【技术实现步骤摘要】
一种基于PCA-LSTM网络的废水处理智能监控方法
本专利技术涉及废水处理智能控制研究领域,特别涉及一种基于PCA-LSTM网络的废水处理智能监控方法。
技术介绍
废水处理包含多个复杂生化反应过程,其机理目前尚未完全清楚,因此很难用精确的数学模型来有效预测和调控废水处理系统出水水质,如出水COD和出水SS浓度,近年来,基于深度学习的预测方法在许多领域得到广泛应用。相对于传统预测方法,深度学习具有更强的学习能力和泛化能力,能够组合更加复杂的非线性运算,尤其在时序预测方面性能显著,但在实际使用时同时存在梯度消失和梯度爆炸等问题,使得预测准确性不高。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足,提供一种基于PCA-LSTM网络的废水处理智能监控方法,基于废水处理系统出水水质与进水指标、模型控制参数之间的联系,充分利用主成分分析(PCA)降维优化和LSTM神经网络准确感知对象时序演变内在规律的优势,创建基于PCA-LSTM融合模型的出水水质参数软测量模型,有效解决模型使用时梯度消失和梯度爆炸问题,可用于对废水处理系统出水COD和SS浓度进行实时监测,进而对废水处理系统进行智能化调控,提升出水水质,提高废水处理系统安全性和稳定性。本专利技术的目的通过以下的技术方案实现:一种基于PCA-LSTM网络的废水处理智能监控方法,包括以下步骤:S1、获取输入自变量和输出变量,划分训练集和测试集,并对输入自变量进行标准化处理,得到标准化输入自变量;S2、通过P ...
【技术保护点】
1.一种基于PCA-LSTM网络的废水处理智能监控方法,其特征在于,包括以下步骤:/nS1、获取输入自变量和输出变量,划分训练集和测试集,并对输入自变量进行标准化处理,得到标准化输入自变量;/nS2、通过PCA算法筛选出最优输入自变量;/nS3、通过最优输入自变量,构建PCA-LSTM融合回归预测模型;所述PCA-LSTM融合回归预测模型包含输入层、LSTM层、双向LSTM层、全连接层、Dropout层、输出层;/nS4、对PCA-LSTM融合回归预测模型进行训练,得到训练后PCA-LSTM融合回归预测模型;/nS5、通过训练后PCA-LSTM融合回归预测模型对废水处理系统水质进行智能监控,得到相应结果。/n
【技术特征摘要】
1.一种基于PCA-LSTM网络的废水处理智能监控方法,其特征在于,包括以下步骤:
S1、获取输入自变量和输出变量,划分训练集和测试集,并对输入自变量进行标准化处理,得到标准化输入自变量;
S2、通过PCA算法筛选出最优输入自变量;
S3、通过最优输入自变量,构建PCA-LSTM融合回归预测模型;所述PCA-LSTM融合回归预测模型包含输入层、LSTM层、双向LSTM层、全连接层、Dropout层、输出层;
S4、对PCA-LSTM融合回归预测模型进行训练,得到训练后PCA-LSTM融合回归预测模型;
S5、通过训练后PCA-LSTM融合回归预测模型对废水处理系统水质进行智能监控,得到相应结果。
2.根据权利要求1所述的一种基于PCA-LSTM网络的废水处理智能监控方法,其特征在于,所述输入自变量包括进水COD、进水流量Q、进水SS、温度T、溶解氧DO和pH;所述输出变量包含出水COD和出水SS浓度。
3.根据权利要求1所述的一种基于PCA-LSTM网络的废水处理智能监控方法,其特征在于,所述标准化处理具体如下:
S101、按照8:2比例将样本数据划分为训练集与测试集,均匀随机选取样本中80%组数据为训练集,20%组数据为测试集;
S102、对训练集和测试集的输入自变量分别进行标准化处理,标准化方法如下:
对每组数据减去均值再除以标准差,则标准化后数据为:
Xtrain(k,:)=(xtrain(k,:)-mu)/sig,
Xtest(k,:)=(xtest(K,:)-mu)/sig,
其中,Xtrain为标准化训练集数据矩阵,xtrain为训练集数据矩阵,k为第k行数据,Xtest为标准化测试集数据矩阵,xtest为测试集数据矩阵,mu为训练集平均值,sig为训练集标准差。
4.根据权利要求1所述的一种基于PCA-LSTM网络的废水处理智能监控方法,其特征在于,所述步骤S2具体为:
S201、将标准化数据输入PCA函数,得到训练样本的特征向量、新的数据主成分、特征值:
[coeff,score,latent]=pca(Xtrain),
其中,coeff为训练样本特征向量,score为训练样本新的数据主成分,latent为训练样本特征值,Xtrain为标准化训练集数据矩阵;
S202、计算每个训练样本新的数据主成分的贡献率,方法如下:
Explained=latent/sum(latent),
其中,Explained为训练样本新的数据主成分的贡献率;
S203、计算训练样本新的数据主成分的累积贡献率,提取累积贡献率大于80%的前k个训练样本新的数据主成分组成新的训练集,方法如下:
Ptrain=score(:,1:k),
其中Ptrain为提取的新的训练集主成分;
S204、提取测试集输入变量的主成分,方法如下:
计算出训练集标准化后的平均值,把该平均值复制x次,组成平均值矩阵,使用测试集减去平均值再乘以训练集特征向量,得到测试集新成分:
Ptest=[Xtest-repmat(Mu,[x,1])]*coeff(:,1:k),
其中,Ptest为提取的新的测试集主成分,Xtest为标准化后的测试集,Mu为训练集平均值,x为测试集...
【专利技术属性】
技术研发人员:黄明智,林来鹏,应光国,易晓辉,李小勇,
申请(专利权)人:华南师范大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。