一种基于废水水质判断集输管道结垢影响的方法技术

本发明专利技术提供了一种基于废水水质判断集输管道结垢影响的方法，属于集输管道技术领域。首先，获取废水管道结垢的影响因子数据；对影响因子数据进行归一化处理；构建神经网络模型，利用经归一化处理后的影响因子数据对神经网络模型进行训练和验证，得到最优神经网络模型，并根据最优神经网络模型得到各影响因子的权重值；根据各影响因子权重值的大小，选择关键影响因子进行正交试验分析；根据正交试验分析结果预测废水水质因素对集输管道结垢的影响，完成对集输管道结垢影响的判断。本发明专利技术解决了现有技术中缺乏全面考虑各水质因素协同作用对结垢影响的问题，克服了主观赋权的主观偏好问题。

A method to judge the effect of scaling on gathering and transportation pipeline based on wastewater quality

【技术实现步骤摘要】
一种基于废水水质判断集输管道结垢影响的方法
本专利技术属于集输管道
，尤其涉及一种基于废水水质判断集输管道结垢影响的方法。
技术介绍
废水在收集及输运过程中管路常常发生结垢，垢物在管道壁面的逐渐沉积会降低输运效率，增加运营成本，严重时可能引起爆管。废水的水质特征是引起结垢的关键因素，现有基于水质因素对结垢影响程度的判断方法主要有：(1)饱和指数和稳定指数法：通过离子强度与水温关系曲线建立水、含盐量和温度的函数，定性地预测水中碳酸钙沉淀的倾向性；(2)赋权法：主观赋权法由决策评价者根据经验对结垢影响程度进行权重赋值，主观随意性较强；客观赋权法忽略影响因子间的交互作用，而仅考虑数值间的差异性；(3)相关性分析：筛选的变量间存在一定共线性问题，有可能导致与结垢有显著相关的水质因子被剔除。此外，现有方法主要考虑无机盐类对结垢的影响，忽视了废水中其他水质因素指标对结垢的协同影响和交互作用。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的一种基于废水水质判断集输管道结垢影响的方法，解决了现本文档来自技高网...

【技术保护点】
1.一种基于废水水质判断集输管道结垢影响的方法，其特征在于，包括以下步骤：/nS1、获取废水管道结垢的影响因子数据；/nS2、对所述影响因子数据进行归一化处理，并将经归一化处理后的影响因子数据划分训练集和验证集；/nS3、构建神经网络模型，分别利用训练集和验证集对所述神经网络模型进行训练和验证，得到最优神经网络模型，并根据最优神经网络模型得到各影响因子的权重值；/nS4、根据所述各影响因子权重值的大小，选择关键影响因子进行正交试验分析；/nS5、根据正交试验分析结果预测废水水质因素对集输管道结垢的影响，完成对集输管道结垢影响的判断。/n

【技术特征摘要】
1.一种基于废水水质判断集输管道结垢影响的方法，其特征在于，包括以下步骤：
S1、获取废水管道结垢的影响因子数据；
S2、对所述影响因子数据进行归一化处理，并将经归一化处理后的影响因子数据划分训练集和验证集；
S3、构建神经网络模型，分别利用训练集和验证集对所述神经网络模型进行训练和验证，得到最优神经网络模型，并根据最优神经网络模型得到各影响因子的权重值；
S4、根据所述各影响因子权重值的大小，选择关键影响因子进行正交试验分析；
S5、根据正交试验分析结果预测废水水质因素对集输管道结垢的影响，完成对集输管道结垢影响的判断。


2.根据权利要求1所述的基于废水水质判断集输管道结垢影响的方法，其特征在于，所述步骤S3包括以下步骤：
S301、构建神经网络模型；
S302、将训练集输入至所述神经网络模型，并利用动量BP算法对所述神经网络模型进行训练；
S303、利用验证集对已训练的神经网络模型进行验证；
S304、将训练输出结果与验证输出结果进行对比，判断对比结果是否满足预设的误差要求，若是，则得到最优神经网络模型，并根据最优神经网络模型得到各影响因子的权重值，进入步骤S4，否则，返回步骤S302。


3.根据权利要求2所述的基于废水水质判断集输管道结垢影响的方法，其特征在于，所述步骤S301中神经网络模型包括依次连接的输入层、隐藏层以及输出层；
所述隐藏层节点数的选择表达式如下：



其中，n表示隐藏层节点数，ni表示输入层节点数，no表示输出层节点数，a表示1-10的常数。


4.根据权利要求2所述的基...

【专利技术属性】
技术研发人员：赵锐，李敏，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51