CN115910227A - 基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 - Google Patents
基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115910227A CN115910227A CN202211539654.2A CN202211539654A CN115910227A CN 115910227 A CN115910227 A CN 115910227A CN 202211539654 A CN202211539654 A CN 202211539654A CN 115910227 A CN115910227 A CN 115910227A
- Authority
- CN
- China
- Prior art keywords
- brine
- acid
- impurities
- base
- reagent
- 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
- 239000012267 brine Substances 0.000 title claims abstract description 255
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 title claims abstract description 255
- 238000000926 separation method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000746 purification Methods 0.000 title claims abstract description 53
- 239000012535 impurity Substances 0.000 claims abstract description 301
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 180
- 238000013145 classification model Methods 0.000 claims abstract description 44
- 230000008030 elimination Effects 0.000 claims abstract description 35
- 238000003379 elimination reaction Methods 0.000 claims abstract description 35
- 238000002474 experimental method Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 36
- 238000011176 pooling Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 16
- 239000000243 solution Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 239000002585 base Substances 0.000 description 129
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- TWRXJAOTZQYOKJ-UHFFFAOYSA-L Magnesium chloride Chemical compound [Mg+2].[Cl-].[Cl-] TWRXJAOTZQYOKJ-UHFFFAOYSA-L 0.000 description 4
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical group [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 3
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical group [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000001110 calcium chloride Substances 0.000 description 3
- 229910001628 calcium chloride Inorganic materials 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 241001131796 Botaurus stellaris Species 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910001629 magnesium chloride Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910000029 sodium carbonate Inorganic materials 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910001423 beryllium ion Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于酸碱分离的工业卤水提纯方法,包括:获取工业卤水的卤水杂质以及杂质含量;利用预设的试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;建立酸碱分离表,根据酸碱分离表得到提纯卤水;分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定酸碱试剂的步骤,直至无法消除所述提纯杂质。此外,本发明还涉及区块链技术,杂质消除表及卤水杂质可存储于区块链的节点。本发明还提出一种基于酸碱分离的工业卤水提纯装置、电子设备以及存储介质。本发明可以提高工业卤水提纯的纯净度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于酸碱分离的工业卤水提纯方法、装置、电子设备及计算机可读存储介质。
背景技术
我国地域辽阔,有众多盐湖、丰富的地下卤水,工业卤水的提纯开发对社会主义建设具有重要的意义。为了提高工业卤水提纯的效率以及纯净度,需要使用酸碱分离的方法,选择合适的酸碱试剂对工业卤水进行提纯。
现有的工业卤水提纯技术大多通过日晒蒸发带走工业卤水中的绝大多数杂质,这种方法对天气要求较高。例如雨季来临时,工业卤水的提纯方法就会受到影响。实际应用中,通过日晒蒸发提纯工业卤水的方式耗时太久,无法控制工业卤水的提纯速度,受外界影响较多,可能导致工业卤水的提纯时间较长以及纯净度较低。
发明内容
本发明提供一种基于酸碱分离的工业卤水提纯方法、装置及计算机可读存储介质,其主要目的在于解决进行工业卤水提纯时纯度较低的问题。
为实现上述目的,本发明提供的一种基于酸碱分离的工业卤水提纯方法,包括:
获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
可选地,所述利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,包括:
将所述杂质消除表内的数据作为模型训练样本输入预设的初始化模型,得到所述初始化模型的输出值;
计算所述初始化模型的输出值与预设的分类标签之间的误差值;
根据所述误差值调整所述初始化模型的参数,直至误差值在预设的值域范围内;
将调整好的初始化模型确定为所述试剂分类模型。
可选地,所述计算所述初始化模型的输出值与预设的分类标签之间的误差值,包括:
利用如下误差计算公式计算所述所述初始化模型的输出值与预设的分类标签之间的误差值:
其中,表示误差值,表示模型优化训练时的模型训练样本的样本数量,表示模型训练样本对应的样本参数,表示模型训练样本,表示模型训练样本维度扩充后的相似度向量矩阵,表示第个模型训练样本。
可选地,所述利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂,包括:
利用预设的神经网络模型提取所述卤水杂质的关键杂质;
利用所述试剂分类模型对所述关键杂质进行预设次数的分类,得到初步分类结果;
将所述初步分类结果进行归一化计算,将归一化计算的结果确定为所述卤水杂质对应的消除杂质的酸碱试剂。
可选地,所述利用预设的神经网络模型提取所述卤水杂质的关键杂质,包括:
将所述卤水杂质转化成矩阵形式,得到杂质矩阵;
利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息;
将所述低维特征信息映射至预先构建的高维空间,得到高维特征信息;
利用预设的激活函数对所述高维特征信息进行筛选,得到关键杂质。
可选地,所述利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息,包括:
利用预设尺寸的卷积核对所述杂质矩阵进行卷积,得到卷积矩阵;
根据预设的池化窗口利用最大值或者最小值方法对所述卷积矩阵进行池化,得到所述杂质矩阵的低维特征信息。
可选地,所述根据所述杂质含量建立酸碱消除实验,包括:
根据所述杂质含量逐个配置只含有一种卤水杂质的溶液,并在所述溶液中逐次滴加预设含量的酸碱试剂;
每次滴加酸碱试剂后检测溶液中卤水杂质的杂质含量,直至杂质含量小于预设杂质含量阈值;
记录杂质含量小于预设杂质含量阈值时的卤水杂质以及对应的消除杂质的酸碱试剂的滴加含量,返回在预设的只含有某种对应杂质含量的卤水杂质溶液中,逐次滴加预设含量的酸碱试剂的步骤,直至所有卤水杂质都记录完毕。
为了解决上述问题,本发明还提供一种基于酸碱分离的工业卤水提纯装置,所述装置包括:
获取杂质模块:获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
分析试剂模块:利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
建立实验模块:根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
提纯卤水模块:将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
返回除杂模块:利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于酸碱分离的工业卤水提纯方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于酸碱分离的工业卤水提纯方法。
本发明实施例通过获取工业卤水的卤水杂质以及杂质含量优化训练试剂分类模型,通过所述试剂分类模型确定消除卤水杂质的酸碱试剂,有利于对工业卤水进行精准除杂,提高工业卤水的纯净度;建立酸碱消除实验,确定酸碱试剂的试剂含量,有利于进一步精准提纯;根据酸碱试剂以及对应的试剂含量对工业卤水进行加工提纯,直至无法消除剩下的卤水杂质。因此本发明提出的基于酸碱分离的工业卤水提纯方法、装置、电子设备及计算机可读存储介质,可以解决进行工业卤水提纯时纯净度较低的问题。
附图说明
图1为本发明一实施例提供的基于酸碱分离的工业卤水提纯方法的流程示意图;
图2为本发明一实施例提供的优化模型的流程示意图;
图3为本发明一实施例提供的确定酸碱试剂的流程示意图;
图4为本发明一实施例提供的基于酸碱分离的工业卤水提纯装置的功能模块图;
图5为本发明一实施例提供的实现所述基于酸碱分离的工业卤水提纯方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于酸碱分离的工业卤水提纯方法。所述基于酸碱分离的工业卤水提纯方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于酸碱分离的工业卤水提纯方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于酸碱分离的工业卤水提纯方法的流程示意图。在本实施例中,所述基于酸碱分离的工业卤水提纯方法包括:
S1、获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
本发明实施例中,所述工业卤水又称为盐卤、苦卤、卤碱,是氯化物、硫酸盐、可溶性碳酸盐等盐类水溶液。由于工业卤水含有的有害物质过多,一般不能直接进行使用,需要对工业卤水进行提纯,将工业卤水中的有害物质去除才能进行制盐,投入日常使用。
本发明实施例中,所述卤水杂质一般包含氯化镁、硫酸钙以及氯化钙等等。
详细地,想要对工业卤水进行加工提纯,检测杂质是必不可少的一分部。大部分工业卤水中含有的杂质种类差别不大,但是不同的工业卤水中的杂质含量都不相同,因此必须做到具体卤水具体分析,利用检测仪器提前检测好预设的工业卤水中的杂质以及杂质含量。
本发明实施例中,所述获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量,可以通过一些水质检测仪器提前对预设的工业卤水进行杂质检测,例如COD测定仪、红外测油仪、多参数水质分析仪等等。
另外地,检测工业卤水的卤水杂质便于后续找到消除杂质的试剂,不同的杂质需要不同的酸碱试剂对应进行消除,检测卤水杂质的杂质含量还有利于确定不同酸碱试剂需要用到的试剂含量,能够提升消除杂质的速率,避免出现酸碱试剂添加过量或者不足的现象。
S2、利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
本发明实施例中,参照图2所示,所述利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,包括:
S21、将所述杂质消除表内的数据作为模型训练样本输入预设的初始化模型,得到所述初始化模型的输出值;
S22、计算所述初始化模型的输出值与预设的分类标签之间的误差值;
S23、根据所述误差值调整所述初始化模型的参数,直至误差值在预设的值域范围内;
S24、将调整好的初始化模型确定为所述试剂分类模型。
详细地,所述杂质消除表为预设的杂质与对应消除试剂的制作成的表格,在杂质消除表中可以查出所述卤水杂质对应的消除杂质的酸碱试剂,例如氯化镁对应的消除试剂为氢氧化钠,氯化钙对应的消除试剂为碳酸钠等等。利用不同的酸碱试剂与工业卤水中的杂质反应,消除工业卤水中的卤水杂质。
详细地,所述计算所述初始化模型的输出值与预设的分类标签之间的误差值,包括:
利用如下误差计算公式计算所述所述初始化模型的输出值与预设的分类标签之间的误差值:
其中,表示误差值,表示模型优化训练时的模型训练样本的样本数量,表示模型训练样本对应的样本参数,表示模型训练样本,表示模型训练样本维度扩充后的相似度向量矩阵,表示第个模型训练样本。
具体地,使用所述误差计算公式算出误差能够让优化训练后的试剂分类模型更加准确,控制误差保证试剂分类模型使用时的准确度,减少使用模型分类的错误率,便于选取精准的酸碱试剂进行卤水除杂。
本发明实施例中,参照3所示,所述利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂,包括:
S31、利用预设的神经网络模型提取所述卤水杂质的关键杂质;
S32、利用所述试剂分类模型对所述关键杂质进行预设次数的分类,得到初步分类结果;
S33、将所述初步分类结果进行归一化计算,将归一化计算的结果确定为所述卤水杂质对应的消除杂质的酸碱试剂。
本发明实施例中,所述利用预设的神经网络模型提取所述卤水杂质的关键杂质,包括:
将所述卤水杂质转化成矩阵形式,得到杂质矩阵;
利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息;
将所述低维特征信息映射至预先构建的高维空间,得到高维特征信息;
利用预设的激活函数对所述高维特征信息进行筛选,得到关键杂质。
具体地,可利用预设的映射函数将低维特征信息映射至预先构建的高维空间,所述映射函数包括MATLAB库中的Gaussian Radial Basis Function函数、高斯函数等。
例如,所述低维特征信息为二维平面中的点,则可利用映射函数对该二维平面中的点的二维坐标进行计算,以将二维坐标转换为三维坐标,并利用计算得到的三维坐标将点映射至预先构建的三维空间,得到该低维特征信息的高维特征信息。
详细地,所述利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息,包括:
利用预设尺寸的卷积核对所述杂质矩阵进行卷积,得到卷积矩阵;
根据预设的池化窗口利用最大值或者最小值方法对所述卷积矩阵进行池化,得到所述杂质矩阵的低维特征信息。
本发明实施例中,根据预设的池化窗口利用最大值或者最小值方法对所述卷积矩阵进行池化,由于所述卷积矩阵的数值特征无法确定,因此也无法确定需要使用最大值还是最小值方法进行池化。例如,所述卷积矩阵中,预设的池化窗口为5*5的矩阵窗口,若所述卷积矩阵的矩阵窗口中,较大数值数量远远大于较小数值的数量,则选用最小值池化方法,将所述池化窗口中的所有数值用池化窗口中的最小值代替,再对下一个池化窗口进行分析,直至所述卷积矩阵池中所有数值都完成池化操作。
本发明实施例中,所述将所述初步分类结果进行归一化计算,将归一化计算的结果确定为所述卤水杂质对应的消除杂质的酸碱试剂,包括:
利用如下归一化计算公式将所述初步分类结果进行归一化计算:
其中,表示归一化计算结果,表示初步分类结果中被归一化对象,表示被归一化对象均值函数,表示归一化对象的个数,表示归一化对象中其中一个分词向量。
详细地,由于工业卤水中的杂质非常丰富,有些杂质对人体是有毒有害物质,因此需要消除,还有些杂质需要保留在工业卤水中不需要去除,例如氯化钠等,因此需要对所述卤水杂质进行分析,找出需要去除的关键杂质实现工业卤水的精准除杂。
S3、根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
本发明实施例中,由于消除杂质的酸碱试剂已经确定,但是毫无章法的向工业卤水中滴加酸碱试剂不仅无法消除工业卤水的杂质,还有可能引入新的卤水杂质,因此需要确定酸碱试剂的实际含量,才能够精准的消除卤水杂质。
本发明实施例中,所述根据所述杂质含量建立酸碱消除实验,包括:
根据所述杂质含量逐个配置只含有一种卤水杂质的溶液,并在所述溶液中逐次滴加预设含量的酸碱试剂;
每次滴加酸碱试剂后检测溶液中卤水杂质的杂质含量,直至杂质含量小于预设杂质含量阈值;
记录杂质含量小于预设杂质含量阈值时的卤水杂质以及对应的消除杂质的酸碱试剂的滴加含量,返回在预设的只含有某种对应杂质含量的卤水杂质溶液中,逐次滴加预设含量的酸碱试剂的步骤,直至所有卤水杂质都记录完毕。
详细地,由于实验能够帮助人们解决很多实际上的问题,任何结论的得出都离不开背后实验的支撑,因此想要确定消除卤水杂质的酸碱试剂的具体试剂含量最好提前通过酸碱消除实验来确定,这样得出的试剂含量准确无误,才能够彻底消除工业卤水中的卤水杂质。
本发明实施例中,所述根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量,例如工业卤水中的氯化钙含量为0.30g/L,根据实验结果得出需要同等含量的碳酸钠试剂进行除杂。
S4、将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
本发明实施例中,所述将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,通过建立酸碱分离表能够清晰的按照所述酸碱分离表来对所述工业卤水进行提纯操作,且不同的工业卤水对应的酸碱分离表都不相同,本发明实施例的方法适用于同批次且体积巨大的工业卤水,当某批次的工业卤水中的卤水杂质稍有改变时,也能在上批次的工业卤水的酸碱分离表的基础上进行除杂,节省大量时间。
本发明实施例中,所述根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水,可以将所述酸碱分离表输入控制台,在预设的不同时间段内,按照所述酸碱分离表依次增加所述酸碱试剂直至达到对应试剂含量的标准,直至所有酸碱试剂都滴加完毕,得到提纯卤水。
S5、利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
由于通过酸碱分离的方式消除卤水杂质的同时还可能由于酸碱试剂的加入从而引入了新的卤水杂质,因此在经过一轮的除杂之后,对经过除杂之后的工业卤水仍要再次进行杂质分析,开启新一轮的除杂操作。
本发明实施例中,所述卤水检测仪器可以检测卤水中的杂质以及杂质含量,其中,所述卤水检测仪器可以是离子色谱、液相色谱、LC-MS/MS等等。
本发明实施例中,所述利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质,其中,返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,在S2中有详细解释,在此不做赘述。
详细地,当所述提纯卤水无法消除所述提纯杂质即所述提纯卤水中的提纯杂质都是无毒无害的物质,可以跟随所述提纯卤水进行下一步的加工制作,不需要重复提纯。
另外地,所述工业卤水的提纯是防止资源浪费的重要技术措施,同时也是提高经济效益的重要方法。工业卤水的提纯方法在我国也是热门技术,钻研分析更好的卤水提纯方法也是大力提倡的,本发明实施例提供的一种基于酸碱分离的工业卤水提纯方法不仅能够加快提纯速率,还能提升卤水纯净度。
如图4所示,是本发明一实施例提供的基于酸碱分离的工业卤水提纯装置的功能模块图。
本发明所述基于酸碱分离的工业卤水提纯装置100可以安装于电子设备中。根据实现的功能,所述基于酸碱分离的工业卤水提纯装置100可以包括获取杂质模块101、分析试剂模块102、建立实验模块103、提纯卤水模块104及返回除杂模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述获取杂质模块101:获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
所述分析试剂模块102:利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
所述建立实验模块103:根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
所述提纯卤水模块104:将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
所述返回除杂模块105:利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
详细地,本发明实施例中所述基于酸碱分离的工业卤水提纯装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于酸碱分离的工业卤水提纯方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于酸碱分离的工业卤水提纯方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于酸碱分离的工业卤水提纯程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于酸碱分离的工业卤水提纯程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于酸碱分离的工业卤水提纯程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图中示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于酸碱分离的工业卤水提纯程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于酸碱分离的工业卤水提纯方法,其特征在于,所述方法包括:
获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
2.如权利要求1所述的基于酸碱分离的工业卤水提纯方法,其特征在于,所述利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,包括:
将所述杂质消除表内的数据作为模型训练样本输入预设的初始化模型,得到所述初始化模型的输出值;
计算所述初始化模型的输出值与预设的分类标签之间的误差值;
根据所述误差值调整所述初始化模型的参数,直至误差值在预设的值域范围内;
将调整好的初始化模型确定为所述试剂分类模型。
3.如权利要求2所述的基于酸碱分离的工业卤水提纯方法,其特征在于,所述计算所述初始化模型的输出值与预设的分类标签之间的误差值,包括:
利用如下误差计算公式计算所述所述初始化模型的输出值与预设的分类标签之间的误差值:
其中,表示误差值,表示模型优化训练时的模型训练样本的样本数量,表示模型训练样本对应的样本参数,表示模型训练样本,表示模型训练样本维度扩充后的相似度向量矩阵,表示第个模型训练样本。
4.如权利要求1所述的基于酸碱分离的工业卤水提纯方法,其特征在于, 所述利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂,包括:
利用预设的神经网络模型提取所述卤水杂质的关键杂质;
利用所述试剂分类模型对所述关键杂质进行预设次数的分类,得到初步分类结果;
将所述初步分类结果进行归一化计算,将归一化计算的结果确定为所述卤水杂质对应的消除杂质的酸碱试剂。
5.如权利要求4所述的基于酸碱分离的工业卤水提纯方法,其特征在于,
所述利用预设的神经网络模型提取所述卤水杂质的关键杂质,包括:
将所述卤水杂质转化成矩阵形式,得到杂质矩阵;
利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息;
将所述低维特征信息映射至预先构建的高维空间,得到高维特征信息;
利用预设的激活函数对所述高维特征信息进行筛选,得到关键杂质。
6.如权利要5中所述的基于酸碱分离的工业卤水提纯方法,其特征在于, 所述利用所述神经网络模型对所述杂质矩阵进行交叉卷积、池化处理,得到所述杂质矩阵的低维特征信息,包括:
利用预设尺寸的卷积核对所述杂质矩阵进行卷积,得到卷积矩阵;
根据预设的池化窗口利用最大值或者最小值方法对所述卷积矩阵进行池化,得到所述杂质矩阵的低维特征信息。
7.如权利要求1-6中任一项所述的基于酸碱分离的工业卤水提纯方法,其特征在于,所述根据所述杂质含量建立酸碱消除实验,包括:
根据所述杂质含量逐个配置只含有一种卤水杂质的溶液,并在所述溶液中逐次滴加预设含量的酸碱试剂;
每次滴加酸碱试剂后检测溶液中卤水杂质的杂质含量,直至杂质含量小于预设杂质含量阈值;
记录杂质含量小于预设杂质含量阈值时的卤水杂质以及对应的消除杂质的酸碱试剂的滴加含量,返回在预设的只含有某种对应杂质含量的卤水杂质溶液中,逐次滴加预设含量的酸碱试剂的步骤,直至所有卤水杂质都记录完毕。
8.一种基于酸碱分离的工业卤水提纯装置,其特征在于,所述装置包括:
获取杂质模块:获取预设的工业卤水的卤水杂质以及不同卤水杂质的杂质含量;
分析试剂模块:利用预设的杂质消除表内的数据对预设的空白模型进行优化训练得到试剂分类模型,利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂;
建立实验模块:根据所述杂质含量建立酸碱消除实验,并根据实验结果确定消除所述卤水杂质需要的酸碱试剂的试剂含量;
提纯卤水模块:将所述卤水杂质以及对应的酸碱试剂以及试剂含量填入预设的空白表格,得到酸碱分离表,根据所述酸碱分离表逐个选取对应试剂含量的酸碱试剂依次加入所述工业卤水中,得到提纯卤水;
返回除杂模块:利用预设的卤水检测仪器分析所述提纯卤水的提纯杂质,将所述提纯杂质作为卤水杂质并返回利用所述试剂分类模型确定所述卤水杂质对应的消除杂质的酸碱试剂的步骤,直至无法消除所述提纯杂质。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于酸碱分离的工业卤水提纯方法。
10.一种计算机可读存储介质,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如权利要求1至7中任意一项所述的基于酸碱分离的工业卤水提纯方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211539654.2A CN115910227A (zh) | 2022-12-02 | 2022-12-02 | 基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211539654.2A CN115910227A (zh) | 2022-12-02 | 2022-12-02 | 基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115910227A true CN115910227A (zh) | 2023-04-04 |
Family
ID=86475985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211539654.2A Pending CN115910227A (zh) | 2022-12-02 | 2022-12-02 | 基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115910227A (zh) |
-
2022
- 2022-12-02 CN CN202211539654.2A patent/CN115910227A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112883190A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN112528616A (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
CN111914939A (zh) | 识别模糊图像的方法、装置、设备及计算机可读存储介质 | |
CN113961473A (zh) | 数据测试方法、装置、电子设备及计算机可读存储介质 | |
CN114399212A (zh) | 生态环境质量评估方法、装置、电子设备及存储介质 | |
CN112528013A (zh) | 文本摘要提取方法、装置、电子设备及存储介质 | |
CN113378970A (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
CN112990374A (zh) | 图像分类方法、装置、电子设备及介质 | |
CN112632264A (zh) | 智能问答方法、装置、电子设备及存储介质 | |
CN113065607A (zh) | 图像检测方法、装置、电子设备及介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN112885423A (zh) | 疾病标签检测方法、装置、电子设备及存储介质 | |
CN114187489B (zh) | 车辆异常驾驶风险检测方法、装置、电子设备及存储介质 | |
CN117155771B (zh) | 一种基于工业物联网的设备集群故障溯源方法及装置 | |
CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
CN113591459A (zh) | 地址标准化处理方法、装置、电子设备及可读存储介质 | |
CN115910227A (zh) | 基于酸碱分离的工业卤水提纯方法、装置、设备及存储介质 | |
CN116739001A (zh) | 基于对比学习的文本关系提取方法、装置、设备及介质 | |
CN115691251A (zh) | 基于物联网的工业操作教学实训系统、方法及设备 | |
CN115221274A (zh) | 文本情感分类方法、装置、电子设备及存储介质 | |
CN114490666A (zh) | 基于数据需求的图表生成方法、装置、设备及存储介质 | |
CN113419951A (zh) | 人工智能模型优化方法、装置、电子设备及存储介质 | |
CN113515591A (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN114139530A (zh) | 同义词提取方法、装置、电子设备及存储介质 |
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 |