一种基于分布式特征提取神经网络的污水生化需氧量的监测方法技术

技术编号:41488266 阅读:17 留言:0更新日期:2024-05-30 14:35
本发明专利技术提供了一种基于分布式特征提取神经网络的污水生化需氧量的监测方法。污水处理过程各个环节的过程变量多且关系复杂,鲜有特征表现出显著的相关性,可能会导致输入信息不完备,增大模型偏差,从而影响模型的实时预测性能。首先,提出了一种稀疏子空间任务分解聚类算法,该算法将原始空间划分为若干个交互的特征子空间,同时分配一个权值来描述子任务的贡献。其次,构建了一个差异化的并行编码网络,实现了各子空间的特征提取和融合。最后,提出了一种基于全局梯度下降的协同优化算法,同时对各子模型的网络参数进行优化,以保证模型的准确性。结果表明该方法能够实现生化需氧量的高精度实时预测。

【技术实现步骤摘要】

本专利技术设计了一种基于任务分解和分布式特征集成的污水过程监控方法,实现了在多个过程下的污水处理过程中对出水生化需氧量的实时监测。出水生化需氧量为细菌等微生物将污水进行生物降解为有机物的溶解氧含量,用于衡量污水中有机物含量和可生物降解程度,是反映污水的污染情况的重要指标之一。污水处理过程中出水生化需氧量的监测作为水质监测的重要环节,是先进制造的重要分支,属于污水处理与资源化利用领域。


技术介绍

1、随着环保技术的进步和公众环保意识的增强,人们对富营养化对水资源危害的认识日益加深,国家在污水处理领域施行了更严格的标准和法规。实施污水水质测量能提前为污水处理过程调控提供参考信息,保证污水处理厂高效稳定运行,从而带来显著的环境和社会效益。因此,对污水处理过程实时测量进行研究具有重要意义以及广阔的应用前景。

2、随着采集设备、自动化和传输技术的发展,过程监控模型(process monitoringmodel,pmm)被广泛应用于污水处理过程中的水质监测、状态评估等领域。基于数据驱动的pmm通过污水处理过程在子系统或子过程的集成中存储的大量过程数据,分本文档来自技高网...

【技术保护点】

1.一种基于分布式特征提取神经网络的污水生化需氧量的监测方法,其特征在于包括以下步骤:

【技术特征摘要】

1.一种基于分布式特征提取神经网络的污水生化...

【专利技术属性】
技术研发人员:伍小龙侯东洋杨宏燕韩红桂乔俊飞
申请(专利权)人:北京工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1