【技术实现步骤摘要】
本申请涉及污水处理领域，尤其涉及一种数据处理方法和相关设备。
技术介绍
1、随着污水排放的指标越来越严格，为了减少污水处理过程的经济成本和人力成本，在污水处理过程中实现智能化控制显得尤为重要。
2、当前，污水处理广泛采用活性污泥法，其工艺流程较为复杂，为了对该过程实施优化控制，通常采用数学模型和计算机技术相结合的方法开发仿真软件来模拟该过程。仿真软件所采用的数学模型以国际水质协会提出的活性污泥模型(activated sludge models，asm)系列模型为代表，此类模型基于经典的微生物生长动力学模型，结合废水微生物处理过程进行分析，给出污水处理过程中所需的加药量和曝气量。其中，仿真软件可以通过聚合asm1、asm2、asm2d和asm3等模型模拟，外加大量单元模型模拟污水处理过程的各种组件，比如沉淀池、控制器等，以此通过软件构造出一个完整的污水处理流程管理系统。
3、但是，实际的污水处理过程是复杂的，基于理想情况下构建的仿真器无法真实反映实际情况，其存在的问题在于，仿真器的理论模型存在很多理想预设，比如环境温度理想、ph值理想、生化反应系数恒定、有机物和氮化合物的水解是同时进行且速率相同等等。实际上，上述因素在不同的厌氧-缺氧-好氧法(anaerobic-anoxic-oxic，aao)池都是变化的，这些前提假设的存在导致计算结果不准确。
技术实现思路
1、本申请实施例提供了一种数据处理方法和相关设备，用于基于机器学习模型进行污水处理。
3、在本申请中，服务器首先获取多个数据收集仪器从多个污水处理设备中收集的样本数据和对应的标签，得到历史数据，然后基于历史数据进行机器学习训练，得到机器学习模型。那么，服务器可以通过在机器学习模型和多个污水处理设备的实时数据对多个污水处理设备中的至少一个污水处理设备进行调控。相比较通过人工调控或仿真软件，得到的机器学习模型更拟合实际的污水处理过程，提高污水处理效率，降低成本。
4、在一些可行的实现方式中，所述标签包括碳源流量和/或曝气量，从而可以训练机器学习模型更贴近实际的污水处理过程中的碳源流量和/或曝气量。
5、在一些可行的实现方式中，所述机器学习模型为基于循环神经网络(recurrentneural network，rnn)和注意力机制的模型，考量到污水处理过程在时间上的连续性，对采集的历史数据进行时序化建模，实现对加药过程和/或曝气过程进行预测，这样训练的机器学习模型更能拟合实际的加药过程和/或曝气过程，能从额外的时间维度挖掘信息。
6、在一些可行的实现方式中，所述历史数据包括水质因素和环境因素，其中，水质因素包括硝氮浓度、化学需氧量(chemical oxygen demand，cod)浓度、污泥浓度、氨氮浓度、溶解氧中的一个或多个，所述环境因素包括ph值、温度中的一个或多个，那么机器学习模型全面考虑水质因素和环境因素。
7、在一些可行的实现方式中，在所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调控之前，所述服务器可以接收所述多个数据收集仪器上报的所述实时数据，所述历史数据包括所述多个数据收集仪器从所述多个污水处理设备中收集的数据，然后在所述机器学习模型输入所述实时数据，得到所述机器学习模型输出的预测结果，所述预测结果包括碳源流量和/或曝气量，并根据所述预测结果对所述多个污水处理设备进行调控，从而实现了对污水处理设备的调控。
8、在一些可行的实现方式中，所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调控之前，所述服务器确定所述实时数据是否存在异常，若所述实时数据存在异常，则所述服务器将所述历史数据替换所述实时数据，从而排除了异常数据。
9、本申请第二方面提供一种服务器，所述服务器用于执行前述第一方面中任一项所述的方法。
10、本申请第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第二方面或第三方面中任一项所述的方法。
11、本申请第四方面提供一种计算机程序产品，该计算机程序产品包括计算机执行指令，该计算机执行指令存储在计算机可读存储介质中；设备的至少一个处理器可以从计算机可读存储介质读取该计算机执行指令，至少一个处理器执行该计算机执行指令使得设备实施上述第一方面或者第一方面的任一种可能的实现方式所提供的方法。
12、本申请第五方面提供一种通信装置，该通信装置可以包括至少一个处理器、存储器和通信接口。至少一个处理器与存储器和通信接口耦合。存储器用于存储指令，至少一个处理器用于执行该指令，通信接口用于在至少一个处理器的控制下与其他通信装置进行通信。该指令在被至少一个处理器执行时，使至少一个处理器执行第一方面或第一方面的任意可能的实现方式中的方法。
13、本申请第六方面提供了一种芯片系统，该芯片系统包括处理器，用于支持实现上述第一方面或第一方面任意一种可能的实现方式中所涉及的功能。
14、在一种可能的设计中，芯片系统还可以包括存储器，存储器，用于保存必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。
15、其中，第二至第六方面或者其中任一种可能实现方式所带来的技术效果可参见第一方面或第一方面不同可能实现方式所带来的技术效果，此处不再赘述。
本文档来自技高网...【技术保护点】
1.一种数据处理方法，其特征在于，用于污水处理系统，所述污水处理系统包括服务器、多个数据收集仪器和多个污水处理设备，所述多个数据收集仪器分别设置所述多个污水处理设备中，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述标签包括碳源流量和/或曝气量。
3.根据权利要求1或2所述方法，其特征在于，所述机器学习模型为基于循环神经网络RNN和注意力机制的模型。
4.根据权利要求1-3中任一项所述方法，其特征在于，所述历史数据包括水质因素和环境因素，其中，水质因素包括硝氮浓度、化学需氧量COD浓度、污泥浓度、氨氮浓度、溶解氧中的一个或多个，所述环境因素包括PH值、温度中的一个或多个。
5.根据权利要求1-4中任一项所述方法，其特征在于，所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调控之前，还包括：
6.根据权利要求5所述方法，其特征在于，所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调
7.一种服务器，其特征在于，用于污水处理系统，所述污水处理系统包括所述服务器、多个数据收集仪器和多个污水处理设备，所述多个数据收集仪器分别设置所述多个污水处理设备中，所述服务器包括：
8.根据权利要求7所述服务器，其特征在于，还包括：
9.根据权利要求8所述服务器，其特征在于，
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有程序，所述程序使得计算机设备执行如权利要求1-6中任一项所述的方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机执行指令，所述计算机执行指令存储在计算机可读存储介质中；设备的至少一个处理器从所述计算机可读存储介质中读取所述计算机执行指令，所述至少一个处理器执行所述计算机执行指令使得所述设备执行如权利要求1-6中任一项所述的方法。
12.一种通信装置，其特征在于，所述通信装置包括至少一个处理器、存储器和通信接口；
13.一种芯片系统，其特征在于，所述芯片系统包括处理器和存储器，所述存储器和所述处理器通过线路互联，所述存储器中存储有指令，所述处理器用于执行如权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，用于污水处理系统，所述污水处理系统包括服务器、多个数据收集仪器和多个污水处理设备，所述多个数据收集仪器分别设置所述多个污水处理设备中，所述方法包括：
2.根据权利要求1所述方法，其特征在于，所述标签包括碳源流量和/或曝气量。
3.根据权利要求1或2所述方法，其特征在于，所述机器学习模型为基于循环神经网络rnn和注意力机制的模型。
4.根据权利要求1-3中任一项所述方法，其特征在于，所述历史数据包括水质因素和环境因素，其中，水质因素包括硝氮浓度、化学需氧量cod浓度、污泥浓度、氨氮浓度、溶解氧中的一个或多个，所述环境因素包括ph值、温度中的一个或多个。
5.根据权利要求1-4中任一项所述方法，其特征在于，所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调控之前，还包括：
6.根据权利要求5所述方法，其特征在于，所述服务器通过在所述机器学习模型和所述多个污水处理设备的实时数据对所述多个污水处理设备中的至少一个污水处理设备进行调控之前，还包括：
7.一种...
【专利技术属性】
技术研发人员：王中一，李书棋，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。