System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及污水处理,尤其涉及一种活性污泥模型的参数优化方法、装置、设备和存储介质。
技术介绍
1、随着环境保护的迫切需求、水资源循环利用的广泛推广以及能源危机和温室效应的日益严重,污水处理厂站的提标改造和减污降碳迫在眉睫。然而,在提高出水水质标准与降低能耗之间存在着不可避免的矛盾,需要在工艺优化过程中使二者达到平衡。
2、目前,利用活性污泥动力学模型可以对工艺进行模拟,以实现高效优化逐渐成为研究者和工程师关注的焦点;具体来说,以反应动力学和化学计量学过程为基础的活性污泥系列模型可从污染物去除机理角度对污水处理过程和效果进行动态仿真模拟,通过如aquasim、biowin、efor、gps-x、simba、stoat和west等软件在虚拟环境下对污水处理工艺进行不同运行工况的调试,来寻求最优运行参数,进而达到优化提标和减污降碳的效能的目的。
3、专利技术人经过研究发现,现有技术中上述优化运行参数的技术方案至少还存在以下缺陷:
4、调参过程需要建模人员具有足够的模型调试经验,并且时间成本较高。
技术实现思路
1、为解决或部分解决相关技术中存在的问题,本专利技术提供了一种活性污泥模型的参数优化方法、装置、设备和存储介质。
2、本专利技术提供一种活性污泥模型的参数优化方法,其包括步骤:
3、s01、预设包括大量活性污泥模拟案例的案例数据库,所述活性污泥模拟案例的数据包括:进水参数,出水参数和工艺参数;
4、s02、
5、s03、获取待优化对象的当前数据,所述当前数据包括:当前的进水参数、出水参数和已知参数;并通过所述参数预测模型对调控参数进行预测,得到预测调控参数;
6、s04、以所述当前数据为输入,根据污水处理系统模拟仿真软件生成所述待优化对象的仿真模型;所述仿真模型包括所述调控参数的仿真调控参数;
7、s05、通过所述预测调控参数修正所述仿真调控参数,生成初步校准后的仿真模型。
8、进一步地,还包括:
9、s06、对初步校准后的仿真模型进行人工的参数修正,得到最终校准后的仿真模型;
10、s07、根据最终校准后的仿真模型生成对应的当前案例数据;
11、s08、根据所述当前案例数据更新所述案例数据库。
12、进一步地,所述活性污泥模拟案例的数据为经过数据预处理后的数据,所述数据预处理包括:
13、对原始数据进行质量评估和数据清洗,具体包括对原始数据进行数据判定、数据汇总、数据抽样、数据合并、删除重复和删除异常值中的一种或多种。
14、进一步地,所述案例数据库包括:
15、mysql、sqlserver或oracle数据库;和/或,
16、所述污水处理系统模拟仿真软件包括:
17、aquasim、biowin、efor、gps-x、simba、stoat或west。
18、进一步地,在所述根据所述当前案例数据更新所述案例数据库前,还包括对数据进行质量校验的步骤,具体包括:
19、清除带有空值以及不符合格式要求的样本;
20、根据操作者上传的当前案例数据,从所述案例数据库中调取对应的参照案例数据;
21、对所述参照案例数据的各参数进行统计分析,包括:计算平均数、中位数、标准差和异常点;
22、在近似工艺类型、构筑物设计参数、模型选择的情况下,以目前的异常点范围上下各延伸10%作为第一判定区间,以平均数、中位数和标准差上下各延伸30%作为第二判定区间;将符合所述第一判定区间和所述第二判定区间的当前案例数据确定为质量合格数据。
23、进一步地,在所述参数预测模型的算法实施过程中,包括:
24、首先通过数据的归一化方法将相关量化数据限定在[-1,1]区间内;
25、进行网络设计,包括输入层设计、隐含层设计以及输出层设计;其中,用于确定隐含层的隐节点的数量l的公式包括:
26、其中,n为输入层的神经元个数,m为输出层神经元个数,a为[1,10]之间的常数;
27、通过激活函数对神经网络加入非线性因素;
28、对预测值进行逆归一化,获得预测值。
29、相应的,本专利技术还提供一种活性污泥模型的参数优化装置,其包括:
30、数据库预设单元,用于预设包括大量活性污泥模拟案例的案例数据库,所述活性污泥模拟案例的数据包括:进水数据,出水数据和工艺参数;
31、预测模型构建单元,用于根据所述活性污泥模拟案例的数据建立基于机器学习的参数预测模型;所述参数预测模型用于根据进水参数、出水参数和工艺参数的已知参数对工艺参数的调控参数进行预测;所述已知参数为已知的或易于测量的参数,所述调控参数为未知的或难以测量的参数;
32、预测结果生成单元,用于获取待优化对象的当前数据,所述当前数据包括:当前的进水参数、出水参数和已知参数;并通过所述参数预测模型对调控参数进行预测,得到预测调控参数;
33、仿真模型生成单元,用于以所述当前数据为输入,根据污水处理系统模拟仿真软件生成所述待优化对象的仿真模型;所述仿真模型包括所述调控参数的仿真调控参数;
34、参数修正单元,通过所述预测调控参数修正所述仿真调控参数,生成初步校准后的仿真模型。
35、进一步地,还包括:
36、数据库更新单元,用于根据对初步校准后的仿真模型进行人工的参数修正后得到最终校准后的仿真模型生成对应的当前案例数据,并根据当前案例数据更新所述案例数据库。
37、本专利技术还提供一种活性污泥模型的参数优化设备,其包括:
38、存储器,用于存储计算机程序;
39、处理器,用于调用并执行所述计算机程序,以实现上述任一项所述活性污泥模型的参数优化方法的步骤。
40、本专利技术还提供一种计算机可读存储介质,包括软件程序,所述软件程序适于由处理器执行如上述任一项所述活性污泥模型的参数优化方法的步骤。
41、本专利技术提供的活性污泥模型的参数优化方法可以包括以下有益效果:
42、该方法以以往的活性污泥模拟案例为基础,构建案例数据库;然后以该数据库的数据源为样本,进行机器学习,构建根据进水参数、出水参数和已知参数对调控参数进行预测的预测模型;而后操作人员即可通过录入待优化对象的当前数据获取对应的预测调控参数;并以含有该预测调控参数的数据为基础,对污水处理系统模拟仿真软件生成的仿真调控参数进行修正,而后即可在修正后的方案基础上再进行模拟优化。由于该方法可以对未知的或难以测量的参数进行初级预测,相当本文档来自技高网...
【技术保护点】
1.一种活性污泥模型的参数优化方法,其特征在于,包括步骤:
2.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,还包括:
3.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,所述活性污泥模拟案例的数据为经过数据预处理后的数据,所述数据预处理包括:
4.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,所述案例数据库包括:
5.根据权利要求2所述的活性污泥模型的参数优化方法,其特征在于,在所述根据所述当前案例数据更新所述案例数据库前,还包括对数据进行质量校验的步骤,具体包括:
6.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,在所述参数预测模型的算法实施过程中,包括:
7.一种活性污泥模型的参数优化装置,其特征在于,包括:
8.根据权利要求7所述的活性污泥模型的参数优化装置,其特征在于,还包括:
9.一种活性污泥模型的参数优化设备,其特征在于,包括:
10.一种计算机可读存储介质,包括软件程序,所述软件程序适于由处理器执行如权利
...【技术特征摘要】
1.一种活性污泥模型的参数优化方法,其特征在于,包括步骤:
2.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,还包括:
3.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,所述活性污泥模拟案例的数据为经过数据预处理后的数据,所述数据预处理包括:
4.根据权利要求1所述的活性污泥模型的参数优化方法,其特征在于,所述案例数据库包括:
5.根据权利要求2所述的活性污泥模型的参数优化方法,其特征在于,在所述根据所述当前案例数据更新所述案例数据库前,还包括对...
【专利技术属性】
技术研发人员:李鹏宇,郑天龙,王宇馨,王紫轩,李琳,刘俊新,
申请(专利权)人:中国科学院生态环境研究中心,
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。