一种污水水质多指标预测方法技术

本发明专利技术提供了一种污水水质多指标预测方法，包括以下步骤：

【技术实现步骤摘要】
一种污水水质多指标预测方法


[0001]本专利技术属于污水水质预测
，尤其是涉及一种污水水质多指标预测方法
。

技术介绍

[0002]在污水处理过程中实时监测出水水质关键指标是至关重要的，可是实际上在污水处理系统中影响水质指标的因素非常多，通过
PH
值
、
浊度
、
电导率
、ORP、UV254、UV280
六个水质指标来预测
COD、
氨氮
、
总磷
、
总氮这四个水质指标，具有非常高的非线性程度，将这些影响因素模型化并用于水质预测现在而言十分有难度，且污水处理具有大滞后
、
强耦合的特点是一个非常复杂的非线性系统，通过工艺机理分析建立可靠有效的预测模型是很有难度的，因此亟需一种不依赖机理模型的算法
。

技术实现思路

[0003]有鉴于此，本专利技术旨在提出一种污水水质多指标预测方法，以期解决上述部分技术问题中的至少之一
。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：
[0005]本专利技术第一方面提供了一种污水水质多指标预测方法，包括以下步骤：
[0006]S1、
采集水质历史数据，将历史数据标准化后进行剪切波变换；
[0007]S2、
通过
GAN
的生成器
G
将经过剪切波变换的数据初始化为
n
×
m
的污水指标特征信息矩阵；
[0008]S3、LSTM
模块将污水指标特征信息矩阵拆分为
n
个时间序列，针对每个时间序列，
LSTM
模块进行训练计算，获得对该时间序列的预测结果，将预测结果重新组合成一个新的预测结果矩阵，
GAN
的判别器
D
通过预测结果矩阵来计算预测综合误差；
[0009]S4、
判别器
D
通过污水指标特征信息矩阵和预测结果矩阵计算出其概率分布差异作为该部分的目标函数；
[0010]S5、
如果判别器
D
在计算过程中发现预测结果矩阵与特征信息矩阵在某些行列上有较大差异，则反馈给
LSTM
模块，优化调整训练过程，误差低于标准值后停止训练；
[0011]S6、
输入实时自变量数据输出水质指标的预测值
。
[0012]进一步的，所述步骤
S1
中，利用剪切波函数对水质历史数据进行处理，使多维函数接近最优的稀疏表达；
[0013]函数的连续剪切波变换和逆变换可以定义为：
[0014]SH
ψ
f(a,s,t)
＝
<f,
ψ
a,s,t
>
；
[0015][0016]其中
ψ
a,s,t
表示剪切波函数，它构成局部化的仿射系统
。a
＞
0,
和分别控制剪切波函数的尺度，曲率方向以及位置；
[0017]剪切波
ψ
a,s,t
定义为：
[0018][0019]其中，
A
a
表示各向异性的膨胀矩阵，
S
S
表示是剪切矩阵；
[0020][0021]膨胀矩阵
A
a
通过参数
a
来控制剪切波函数
ψ
a,s,t
(x)
各向异性的伸缩，剪切矩阵
S
s
通过曲率参数
s
来控制剪切波函数的方向
。
[0022]进一步的，所述步骤
S2
中，生成器
G
通过接收
n
个生理生化指标在
m
个间隔点上的测试结果，生成一个
n
×
m
的污水多指标特征信息矩阵；
[0023]污水指标特征信息矩阵是污水多指标特征信息的表示，其中每一行代表一个生理生化指标，每一列代表一个时间间隔点
。
[0024]进一步的，所述判别器
D
采用
JS
散度计算特征信息矩阵和预测结果矩阵之间的相似程度，以来量化两个矩阵之间的误差；
[0025]在模型不断训练的过程中找出污水水质指标预测中误差较大的数值，并传递给
LSTM
网络进一步优化；
[0026]模型逐渐降低真实数据分布
x
～
Pg(t)
和预测结果分布
x
～
Pl(g(t))
之间的
JS
散度
。
[0027]进一步的，所述步骤
S5
中采用反向传播算法与实时递归算法调整相应的权值信息使结果误差逐渐降低；
[0028]模型中输入门
it
和输出门
ot
作用不变，遗忘门
ft
根据判别器
D
的结果选择性的遗忘掉无效的
LSTM
记忆单元信息有效地使
LSTM
记忆单元存储更为有效的时序信息，采用如下式的计算过程：
[0029]f
t
＝
σ
(+lossg
t
)
·
(W
xf
x
t
+W
hf
h
t
‑1+W
cf
c
t
‑1+b
f
)
[0030][0031]其中为第
k
个神经元的期望输出，
m
为输出层神经元的个数，最后根据相应的误差项，计算每个权重的梯度，反复应用链式规则使整体损失函数达到最小
。
用
q
代表训练过程的迭代次数，则第
k
个神经元权值的更新公式为：
[0032][0033]本专利技术第二方面提供了一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述第一方面所述的方法
。
[0034]本专利技术第三方面提供了一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所
述指令被所述处理器执行，以使所述至少一个处理器执行如第一方面所述的方法
。
[0035]本专利技术第四方面提供了一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现第一方面所述的方法
。
[0036]相对于现有技术，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种污水水质多指标预测方法，其特征在于，包括以下步骤：
S1、
采集水质历史数据，将历史数据标准化后进行剪切波变换；
S2、
通过
GAN
的生成器
G
将经过剪切波变换的数据初始化为
n
×
m
的污水指标特征信息矩阵；
S3、LSTM
模块将污水指标特征信息矩阵拆分为
n
个时间序列，针对每个时间序列，
LSTM
模块进行训练计算，获得对该时间序列的预测结果，将预测结果重新组合成一个新的预测结果矩阵，
GAN
的判别器
D
通过预测结果矩阵来计算预测综合误差；
S4、
判别器
D
通过污水指标特征信息矩阵和预测结果矩阵计算出其概率分布差异作为该部分的目标函数；
S5、
如果判别器
D
在计算过程中发现预测结果矩阵与特征信息矩阵在某些行列上有较大差异，则反馈给
LSTM
模块，优化调整训练过程，误差低于标准值后停止训练；
S6、
输入实时自变量数据输出水质指标的预测值
。2.
根据权利要求1所述的一种污水水质多指标预测方法，其特征在于：所述步骤
S1
中，利用剪切波函数对水质历史数据进行处理，使多维函数接近最优的稀疏表达；函数的连续剪切波变换和逆变换可以定义为：
SH
ψ
f(a,s,t)
＝
<f,
ψ
a,s,t
>
；其中
ψ
a,s,t
表示剪切波函数，它构成局部化的仿射系统；
a
＞
0,
和分别控制剪切波函数的尺度，曲率方向以及位置；剪切波
ψ
a,s,t
定义为：其中，
A
a
表示各向异性的膨胀矩阵，
S
S
表示是剪切矩阵；膨胀矩阵
A
a
通过参数
a
来控制剪切波函数
ψ
a,s,t
(x)
各向异性的伸缩，剪切矩阵
S
s
通过曲率参数
s
来控制剪切波函数的方向
。3.
根据权利要求1所述的一种污水水质多指标预测方法，其特征在于：步骤
S2
中，生成器
G
通过接收
n
个生理生化指标在
m
个间隔点上的测试结果，生成一个<...

【专利技术属性】
技术研发人员：李洪飞，梁奔强，吴座栋，王佳怡，黄聪，王浩，王先锋，武晓琪，
申请(专利权)人：天津市天水智信基础设施建设运营有限公司，
类型：发明
国别省市：