基于迁移学习的重金属废水处理过程异常工况智能化监测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于迁移学习的重金属废水处理过程异常工况智能化监测方法、装置及存储介质基于迁移学习的重金属废水处理过程异常工况智能化监测，通过对不同来源的重金属废水处理过程数据融合，能够自动的实现不同来源的重金属废水处理过程异常工况智能识别；具体为利用来源固定的重金属废水处理过程的正常样本Y

【技术实现步骤摘要】
基于迁移学习的重金属废水处理过程异常工况智能化监测方法、装置及存储介质
本专利技术属于重金属废水处理领域，特别涉及一种基于迁移学习的重金属废水处理过程异常工况智能化监测方法、装置及存储介质。
技术介绍
作为地球上不可替代的自然资源与环境资源，水的储量与质量与人类的生存发展息息相关。随着近些年工业的高速发展，工业废水尤其是重金属废水对环境污染非常严重和对人类危害非常深远。同时，重金属在环境中稳定性高、难降解、迁移范围广，正逐渐成为全球性环境问题。絮凝—电化学技术是实现重金属废水深度净化的有效途径之一。该技术用电化学技术对经传统絮凝沉淀过程处理后的废水进行深度处理，可以减少药剂的消耗，与单一的电絮凝处理废水相比，又可以节约电能。一方面，现有絮凝—电化学技术对废水的处理效果受多种过程因素(如pH值、电流密度、电导率等)的影响。另一方面，重金属废水因其来源等存在不确定性，包括气候变化、人为破坏、偶然污染、内部许多生物化学反应过程的机理不明确等，难以用明确的数学关系对重金属废水的特征进行描述。除此之外，不同来源的重金属废水的离子浓度分布差本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的重金属废水处理过程异常工况智能化监测方法，其特征在于，包括：/n1)利用历史采集的来源固定的重金属废水处理数据样本，构建来源固定的重金属废水处理数据样本的离线字典；/n2)利用历史采集的来源未知的有效重金属废水处理数据样本，对离线字典进行迁移学习，获得来源未知的有效重金属废水处理数据样本对应的扩展字典；/n3)利用扩展字典，计算来源未知下的有效重金属废水处理数据样本的重构误差，并基于所述重构误差，利用核密度估计获得重金属废水处理过程工况中的控制限；/n4)计算待监测数据y

【技术特征摘要】
1.一种基于迁移学习的重金属废水处理过程异常工况智能化监测方法，其特征在于，包括：
1)利用历史采集的来源固定的重金属废水处理数据样本，构建来源固定的重金属废水处理数据样本的离线字典；
2)利用历史采集的来源未知的有效重金属废水处理数据样本，对离线字典进行迁移学习，获得来源未知的有效重金属废水处理数据样本对应的扩展字典；
3)利用扩展字典，计算来源未知下的有效重金属废水处理数据样本的重构误差，并基于所述重构误差，利用核密度估计获得重金属废水处理过程工况中的控制限；
4)计算待监测数据yt在扩展字典DTD下的重构误差，若计算得到的重构误差小于控制限，则认为当前重金属废水处理过程未出现异常，否则，则认为当前重金属废水处理过程出现异常。


2.根据权利要求1所述的方法，其特征在于，所述来源固定的重金属废水处理数据样本的离线字典的构建过程如下：
步骤1.1：历史样本采集；
利用传感器采集来源固定的重金属废水处理历史样本，来源固定的样本集合为YSD；yi表示来源固定的第i个重金属废水处理历史样本，1≤i≤Ns，每个样本包含m个废水指标{pH值、电流密度、电导率、初始重金属浓度、流量}，Ns表示YSD中包含的样本个数；
步骤1.2：依据稀疏表示原理，利用字典D1和稀疏编码X表示YSD，构建离线字典学习的目标函数，并通过求解离线字典学习的目标函数，获得YSD对应的最优初始字典DSD，以及与DSD对应的稀疏编码XSD；






其中，字典D1的初始取值为从历史样本集合YSD中随机选取的K个样本按列排列形成的矩阵，K＝10*m，T为稀疏编码矩阵中的每一列非零元素个数设定值，和||·||0分别表示二范数和零范数；xi表示X中的第i列。


3.根据权利要求2所述的方法，其特征在于，采用K-SVD方法对所述离线字典学习的目标函数进行求解，不断更新字典D1和稀疏编码X，直到获得YSD对应的最优初始字典DSD。


4.根据权利要求1所述的方法，其特征在于，所述利用历史采集的来源未知的有效重金属废水处理数据样本，对离线字典进行迁移学习，获得扩展字典的过程如下：
利用传感器采集来源未知的有效重金属废水处理历史样本，来源未知的有效样本集合为YTD；依据稀疏表示原理，利用初始字典DSD和对应的稀疏编码X表示YTD，构建未知来源后重金属废水处理数据样本对应的稀疏编码的目标函数，通过迁移学习，求解获得来源为未知的有效样本集合YTD对应的最优稀疏编码Xp，再利用Xp获得对应的最优字典；






其中，Dp表示迁移学习过程中的插值字典，Dp的初始值表示来源固定的重金属废水处理数据样本的离线字典对应的最优初始字典DSD，即当p＝0时，D0＝DSD；T为稀疏编码矩阵中的非零元素个数设定值，和||·||0分别表示二范数和零范数；xi表示X中的第i列。


5.根据权利要求4所述的方法，其特征在于，通过构建来源未知的重金属废水处理数据样本对应的字典的目标函数，求解来源为未知的有效样本集合YTD...

【专利技术属性】
技术研发人员：黄科科，文昊飞，阳春华，朱红求，李勇刚，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43