一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法技术

本发明专利技术公开一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，包括如下步骤：(1)准备污水厂进水氨氮浓度预测输入数据和输出数据，对数据进行预处理；(2)构建基于长短期记忆阶跃序列的污水厂进水氨氮浓度预测模型，对城市污水厂进水氨氮浓度进行预测；(3)对模型进行训练和测试，对模型参数进行设置，确保模型能够对污水厂进水氨氮浓度进行准确模拟；(4)对污水厂进水氨氮浓度进行模拟，对模型的预测性能进行评估；本发明专利技术方法可用于污水处理厂进水氨氮浓度的预测，可以提高污水厂进水氨氮浓度预测精度，对于降低污水中氨氮浓度具有重要意义。

【技术实现步骤摘要】

本专利技术涉及城市污水处理类污水厂进水氨氮浓度预测，特别是一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法。

技术介绍

1、随着人口爆炸和城市化进程的推进，城市污水的数量和复杂性逐年增加。为了控制城市水污染，保障居民健康，保障城市可持续发展，污水需要适当处理。污水处理作为城市运行的重要组成部分，需要及时准确地评估污水处理厂进水水质指标，协助制定污水处理厂的运营策略，并对污水处理系统进行智能管理和维护。

2、在水质检测方法中，基于实验的直接检测方法虽然精度可靠，但它消耗了样品采集和处理的人力成本以及化学反应的时间成本，不利于实时管理。因此，利用水质预测模型对水质进行评估的软检测方法开始流行，从而避免了系统的采样和测量。

3、传统的水质预测模型如经验模型、动态模型和回归模型精度有限，限制了其应用。近年来，深度学习算法因其捕获不同变量之间复杂的非线性映射关系的能力而受到广泛关注，这使得它们比上述传统模型更具优势。例如，深度学习被用来预测排水管网中的一些关键水质(如化学需氧量和生化需氧量)，只需要输入一些污水的关键指标(如温度、ph值和电导本文档来自技高网...

【技术保护点】

1.一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(1)具体如下：

3.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(2)具体如下：

4.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(3)具体如下：

5.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(4)具体为：

6.根...

【技术特征摘要】

1.一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(1)具体如下：

3.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(2)具体如下：

4.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(3)具体如下：

5.根据权利要求1所述的一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，其特征在于：所述步骤(4)具体为：

6.根据权利要求...

【专利技术属性】
技术研发人员：朱向东，胡祖康，张俊，周小国，李曼，李怡然，宁静，
申请(专利权)人：长江生态环保集团有限公司，
类型：发明
国别省市：