一种基于指数平滑模型的污水处理厂进水量预测的方法技术

本发明专利技术公开了一种基于指数平滑模型的污水处理厂进水量预测的方法，包括下述步骤：首先获取污水处理厂进水量的数据，并进行数据质量分析；然后对获取的数据进行数据清洗、数据填补和数据滤波，以达到指数平滑模型的要求；再选择合适的指数平滑次数，确定指数平滑模型；利用优选法确定指数平滑模型加权系数；最后利用训练样本和已建立的指数平滑模型，进行污水处理厂进水量预测，并对预测效果进行分析，如果预测效果不合格，则重新选择指数平滑的次数，直到模型合格为止，最后输出预测结果。本发明专利技术的方法基于指数平滑模型，模型简单易实现，计算快速，且能够有效提高污水处理厂进水量预测精度。

【技术实现步骤摘要】
一种基于指数平滑模型的污水处理厂进水量预测的方法
本专利技术涉及污水处理
，特别涉及一种基于指数平滑模型的污水处理厂进水量预测的方法。
技术介绍
目前很多污水处理厂的工艺设计，进水水质的设计裕量很大，使用多年之后水质仍远小于设计值，水量也达不到当时的设计值，这就导致投资的浪费。如何根据具体情况预估污水的长期增长趋势，然后进行建厂的合理投资和运营的市场化，是目前政府正在考虑的方面。城市污水处理厂的进水量变化规律，主要表现在两个方面，一方面是污水处理厂的进水量随着城市建设发展，呈逐渐增长的趋势；宁一方面是污水处理厂的进水量呈现以日、轴、月和年作为周期的波动趋势。常用的水量预测方法包括回归方法、时间序列方和人工神经网络预测法等。由于影响污水处理厂进水量的因素复杂多样，因而很难讲各种因素归于同一回归方程；神经网络可以以任意精度逼近一个具有有限间断点的非线性函数，在污水处理厂进水量预测中有很多研究，但神经网络容易陷入局部最优，过拟合影响模型精度。虽然时间序列发不能够考虑其他因素对水量的影响，但是时间序列具有很稳定的预测效果，并能够很好的反映污水处理厂进水量周期性变化。
技术实现思路
本专利技本文档来自技高网...

【技术保护点】
1.一种基于指数平滑模型的污水处理厂进水量预测的方法，其特征在于，包括下述步骤：S1、获取污水处理厂进水量的数据，并进行数据质量分析，以筛选质量不合格的数据；S2、对步骤S1中经过质量分析的数据进行数据预处理，获得用于建模的时间序列数据；所述预处理包括数据清洗、数据填补、以及数据滤波；S3、根据步骤S2获得的时间序列数据的变化趋势，选择指数平滑模型；所述指数平滑模型包括：一次指数平滑模型、二次指数平滑模型、以及三次指数平滑模型；S4、对于经过步骤S3选择的指数平滑模型，利用优选法确定该指数平滑模型的加权系数，得到污水处理厂进水量指数平滑模型；S5、根据步骤S4获得的污水处理厂进水量指数平滑模型...

【技术特征摘要】
1.一种基于指数平滑模型的污水处理厂进水量预测的方法，其特征在于，包括下述步骤：S1、获取污水处理厂进水量的数据，并进行数据质量分析，以筛选质量不合格的数据；S2、对步骤S1中经过质量分析的数据进行数据预处理，获得用于建模的时间序列数据；所述预处理包括数据清洗、数据填补、以及数据滤波；S3、根据步骤S2获得的时间序列数据的变化趋势，选择指数平滑模型；所述指数平滑模型包括：一次指数平滑模型、二次指数平滑模型、以及三次指数平滑模型；S4、对于经过步骤S3选择的指数平滑模型，利用优选法确定该指数平滑模型的加权系数，得到污水处理厂进水量指数平滑模型；S5、根据步骤S4获得的污水处理厂进水量指数平滑模型，利用训练样本进行污水处理厂进水量预测，进行预测效果分析，如果预测效果不合格，则重新选择指数平滑的次数，直到模型合格为止，最后输出预测结果。2.根据权利要求1所述的基于指数平滑模型的污水处理厂进水量预测的方法，其特征在于，步骤S1中，所述数据质量分析具体指判断获取的污水处理厂进水量的原始数据是否存在数据质量不合格的数据，所述质量不合格的数据包括异常值、缺失值、以及包含非数值型数据。3.根据权利要求2所述的基于指数平滑模型的污水处理厂进水量预测的方法，其特征在于，对于数据异常值，通过箱线图进行初次筛选，再通过3σ准则进行二次筛选；对于缺失值，采用matlab中的isnan()函数进行判断，对于非数值型数据，采用matlab中的isnumeric()函数进行判断。4.根据权利要求1所述的基于指数平滑模型的污水处理厂进水量预测的方法，其特征在于，步骤S2中，所述数据清洗具体指：将数据质量分析筛选出的异常值通过全局均值替换，非数值型数据变为常数值；所述数据填补具体指：将连续1个小时以内的缺失值采用单序列的局部回归拟合插值法进行填补，其余连续超过1小时的缺失值进行最近邻法插值；所述数据滤...

【专利技术属性】
技术研发人员：陈新泉，薛菲，李继庚，洪蒙纳，胡雨沙，
申请(专利权)人：广东省广业科技集团有限公司，
类型：发明
国别省市：广东,44