CN112132700A - 用于调控水质的配方决策方法 - Google Patents
用于调控水质的配方决策方法 Download PDFInfo
- Publication number
- CN112132700A CN112132700A CN202010557796.6A CN202010557796A CN112132700A CN 112132700 A CN112132700 A CN 112132700A CN 202010557796 A CN202010557796 A CN 202010557796A CN 112132700 A CN112132700 A CN 112132700A
- Authority
- CN
- China
- Prior art keywords
- water quality
- formula
- regulating
- recipe
- predicted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 35
- 230000001276 controlling effect Effects 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 27
- 239000000203 mixture Substances 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000009472 formulation Methods 0.000 claims description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 239000005416 organic matter Substances 0.000 claims description 5
- 241000894006 Bacteria Species 0.000 claims description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 239000000460 chlorine Substances 0.000 claims description 3
- 229910052801 chlorine Inorganic materials 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 230000033116 oxidation-reduction process Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 22
- 230000005856 abnormality Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000012806 monitoring device Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000013043 chemical agent Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000008194 pharmaceutical composition Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 241000192700 Cyanobacteria Species 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-N Nitrous acid Chemical compound ON=O IOVCWXUNBOPUCH-UHFFFAOYSA-N 0.000 description 1
- BPQQTUXANYXVAA-UHFFFAOYSA-N Orthosilicate Chemical compound [O-][Si]([O-])([O-])[O-] BPQQTUXANYXVAA-UHFFFAOYSA-N 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 241000589517 Pseudomonas aeruginosa Species 0.000 description 1
- 241000191967 Staphylococcus aureus Species 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- -1 ammonium ions Chemical class 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
- Activated Sludge Processes (AREA)
Abstract
一种用于调控水质的配方决策方法,借由调控系统来实施,该用于调控水质的配方决策方法包含以下步骤:根据期望的水质参数变化数值,利用用于依据所输入的水质参数变化数值输出至少一配方数据的配方决策模型,产生至少一预测的配方数据,其中,每一预测的配方数据包含配方的预测成分组成与一预测成分比例。本发明用于调控水质的配方决策方法可提供更准确且符合经济效益的预测配方、更有利于改善水质处理系统的稳定度、排除水质监测系统异常所造成问题。
Description
技术领域
本发明涉及一种配方决策方法,特别是指一种用于调控水质的配方决策方法。
背景技术
现有水质调整或废水处理大多采用被动式控管与监测方式,也就是在加入水处理药剂配方至原水(或废水)后,透过一监测系统来监测原水的变化,再经由此监测结果决定下一阶段的处理,故需透过重复循环处理后才能达到预定的水质标准。然而,上述处理方式可能因等待监测结果至决定下一阶段处理期间所耗费的时间过长,导致原水的性质又发生变化,同时也造成后续加入的药剂配方无法实时因应此水质变化进行调整,致使配方精准度下降;其次,耗费时间过长还可能会导致处理系统或监测系统须随时停机而让处理或监测系统不稳定、产生异常、甚或损坏。
随着自动化及人工智能的发展,目前也有关于水质监测方法的相关专利被提出,例如中国台湾专利公告案TW I658273便提出一种水质监测方法,主要是透过监测一待测水体的多个水质参数与其预设安全值来判断该待测水体的水质状态;若水质状态处于危险状态则产生警示讯息至一行动装置,以及启动示警装置或令水质改善模块启动水质优化设备。上述水质监测方法仅能解决后端监测所遇到的问题,无法有效提供能实时因应水质变化的药剂配方以及改善处理或监测系统的稳定性。
由以上说明可知,现有水质调整方法仍须再设法因应各种水质提供更实时且精准的药剂配方,同时改善处理系统或监测系统的稳定性。
发明内容
因此,本发明的目的,即在提供一种能提供实时且精准的药剂配方、并能同时改善处理或监测系统的稳定性的用于调控水质的配方决策方法。
于是,本发明用于调控水质的配方决策方法,借由调控系统来实施,该用于调控水质的配方决策方法包含以下步骤:(a)根据期望的水质参数变化数值,利用用于依据所输入的水质参数变化数值输出至少一配方数据的配方决策模型,产生至少一预测的配方数据,其中,每一预测的配方数据包含配方的预测成分组成与预测成分比例。
本发明的用于调控水质的配方决策方法,该调控系统存储多组训练数据,每组训练数据包括配方的成分组成与成分比例,以及该成份组成与该成分比例所对应的水质参数变化数值,在步骤(a)前,还包含以下步骤:
(a0)根据所述训练数据,利用机器学习算法,建立该配方决策模型。
本发明的用于调控水质的配方决策方法,该水质参数变化数值中的水质参数是选自于浊度、色度、有机物含量、金属含量、无机物含量、pH值、导电度、水温、菌数、溶氧量、硬度、氨浓度、氯浓度、盐度、总悬浮固体浓度、氧化还原电位、化学需氧量及生物需氧量的至少一者。
本发明的用于调控水质的配方决策方法,于步骤(a)后还包含以下步骤:
(b)根据该步骤(a)的所述预测的配方数据中的预测配方数据对水质进行调控,以获得调配后的水质;
(c)量测该调配后的水质以获得实际的水质参数变化数值;
(d)根据该实际的水质参数变化数值,利用该机器学习算法,修正该配方决策模型。
本发明的用于调控水质的配方决策方法,每组训练数据还包括配方成本,在该步骤(a0)中,根据每组包含该配方成本的训练数据,利用该机器学习算法,建立该配方决策模型,在该步骤(a)中,每一预测的配方数据还包含预测配方成本,在该步骤(a)后还包含以下步骤:
(e)自该至少一预测的配方数据,选取出对应有最少预测配方成本的目标配方数据。
本发明的用于调控水质的配方决策方法,在该步骤(e)后,还包含以下步骤:
(f)根据步骤(b)的该目标配方数据对水质进行调控,以获得调配后的水质;
(g)量测该调配后的水质以获得实际的水质参数变化数值;
(h)根据该实际的水质参数变化数值,利用该机器学习算法,修正该配方决策模型。
本发明的用于调控水质的配方决策方法,步骤(h)包含以下子步骤:
(h-1)根据该实际的水质参数变化数值与期望的该水质参数变化数值获得一损失函数;
(h-2)根据该损失函数修正该配方决策模型。
本发明的有益效果在于:本发明配方决策方法是借由该配方决策模型而能有效地提供实时且精准的预测配方,且运用此预测配方进行水质调整可以避免处理系统或监测系统发生异常或损坏,并提升处理系统或监测系统的稳定性。
附图说明
图1是一方块图,说明用以实施本发明用于调控水质的配方决策方法的一调控系统;
图2是一流程图,说明本发明用于调控水质的配方决策方法的实施例1的一配方决策方法的流程;
图3是一流程图,说明该实施例1的步骤25的子步骤流程;
图4是一流程图,说明本发明用于调控水质的配方决策方法的实施例2的一配方决策方法的流程。
具体实施方式
本发明将就以下实施例作进一步说明,但应了解的是,该实施例仅为例示说明用,而不应被解释为本发明实施的限制。
在本发明被详细描述前,应当注意在以下的说明内容中,类似的组件是以相同的编号来表示。
于本文中所提到的「水质参数」涵盖所有废水或原水处理可能运用的水质参数,例如但不限于浊度、色度、有机物含量、金属含量、无机物(如亚硝酸、硝酸盐、铵离子、硫化氢、磷酸盐、硅酸盐、硫酸盐等)含量、pH值、导电度、水温、菌数(如大肠菌群、蓝细菌、金黄色葡萄球菌、绿脓杆菌等)、溶氧量、硬度、氨浓度、氯浓度、盐度、总悬浮固体浓度、氧化还原电位、化学需氧量及生物需氧量等。
在本文中所提到的「成分」涵盖各种化学药剂、生物菌种、其他水质处理试剂等。
参阅图1,实施本发明用于调控水质的配方决策方法的一实施例的一调控系统100,该调控系统100包含一计算机装置1、一通讯连接该计算机装置1的一水质处理装置2,及一通讯连接该计算机装置1的监测装置3,该计算机装置1包含一输入单元11、一存储运算单元12、一输出单元13、及一通讯单元14。
该输入单元11用于输入一相关于水质参数变化数值的输入讯号至该存储运算单元12。该输入单元11还可以选择地输入另一相关于输入其他数据的输入讯号至该存储运算单元12,该其他数据包含一或多组配方数据。
该存储运算单元12存储一用于依据所输入的水质参数变化数值输出至少一配方数据的配方决策模型。该存储运算单元12还存储多组训练数据,每组训练数据包括配方的一成分组成与一成分比例,以及该成分组成与成分比例所对应的一水质参数变化数值。
该输出单元13用于输出该配方决策模型所产生的至少一配方数据至该通讯单元14。
该通讯单元14是通讯连接至该水质处理装置2及该监测装置3,以将该配方数据传送至该水质处理装置2及该监测装置3。
该水质处理装置2泛指任何用于处理调控水质的装置,例如但不限于物理处理单元、化学处理单元、生物处理单元、污泥处理单元、水回收处理单元等,上述单元可以单独使用或组合使用。该水质处理装置2较佳为自动化装置。
该监测装置3用于监控检测水质(包含调配前及调配后的水质),并产生一实际水质参数。
参阅图2,本发明用于调控水质的配方决策方法的实施例1,借由上述计算机装置1来实施并包含一步骤21、一步骤22、一步骤23、一步骤24及一步骤25。
在该步骤21中,该计算机装置1的存储运算单元12根据所述训练数据,利用一机器学习算法,建立该配方决策模型。该机器学习算法例如但不限于:LinearRegression、RidgeCV、Ridge、AdaBoostReg ressor、RandomForestRegressor、BaggingRegressor、ExtraTreeRegres sor、XGBRegressor、GradientBoostingRegressor、Lasso、ElasticNet等,其中,当水质参数变化值为色度去除率或有机物II去除率时,机器学习算法以XGBRegressor为最佳;当水质参数变化值为有机物I去除率或浊度去除率时,机器学习算法以GradientBoostingRegressor为最佳。
在步骤22中,该计算机装置1的存储运算单元12根据一响应于该输入单元11的输入讯号而产生的期望的水质参数变化数值,利用该配方决策模型,产生至少一个预测的配方数据,其中,每一个预测的配方数据包含配方的一预测成分组成与一预测成分比例。该步骤22的实施态样例如但不限于下表1的具体例1至4:
[表1]
以具体例1为例,当输入色度去除率78作为期望的水质参数变化数值时,利用该配方决策模型将会产生2种配方数据,每种配方数据都包含成分组成与成分比例。
另外值得一提的是,该配方决策模型除了可以进行如步骤22流程,也可以根据欲使用的配方数据来获得预测的水质参数变化数值,例如下表2的具体例I至IV:
[表2]
以具体例I为例,当输入成分组成为A药剂与B药剂、以及成分比例为154:24.7时,可以利用该配方决策模型获得预测的水质参数变化数值,即色度去除率82.60577。
在该步骤23中,该水质处理装置2根据该步骤22所产生的至少一个预测的配方数据中的一目标配方数据对水质进行调控,以获得一调配后的水质。值得一提的是,在本实施方式中,目标配方数据的决定可以是经由一使用者选取或是随机选取。此外,该步骤23是根据该目标配方数据先配制药剂配方,再经由该水质处理装置2以机器自动化方式将药剂配方加入欲处理的水中进行水质调控。其中,该水质处理装置2可以是任何市售的水质处理装置,甚至也可以使用任何市售的自动加药装置(图未示)来将药剂配方加入欲处理的水中进行水质调控。在本发明的其他实施方式中,该步骤23也可借由人工方式先根据该目标配方数据配制药剂配方后,再将药剂配方加入欲处理的水中进行水质调控。
在该步骤24中,该监测装置3量测该调配后的水质以获得一实际的水质参数变化数值。该监测装置3可以是任何市售已知的水质监测装置。在本发明的其他实施方式中,该步骤24也可借由人工方式来量测该调配后的水质。
在该步骤25中,该计算机装置1的存储运算单元12根据该步骤24所获得的该实际的水质参数变化数值,利用该机器学习算法,修正该配方决策模型。在本实施例中,该机器学习算法的实施态样可以例如但不限于线性回归、类神经网络(NN)等。
参阅图3,值得特别说明的是,该步骤25还进一步包含一子步骤251及一子步骤252。
在该子步骤251中,根据该步骤24所量测的实际的水质参数变化数值与该步骤22所输入的期望的水质参数变化数值来获得一损失函数。在本实施例中,该子步骤251的实施态样例如但不限于利用线性回归或类神经网络来实施。
在该子步骤252中,根据该子步骤251的损失函数来修正该配方决策模型。
参阅图4,本发明用于调控水质的配方决策方法的实施例2,借由上述调控系统100来实施并包含一步骤31、一步骤32、一步骤33、一步骤34、一步骤35及一步骤36。
该步骤31与上述实施例1的步骤21类似,不同处在于:每组训练数据还包括一配方成本,在该步骤31中,该计算机装置1系根据每组包含该配方成本的训练数据,利用该机器学习算法,建立该配方决策模型。
该步骤32与上述实施例1的步骤22类似,不同处在于:每一预测的配方数据包含配方的一预测成分组成、一预测成份比例与一预测配方成本。该步骤32的实施态样例如但不限于下表3的具体例5至8:[表3]
该步骤33是自该至少一个预测的配方数据,选取出一对应有最少预测配方成本的目标配方数据。以上表3的具体例5至8为例进行选取,该步骤33的实施态样例如但不限于下表4的具体例5至8:
[表4]
该步骤34与上述实施例1的步骤23类似,不同处在于:该步骤34是根据该目标配方数据对水质进行调控。
该步骤35及36分别与上述实施例1的步骤24及25类似。
另外值得一提的是,本发明配方决策方法也可用于检视监测装置3是否有钝化现象,具体实施态样例如:该计算机装置1透过输入欲使用的配方数据(包含成分组成与成分比例),利用该配方决策模型来取得预测的水质参数变化数值,而后依据该配方数据配制药剂配方并对水质进行调控,以获得一调配后的水质;接着,该监测装置3量测该调配后的水质,以获得一实际的水质参数变化数值;该计算机装置1根据该预测的水质参数变化数值与该实际的水质参数变化数值获得一数据偏差值;最后根据该数据偏差值,判断是否需经由该计算机装置1产生监测装置3有钝化现象的警示。
综上所述,本发明配方决策方法是借由该配方决策模型而能有效地提供实时且精准的预测配方,且运用此预设测配方进行水质调整可以避免处理系统或监测系统发生异常或损坏,并提升处理系统或监测系统的稳定性,故确实能达成本发明的目的。
惟以上所述者,仅为本发明的实施例而已,当不能以此限定本发明实施的范围,凡是依本发明申请专利范围及专利说明书内容所作的简单的等效变化与修饰,皆仍属本发明专利涵盖的范围内。
Claims (7)
1.一种用于调控水质的配方决策方法,借由调控系统来实施,其特征在于,该用于调控水质的配方决策方法包含以下步骤:
(a)根据期望的水质参数变化数值,利用用于依据所输入的水质参数变化数值输出至少一配方数据的配方决策模型,产生至少一预测的配方数据,其中,每一预测的配方数据包含配方的预测成分组成与预测成分比例。
2.根据权利要求1所述的用于调控水质的配方决策方法,该调控系统存储多组训练数据,每组训练数据包括配方的成分组成与成分比例,以及该成份组成与该成分比例所对应的水质参数变化数值,其特征在于,在步骤(a)前,还包含以下步骤:
(a0)根据所述训练数据,利用机器学习算法,建立该配方决策模型。
3.根据权利要求1或2所述的用于调控水质的配方决策方法,其特征在于:该水质参数变化数值中的水质参数是选自于浊度、色度、有机物含量、金属含量、无机物含量、pH值、导电度、水温、菌数、溶氧量、硬度、氨浓度、氯浓度、盐度、总悬浮固体浓度、氧化还原电位、化学需氧量及生物需氧量的至少一者。
4.根据权利要求2所述的用于调控水质的配方决策方法,其特征在于,于步骤(a)后还包含以下步骤:
(b)根据该步骤(a)的所述预测的配方数据中的预测配方数据对水质进行调控,以获得调配后的水质;
(c)量测该调配后的水质以获得实际的水质参数变化数值;
(d)根据该实际的水质参数变化数值,利用该机器学习算法,修正该配方决策模型。
5.根据权利要求4所述的用于调控水质的配方决策方法,每组训练数据还包括配方成本,其特征在于:
在该步骤(a0)中,根据每组包含该配方成本的训练数据,利用该机器学习算法,建立该配方决策模型;
在该步骤(a)中,每一预测的配方数据还包含预测配方成本;
该用于调控水质的配方决策方法在该步骤(a)后还包含以下步骤:
(e)自该至少一预测的配方数据,选取出对应有最少预测配方成本的目标配方数据。
6.根据权利要求5所述的用于调控水质的配方决策方法,其特征在于,在该步骤(e)后,还包含以下步骤:
(f)根据步骤(b)的该目标配方数据对水质进行调控,以获得调配后的水质;
(g)量测该调配后的水质以获得实际的水质参数变化数值;
(h)根据该实际的水质参数变化数值,利用该机器学习算法,修正该配方决策模型。
7.根据权利要求6所述的用于调控水质的配方决策方法,其特征在于,步骤(h)包含以下子步骤:
(h-1)根据该实际的水质参数变化数值与期望的该水质参数变化数值获得一损失函数;
(h-2)根据该损失函数修正该配方决策模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108121985 | 2019-06-24 | ||
TW108121985A TW202100472A (zh) | 2019-06-24 | 2019-06-24 | 用於調控水質的配方決策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132700A true CN112132700A (zh) | 2020-12-25 |
Family
ID=73851432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557796.6A Pending CN112132700A (zh) | 2019-06-24 | 2020-06-18 | 用于调控水质的配方决策方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112132700A (zh) |
TW (1) | TW202100472A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114453141A (zh) * | 2022-01-17 | 2022-05-10 | 淮北矿业股份有限公司 | 一种洗选焦煤用浮选剂及其制备方法 |
CN117049617A (zh) * | 2023-08-14 | 2023-11-14 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI769902B (zh) * | 2021-07-30 | 2022-07-01 | 馮世宏 | 雲端廢水水質監測與自動加藥系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233397A1 (en) * | 2006-03-20 | 2007-10-04 | Sensis Corporation | System for detection and prediction of water quality events |
CN107219779A (zh) * | 2016-03-22 | 2017-09-29 | 周楠 | 一种水处理药剂的投加方法及装置 |
CN109143840A (zh) * | 2018-09-18 | 2019-01-04 | 湖南柿竹园有色金属有限责任公司 | 一种尾矿废水处理加药闭环配方控制技术 |
-
2019
- 2019-06-24 TW TW108121985A patent/TW202100472A/zh unknown
-
2020
- 2020-06-18 CN CN202010557796.6A patent/CN112132700A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233397A1 (en) * | 2006-03-20 | 2007-10-04 | Sensis Corporation | System for detection and prediction of water quality events |
CN107219779A (zh) * | 2016-03-22 | 2017-09-29 | 周楠 | 一种水处理药剂的投加方法及装置 |
CN109143840A (zh) * | 2018-09-18 | 2019-01-04 | 湖南柿竹园有色金属有限责任公司 | 一种尾矿废水处理加药闭环配方控制技术 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114453141A (zh) * | 2022-01-17 | 2022-05-10 | 淮北矿业股份有限公司 | 一种洗选焦煤用浮选剂及其制备方法 |
CN114453141B (zh) * | 2022-01-17 | 2024-02-02 | 淮北矿业股份有限公司 | 一种洗选焦煤用浮选剂及其制备方法 |
CN117049617A (zh) * | 2023-08-14 | 2023-11-14 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
CN117049617B (zh) * | 2023-08-14 | 2024-02-02 | 江苏秦郡环保科技有限公司 | 一种垃圾焚烧炉渣的污水处理控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202100472A (zh) | 2021-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112132700A (zh) | 用于调控水质的配方决策方法 | |
US11130692B2 (en) | Process and apparatus for dosing nutrients to a bioreactor | |
CN110515411B (zh) | 一种水处理加药量控制方法及系统 | |
JP6609808B2 (ja) | 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法 | |
JP7076356B2 (ja) | 排水処理方法 | |
CN113126490B (zh) | 智能变频增氧控制方法及装置 | |
JP4746385B2 (ja) | 水処理プラントに適用する凝集剤注入制御装置 | |
CN106933099B (zh) | 一种选煤厂浓缩机和压滤机药剂添加协同控制系统 | |
US11866348B2 (en) | System, apparatus, and method for treating wastewater in real time | |
CN113687040A (zh) | 基于决策树算法的水厂实时投药量预测方法、装置及介质 | |
KR101889510B1 (ko) | 심층 신경망을 이용한 정수 처리에서의 응집제 주입률 예측 방법 | |
CN106277383A (zh) | 一种基于耗氧速率测定仪的曝气控制系统与方法 | |
CN112759063A (zh) | 一种预臭氧投加控制方法及其控制系统 | |
CN115759399A (zh) | 投加控制方法、装置、设备及存储介质 | |
CN111777138A (zh) | 一种基于物联网的污水处理精细化控制系统及控制方法 | |
CN114442686B (zh) | 溶解氧浓度的控制方法、装置、电子设备及存储介质 | |
CN202671285U (zh) | 火电厂工业废水自动加药装置 | |
KR100573189B1 (ko) | 신경망 2자 유도 PID 제어기의 튜닝방법을 이용한정수처리 시스템의 pH 제어 방법 및 그 장치 | |
US20220240456A1 (en) | Produce management system | |
Chen et al. | Fuzzy model identification and control system design for coagulation chemical dosing of potable water | |
JP2007249767A (ja) | プロセス制御システム | |
EP4046080A1 (en) | A method and system for monitoring a process | |
KR101334693B1 (ko) | 수질측정기와 회귀모델을 이용한 응집제 주입량 결정방법과 그를 이용한 정수처리시스템 | |
CN107662964A (zh) | 灭菌水的生成装置及其制备方法 | |
Schneider | Monitoring and quantifying the treatment performance of on-site wastewater treatment plants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201225 |