【技术实现步骤摘要】
本专利技术涉及废水处理，具体为基于人工智能的工业废水处理效果检测评价方法。
技术介绍
1、工业废水是指工业生产过程中产生的废水、污水和废液，其中含有随水流失的工业生产用料、中间产物和产品以及生产过程中产生的污染物，对于保护环境来说，工业废水的处理比城市污水的处理更为重要；废水处理法是将废水中所含的污染物质分离出来，或将其转化为无害物质，从而使废水得到净化的方法，其主要分四类：废水物理处理法、废水化学处理法、废水物理化学处理法和废水生物处理法，针对工业废水进行处理时，由于其内部含有较多的化学物质，为了不增加处理负担可仅通过物理处理法、生物处理法或其二者结合进行处理，物理处理法的基本方式为使用过滤器进行过滤，生物处理法则是通过微生物对废水中的有机物进行降解。
2、常规进行工业废水处理效果的检测评价方法如下：基于机器学习法，其依托于大量的废水测试数据和废水处理方法，通过算法自主学习处理效果和废水参数之间的关系，利用数据学习的良好性质，可以自动识别各种废水参数间的关系，例如：废水浓度和cod浓度，废水颜色和酸碱度值，在实际运用中，该方法可以用于对工业废水处理效果检测评估，可用于预测不同处理方法产生的废水质量和浓度，为其管理者提供决策支持。
3、但以上常规检测评价方法虽然能够完成对工业废水处理效果的有效评价，但其考虑的因素中并未包含目前较多企业所关心的成本问题，只要求保证处理效果，并不能满足不同用户的实际需求，同时，由常规检测评价方法获取的评价结果的准确性也有待得到进一步的提高。
技术实
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了基于人工智能的工业废水处理效果检测评价方法，针对具体情境选择不同的废水处理方法，得到不同的废水处理效果评估值fv，加入成本因素后，得到不同的性价比系数s，通过比较具体的评估值fv和性价比系数s，为使用者提供直观的评价，同时设计的评估值fv和性价比系数s能够满足不同用户的实际需求，指导解决了
技术介绍
中提出的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、基于人工智能的工业废水处理效果检测评价方法，包括如下步骤：
6、收集废水处理的相关信息，形成原始数据，废水处理时使用到的方法包括：机械过滤法、生物处理法及二者按照前后顺序结合的两种方法；
7、对获取的原始数据进行预处理；
8、搭建数据模型，对预处理后的原始数据进行分类，并根据分类情况形成对应的数据集；
9、对数据集按照预定比例划分为训练数据集和测试数据集，使用训练数据集来训练数据模型，选取数据集中所需参数，使用测试数据集对模型进行评估测试，得到废水处理效果评估值fv，通过交叉验证反复对模型进行训练和评估测试，直至废水处理效果评估值fv的波动范围小于范围阈值；
10、通过采用上述方案：在搭建数据模型后，进行模型训练和评估，依托废水处理后的相关参数和处理时的设备处理速度参数，进行处理后可得到废水处理效果评估值fv，该评估值fv越大则表示污水的处理效果越好，同时还通过可交叉验证，反复对模型进行训练和评估测试，以获得更稳定、准确的废水处理效果评估值fv；
11、考虑成本因素时，获取各个处理方法下预测的成本值mn，分析成本值mn和废水处理效果评估值fv之间的关系，得到性价比系数s后录入等级评价系统，通过匹配模块为性价比系数s匹配对应的等级，取等级最高值作为推荐方案输出；在获取废水处理效果评估值fv之后还结合了预测的成本值mn，针对不同方法下获取的成本值mn和评估值fv，能够得到不同的性价比系数s，由于性价比系数s与等级评价呈正比，故性价比系数s越高，则对应的等级越高。
12、进一步的，与机械过滤法对应的处理速度v为过滤速度，与生物处理法对应的处理速度v为沉降速度，机械过滤法和生物处理法按照前后顺序结合的两种方法分别为：机械过滤法在前，生物处理法在后，该方法对应的处理速度v为后者的沉降速度；生物处理法在前，机械过滤法在后，该方法对应的处理速度v为后者的过滤速度；具体的，对于机械过滤法中使用到的废水过滤模块即过滤器，采用物理方法过滤工业废水中的固体颗粒和杂质，过滤速度则对应着通过过滤器的水流量；对于生物处理法，则是利用微生物和细胞呼吸作用对工业废水中的有机物进行分解和降解，采用的生物处理设备为曝气池，在曝气池中采用污泥沉降分析仪测试抽样污水，得到沉降速度。
13、进一步的，通过数据收集模块收集废水处理后的相关信息，形成的原始数据中包括：废水浓度c、酸碱度值p以及使用不同废水处理方法时对应的处理速度v；
14、其中，废水浓度c的获取方式为：对污水抽样后导入污水浓度检测仪；酸碱度值p的获取方式为：采用酸碱度值测定仪测试抽样污水；处理速度v中沉降速度的获取方式为：采用污泥沉降分析仪测试抽样污水；处理速度v中过滤速度的获取方式为：采用电磁流量计检测废水过滤模块中的水流量。
15、进一步的，所述预处理包括：数据清洗和特征工程；
16、其中，所述数据清洗至少包括：去除重复数据、运用均值/中位数/众数填充法完成填补缺失值以及识别并去除异常值；其中，均值/中位数/众数填充法是一种缺失值填充的方法，当数据集中有一些缺失值时，可以使用上述方法来填充被缺失的数值；均值填充法：将所有非缺失值的数据相加，再除以数据总量，得到均值，用均值来填充缺失值；中位数填充法：将所有非缺失值排序，找到中间位置的数值作为中位数，用中位数来填充缺失值；众数填充法：将所有非缺失值出现频率最高的数值作为众数，用众数来填充缺失值；上述方法为本申请中所需的缺失值填充方式，具体使用哪种方法，可根据需要参照数据特点及应用场景来决定；所述特征工程是对原始数据进行特征提取和转换。
17、进一步的，使用多层感知器算法，在搭建数据模型中对预处理后的原始数据进行识别并分类，对废水浓度c和酸碱度值p归为一类数据集，使用不同废水处理方法时对应的处理速度v归为一类数据集；上述的多层感知器算法：多层感知器是一种前馈神经网络，由输入层、隐层和输出层组成，其通过多层次的非线性变换实现输入数据到输出结果的映射，用于处理分类和回归问题，运用于本申请中起到识别分类数据的作用。
18、进一步的，在进行模型训练和评估时的步骤为：
19、对数据集按照4：1的预定比例划分为训练数据集和测试数据集，具体操作时：可以按照7:3的比例划分为训练数据集和测试数据集；也可同一数据集中的70％～80％划分为训练集，用于训练模型，20％～30％划分为测试集，用于模型测试和评估；
20、使用训练数据集来训练数据模型，训练过程至少包括：选取数据集中所需参数；模型训练的目的：为了生成一个可用于数据预测或分类的最佳模型；
21、使用测试数据集对模型进行评估测试，并得到废水处理效果评估值fv；
22、其中，获取经过预处理和分离后得到的废水浓度c本文档来自技高网...
【技术保护点】
1.基于人工智能的工业废水处理效果检测评价方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：与机械过滤法对应的处理速度V为过滤速度，与生物处理法对应的处理速度V为沉降速度，机械过滤法和生物处理法按照前后顺序结合的两种方法分别为：机械过滤法在前，生物处理法在后，该方法对应的处理速度V为后者的沉降速度；生物处理法在前，机械过滤法在后，该方法对应的处理速度V为后者的过滤速度。
3.根据权利要求2所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：通过数据收集模块收集废水处理后的相关信息，形成的原始数据中包括：废水浓度C、酸碱度值P以及使用不同废水处理方法时对应的处理速度V；
4.根据权利要求1所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：所述预处理包括：数据清洗和特征工程；
5.根据权利要求3所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：使用多层感知器算法，在搭建数据模型中对预处理后的原始数据进行识别并分类，对废水浓度C和酸碱度值P归
6.根据权利要求3所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：在进行模型训练和评估时的步骤为：
7.根据权利要求6所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：所述废水处理效果评估值Fv的获取公式如下：
8.根据权利要求3所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：获取的废水处理方法为：机械过滤法、生物处理法及二者按照前后顺序结合的两种方法，并按照1、2...n的方式依次标记机械过滤法、生物处理法、机械过滤法在前，生物处理法在后以及生物处理法在前，机械过滤法在后，各个处理方法下对应的预测的成本值为：Mn，其中n取1、2、3或4，且成本值Mn＝处理设备成本+运行成本。
9.根据权利要求8所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：获取经成本值Mn和废水处理效果评估值Fv，无量纲化处理后，关联形成性价比系数S，方式如下：
10.根据权利要求9所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：为性价比系数S录入等级评价系统时，匹配模块用于识别性价比系数S，并按照与等级呈正比的方式显示等级数值。
...【技术特征摘要】
1.基于人工智能的工业废水处理效果检测评价方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：与机械过滤法对应的处理速度v为过滤速度，与生物处理法对应的处理速度v为沉降速度，机械过滤法和生物处理法按照前后顺序结合的两种方法分别为：机械过滤法在前，生物处理法在后，该方法对应的处理速度v为后者的沉降速度；生物处理法在前，机械过滤法在后，该方法对应的处理速度v为后者的过滤速度。
3.根据权利要求2所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：通过数据收集模块收集废水处理后的相关信息，形成的原始数据中包括：废水浓度c、酸碱度值p以及使用不同废水处理方法时对应的处理速度v；
4.根据权利要求1所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：所述预处理包括：数据清洗和特征工程；
5.根据权利要求3所述的基于人工智能的工业废水处理效果检测评价方法，其特征在于：使用多层感知器算法，在搭建数据模型中对预处理后的原始数据进行识别并分类，对废水浓度c和酸碱度值p归为一类数据集，使用不同废水处理方法时对应的处理速度v归为一类...
【专利技术属性】
技术研发人员：陈振国，张金沙，穆道军，李一凡，于伟，李云超，曾开元，梁家婷，李力，王龙，
申请(专利权)人：苏州方舟环保科技有限公司，
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。