公开(公告)号：CN119620793A

公开(公告)日：2025-03-14

申请号：CN202410315628.4

申请日：2024-03-19

Applicant: 北部湾大学

Inventor： 邓军林 ,  吴宁 ,  朱雯薇 ,  梁曦 ,  高学山

IPC: G05D11/13

Abstract: 本发明涉及污水处理药剂投放领域，公开了一种基于CNN‑BiGRU的污水处理药剂投放浓度控制方法，包括以下步骤：S10、收集与污水处理药剂投放浓度的数据；S20、对收集到的数据进行预处理；S30、使用卷积神经网络对数据进行特征提取；S40、将卷积神经网络提取的特征作为输入序列，输入到双向门控循环单元中进行序列建模；S50、根据训练好的模型，对新的输入数据进行药剂投放浓度预测；S60、结合实时监测的数据，采用反馈控制策略对预测结果进行调整，并实时更新控制策略。通过使用卷积神经网络和双向门控循环单元进行序列建模，能够更准确地提取污水处理过程中的特征，并对投放药剂浓度进行预测。这样可以优化药剂投放策略，提高污水处理的效率和质量。

公开(公告)号：CN118171061A

公开(公告)日：2024-06-11

申请号：CN202410315617.6

申请日：2024-03-19

Applicant: 北部湾大学

Inventor： 邓军林 ,  吴宁 ,  廖翠平 ,  梁曦 ,  高学山

IPC: G06F18/20 ,  G06F18/214 ,  G06N3/0475 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/094 ,  G06N3/0455 ,  G16C20/70

Abstract: 本发明涉及水处理技术领域，公开了一种基于GAN的自组织BP神经网络出水氨氮预测方法，包括以下步骤：S1、训练生成器网络和判别器网络的GAN模型，其中生成器网络生成符合实际数据分布的合成数据，判别器网络评估合成数据的真实性；S2、将生成的合成数据与真实数据按比例混合，构建用于训练BP神经网络的数据集；S3、利用深度自组织神经网络对数据进行特征提取和降维处理，以减少数据维度和提高模型效率。通过训练生成器网络和判别器网络的GAN模型，生成符合实际数据分布的合成数据，解决了数据分布不均匀的问题，以及引入自适应学习率机制，根据模型训练过程中的性能动态调整学习率，并且在BP神经网络中引入残差连接，促进信息流动。