一种基于GA-ANN模型算法的电絮凝控制方法和控制装置制造方法及图纸

本发明专利技术涉及一种基于GA

【技术实现步骤摘要】
一种基于GA
‑
ANN模型算法的电絮凝控制方法和控制装置


[0001]本专利技术涉及机器学习与环境工程的交叉领域，具体涉及一种基于GA
‑
ANN模型算法的电絮凝控制方法和控制装置。

技术介绍

[0002]目前，电絮凝作为一种水处理技术，利用外部电源向浸没在待处理水中的电极施加电流来实现电化学溶解，牺牲电极原位生产金属混凝剂。采用电絮凝代替传统化学混凝的净水工艺可以省去配药、投药等一系列设备，而仅通过改变电流和电压来控制金属混凝剂的生成量。
[0003]如CN103848483A公开了一种电絮凝水处理装置及电絮凝水处理方法，所述电絮凝水处理装置包括外壳，所述外壳内设有交错间隔排列的正电极板和负电极板，所述正电极板与负电极板之间设有绝缘瓷柱，所述正电极板和负电极板通过固定连接件固定连接，所述绝缘瓷柱设在固定连接件上，所述正电极板和负电极板外侧还设有绝缘板，水处理方法是将废水先进入提升泵产生水压，并将水依次压入电絮凝装置和离心沉淀器，离心沉淀器的出水再通过增压泵排至自清洗过滤，过滤后的出水可以回用，反洗出水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GA
‑
ANN模型算法的电絮凝控制方法，其特征在于，所述电絮凝控制方法包括：S1、依据历史进水水质参数和历史出水水质参数对GA
‑
ANN模型进行训练预测电絮凝理论运行电流；S2、将所得电絮凝理论运行电流通过经上位机监控系统传送至控制系统对电絮凝进行控制，若实际出水浊度≤限定阈值，则记录此时的水质数据与运行数据；若实际出水浊度＞限定阈值，则控制系统控制电絮凝装置以最大电流运行，并重新进行S1至决定系数R2＞0.9时再次开始S2。2.如权利要求1所述电絮凝控制方法，其特征在于，所述历史进水水质参数包括历史进水流量、历史进水pH值、历史进水温度、历史进水电导率和历史进水浊度；优选地，所述历史出水水质参数包括历史出水流量和历史出水浊度。3.一种如权利要求1或2所述电絮凝控制方法，其特征在于，所述GA
‑
ANN模型基于前馈反向传播方法建立，利用遗传算法计算人工神经网络中的初始权值和偏差。4.一种如权利要求1
‑
3任一项所述电絮凝控制方法，其特征在于，所述GA
‑
ANN模型建立包括数据预处理和模型构建与测试；优选地，所述数据预处理为将历史进水水质参数和历史出水水质参数进行整理并进行缺失数据弥补、异常值剔除与替换、不同设备采集数据的频率统一和数值量级差异极大的各因素值均变换至[
‑
1,1]区间，之后将所有数据拆分为训练集和独立测试集；优选地，所述训练集中的数据量为所有数据的65
‑
75％；优选地，所述模型构建与测试为利用遗传算法优化人工神经网络基于训练集数据进行模型构建得到GA
‑
ANN模型，利用测试集数据对所得GA
‑
ANN模型进行测试。5.一种如权利要求1
‑
4任一项所述电絮凝控制方法，其特征在于，所述GA
‑
ANN模型包括输入层、隐藏层和输出层；优选地，所述隐藏层包括至少1层；优选地，所述隐藏层的传递函数包括Sigmoid型函数；优选地，所述输出层的传递函数包括Purelin函数。6.一种如权利要求1
‑
5任一项所述电絮凝控制方法，其特征在于，所述电絮凝控制方法还包括自动进化过程，具体为：将S2中记录的历史水质数据与运行数据发送至上位机监控系统进行数据库的扩展，间断自动训练GA
‑
ANN模型，当决定系数R2≥更新前的GA
‑
ANN模型的R2时终止训练并进行S2，否则继续沿用未更新的GA
‑
ANN模型，即完成GA
‑
ANN模型的自我进化；优选地，所述间断自动训练GA
‑
ANN模型的间隔时间≥7天。7.一种如权利要求1
‑
6任一项所述电絮凝控制方法，其特征...

【专利技术属性】
技术研发人员：孙境求，李博文，胡承志，曲久辉，
申请(专利权)人：中国科学院生态环境研究中心，
类型：发明
国别省市：