基于神经网络的水质模型基础参数动态调优方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的水质模型基础参数动态调优方法、装置、存储介质及设备，其通过获取污水厂的历史数据、构建机理模型、利用构建的机理模型获取高权重因子集以及整体高权重因子，根据高权重因子集以及整体高权重因子训练获得高权重参数，进而对水质进行参数调优，在本发明专利技术中可以实时筛选高权重因子，并对高权重因子进行调参，即可对调参的结果进行实时存储，以动态监测其调参数据，可以感知到无法进行监测的参数的变化情况及趋势；对高权重的筛选不止仅仅使用单因子分析，而是采用单因子分析和多因子综合分析进行，同时利用遗传算法及神经网络形成高权重参数筛选模型，这样可以使权重筛选更为全面，从而使模拟的准确性提高；高权重筛选时不仅基于历史数据进行，同时加入天气情况、季节和水量等因素作为相关影响因子，得出更准确的调参结果；对高权重因子进行调参时利用神经网络，结合提高调参结果的准确性；使用该发明专利技术提供的方法时会先借助历史数据得到算法模型，如高权重参数筛选模型和调参模型，在之后的使用时可以直接根据实时数据进行，从而进行动态调优。

【技术实现步骤摘要】

本专利技术涉及污水厂智能化控制设备，特别涉及一种基于神经网络的水质模型基础参数动态调优方法、装置、存储介质及设备。

技术介绍

1、近年来，随着经济社会的不断发展，城镇人口规模也随之逐渐增加，同时，城市水资源的需求量和质量也在提高，而污水处理作为城市水资源循环的最后一环，不但对居民生产生活的用水安全起到至关重要的作用，还对保护城市水环境、减少污染尤为关键。

2、为了更好地进行污水处理，需要对污水处理的过程进行模拟，预测未来的过程数据和出水数据，当预测到数据异常时可以及时处理，来保证出水数据符合要求。

3、当前对污水处理的模拟主要分为两类：一种直接使用机器学习相关算法进行，将可监测到的进水数据作为模型的输入，出水数据作为模型的输出，通过对算法调优，得到预测结果，然而这种方式一般只能针对某一或某几个出水水质或中间过程水质，每种数据都需要一个单独的模型进行预测，除此之外，该方法的准确度较差，且优化难度较大；

4、另一种方法是借助机理模型如asm模型对数据进行模拟，这种模拟通常采用设计的进水水质、实时进水水量以及可监测的进水水质进本文档来自技高网...

【技术保护点】

1.一种基于神经网络的水质模型基础参数动态调优方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于：

3.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤S21中具体包括：

4.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于：

5.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤S22具体包括：

6.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤S3具体包括：

7.根据权利要求1所述的水质模...

【技术特征摘要】

1.一种基于神经网络的水质模型基础参数动态调优方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于：

3.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤s21中具体包括：

4.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于：

5.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤s22具体包括：

6.根据权利要求1所述的水质模型基础参数动态调优方法，其特征在于，所述步骤s3具体包括：

【专利技术属性】
技术研发人员：李鹏飞，唐霞，孙伟，吴学伟，李碧清，谭小萍，匡科，王伟国，罗业燊，张亚辉，赵淑贤，李江鹏，梁怡，黄日恒，潘南全，黄浩锐，刘宝健，黄炳泉，关健浩，张恒，吴杰仁，邱灏，侯毛宇，
申请(专利权)人：广州市净水有限公司，
类型：发明
国别省市：