，首次提出污水处理过程中出水总磷的智能特征建模方法，获取5类与出水总磷相关性强的过程变量。同时，基于功能需求设计流程及污水处理流程工艺设计搭建了智能检测系统的硬件平台，进一步精确了各变量测量电位。此外，将出水总磷智能计算技术嵌入至智能检测系统软件，搭建了完整的软硬件通讯通路，将出水总磷智能检测系统硬件平台、操作软件以及出水总磷智能计算技术进行整合，形成完整的出水总磷智能检测系统，弥补了国内外在出水总磷智能检测技术应用层面上的空白。
-
Patent Agency Ranking
公开(公告)号：CN103886369A
公开(公告)日：2014-06-25
申请号：CN201410117471.0
申请日：2014-03-27
Applicant: 北京工业大学
Abstract: 针对当前污水处理过程出水总磷TP测量过程繁琐、仪器设备造价高、维护安装困难、测量结果可靠性和精确性低等问题，本发明提出了一种污水处理过程出水总磷TP智能预测方法，建立了基于模糊神经网络出水总磷TP预测方法，并且利用实时数据对预测模型进行校正，实现了对污水处理过程出水总磷TP的预测，解决了出水总磷TP难以测量的问题；实验结果表明该出水总磷TP预测方法能够快速、准确地预测污水处理出水总磷TP浓度，对环境差异具有很好的适应能力，保障了污水处理过程高效稳定运行。
-
公开(公告)号：CN104376380A
公开(公告)日：2015-02-25
申请号：CN201410655729.2
申请日：2014-11-17
Applicant: 北京工业大学
CPC classification number: G06N3/088 , C02F3/006 , C02F2101/16 , C02F2209/001 , C02F2209/006 , C02F2209/04 , C02F2209/10 , C02F2209/14 , C02F2209/18 , C02F2209/22 , C02F2209/40 , G01N33/18 , G01N33/188 , G06N3/0445 , G06N3/082 , G06N3/02 , G06Q50/06
Abstract: 一种基于递归自组织神经网络的氨氮浓度预测方法既属于控制领域，又属于水处理领域。针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题，本发明基于城市污水处理生化反应特性，利用一种递归自组织神经网络实现对关键水质参数氨氮浓度的预测，解决了出水氨氮浓度难以测量的问题；结果表明该递归自组织神经网络能够快速、准确地预测污水处理出水氨氮的浓度，有利于提升污水处理过程出水氨氮浓度质量监控水平和加强城市污水处理厂精细化管理。
-
公开(公告)号：CN105675838B
公开(公告)日：2017-12-15
申请号：CN201610237451.6
申请日：2016-04-15
Applicant: 北京工业大学
CPC classification number: G01N33/18 , G01N33/182
Abstract: 基于数据驱动的A2/O流程出水总磷智能检测方法属于污水处理水质参数在线检测领域，从污水处理过程海量运行数据中深入分析出水总磷与其他过程变量的关系，首次提出污水处理过程中出水总磷的智能特征建模方法，获取5类与出水总磷相关性强的过程变量。同时，基于功能需求设计流程及污水处理流程工艺设计搭建了智能检测系统的硬件平台，进一步精确了各变量测量电位。此外，将出水总磷智能计算技术嵌入至智能检测系统软件，搭建了完整的软硬件通讯通路，将出水总磷智能检测系统硬件平台、操作软件以及出水总磷智能计算技术进行整合，形成完整的出水总磷智能检测系统，弥补了国内外在出水总磷智能检测技术应用层面上的空白。
-
公开(公告)号：CN104376380B
公开(公告)日：2017-07-21
申请号：CN201410655729.2
申请日：2014-11-17
Applicant: 北京工业大学
IPC: G06F17/00
CPC classification number: G06N3/088 , C02F3/006 , C02F2101/16 , C02F2209/001 , C02F2209/006 , C02F2209/04 , C02F2209/10 , C02F2209/14 , C02F2209/18 , C02F2209/22 , C02F2209/40 , G01N33/18 , G01N33/188 , G06N3/0445
Abstract: 一种基于递归自组织神经网络的氨氮浓度预测方法既属于控制领域，又属于水处理领域。针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题，本发明基于城市污水处理生化反应特性，利用一种递归自组织神经网络实现对关键水质参数氨氮浓度的预测，解决了出水氨氮浓度难以测量的问题；结果表明该递归自组织神经网络能够快速、准确地预测污水处理出水氨氮的浓度，有利于提升污水处理过程出水氨氮浓度质量监控水平和加强城市污水处理厂精细化管理。
-
公开(公告)号：CN103886369B
公开(公告)日：2016-10-26
申请号：CN201410117471.0
申请日：2014-03-27
Applicant: 北京工业大学
Abstract: 针对当前污水处理过程出水总磷TP测量过程繁琐、仪器设备造价高、维护安装困难、测量结果可靠性和精确性低等问题，本发明提出了一种污水处理过程出水总磷TP智能预测方法，建立了基于模糊神经网络出水总磷TP预测方法，并且利用实时数据对预测模型进行校正，实现了对污水处理过程出水总磷TP的预测，解决了出水总磷TP难以测量的问题；实验结果表明该出水总磷TP预测方法能够快速、准确地预测污水处理出水总磷TP浓度，对环境差异具有很好的适应能力，保障了污水处理过程高效稳定运行。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
