一种基于环境先验知识的污水处理曝气智能控制方法

    公开(公告)号:CN118724304A

    公开(公告)日:2024-10-01

    申请号:CN202410723595.7

    申请日:2024-06-05

    Abstract: 本发明涉及污水处理技术领域,具体涉及一种基于环境先验知识的污水处理曝气智能控制方法。根据进水监测,过程监测以及出水监测过程中的水质指标获取水质指标监测数据集,根据污水处理设备进行设备数据采集获取设备工况监测数据集;将水质指标监测数据集和设备工况监测数据集融合,根据环境先验知识拓展成带有环境先验知识的融合数据集;将带有环境先验知识的融合数据集输入可调参数的长短期记忆神经网络机器学习模型中,根据可调参数自适应长短期记忆神经网络模型,输出鼓风机曝气提供的氧气量,从而对曝气处理过程进行控制。本发明方法实现对污水处理曝气工艺的智能化控制,降低能耗并提高曝气供氧量的合理性,对污水达标排放起到积极作用。

    一种污水生化处理中温室气体的模拟及预测方法

    公开(公告)号:CN117113803A

    公开(公告)日:2023-11-24

    申请号:CN202310671828.9

    申请日:2023-06-07

    Abstract: 本发明涉及一种污水生化处理中温室气体的模拟及预测方法,所述方法包括以下步骤:S100、采集污水处理厂生化池水质数据及温室气体排放数据,构建活性污泥模型;S200、建立所述活性污泥模型的化学计量矩阵和动力学速率方程矩阵;S300、验证所述活性污泥模型的连续性;S400、确定活性污泥模型的优化参数集合;S500、采用网格遍历寻优算法确定优化参数的最优组合,对所述活性污泥模型完成模拟;S600、将所述测试集输入训练好的所述活性污泥模型,运行该活性污泥模型,得到温室气体排放量的预测值。本发明公开的污水生化处理中温室气体的模拟及预测方法,为污水厂温室气体排放的评估与调控提供科学依据和理论指导,为工艺优化提供技术支持。

    一种污水生化处理中温室气体的模拟及预测方法

    公开(公告)号:CN117113803B

    公开(公告)日:2024-08-20

    申请号:CN202310671828.9

    申请日:2023-06-07

    Abstract: 本发明涉及一种污水生化处理中温室气体的模拟及预测方法,所述方法包括以下步骤:S100、采集污水处理厂生化池水质数据及温室气体排放数据,构建活性污泥模型;S200、建立所述活性污泥模型的化学计量矩阵和动力学速率方程矩阵;S300、验证所述活性污泥模型的连续性;S400、确定活性污泥模型的优化参数集合;S500、采用网格遍历寻优算法确定优化参数的最优组合,对所述活性污泥模型完成模拟;S600、将所述测试集输入训练好的所述活性污泥模型,运行该活性污泥模型,得到温室气体排放量的预测值。本发明公开的污水生化处理中温室气体的模拟及预测方法,为污水厂温室气体排放的评估与调控提供科学依据和理论指导,为工艺优化提供技术支持。

    一种基于图像信息的絮凝过程智能投药控制方法

    公开(公告)号:CN118915642A

    公开(公告)日:2024-11-08

    申请号:CN202410944757.X

    申请日:2024-07-15

    Abstract: 本发明涉及污水处理技术领域,具体涉及一种基于图像信息的絮凝过程智能投药控制方法。获取进水水质监测数据集、过程水质监测数据集、出水水质监测数据集、设备工况监测数据集、投药量监测数据集以及絮凝区表面状态监测数据集;将进水水质、过程水质、出水水质、设备工况以及投药量监测数据集融合为水质工况投药融合数据集,将絮凝区表面状态以及投药量监测数据集融合为图像投药融合数据集;将水质工况投药融合数据集输入可调参数的K近邻回归子模型中,将图像投药融合数据集输入可调参数的目标检测子模型中。将两个模型结果融合为图信息融合模型,按照百分比误差归一化后的权重系数融合。

    污水处理厂中好氧池内曝气设定值计算方法

    公开(公告)号:CN115602258A

    公开(公告)日:2023-01-13

    申请号:CN202211145607.X

    申请日:2022-09-20

    Abstract: 本发明属于好氧池内曝气设定值探究技术领域,具体涉及污水处理厂中好氧池内曝气设定值计算方法。包括四个步骤:步骤一:污水厂生化段活性污泥机理模型的建立;步骤二:建立GA-BP神经网络模型;步骤三,定时采集当前污水处理厂进水端的水质参数值,得到监测数据集;步骤四,将步骤三中所述的监测数据集相关值对应输入在GA-BP神经网络模型中,得出好氧池曝气设定值。本发明结合了机理(污水厂生化段活性污泥机理模型)与深度学习模型(GA-BP神经网络模型),能根据污水厂的质水量变化,调节好氧池曝气设定值,进一步保证水质,节约能耗。

    基于WATS-LSTM耦合模型的城市污水管道中硫化氢预测方法及装置

    公开(公告)号:CN116306299A

    公开(公告)日:2023-06-23

    申请号:CN202310292007.4

    申请日:2023-03-23

    Abstract: 本发明公开了一种基于WATS‑LSTM耦合模型的城市污水管道中硫化氢预测方法及装置,方法包括:采集污水管道数据并利用采集数据构建污水管道WATS模型;利用模拟退火算法对WATS模型参数进行更新并进行校验;将校验后的WATS模型生成的水质数据和采集数据作为因变量数据矩阵并进行标准化处理,根据碎石检验确定公因子数并对因变量数据矩阵进行因子分析得到因子得分矩阵;将因子得分矩阵分为训练集和测试集,利用训练集对LSTM模型进行训练,输出归一化的硫化氢排放量;对LSTM模型的输出结果进行反向归一化得到硫化氢排放量预测值。本发明基于WATS模型和LSTM模型的耦合,能够克服单一模型的局限性,提高预测精度;能够自适应地学习新的数据模式,预测模型具有良好的泛化能力。

Patent Agency Ranking