一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法技术

本发明专利技术公开了一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，包括：获取挥发性脂肪酸的数据集；基于所述数据集，构建用于挥发性脂肪酸类型预测的CNN

【技术实现步骤摘要】
一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法


[0001]本专利技术属于环保
，具体涉及一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法。

技术介绍

[0002]工业废水因其数量巨大、难降解有机物丰富，成为严重的环境和生态系统问题之一。生物处理在将污染物转化为资源的同时，具有卓越的去除污染物的能力。如今，对于可持续发展和循环生物经济的重视导致废水的再生利用在废水处理领域受到了极大的关注，特别是利用工业废水中的难降解有机物实现资源再生和减少碳排放已成为主要需求。
[0003]水解酸化(HA)工艺被认为是一种经济和可持续的生物处理技术，可以利用微生物作用将工业废水中的难降解有机物转化为有价值的资源，例如挥发性脂肪酸(VFA)。各种类型的VFA可以被应用于生物塑料合成、生物柴油生产、脱氮、生物除磷等过程。因此，适当控制HA工艺以调控生成的VFA类型对于污水处理厂污水生化处理单元(例如AAO、AO工艺)中氮和磷的去除至关重要。
[0004]由于工业废水的进水水质复杂多变，在操作期间，操作员无法实时访问VFA类型及其所经历的动态变化的结果，而可用的在线VFA测量设备通常昂贵或精度有限，等待实验室结果的时间可能需要几天。因此，对于HA流出物中特定VFA类型发生的有限时间范围内的抢先反应，通过建模进行预测可能比通过监测更有效。在实际应用中，对VFA生产的动态反应过程进行建模，以找到改变VFA类型的每个特征变量的边界，并建立控制策略来调节HA过程中的VFA类型，是一个亟待解决的问题。
专利技术内容
[0005]为了解决上述问题，本专利技术提供了一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，构建的模型用于模拟厌氧水解酸化过程中挥发性脂肪酸的预测和变化，实现对不同进水水质下水解酸化出水中挥发性脂肪酸类型的实时监测和调控，有助于污水处理厂通过简单的特征变量控制获得需要的挥发性脂肪酸类型，并为厌氧生物处理过程提出了一个可参考的控制方法。
[0006]为实现上述目的，本专利技术提出了一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，包括：
[0007]获取挥发性脂肪酸的数据集；
[0008]基于所述数据集，构建用于挥发性脂肪酸类型预测的CNN
‑
KNN模型；
[0009]基于所述数据集，构建用于控制挥发性脂肪酸生产过程控制策略的SA
‑
LSTM模型；
[0010]基于所述SA
‑
LSTM模型，构建控制策略模型，基于所述控制策略模型，调节所述挥发性脂肪酸的类型；
[0011]基于所述CNN
‑
KNN模型，对所述控制策略模型进行性能评价和预测。
[0012]可选的，所述数据集包括：影响因素设定值、对应的染料去除率和挥发性脂肪酸的
生产效率和主要类型；其中，所述影响因素设定值包括：B/C、COD浓度、温度、反应时间、初始pH和采样pH。
[0013]可选的，所述CNN
‑
KNN模型包括：CNN模型和KNN模型两部分；
[0014]所述CNN模型，用于对提取所述数据集的数据特征和数据相关性，并输出对应的观测变量；
[0015]所述KNN模型，用于对所述CNN模型输出的观测变量进行分类预测，并输出挥发性脂肪酸的类型。
[0016]可选的，所述CNN模型由两个相同模块组成，每个模块均包括依次连接的第一卷积层、第二卷积层、第三卷积层、一个池化层和一个批次规范化层，其中，所述第一卷积层、第二卷积层、第三卷积层中的滤波器数量依次分别为n个、2n个、n个，且上一模块的所述批次规范化层与下一模块中滤波器数量为n个的所述第一卷积层连接。
[0017]可选的，构建SA
‑
LSTM模型包括：
[0018]利用错位相减法处理所述数据集，获取初始数据集，将所述初始数据集作为SA
‑
LSTM模型的输入；
[0019]基于LSTM网络，引入多头自我注意机制构建SA
‑
LSTM模型，利用所述SA
‑
LSTM模型获取最终挥发性脂肪酸类型，将所述最终挥发性脂肪酸类型作为所述SA
‑
LSTM模型的输出；
[0020]对所述输入和输出都在变化的动态过程进行建模，获取所述SA
‑
LSTM模型。
[0021]可选的，所述初始数据集包括初始参数、变量参数和初始挥发性脂肪酸类型。
[0022]可选的，构建所述控制策略模型包括：
[0023]构建决策树模型；
[0024]基于决策树模型，利用GINI指数作为类型节点分割基础，构建所述控制策略模型。
[0025]可选的，所述GINI指数为：
[0026][0027]其中，p
(i)
表示预测输出值。
[0028]本专利技术具有以下技术效果：
[0029]本专利技术的VFA类型预测方法，构建基于CNN
‑
KNN组合预测模型，利用CNN从厌氧过程的复杂输入中提取特征变量，克服了KNN在状态和性能随时间波动的复杂非线性系统分类预测问题上的难点，预测方法快速、准确性高，相较传统实测研究，节省大量人力、物力和时间；
[0030]本专利技术的VFA控制策略方法，使用SA
‑
LSTM模型预测了HA过程中VFA类型的动态变化，并集成DT模型建立了VFA控制策略，有助于污水处理厂通过简单的特征变量控制获得需要的VFA类型，并为厌氧生物处理过程提出了一个可参考的控制方法。
附图说明
[0031]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0032]图1为本专利技术实施例的一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法的具体操作流程示意图；
[0033]图2为本专利技术实施例的CNN结构示意图；
[0034]图3为本专利技术实施例的LSTM网络结构示意图；
[0035]图4为本专利技术实施例的控制QR码示意图。
具体实施方式
[0036]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0037]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0038]本专利技术提供了一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，具体操作流程如图1所示，包括：
[0039]获取挥发性脂肪酸的数据集；
[0040]基于数据集，构建用于挥发性脂肪酸类型预测的CNN
‑
KNN模型；
[0041]基于数据集，构建用于控制挥发性脂肪酸生产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，其特征在于，包括以下步骤：获取挥发性脂肪酸的数据集；基于所述数据集，构建用于挥发性脂肪酸类型预测的CNN
‑
KNN模型；基于所述数据集，构建用于控制挥发性脂肪酸生产过程的SA
‑
LSTM模型；基于所述SA
‑
LSTM模型，构建控制策略模型，基于所述控制策略模型用于调节所述挥发性脂肪酸的类型；基于所述CNN
‑
KNN模型，对所述控制策略模型进行性能评价和预测。2.根据权利要求1所述的一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，其特征在于，所述数据集包括：影响因素设定值、对应的染料去除率和挥发性脂肪酸的生产效率和主要类型；其中，所述影响因素设定值包括：B/C、COD浓度、温度、反应时间、初始pH和采样pH。3.根据权利要求1所述的一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，其特征在于，所述CNN
‑
KNN模型包括：CNN模型和KNN模型两部分；所述CNN模型，用于对提取所述数据集的数据特征和数据相关性，并输出对应的观测变量；所述KNN模型，用于对所述CNN模型输出的观测变量进行分类预测，并输出所述挥发性脂肪酸的类型。4.根据权利要求3所述的一种厌氧水解酸化过程中预测和调节挥发性脂肪酸的方法，其特征在于，所述CNN模型由两个相同模块组成，每个模块均包括依次连接的第一卷积层、第二卷积层、第三卷积层、一个池化层和一个批次规范化层，...

【专利技术属性】
技术研发人员：杨珊珊，丁杰，庞继伟，崔晨浩，程厚铭，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：