一种超滤膜污染预测方法技术

本发明专利技术涉及一种超滤膜污染预测方法，其包括如下步骤：(1)采集超滤膜运行过程中的进水水质数据、出水流量数据以及超滤膜运行操作数据中的多项数据，并对上述参数进行预处理；(2)将步骤(1)中的预处理后的数据引入随机森林回归模型，得到预测的跨膜压差数据；(3)根据所述预测的跨膜压差数据判断超滤膜污染等级，若0kpa<预测的跨膜压差(TMP)≤10kpa，则判断为轻度污染；若10kpa<预测的跨膜压差≤20kpa，则判断为中度污染；若预测的跨膜压差＞20kpa，则判断为重度污染。通过本发明专利技术的预测方法，能够根据实际情况，采用恰当的清洗处理方法，降低生产成本，延长膜寿命，更快地恢复超滤膜运行。更快地恢复超滤膜运行。

【技术实现步骤摘要】
一种超滤膜污染预测方法


[0001]本专利技术属于城镇污水处理厂污水深度处理
，具体涉及一种超滤膜污染预测方法。

技术介绍

[0002]随着城市化的快速发展，工业生产活动和城镇居民人口逐渐增加，对水量、水质安全的需求不断提高，对城镇污水厂出水水质要求也随之提高，采用深度处理技术，可使城镇污水达到排放标准要求。
[0003]近年来，超滤膜技术作为城镇污水深度处理手段被广泛使用，不仅可以截留水质SS、细菌等，也可以去除一部分的TN、TP、COD，可适应多种水质条件并提高出水水质。但是，膜污染是制约超滤技术在水处理领域应用的主要因素，关系到产水效率和运行成本。
[0004]目前，多数城镇污水厂对于膜污染还没有可信可用的预测方法，主要以人工观察来判断膜污染程度，以人工经验来操作膜污染清洗方式，以恢复超滤膜功能。不仅存在滞后性，会降低超滤膜寿命，同时也会增加生产成本。
[0005]现有技术中，基于跨膜压差进行超滤膜污染评判的主要参数，实时检测跨膜压差虽然相比人工观察具有更高的准确性，但同样存在滞后性。通过开发数学模型预测跨膜压差，建立超滤膜污染的预测方法是目前的研究重点。

技术实现思路

[0006]本专利技术的目的是提供一种超滤膜污染预测方法，从而能够根据实际情况，采用恰当的清洗处理方法，降低生产成本，延长膜寿命，更快地恢复超滤膜运行。
[0007]为达到上述目的，本专利技术采用的技术方案是：
[0008]一种超滤膜污染预测方法，其包括如下步骤：
[0009](1)采集超滤膜运行过程中的进水水质数据、出水流量数据以及超滤膜运行操作数据中的多项数据，并对上述参数进行预处理；
[0010](2)将步骤(1)中的预处理后的数据引入随机森林回归模型，得到预测的跨膜压差数据；
[0011](3)根据所述预测的跨膜压差数据判断超滤膜污染等级，若0kpa<预测的跨膜压差(TMP)≤10kpa，则判断为轻度污染；若10kpa<预测的跨膜压差≤20kpa，则判断为中度污染；若预测的跨膜压差＞20kpa，则判断为重度污染。
[0012]随机森林具有分类速度快、参数调整少、能有效避免过度拟合、高效处理高维大样本数据的优点，并且它可以估计特征的重要性和抗噪声能力。
[0013]优选地，所述的进水水质数据包括进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮中的至少四种。
[0014]优选地，所述出水流量数据包括浓水出水流量和纯水出水流量。
[0015]优选地，所述超滤膜运行操作数据包括水洗时间、药洗时间和气洗时间。
[0016]根据一些具体且优选实施方式，所述步骤(1)中采集的数据为：进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮、浓水出水流量、纯水出水流量。
[0017]优选地，步骤(1)中，所述预处理的方法包括缺失值处理和异常值处理。
[0018]优选地，步骤(2)中，所述随机森林回归模型由训练数据进行训练，再经测试数据进行评价测试得到，所述训练数据和所述测试数据的输入参数分别为进水水质数据、出水流量数据以及超滤膜运行操作数据，输出参数为采集的跨膜压差数据。
[0019]随机森林回归模型的建立方法为：
[0020](1)采集超滤膜运行过程中的进水水质数据、出水流量数据、超滤膜运行操作数据中的多项数据以及跨膜压差；
[0021](2)对步骤(1)采集的数据进行预处理。处理方式包括缺失值处理和异常值处理。
[0022]步骤(3)、将步骤(2)的预处理后的数据分别分为80％数据为训练集，20％数据为测试集，以预处理后的进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮、浓水出水流量和纯水出水流量为输入参数，以跨膜压差为输出参数。将输入参数和输出参数分别引入随机森林回归模型进行训练，建立初步预测模型
[0023]将步骤(1)中的预处理后的数据划分为训练集和测试集，其中，训练集采用有放回的随机选取方法抽取多个训练样本，形成多个子训练集，作为决策树的训练数据，再由多棵决策树形成以跨膜压差为输出数据的随机森林回归模型；利用测试集对初步预测模型进行测试，评价模型运行的可行性、准确性。预测模型评价指标为平均标准百分比误差(MAPE)、平均绝对误差(MAE)。
[0024]进一步优选地，所述评价测试的评价指标为平均标准百分比误差和平均绝对误差。
[0025]进一步优选地，所述训练采用Python语言或Java语言环境建立机器学习训练模型。
[0026]若采用Python语言建立模型，需输出pmml后缀模型。
[0027]优选地，将所述随机森林回归模型嵌入Tempo大数据分析平台，进行可视化场景应用展示并根据输出结果建立预警模块。
[0028]进一步优选地，所述预警模块包含膜污染等级判定以及操作指示建议专家库。
[0029]根据一些具体且优选实施方式，若所述超滤膜污染等级膜污染等级判断为轻度污染，则所述操作指示包括在线物理清洗、增加清洗频次、延长清洗时间、加大清洗水量、正反逆向冲洗中的一个或多个；若所述超滤膜污染等级膜污染等级判断为中度污染，则所述操作指示包括离线化学清洗、氧化剂清洗、加酶洗涤剂清洗中的一个或多个；若所述超滤膜污染等级膜污染等级判断为高度污染，则所述操作指示为更换超滤膜。
[0030]由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：
[0031]本专利技术提供了一种基于随机森林回归模型的超滤膜污染预测方法，考察进出水水质、水量及操作方式与跨膜压差输出因子的模型计算关系，通过前馈
‑
反馈相结合的方式全面分析，减少计算量的同时提高预测准确性。本专利技术的膜污染随机森林预测模型学习过程快，准确度高，可以及时监测、预测膜污染程度，及时提出建议与操作方法，恢复超滤膜运行
工作效率，降低生产能耗、成本。
附图说明
[0032]图1为本专利技术实施例中的超滤膜污染预测方法的流程图；
[0033]图2为本专利技术实施例中的随机森林预测模型原理示意图。
具体实施方式
[0034]下面结合实施例对本专利技术作进一步描述。但本专利技术并不限于以下实施例。实施例中采用的实施条件可以根据具体使用的不同要求做进一步调整，未注明的实施条件为本行业中的常规条件。本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0035]实施例1
[0036]图1是本实施例的超滤膜污染预测方法的流程图，其包括如下步骤：
[0037]步骤(1)、模型相关参数数据采集。采集超滤膜运行过程进水水质数据：进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮；出水流量数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超滤膜污染预测方法，其特征在于：其包括如下步骤：(1)采集超滤膜运行过程中的进水水质数据、出水流量数据以及超滤膜运行操作数据中的多项数据，并对上述参数进行预处理；(2)将步骤(1)中的预处理后的数据引入随机森林回归模型，得到预测的跨膜压差数据；(3)根据所述预测的跨膜压差数据判断超滤膜污染等级，若0kpa<预测的跨膜压差(TMP)≤10kpa，则判断为轻度污染；若10kpa<预测的跨膜压差≤20kpa，则判断为中度污染；若预测的跨膜压差＞20kpa，则判断为重度污染。2.根据权利要求1所述的超滤膜污染预测方法，其特征在于：所述的进水水质数据包括进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮中的至少四种；和/或，所述出水流量数据包括浓水出水流量和纯水出水流量；和/或，所述超滤膜运行操作数据包括水洗时间、药洗时间和气洗时间。3.根据权利要求1或2所述的超滤膜污染预测方法，其特征在于：所述步骤(1)中采集的数据为：进水溶解氧、进水pH、进水水温、进水悬浮物、进水化学需氧量、进水生化需氧量、进水氨氮、进水总磷、进水总氮、浓水出水流量、纯水出水流量。4.根据权利要求1所述的超滤膜污染预测方法，其特征在于：步骤(1)中，所述预处理的方法包括缺失值处理和异常值处理。5.根据权...

【专利技术属性】
技术研发人员：徐伟，袁芳，杨存满，鞠佳伟，杨剑，殷晓芳，郭冀华，宋康年，崔欣欣，
申请(专利权)人：湘潭中环水务有限公司中节能工程技术研究院有限公司，
类型：发明
国别省市：