CN113582309A - 一种混凝剂投加量的确定方法和装置 - Google Patents
一种混凝剂投加量的确定方法和装置 Download PDFInfo
- Publication number
- CN113582309A CN113582309A CN202110859900.1A CN202110859900A CN113582309A CN 113582309 A CN113582309 A CN 113582309A CN 202110859900 A CN202110859900 A CN 202110859900A CN 113582309 A CN113582309 A CN 113582309A
- Authority
- CN
- China
- Prior art keywords
- coagulant
- adding amount
- water
- raw water
- model
- 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
- 239000000701 coagulant Substances 0.000 title claims abstract description 273
- 238000000034 method Methods 0.000 title claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 351
- 238000004590 computer program Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 24
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 19
- 239000001301 oxygen Substances 0.000 claims description 19
- 229910052760 oxygen Inorganic materials 0.000 claims description 19
- 239000000126 substance Substances 0.000 claims description 18
- 238000000611 regression analysis Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 17
- 230000000694 effects Effects 0.000 description 9
- 238000005345 coagulation Methods 0.000 description 6
- 230000015271 coagulation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 239000008239 natural water Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 241000195493 Cryptophyta Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005189 flocculation Methods 0.000 description 2
- 230000016615 flocculation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- -1 flocs Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本公开实施例提供了一种混凝剂投加量的确定方法和装置，涉及水处理领域，该方法包括：获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；获取待处理原水的水质环境；通过将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。本公开实施例用于解决现有技术中不能根据原水的水质环境确定混凝剂的最佳投加量的问题，以提高混凝剂的利用率，减少浪费。
Description
技术领域
本公开涉及水处理领域，尤其涉及一种混凝剂投加量的确定方法和装置。
背景技术
目前我国水厂进行供水时普遍利用多水源供水，在多水源供水的条件下，水体中不可能单独存在一种污染物，也不可能是一种介质或界面对污染物的相互作用进行影响。在一般的多水源供水中，不论是污染物的赋存状态、转移转化行为还是其介质界面效应，都具有典型的复合性特征，例如，水中有机物的含量增多、氨氮浓度增高、水体有异味、色度增高、藻类大量繁殖等。
水源的水质会随季节的变化存在较为明显的改变，特别是由于过量的营养盐的输入，湖泊或水库季节性的出现了藻类大量繁殖的问题，影响水体与大气进行正常的氧气交换，造成水体溶解氧迅速下降，使得供水水源水质逐年恶化。由于天然水体的水源水质会因季节发生明显的改变，且天然水体中有机物与其它颗粒物的成分存在复杂性与多变性，因此要想通过实验室模拟全面了解水源的水质特性对混凝过程的影响是非常困难的。
现有技术中在对原水进行处理时，往往会加入混凝剂以提高混凝过程中絮体、胶体、有机物等污染物的沉降，进而达到分离的目的，但现有技术中仍没有针对不同水质的原水确定混凝剂的最佳投加量的有效方法，造成了混凝剂的浪费。
发明内容
有鉴于此，本公开提供了一种混凝剂投加量的确定方法和装置，旨在处理不同水质环境的原水时确定最佳的混凝剂投加量，避免混凝剂的浪费。
为了实现上述目的，本公开实施例提供的技术方案如下：
第一方面，本公开实施例提供了一种混凝剂投加量的确定方法，所述方法包括：
获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；
根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；
获取待处理原水的水质环境；
将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
作为本公开实施例一种可选的实施方式，所述获取原水的历史数据，包括：
获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；
根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；
将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
作为本公开实施例一种可选的实施方式，所述水质环境包括：所述原水的浊度、化学需氧量、温度、酸碱度，以及日处理水量中的至少一个。
作为本公开实施例一种可选的实施方式，所述根据所述原水的水质环境与对应的混凝剂投加量确定目标模型，包括：
获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；
对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；
获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；
将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
作为本公开实施例一种可选的实施方式，所述获取第一模型集合，包括：
基于回归分析构建多个混凝剂投加量调整模型；
用所述多个混凝剂投加量调整模型组成所述第一模型集合。
作为本公开实施例一种可选的实施方式，所述基于回归分析构建多个混凝剂投加量调整模型，包括：
依次引入各水质参数，构建对应的混凝剂投加量调整模型；
其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
作为本公开实施例一种可选的实施方式，所述对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定所述第二模型集合，包括：
计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；
用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
第二方面，本公开实施例提供了一种混凝剂投加量的确定装置，包括：
收集模块，用于获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；
确定模块，用于根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；
获取模块，用于获取待处理原水的水质环境；
控制模块，用于将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
作为本公开实施例一种可选的实施方式，所述收集模块包括：
出水浊度收集模块，用于获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；
判断模块，用于根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；
计算模块，用于将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
作为本公开实施例一种可选的实施方式，所述水质环境包括：所述原水的浊度、化学需氧量、温度、酸碱度，以及日处理水量中的至少一个。
作为本公开实施例一种可选的实施方式，所述确定模块，包括：
构建模块，用于获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；
检验模块，用于对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；
拟合度获取模块，用于获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；
调整模块，用于将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
作为本公开实施例一种可选的实施方式，所述构建模块，包括：模型构建模块，用于基于回归分析构建多个混凝剂投加量调整模型；
集合构建模块，用于模型构建模块用所述多个混凝剂投加量调整模型组成所述第一模型集合。
作为本公开实施例一种可选的实施方式，所述模型构建模块，具体用于依次引入各水质参数，构建对应的混凝剂投加量调整模型；
其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
作为本公开实施例一种可选的实施方式，所述检验模块，具体用于计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；
用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
第三方面，本公开实施例提供了一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行第一方面或第一方面任一种可选的实施方式所述的混凝剂投加量的确定方法的步骤。
第四方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面或第一方面任一种可选的实施方式所述的混凝剂投加量的确定方法的步骤。
本公开实施例提供的一种混凝剂投加量的确定方法，获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；获取待处理原水的水质环境；通过将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。由于本公开实施例提供的混凝剂投加量的确定方法中，通过获取原水处理的历史数据，建立以水质环境为输入，以混凝剂投加量为输出的混凝剂投加量调整模型，使得在获得待处理原水的水质环境的情况下，可以直接得到需要加入的混凝剂投加量，从而防止加入比实际需要更多的混凝剂，避免了混凝剂的浪费。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本公开一个实施例提供的混凝剂投加量的确定方法的步骤流程图；
图2为本公开另一个实施例提供的混凝剂投加量的确定方法的步骤流程图；
图3为本公开一个实施例提供的混凝剂投加量的确定装置的结构框图；
图4为本公开另一个实施例提供的电子设备的内部结构图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
本公开的说明书和权利要求书中的术语“第一”和“第二”等是用于区别同步的对象，而不是用于描述对象的特定顺序。例如，第一模型集合和第二模型集合是用于区别不同的模型集合，而不是用于描述模型集合的特定顺序或大小。
在本公开实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本公开实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，此外，在本公开实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
天然水体中包含的物质主要以三种不同的状态存在，分别为离子状态、胶体状态和悬浮状态，通常情况下，胶体状态的物质在加入的混凝剂的作用下会发生集聚生成絮体，从而被除去。水处理过程中的混凝可以分为混合与絮凝两个过程，影响混凝过程的因素有原水水质、混凝剂的投加量、是否投加助凝剂等。随着科学技术，尤其是计算机技术不断发展，对絮体成长过程的研究有了进一步的深入，一些新的先进检测技术，如光电检测法、流动电流法和透光脉动法等的不断出现逐渐取代了传统的方法。评价混凝效果好坏的指标也由原有的通过产水浊度间接的评价方式发展为对流动电流值、颗粒数量、粒径分布以及分形维数等为主的各类评价指标。此外，对影响絮体成长的因素之间的协同作用的研究也越来越受到人们的重视。为了上述研究，需要应用水厂原位监测等多种手段，从混凝过程中絮体的形态与变化规律等角度讨论原水水质(浊度、有机物含量与组成等)对絮体的形成与破碎的影响，从而在原水水质确定的情况下，可以确定对应的混凝剂投加量，提高混凝剂的利用率，避免加入过量的混凝剂造成浪费。
本公开实施例提供了一种混凝剂投加量的确定方法，参照图1所示，包括如下步骤S110至S140：
S110、获取原水的历史数据。
其中，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数。
需要解释的是，在水处理领域，原水指未经任何处理的天然水或城市的自来水，在本公开实施例中，原水指需要添加混凝剂进行处理的水。
S120、根据所述原水的水质环境与对应的混凝剂投加量确定目标模型。
可选的，所述水质环境包括：所述原水的浊度、化学需氧量、温度、酸碱度，以及日处理水量中的至少一个。
需要说明的是，上述水质环境包括对混凝剂投加量有显著影响的一个水质参数或者多个水质参数的组合，可以通过经验确定，也可以通过建立模型进行研究来确定。原水的浊度指水中的悬浮物对光线透过时发生的阻碍程度，通常浊度越高，水越浑浊。化学需氧量(COD)指在一定条件下，用强氧化剂氧化水中的有机物质所消耗的氧量。本公开实施例中原水的酸碱度指原水的pH。日处理水量可以为单日处理的原水的体积，或单日产水的体积。水质环境的不同造成了絮体的形成环境的不同，环境必然絮体的形成结果，使得需要的混凝剂的投加量可能不同。
对以往水处理过程的历史数据中的水质环境和对应的混凝剂投加量进行分析研究，确定水质环境和混凝剂投加量的对应关系，构建目标模型，所述目标模型的输入为待处理原水的水质环境，输出为需要添加的混凝剂的投加量。
S130、获取待处理原水的水质环境。
在影响混凝剂投加量的水质参数确定的情况下，只获取影响混凝剂投加量的水质参数作为待处理原水的水质环境，可以减小数据的处理量，提高处理速度。
S140、将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
针对待处理原水，通过目标模型确定的混凝剂投加量为在实际处理中的最佳投加量，若在水处理过程中实际加入的混凝剂的量少于目标模型确定的混凝剂投加量，则本可以利用混凝剂除去的杂质没有被完全除去，影响产水的水质。若水处理过程中实际加入的混凝剂的量大于目标模型确定的混凝剂投加量，则有一部分混凝剂对水处理是没有贡献的，会造成混凝剂的浪费。在最佳的絮凝条件下，形成的絮体粒度分布均匀、粒径较大、絮体分形构造致密度高、孔隙率低、沉降速度快。
本公开实施例提供的混凝剂投加量的确定方法，获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；获取待处理原水的水质环境；通过将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。由于本公开实施例提供的混凝剂投加量的确定方法中，通过获取原水处理的历史数据，建立以水质环境为输入，以混凝剂投加量为输出的混凝剂投加量调整模型，使得在获得待处理原水的水质环境的情况下，可以直接得到需要加入的混凝剂投加量，从而防止加入比实际需要更多的混凝剂，避免了混凝剂的浪费。
图2为本公开的另一个实施例提供的混凝剂投加量的确定方法的步骤流程图，图2是在图1所示的实施例的基础上，对本公开的另一种可实现方式的描述。具体的，图1中所示的步骤S110(获取原水的历史数据)可通过图2中的步骤S111至S113来实现。
S111、获取预设时间内的出水浊度。
其中，所述出水浊度为所述原水经混凝剂处理产生的水的浊度。
示例性的，预设时间可以为2年，也可以为3年，历史数据越多，有助于提高目标模型的准确性。
出水浊度可以反映出水的水质，反映混凝剂的处理效果，由于不同批次处理得到的出水浊度不一定相同，因此出水浊度的分布可能为不连续的点。
S112、根据所述出水浊度的值的分布确定取值范围。
其中，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值。
需要说明的是，取值范围为出水浊度的取值范围，预设比值可以为81％。示例性的，预设时间可以为937天，则预设时间内的出水浊度的值的数量为937，若在所有获得的937天的数据中，有146天的出水浊度小于0.1NTU，有35天的出水浊度大于0.2NTU，那么可确定分布于0.1-0.2NTU的出水浊度的值的数量占937天中出水浊度的值的数量的81％，则将0.1-0.2NTU确定为取值范围。其中，NTU为散射浊度，是浊度的单位。
S113、将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
示例性的，当取值范围0.1-0.2NTU时，则将处于该取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为历史数据。
由于一些偶然因素也可能对出水浊度造成影响，因此根据出水浊度的分布确定取值范围，将取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为历史数据，可有效避免偶然因素带来的误差。
在该实施例中，可选的，步骤S120(根据所述原水的水质环境与对应的混凝剂投加量确定目标模型)可通过以下步骤S121-S124来实现，参照图2所示。
S121、获取第一模型集合。
其中，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同。
示例性的，当水质环境包括原水的浊度、化学需氧量、温度、酸碱度时，第一模型集合中的各个混凝剂投加量调整模型对应的输入各不相同，例如其中一个混凝剂投加量调整模型对应的输入为原水的浊度，另一个混凝剂投加量调整模型对应的输入为原水的浊度和化学需氧量，又一个混凝剂投加量调整模型对应的输入为原水的浊度、化学需氧量和温度，再一个混凝剂投加量调整模型对应的输入为原水的浊度、化学需氧量、温度和酸碱度。
可选的，可通过如下步骤a至步骤b来获取第一模型集合：
步骤a、基于回归分析构建多个混凝剂投加量调整模型。
步骤b、用所述多个混凝剂投加量调整模型组成所述第一模型集合。
需要说明的是，为了保证基于回归分析构建的混凝剂投加量调整模型具有优良的解释能力和预测效果，应注意自变量的选择，首先自变量对因变量必须有显著的影响且密切相关，自变量与因变量之间的相关必须是真实的，而不是形式上的。此外，自变量之间具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之间的相关程度。
在本实施例中，基于回归分析构建混凝剂投加量调整模型时，将混凝剂投加量确定为因变量，将水质环境确定为自变量，由于水质环境包括至少一种水质参数，因此自变量可能为多个。
可选的，基于回归分析构建多个混凝剂投加量调整模型可通过依次引入各水质参数，构建对应的混凝剂投加量调整模型来实现。
其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
示例性的，以自变量包括原水的浊度、化学需氧量、温度、酸碱度四个水质参数为例对上述基于回归分析构建多个混凝剂投加量调整模型进行说明。建立第一个混凝剂投加量调整模型时，引入第一个水质参数(自变量)，第一个水质参数可以为对混凝剂投加量影响最大的水质参数，例如为温度，以历史数据中的温度为输入，构建混凝剂投加量调整模型A，接着引入自变量原水的浊度，以温度和原水的浊度的为输入，构建混凝剂投加量调整模型B。在混凝剂投加量调整模型B中，若引入的原水的浊度对混凝剂投加量的影响不显著，则在引入第三个自变量化学需氧量构建混凝剂投加量调整模型C时，将自变量原水的浊度剔除，构建的混凝剂投加量调整模型C的输入为温度和化学需氧量，若混凝剂投加量调整模型B中，引入的原水的浊度对混凝剂投加量的影响显著，则在保留混凝剂投加量调整模型B的输入的基础上引入第三个自变量化学需氧量，构建的混凝剂投加量调整模型C的输入为温度、原水的浊度和化学需氧量。每引入一个自变量，构建一个对应的混凝剂投加量调整模型，直至引入最后一个自变量，在通过依次引入自变量构建混凝剂投加量调整模型的过程中，删除对混凝剂投加量影响不显著的自变量，保留影响显著的自变量。
S122、对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合。
其中，所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合。
具体的，显著性检验包括F检验和t检验，F检验通常用于评价所有自变量与因变量的关系是否密切，检验整个回归关系的显著性。首先根据F统计量的计算公式计算得出F值，再根据给定的显著性水平、自由度查F分布表，得到相应的临界值Fα，若F大于Fα，则回归方程具有显著意义。t检验用作检验回归方程中各个参数的显著性，其基本原理是提出“无效假设”和检验“无效假设”成立的几率，在本实施例中“无效假设”为“比较混凝剂投加量调整模型的输出值与对应的混凝剂投加量的历史数据时，假设模型的输出值与对应的混凝剂投加量的历史数据之间的差异不显著，即对应的自变量对混凝剂投加量没有影响或无效。”那么“无效假设”成立时，则认为水质参数对混凝剂投加量的影响不显著。
可选的，对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定所述第二模型集合的过程包括如下步骤c至步骤d。
步骤c、计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；
步骤d、用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
具体的，给定的显著性水平α为0.05，显著性水平是在进行假设检验时事先确定的一个可允许的作为判断界限的小概率标准。检验中，依据显著性水平大小把概率划分为两个区间，小于给定标准的概率区间称为拒绝区间，大于这个标准则为接受区间。所述显著性小于0.05，表明检验统计量落入拒绝区间的概率小于5％，显著性越小，拒绝原“无效假设”的理由越充分，对应的水质参数对混凝剂投加量的影响越显著。
用所述显著性小于0.05的混凝剂投加量调整模型组成第二模型集合的过程，是剔除对混凝剂投加量影响不显著的水质参数的过程。
S123、获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度。
具体的，拟合度即统计学中的R平方(R-squared)，获取各个混凝剂投加量调整模型的拟合度包括：将第二模型集合中的各个混凝剂投加量调整模型的预测结果(输出值)与混凝剂投加量的历史数据进行比较，获取吻合程度。R平方为回归平方和与总离差平方和的比值，表示总离差平方和中可以由回归平方和解释的比。R平方介于0～1之间，这一比例越大，越接近1，模型越精确，回归拟合效果越好。由于增加自变量的个数时，会增大回归平方和，因此为了防止过度拟合，需要对R平方进行调整。
S124、将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
示例性的，在对A水厂连续五年的运行数据进行分析构建的混凝剂投加量调整模型中，通过显著性检验的水质参数有原水温度、化学需氧量(原水COD)、原水日处理量、原水pH、原水浊度。第二模型集合中包括五个混凝剂投加量调整模型：混凝剂投加量调整模型一的输入为原水温度，混凝剂投加量调整模型二的输入为原水温度和原水COD，混凝剂投加量调整模型三的输入为原水温度、原水COD和原水日处理量，混凝剂投加量调整模型四的输入为原水温度、原水COD、原水日处理量和原水pH，混凝剂投加量调整模型五的输入为原水温度、原水COD、原水日处理量、原水pH以及原水浊度，对上述5个混凝剂投加量调整模型进行误差分析，得到的系数次为：0.641、0.672、0.689、0.701、0.709，R平方依次为：0.410、0.452、0.475、0.492、0.503，调整后R平方依次为：0.409、0.451、0.473、0.489、0.499。由上述分析可知，混凝剂投加量调整模型五的系数为0.709，R平方最大，拟合度最高，对应的函数为：(混凝剂投加量均值mg/L)＝79.403+1.276*(原水温度)+8.807*(原水COD)-3.504E-5*(日产水量)-7.957*(原水pH)-0.901*(原水浊度)。
由于通过混凝剂投加量调整模型确定的混凝剂投加量的理论值与实测值的总体拟合程度良好，因此混凝剂投加量调整模型可以有效阐明絮凝剂投加量与水质环境的具体关系，从而提高水处理过程中的混凝剂的利用率，降低投加量，为水厂的节能减耗做出贡献。
基于同一发明构思，作为对上述方法的实现，本公开实施例还提供了一种混凝剂投加量的确定装置，该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
图3为本公开实施例提供的混凝剂投加量的确定装置的结构框图，如图3所示，本实施例提供的混凝剂投加量的确定装置300包括：
收集模块301，用于获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；
确定模块302，用于根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；
获取模块303，用于获取待处理原水的水质环境；
控制模块304，用于将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
作为本公开实施例一种可选的实施方式，所述收集模块301包括：
出水浊度收集模块3011，用于获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；
判断模块3012，用于根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；
计算模块3013，用于将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
作为本公开实施例一种可选的实施方式，所述水质环境包括：所述原水的浊度、化学需氧量、温度、酸碱度，以及日处理水量中的至少一个。
作为本公开实施例一种可选的实施方式，所述确定模块302，包括：
构建模块3021，用于获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；
检验模块3022，用于对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；
拟合度获取模块3023，用于获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；
调整模块3024，用于将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
作为本公开实施例一种可选的实施方式，所述构建模块3021，包括：模型构建模块3021a，用于基于回归分析构建多个混凝剂投加量调整模型；
集合构建模块3021b，用于模型构建模块用所述多个混凝剂投加量调整模型组成所述第一模型集合。
作为本公开实施例一种可选的实施方式，所述模型构建模块3021a，具体用于依次引入各水质参数，构建对应的混凝剂投加量调整模型；
其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
作为本公开实施例一种可选的实施方式，所述检验模块3022，具体用于计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；
用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
本实施例提供的混凝剂投加量的确定装置可以执行上述方法实施例提供的混凝剂投加量的确定方法，其实现原理与技术效果类似，此处不再赘述。
关于混凝剂投加量的确定装置的具体限定可以参见上文中对于混凝剂投加量的确定方法的限定，在此不再赘述。上述混凝剂投加量的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种电子设备，其内部结构图可以如图4所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的电子设备进行有线或无线方式的通信，无线方式可通过WiFi、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种PPCPs类有机污染物降解率预测模型构建方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本公开提供的混凝剂投加量的确定装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的电子设备运行。电子设备的存储器中可存储混凝剂投加量的确定装置的各个程序模块，比如，图3所示的确定模块302和获取模块303，各个程序模块构成的计算机程序使得处理器执行本公开本说明书中描述的各个实施例的混凝剂投加量的确定方法中的步骤。例如，图4所示的电子设备可以通过如图3所示的混凝剂投加量的确定装置中的确定模块302执行步骤S120、获取模块303执行步骤S130。
本公开实施例提供了一种电子设备，包括：存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；获取待处理原水的水质环境；将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于回归分析构建多个混凝剂投加量调整模型；用所述多个混凝剂投加量调整模型组成所述第一模型集合。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：依次引入各水质参数，构建对应的混凝剂投加量调整模型；其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
本实施例提供的电子设备，可以实现上述方法实施例提供的混凝剂投加量的确定方法，其实现原理与技术效果类似，此处不再赘述。
本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；获取待处理原水的水质环境；将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于回归分析构建多个混凝剂投加量调整模型；用所述多个混凝剂投加量调整模型组成所述第一模型集合。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：依次引入各水质参数，构建对应的混凝剂投加量调整模型；其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
本实施例提供的计算机可读存储介质上存储的计算机程序，可以实现上述方法实施例提供的混凝剂投加量的确定方法，其实现原理与技术效果类似，此处不再赘述。
本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种混凝剂投加量的确定方法，其特征在于，包括：
获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；
根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；
获取待处理原水的水质环境；
将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
2.根据权利要求1所述的方法，其特征在于，所述获取原水的历史数据，包括：
获取预设时间内的出水浊度，所述出水浊度为所述原水经混凝剂处理产生的水的浊度；
根据所述出水浊度的值的分布确定取值范围，所述取值范围内的所述出水浊度的值的数量与所述预设时间内的出水浊度的值的数量的比值大于预设比值；
将处于所述取值范围内的出水浊度对应的水质环境与混凝剂投加量确定为所述历史数据。
3.根据权利要求1所述的方法，其特征在于，
所述水质环境包括：所述原水的浊度、化学需氧量、温度、酸碱度，以及日处理水量中的至少一个。
4.根据权利要求1所述的方法，其特征在于，所述根据所述原水的水质环境与对应的混凝剂投加量确定目标模型，包括：
获取第一模型集合，所述第一模型集合包括多个混凝剂投加量调整模型，所述多个混凝剂投加量调整模型输入的水质环境不同；
对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定第二模型集合；所述第二模型集合为所述第一模型集合中的混凝剂投加量调整模型中通过显著性检验的混凝剂投加量调整模型组成的集合；
获取所述第二模型集合中各个混凝剂投加量调整模型的拟合度；
将所述第二模型集合中所述拟合度最高的混凝剂投加量调整模型确定为所述目标模型。
5.根据权利要求4所述的方法，其特征在于，所述获取第一模型集合，包括：
基于回归分析构建多个混凝剂投加量调整模型；
用所述多个混凝剂投加量调整模型组成所述第一模型集合。
6.根据权利要求5所述的方法，其特征在于，所述基于回归分析构建多个混凝剂投加量调整模型，包括：
依次引入各水质参数，构建对应的混凝剂投加量调整模型；
其中，依次引入的水质参数的数量等于所述第一模型集合中混凝剂投加量调整模型的数量。
7.根据权利要求4所述的方法，其特征在于，所述对所述第一模型集合中的各个混凝剂投加量调整模型进行显著性检验，确定所述第二模型集合，包括：
计算所述第一模型集合中的各个混凝剂投加量调整模型的显著性；
用所述显著性小于0.05的混凝剂投加量调整模型组成所述第二模型集合。
8.一种混凝剂投加量的确定装置，其特征在于，包括：
收集模块，用于获取原水的历史数据，所述原水的历史数据包括：原水的水质环境与对应的混凝剂投加量，所述水质环境包括至少一种水质参数；
确定模块，用于根据所述原水的水质环境与对应的混凝剂投加量确定目标模型；
获取模块，用于获取待处理原水的水质环境；
控制模块，用于将所述待处理原水的水质环境输入所述目标模型，确定所述待处理原水的混凝剂投加量。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110859900.1A CN113582309A (zh) | 2021-07-28 | 2021-07-28 | 一种混凝剂投加量的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110859900.1A CN113582309A (zh) | 2021-07-28 | 2021-07-28 | 一种混凝剂投加量的确定方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113582309A true CN113582309A (zh) | 2021-11-02 |
Family
ID=78251448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110859900.1A Pending CN113582309A (zh) | 2021-07-28 | 2021-07-28 | 一种混凝剂投加量的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113582309A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115159645A (zh) * | 2022-05-27 | 2022-10-11 | 安徽普氏生态环境工程有限公司 | 一种基于历史数据的加药自标定的方法、装置及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001023966A1 (en) * | 1999-09-29 | 2001-04-05 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
| JP2002119956A (ja) * | 2000-10-17 | 2002-04-23 | Yamatake Corp | 濁度予測システム、濁度制御システムおよび濁度管理システム |
| CN1683254A (zh) * | 2005-03-17 | 2005-10-19 | 哈尔滨工业大学 | 基于多源信息融合技术的混凝过程智能监测与控制方法 |
| CN102531121A (zh) * | 2012-02-28 | 2012-07-04 | 天津大学 | 水处理混凝剂最佳投量预测系统及预测方法 |
| CN108830035A (zh) * | 2018-05-28 | 2018-11-16 | 华东交通大学 | 一种新型水处理混凝投药控制方法、计算机、计算机程序 |
| CN110054274A (zh) * | 2019-05-13 | 2019-07-26 | 深圳江行联加智能科技有限公司 | 一种净水絮凝沉淀投药控制技术 |
| WO2020012022A1 (fr) * | 2018-07-13 | 2020-01-16 | Suez Groupe | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute |
| CN112419095A (zh) * | 2020-12-01 | 2021-02-26 | 山东锋士信息技术有限公司 | 一种基于历史数据和实时数据反馈实现的精准加药方法 |
| CN212609739U (zh) * | 2020-05-27 | 2021-02-26 | 东莞市水务集团供水有限公司 | 一种应用于自来水厂的混凝剂自动投加系统 |
-
2021
- 2021-07-28 CN CN202110859900.1A patent/CN113582309A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001023966A1 (en) * | 1999-09-29 | 2001-04-05 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
| JP2002119956A (ja) * | 2000-10-17 | 2002-04-23 | Yamatake Corp | 濁度予測システム、濁度制御システムおよび濁度管理システム |
| CN1683254A (zh) * | 2005-03-17 | 2005-10-19 | 哈尔滨工业大学 | 基于多源信息融合技术的混凝过程智能监测与控制方法 |
| CN102531121A (zh) * | 2012-02-28 | 2012-07-04 | 天津大学 | 水处理混凝剂最佳投量预测系统及预测方法 |
| CN108830035A (zh) * | 2018-05-28 | 2018-11-16 | 华东交通大学 | 一种新型水处理混凝投药控制方法、计算机、计算机程序 |
| WO2020012022A1 (fr) * | 2018-07-13 | 2020-01-16 | Suez Groupe | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute |
| CN110054274A (zh) * | 2019-05-13 | 2019-07-26 | 深圳江行联加智能科技有限公司 | 一种净水絮凝沉淀投药控制技术 |
| CN212609739U (zh) * | 2020-05-27 | 2021-02-26 | 东莞市水务集团供水有限公司 | 一种应用于自来水厂的混凝剂自动投加系统 |
| CN112419095A (zh) * | 2020-12-01 | 2021-02-26 | 山东锋士信息技术有限公司 | 一种基于历史数据和实时数据反馈实现的精准加药方法 |
Non-Patent Citations (1)
| Title |
|---|
| 徐小明: "自来水厂混凝加药的数学建模", 《低碳世界》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115159645A (zh) * | 2022-05-27 | 2022-10-11 | 安徽普氏生态环境工程有限公司 | 一种基于历史数据的加药自标定的方法、装置及设备 |
| CN115159645B (zh) * | 2022-05-27 | 2024-01-23 | 安徽普氏生态环境有限公司 | 一种基于历史数据的加药自标定的方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | A deep learning based dynamic COD prediction model for urban sewage | |
| Mullins et al. | A novel image processing-based system for turbidity measurement in domestic and industrial wastewater | |
| CN110186505B (zh) | 一种基于支持向量机的农村生活污水处理设施出水达标情况的预测方法 | |
| CN102122134A (zh) | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 | |
| CN110188946A (zh) | 一种污水参数的预测方法及污水预测系统 | |
| CN104238527A (zh) | 污水处理厂曝气总量的精确控制方法 | |
| CN115793471A (zh) | 一种基于污水处理监测的可调式控制方法及系统 | |
| CN107247888B (zh) | 基于储备池网络的污水处理出水总磷tp软测量方法 | |
| US20220316994A1 (en) | A method for predicting operation effectiveness of decentralized sewage treatment facility by using support vector machine | |
| CN103793604A (zh) | 一种基于相关向量机的污水处理软测量方法 | |
| CN115470702A (zh) | 一种基于机器学习的污水处理水质预测方法及系统 | |
| Cheng et al. | Development and application of random forest regression soft sensor model for treating domestic wastewater in a sequencing batch reactor | |
| CN113582309A (zh) | 一种混凝剂投加量的确定方法和装置 | |
| Han et al. | An intelligent detecting system for permeability prediction of MBR | |
| Zhu et al. | Application of a new HMW framework derived ANN model for optimization of aquatic dissolved organic matter removal by coagulation | |
| Wu et al. | Coupling process-based modeling with machine learning for long-term simulation of wastewater treatment plant operations | |
| Gaska et al. | Optimization of biological wastewater treatment process by hierarchical adaptive control | |
| CN111252954A (zh) | 远程污水管理系统 | |
| CN112573641B (zh) | 一种污水处理量确定方法及装置 | |
| CN117388457B (zh) | 一种耦合水力停留时间提高污水厂出水预测精度的方法 | |
| CN117776336A (zh) | 水预处理方法及厌氧氨氧化水处理工艺 | |
| CN116969616A (zh) | 基于软测量的一体化污水处理设施控制方法、装置及设备 | |
| CN113851184B (zh) | 一种基于人工智能的粪大肠杆菌群数的预测方法及装置 | |
| Migdał et al. | Assessment of the reliability of the operation of a sewage treatment plant using Monte Carlo simulation | |
| CN111356655A (zh) | 确定用于处理原水的凝结剂的剂量的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |
|
| RJ01 | Rejection of invention patent application after publication |