【技术实现步骤摘要】
本专利技术属于智能控制与水处理，具体涉及一种基于bp神经网络与支持向量机的反冲洗方法及系统。
技术介绍
1、反冲洗工作周期通常依靠经验值运行管理，难以全面反映滤池的现状，而滤池的实际工作周期受季节和水质的影响较大，需及时调整。同时，国内的大部分水厂对于气、水反冲洗强度和反冲周期的选择，通常依托仿真实验和经验值予以操作，系统难以在短时间内根据外在环境的变化而做出有效的调整，但随着时间的延长，影响出水水质的达标率，增加系统能耗。
2、在水处理过程中，反冲洗控制对砂滤池高效运行至关重要，如反冲洗强度过小、时长不足，将直接导致滤池清洗不彻底，严重时会发生堵塞，反冲效果不明显，影响砂滤池运行性能；反冲洗强度过大，反冲洗时长过长，会对滤料层造成较大的冲击，易发生跑砂、配水系统出现故障等现象，造成资源浪费。因此，现有反冲洗方法存在如下问题：
3、1.滤池利用率低：由于人工反冲洗或者定时反冲洗无法真正掌握单个滤池的过滤情况和滤池的健康状态，往往存在滤池性能还没有完全发挥就进行反冲洗的情况。
4、2.时间不准确：定时反冲洗需要根据预设的时间间隔进行操作，如果实际需求与预设时间间隔不符，可能会导致反冲洗过早或过晚，影响滤池效果。
5、3.数据追踪困难：人工或定时反冲洗可能无法准确记录每次反冲洗的时间、流量等数据，不利于后续的数据分析和优化。
6、4.滤池状态和反冲洗难以评判：滤池出水阀的阀门开度及阀门开度变化率通常被拿来判断滤池淤积程度以及反冲洗是否彻底，但阀门开度受进水流量影响比较大，当
7、5.缺乏实时性：人工或定时反冲洗无法实时根据滤池的运行状态进行调整，对于突发性的污染物可能无法及时处理。
技术实现思路
1、为解决
技术介绍
提到的技术问题，在本专利技术的第一方面提供了一种基于bp神经网络与支持向量机的反冲洗方法，包括：获取滤池在预设时间内的反冲洗参数数据，并根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型；所述反冲洗参数包括初滤水浊度、滤后浊度、滤料膨胀率、反冲洗持续时间、反冲洗周期和反冲洗强度；基于所述反冲洗参数模型，获取预设时间内滤池的决策参数数据，并根据所述决策参数数据构建基于专家系统和支持向量机的反冲洗决策模型；所述决策参数包括进水浊度、滤后浊度、阀门开启度和水头损失；在预设周期内获取反冲洗决策模型的评价参数数据，所述评价参数包括准确度、滤池的滤后水浊度和水头损失；根据所述评价参数数据对所述反冲洗参数模型和所述反冲洗决策模型进行校正；基于校正后的反冲洗决策模型，对滤池进行反冲洗控制。
2、在本专利技术的一些实施例中，所述根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型包括：在预设时间内获取反冲洗参数数据，并对所述反冲洗参数数据进行滤波和降噪；基于滤波和降噪后的反冲洗参数数据，建立基于bp神经网络的反冲洗参数模型。
3、进一步的，所述根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型包括：基于高斯滤波，对反冲洗参数数据中的输入参数进行去噪和滤波，所述输入参数包括初滤水浊度、滤后浊度和滤料膨胀率；基于最大互相关信息，计算输入参数分别与反冲洗持续时间与强度的关联性；根据所述输入参数分别与反冲洗持续时间与强度的关联性的计算结果，将关联度最高的一个或多个输入参数作为反冲洗参数模型的样本参数；基于多个样本参数，建立基于bp神经网络的反冲洗参数模型。
4、在本专利技术的一些实施例中，所述根据所述决策参数数据构建基于专家系统和支持向量机的反冲洗决策模型包括：对所述决策参数数据进行滤波和降噪；基于滤波和降噪后的反冲洗参数数据，构建基于专家系统和支持向量机的反冲洗决策模型。
5、在本专利技术的一些实施例中，所述根据所述评价参数数据对所述反冲洗参数模型和所述反冲洗决策模型进行校正包括：基于多元统计方法，对反冲洗决策模型的评价参数进行筛选；根据筛选后的评价参数对所述反冲洗参数模型和所述反冲洗决策模型进行校正。
6、在本专利技术的一些实施例中，所述基于校正后的反冲洗决策模型，对滤池进行反冲洗控制包括：基于校正后的反冲洗决策模型，通过上位机和组态系统对滤池进行反冲洗控制。
7、本专利技术的第二方面，提供了一种基于bp神经网络与支持向量机的反冲洗系统，包括：获取模块，用于获取滤池在预设时间内的反冲洗参数数据，并根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型；所述反冲洗参数包括初滤水浊度、滤后浊度、滤料膨胀率、反冲洗持续时间、反冲洗周期和反冲洗强度；构建模块，用于基于所述反冲洗参数模型，获取预设时间内滤池的决策参数数据，并根据所述决策参数数据构建基于专家系统和支持向量机的反冲洗决策模型；所述决策参数包括进水浊度、滤后浊度、阀门开启度和水头损失；校正模块，用于在预设周期内获取反冲洗决策模型的评价参数数据，所述评价参数包括准确度、滤池的滤后水浊度和水头损失；根据所述评价参数数据对所述反冲洗参数模型和所述反冲洗决策模型进行校正；控制模块，用于基于校正后的反冲洗决策模型，对滤池进行反冲洗控制。
8、本专利技术的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术在第一方面提供的基于bp神经网络与支持向量机的反冲洗方法。
9、本专利技术的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术在第一方面提供的基于bp神经网络与支持向量机的反冲洗方法。
10、本专利技术的有益效果是：
11、本专利技术可实时根据滤池滤料状态动态决策反冲洗时机，有效控制反冲洗时长和强度，具有低能耗、高可靠性、高效率优势的智能化反冲洗控制系统，对提高水厂砂滤池工作效率、保障水质有重要作用和价值。对于每格滤池的冲洗具有更科学的控制，反冲洗时清水池液位不低于设定下限，排水池回收水池液位不高于设定上限。在其他条件不变的情况下，滤池的反冲洗周期延长50%以上。
本文档来自技高网...【技术保护点】
1.一种基于BP神经网络与支持向量机的反冲洗方法，其特征在于，包括：
2.根据权利要求1所述的基于BP神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述反冲洗参数数据建立基于BP神经网络的反冲洗参数模型包括：
3.根据权利要求1所述的基于BP神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述反冲洗参数数据建立基于BP神经网络的反冲洗参数模型包括：
4.根据权利要求1所述的基于BP神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述决策参数数据构建基于专家系统和支持向量机的反冲洗决策模型包括：
5.根据权利要求1所述的基于BP神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述评价参数数据对所述反冲洗参数模型和所述反冲洗决策模型进行校正包括：
6.根据权利要求1所述的基于BP神经网络与支持向量机的反冲洗方法，其特征在于，所述基于校正后的反冲洗决策模型，对滤池进行反冲洗控制包括：
7.一种基于BP神经网络与支持向量机的反冲洗系统，其特征在于，包括：
8.根据权利要求7所述的
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于BP神经网络与支持向量机的反冲洗方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于BP神经网络与支持向量机的反冲洗方法。
...【技术特征摘要】
1.一种基于bp神经网络与支持向量机的反冲洗方法，其特征在于，包括：
2.根据权利要求1所述的基于bp神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型包括：
3.根据权利要求1所述的基于bp神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述反冲洗参数数据建立基于bp神经网络的反冲洗参数模型包括：
4.根据权利要求1所述的基于bp神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述决策参数数据构建基于专家系统和支持向量机的反冲洗决策模型包括：
5.根据权利要求1所述的基于bp神经网络与支持向量机的反冲洗方法，其特征在于，所述根据所述评价参数数据对所述反冲洗参数模型和所述反冲洗决策模型进行校正包括：
...
【专利技术属性】
技术研发人员：简德武，张磊，龙程理，张辛平，童沙，张婷，齐鸣，高兰，程雷鸣，
申请(专利权)人：中国市政工程中南设计研究总院有限公司，
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。