CN115982995A - 面向污水处理的自动化处理方法及系统 - Google Patents
面向污水处理的自动化处理方法及系统 Download PDFInfo
- Publication number
- CN115982995A CN115982995A CN202211697533.0A CN202211697533A CN115982995A CN 115982995 A CN115982995 A CN 115982995A CN 202211697533 A CN202211697533 A CN 202211697533A CN 115982995 A CN115982995 A CN 115982995A
- Authority
- CN
- China
- Prior art keywords
- sewage treatment
- scheme
- sewage
- analysis
- treatment
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008859 change Effects 0.000 claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 23
- 238000007405 data analysis Methods 0.000 claims description 17
- 244000005700 microbiome Species 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 6
- 230000000813 microbial effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 239000002351 wastewater Substances 0.000 claims description 2
- 238000004065 wastewater treatment Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000012935 Averaging Methods 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 description 3
- 239000012265 solid product Substances 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002957 persistent organic pollutant Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000005660 chlorination reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009996 mechanical pre-treatment Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Activated Sludge Processes (AREA)
Abstract
本发明提出了一种面向污水处理的自动化处理方法及系统，属于智能自动化处理的技术领域。其中方法包括：步骤1、利用终端处理设备监测实时产生的作业数据；步骤2、构建变化趋势预测模型；步骤3、利用变化趋势预测模型，获得污水未来时间段内的变化趋势；步骤4、构建方案优化模型；步骤5、利用方案优化模型生成污水处理方案；步骤6、将污水处理方案转化成终端设备可识别的执行指令；步骤7、根据执行指令进行处理作业，完成自动化处理。通过自动化的处理方式，有效提高污水处理的效率，同时对实际应用中的不可控量进行分析，生成更贴合实际应用的处理方案，达到有效提高污水处理速度的同时，提高了清洁后的洁水质量。
Description
技术领域
本发明属于智能自动化处理的技术领域，特别是涉及一种面向污水处理的自动化处理方法及系统。
背景技术
水资源作为经济社会发展的重要资源之一，在大众生活中充当着不可或缺的一部分。随着生活水平的提高，水污染的问题也逐渐成为不可忽视的问题之一，因此，针对水污染需要制定有效的处理方案尤为的重要。
现有的技术中，针对污水的处理，仍旧是采用恒定的污水处理方案，针对收集到的污水，仅仅只是机械化的执行固定处理方案。但是随着天气等环境因素的影响，往往会导致不可控的非线性变化现象出现，进而导致污水的处理效果达不到预期。
发明内容
发明目的：提出一种面向污水处理的自动化处理方法及系统，以解决现有技术存在的上述问题。通过对环境等因素引起的非线性变化进行分析，自动生成更优的污水处理方案，并通过方案到执行指令的转换，完成终端对污水的自动化处理。
技术方案：第一方面，提出了一种面向污水处理的自动化处理方法，该方法包括以下步骤：
步骤1、利用终端处理设备监测实时产生的污水处理作业数据；
步骤2、构建变化趋势预测模型；
步骤3、基于步骤1中获得的作业数据，利用变化趋势预测模型，获得污水未来时间段内的变化趋势；其中，利用变化趋势分析模型执行污水未来时间段内的微生物变化趋势的过程中，包括以下步骤：
步骤3.1、将待分析的污水处理池区域划分为大小相同的小区域；
步骤3.2、获取历史相同时间段内，每个小区域中的参数数据；
步骤3.3、利用变化趋势分析模型采用局部到局部的预测措施，将小区域及其附近区域中的数据输入预测模型中进行分析处理。其中，小区域是具有各向同性特征的正六边形网格，基于划分出的小区域，在待进行微生物数量预测的区域内，将区域中的参数数据映射为小区域内的数据向量，随后将对应的小区域数据向量转换为一个便于被变化趋势分析模型接收的二维张量。
步骤3.4、输出步骤3.3的分析结果。
步骤4、构建方案优化模型；
步骤5、根据步骤3获得的变化趋势，利用方案优化模型生成污水处理方案；
步骤6、将污水处理方案转化成终端设备可识别的执行指令；
步骤7、根据执行指令进行处理作业，完成自动化处理。
在第一方面的一些可实现方式中，利用变化趋势分析模型执行数据分析的过程，包括以下步骤：
步骤3.3.1、计算每个小区域对应的时间属性向量；
步骤3.3.2、获得时间自注意力的权重；
步骤3.3.3、基于步骤3.3.1的时间属性向量和步骤3.3.2的权重的加权和，获得小区域变化趋势分析模型中每一个头部的编码；
步骤3.3.4、将头部编码串联起来并输入前馈网络进行特征提取；
步骤3.3.5、加入残差连接，并在整合前馈网络输出值后，输出最终获得的时间张量；
步骤3.3.6、基于获得的时间张量，获得最终的预测结果。
在第一方面的一些可实现方式中，针对预测结果的精准度，采用区域重叠取平均的措施进行最终预测值的获取。变化趋势分析模型输出大量的特征张量，随后转换为局部小区域映射，针对重叠部分的区域则对应有重叠的映射，通过取平均值的措施获取最终的区域预测值，进而获得最终的微生物预测状况，并作为后续决策的依据。
为了提高污水处理方案的精准度，实现随微生物变化更新污水处理方案，进一步预设分析时间段，并在达到预设时间段时，重新执行一次变化趋势预测分析，并将分析结果作为后续污水处理方案更新的依据。
根据污水处理方案执行操作指令之前，还包括从硬件层面和软件层面，完善执行过程中会出现的问题。在硬件层面，针对终端执行设备的安全性能，在设备终端加装保护装置；在软件层面，根据生成的污水处理方案，利用PLC控制器生成终端执行设备的控制指令，在生成的控制程序传输给终端执行设备之前，还包括仿真测试。
第二方面，提出一种面向污水处理的自动化处理系统，用于实现自动化的处理方法，该系统包括以下模块：
数据采集模块、模型构建模块、数据分析模块、指令生成模块和执行模块。其中，数据采集模块包括终端控制设备、传感器，根据数据分析的需求，用于采集污水处理作业过程中产生的作业数据。模型构建模块用于根据数据分析需求，构建变化趋势预测模型和方案优化模型。数据分析模块用于根据数据分析需求，利用变化趋势预测模型获得污水未来时间段内的微生物数量变化趋势，以及基于变化趋势利用方案优化模型，生成污水处理的优化方案。指令生成模块用于根据生成的污水处理方案，执行方案到终端可识别执行指令的转换。执行模块用于根据执行指令触发终端控制设备执行污水处理作业。
第三方面，提出一种面向污水处理的自动化处理设备，该设备包括：处理器以及存储有计算机程序指令的存储器。
其中，处理器读取并执行计算机程序指令，以实现自动化处理方法。
第四方面，提出一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令。计算机程序指令被处理器执行时，以实现自动化处理方法。
有益效果：本发明提出了一种面向污水处理的自动化处理方法及系统，通过对环境等因素引起的非线性变化进行分析，自动生成更优的污水处理方案，并通过方案到执行指令的转换，完成终端对污水的自动化处理。
附图说明
图1为本发明的数据处理流程图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
申请人认为在经济社会的发展进程中，水资源作为重要的资源之一，如何有效的实现再利用，可以更好的提高水资源价值，在同样的资源基础上，实现效益最大化。在日常生活和生产中，不断有污水的产生和排出，若任由污水直接排放，一方面会噪声资源的浪费，另一方面，也会导致赖以生存的环境受到污染，从而造成恶劣的影响。因此，针对污水的排放，提出了三级污水处理方式。
其中，第一级基于物理属性，采用机械化的预处理方式，通过格栅、沉砂池、初沉池等筑物实现大颗粒和悬浮物等非可溶性物质的滤除；第二级基于可降解的生物属性，采用微生物处理的方式，利用微生物的分解能力对污染物进行有机物分解和生物体的合成，从而将有机污染物转化成无害的二氧化碳、水，以及富含有机物的固体产物；第三集基于深度处理的需求，采用化学技术执行深度清理，根据处理的目标和水质的情况，执行营养物的去除，以及通过加氯、紫外线辐射或臭氧技术等操作执行消毒。
现有的污水处理过程通常采用固有的处理方案，虽然机械化的处理过程有效替换了人工控制设备的繁杂操作，但是第二级作为主要的污水处理技术，常常会收到天气等环境因素的影响，从而导致微生物的数量发生相应的变化，使得污水的处理出来的质量达不到预处理的需求，因此本发明提出一种面向污水处理的自动化处理方法及系统，通过对环境等因素引起的非线性变化进行分析，自动生成更优的污水处理方案，并通过方案到执行指令的转换，完成终端对污水的自动化处理。
实施例一
在一个实施例中，在日常的生产生活中，排放的污水、废水等，如果在不经过处理的情况下，直接进行外排，那么不仅会造成宝贵资源的浪费，同时还会对生活环境造成非常恶劣的影响。针对污水处理的需求，本实施例提出一种面向污水处理的自动化处理方法，如图1所示，该方法包括以下步骤：
步骤1、利用终端处理设备监测实时产生的污水处理作业数据；
步骤2、构建变化趋势预测模型；
步骤3、基于步骤1中获得的作业数据，利用变化趋势预测模型，获得污水未来时间段内的变化趋势；
具体的，在污水处理过程中，第二级采用微生物处理的方式，利用微生物的分解能力对污染物进行有机物分解和生物体的合成，从而将有机污染物转化成无害的二氧化碳、水，以及富含有机物的固体产物，作为污水处理过程中的主要操作方式，不同的时间点产生的季节性，也常常会导致污水池中微生物的数量发生变化。因此采用固有的污水处理方案在微生物数量发生变化时，常会导致污水处理的效果不佳，达不到预期。
因此，本实施例构建变化趋势预测模型，基于同时段的历史数据，对接下来的微生物数量进行预测，从而方便后续污水处理方案的生成，获得更贴合实际情况的污水处理方案。
由于微生物在污水池中的分布情况不同，因此只采集一部分区域执行分析得到的及结果并不能代表整体污水池的变化情况，因此本实施在利用变化趋势分析模型执行污水未来时间段内的微生物变化趋势的过程中，具体包括以下步骤：首先，将待分析的污水处理池区域划分为大小相同的小区域；其次，获取历史相同时间段内，每个小区域中的参数数据；再次，利用变化趋势分析模型对获得的参数数据执行分析；最后，输出分析后的处理数据。
其中，小区域为具有各向同性特征的正六边形网格，呈现蜂窝网格状。与现有技术中采用的方形栅格相比，正六边形网格只有共享边邻域一种，在距离度量和连通性上没有歧义，同时还具有各向同性的特征，更贴合实际方向不受限制的应用。随后，采用局部到局部的预测措施，将小区域及其附近区域中的数据输入预测模型中进行分析处理。
为了获得时间依赖关系，变化趋势分析模型中进一步采用时间Transformer模块进行数据分析，首先为每个网格计算一个时间所对应的时间属性值向量，其中，时间属性值向量包括：query时间向量、key时间向量和value时间向量，对应的表达式如下所示：
式中，LN()表示标准化层，用于避免梯度消失和梯度爆炸的问题，随后，通过点乘法计算时间自注意力的权重，小区域(i,t)区域向量的时间自注意力权重
式中，t′＝1，…，M表示从时间角度计算自注意力权重；
表示网格(i,t)区域在第l层时间Transformer中，a头部所对应的时间query向量；T表示向量的转置；
表示网格(i，t′)区域在第l层时间Transformer中，a头部所对应的时间key向量。因为需要提取时间依赖，所以t时间段渔况信息需要与之前的M个时间段渔况信息建立联系，即t′＝1，…，M。通过计算自注意力权重与值向量的加权和，得到第l块时间Transformer中每一个头部的编码
其对应表达式为：
式中，
表示时间自注意力权重系数，其值代表了在i区域，t′时间段的渔况会对t时间段的渔况产生多大的影响，通过对t′时间段的value向量加权求和得到
表示网格(i′，t)区域在第l层时间Transformer中，a头部所对应的时间value向量。因为是捕获时间依赖，所以t′＝1，…，M，i保持不变。
随后，将头部编码串联起来并输入前馈网络进行特征提取；同时加入残差连接，并在整合前馈网络输出值后，输出最终获得的时间张量；最后，基于获得的时间张量，获得最终的预测结果。
步骤4、构建方案优化模型；
步骤5、根据步骤3获得的变化趋势，利用方案优化模型生成污水处理方案；
步骤6、将污水处理方案转化成终端设备可识别的执行指令；
步骤7、根据执行指令进行处理作业，完成自动化处理。
在进一步的实施例中，针对预测结果的精准度，采用区域重叠取平均的措施进行最终预测值的获取；变化趋势分析模型输出大量的特征张量，随后转换为局部小区域映射，针对重叠部分的区域则对应有重叠的映射，通过取平均值的措施获取最终的区域预测值，进而获得最终的微生物预测状况，并作为后续决策的依据。
在进一步的实施例中，在执行预测分析的过程中，除了添加时间上的依赖，进一步分析在位置空间上的依赖关系。分析过程中，首先计算每个小区域中所对应的空间属性值向量；其次，计算获取空间自注意力的权重；再次，通过计算自注意力权重与值向量的加权和，得到小区域空间Transformer中每一个头部的编码；从次，将头部编码串联起来并输入前馈网络进行特征提取；最后，加入残差连接，并在整合前馈网络输出值后输出最终获得的空间张量；其中，所述空间属性值向量包括：query空间向量、key空间向量和value空间向量。
在进一步引入对空间以及时间上的分析后，变化趋势模型实现预测的过程中，包括卷积层和一个全连接层。预测层基于前序步骤中获得时间张量和空间张量的融合分析结果，进行数据预测，获得局部区域的预测值，针对预测结果的精准度，采用区域重叠取平均的措施进行最终预测值的获取；具体的，预测模型输出大量的特征张量，随后转换为局部小区域映射，针对重叠部分的区域则对应有重叠的映射，通过取平均值的措施获取最终的区域预测值，进而获得最终的微生物变化状况，并作为后续决策的依据。
在进一步的实施例中，由于每个时间段受天气等环境因素的影响，所以本实施例通过预设分析时间段的方式，在每经过一段时间后重新执行一次变化趋势分析，从而用于后续污水处理方案的更新。
在进一步的实施例中，为了提高污水处理方案的经济效益，利用方案生成模型生成污水处理档案的过程中，除了分析微生物的变化趋势，还包括对成本效益的分析，通过构建目标函数的方程进一步对生成的污水处理方案进行优化。
本实施例针对实际应用过程中可能会出现的非线性影响，通过构建的变化趋势进行分析，并基于分析结果，通过构建的方案优化模型对现有的恒定污水处理方案进行优化，使得更贴合实际污水处理作业情况的同时，还有效提高了污水处理效果。
实施例二
在实施例一基础上的进一步实施例中，针对接收到的污水处理方案，通过PLC技术完成对终端执行设备的功能控制。执行自动化处理的过程中，为了提高处理效率，别分从硬件层面和软件层面两个维度进行分析。
在硬件层面，主要包括一些终端处理设备的结构、型号，以及电路设计和接线，在元器件之间的连接处，若出现突然的断开或者闭合，可能会导致电流涌流的现象出现，从而导致元器件的破坏，因此，在设备终端加装保护装置。例如续流二极管，用来增加元器件触点的寿命。
在软件层面，主要是根据生成的污水处理方案，利用PLC控制器生成终端执行设备的控制指令。由于控制程序生成的过程中，可能会因为舒服等问题的存在，导致生成的控制程序存在逻辑上错误，若此时直接将控制程序传输给终端控制设备，则会导致处理效果不佳，或者出现完全相反的效果，因此，将生成的程序传输给终端执行设备之前，先通过仿真软件进行测试，从而保证处理逻辑的正确性以及程序的安全运行。
本实施例实现自动化控制的过程中，通过结合硬件分析和软件分析的方式，从不同维度执行自动化作业。同时，针对作业过程中，一方面，在硬件层面考虑工况环境会导致的硬件损坏，在硬件设备四周添加一些保护设备，从而提高硬件的使用寿命；另一方面，在软件层面，通过先测试后使用的方式，减少后期执行过程中出现逻辑错误的可能性，从而减少错误现象的产生，提高作业效率。
实施例三
在一个实施例中，提出一种面向污水处理的自动化处理系统，用于实现面向污水处理的自动化处理方法，该系统包括以下模块：数据采集模块、模型构建模块、数据分析模块、指令生成模块和执行模块。
其中，数据采集模块包括终端控制设备、传感器，根据数据分析的需求，用于采集污水处理作业过程中产生的作业数据。模型构建模块用于根据数据分析需求，构建变化趋势预测模型和方案优化模型。数据分析模块用于根据数据分析需求，利用变化趋势预测模型获得污水未来时间段内的微生物数量变化趋势，以及基于变化趋势利用方案优化模型，生成污水处理的优化方案。指令生成模块用于根据生成的污水处理方案，执行方案到终端可识别执行指令的转换。执行模块用于根据执行指令触发终端控制设备执行污水处理作业。
在进一步的实施例中，执行污水自动化处理的过程中，首先采用数据采集模块中的终端传感器采集污水处理池中的成分数据，以及终端执行设备的作业数据；随后，根据数据分析的需求，利用模型构建模块构建变化趋势预测模型和方案优化模型；然后，结合历史采集到的数据，利用变化趋势预测模型预测微生物在未来时间段内的变化趋势；基于获得的变化趋势，利用方案优化模型生成污水处理方案；最后，利用指令生成模块将污水处理方案转化为可被终端操作设备识别的执行指令，并将执行指令传输给终端操作设备，终端操作设备接收执行指令后，利用执行模块完成自动化污水处理。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。
Claims (10)
1.一种面向污水处的自动化处理方法，其特征在于，包括以下步骤：
步骤1、利用终端处理设备监测实时产生的污水处理作业数据；
步骤2、构建变化趋势预测模型；
步骤3、基于步骤1中获得的作业数据，利用变化趋势预测模型，获得污水未来时间段内的变化趋势；
步骤4、构建方案优化模型；
步骤5、根据步骤3获得的变化趋势，利用方案优化模型生成污水处理方案；
步骤6、将污水处理方案转化成终端设备可识别的执行指令；
步骤7、根据执行指令进行处理作业，完成自动化处理。
2.根据权利要求1所述的一种面向污水处的自动化处理方法，其特征在于，利用所述变化趋势分析模型执行污水未来时间段内的微生物变化趋势的过程中，包括以下步骤：
步骤3.1、将待分析的污水处理池区域划分为大小相同的小区域；
步骤3.2、获取历史相同时间段内，每个小区域中的参数数据；
步骤3.3、利用变化趋势分析模型对步骤3.2中的参数数据执行分析；
步骤3.4、输出步骤3.3的分析结果。
3.根据权利要求2所述的一种面向污水处的自动化处理方法，其特征在于，步骤3.3分析的过程中，采用局部到局部的预测措施，将小区域及其附近区域中的数据输入预测模型中进行分析处理；
所述小区域是具有各向同性特征的正六边形网格，基于划分出的小区域，在待进行微生物数量预测的区域内，将区域中的参数数据映射为小区域内的数据向量，随后将对应的小区域数据向量转换为一个便于被变化趋势分析模型接收的二维张量。
4.根据权利要求2所述的一种面向污水处的自动化处理方法，其特征在于，所述变化趋势分析模型执行数据分析的过程，包括以下步骤：
步骤3.3.1、计算每个小区域对应的时间属性向量；
步骤3.3.2、获得时间自注意力的权重；
步骤3.3.3、基于步骤3.3.1的时间属性向量和步骤3.3.2的权重的加权和，获得小区域变化趋势分析模型中每一个头部的编码；
步骤3.3.4、将头部编码串联起来并输入前馈网络进行特征提取；
步骤3.3.5、加入残差连接，并在整合前馈网络输出值后，输出最终获得的时间张量；
步骤3.3.6、基于获得的时间张量，获得最终的预测结果。
5.根据权利要求1所述的一种面向污水处的自动化处理方法，其特征在于，针对预测结果的精准度，采用区域重叠取平均的措施进行最终预测值的获取；
变化趋势分析模型输出大量的特征张量，随后转换为局部小区域映射，针对重叠部分的区域则对应有重叠的映射，通过取平均值的措施获取最终的区域预测值，进而获得最终的微生物预测状况，并作为后续决策的依据。
6.根据权利要求1所述的一种面向污水处的自动化处理方法，其特征在于，预设分析时间段，并在达到预设时间段时，重新执行一次变化趋势预测分析，并将分析结果作为后续污水处理方案更新的依据。
7.根据权利要求1所述的一种面向污水处的自动化处理方法，其特征在于，根据污水处理方案执行操作指令之前，还包括从硬件层面和软件层面，完善执行过程中会出现的问题；
在硬件层面，针对终端执行设备的安全性能，在设备终端加装保护装置；
在软件层面，根据生成的污水处理方案，利用PLC控制器生成终端执行设备的控制指令，在生成的控制程序传输给终端执行设备之前，还包括仿真测试。
8.一种面向污水处的自动化处理系统，用于实现如权利要求1-7任意一项所述的自动化处理方法，其特征在于，包括以下模块：
数据采集模块，包括终端控制设备和传感器，用于采集污水处理作业过程中产生的作业数据；
模型构建模块，用于根据数据分析需求，构建变化趋势预测模型和方案优化模型；
数据分析模块，用于根据数据分析需求，利用变化趋势预测模型获得污水未来时间段内的微生物数量变化趋势，以及基于变化趋势利用方案优化模型，生成污水处理的优化方案；
指令生成模块，用于根据生成的污水处理方案，执行方案到终端可识别执行指令的转换；
执行模块，用于根据执行指令触发终端控制设备执行污水处理作业。
9.一种面向污水处理的自动化处理设备，其特征在于，所述设备包括：
处理器以及存储有计算机程序指令的存储器；
所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-7任意一项所述的自动化处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的自动化处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211697533.0A CN115982995A (zh) | 2022-12-28 | 2022-12-28 | 面向污水处理的自动化处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211697533.0A CN115982995A (zh) | 2022-12-28 | 2022-12-28 | 面向污水处理的自动化处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115982995A true CN115982995A (zh) | 2023-04-18 |
Family
ID=85973666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211697533.0A Pending CN115982995A (zh) | 2022-12-28 | 2022-12-28 | 面向污水处理的自动化处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115982995A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理系统及智能分析处理方法、存储介质 |
| CN113033092A (zh) * | 2021-03-24 | 2021-06-25 | 石化盈科信息技术有限责任公司 | 污水处理数据处理方法、装置、计算机设备和存储介质 |
| CN113837356A (zh) * | 2021-08-24 | 2021-12-24 | 华南师范大学 | 基于融合神经网络的污水处理智能预测方法 |
| CN114004428A (zh) * | 2022-01-04 | 2022-02-01 | 中科曙光南京研究院有限公司 | 一种基于蜂窝网格集成机制与时空Transformer的渔情预测方法及系统 |
| CN115526378A (zh) * | 2022-08-26 | 2022-12-27 | 中电建路桥集团有限公司 | 一种河道监测断面水质预测方法 |
-
2022
- 2022-12-28 CN CN202211697533.0A patent/CN115982995A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110456754A (zh) * | 2019-09-11 | 2019-11-15 | 剑科云智(深圳)科技有限公司 | 一种污水的监控处理系统及智能分析处理方法、存储介质 |
| CN113033092A (zh) * | 2021-03-24 | 2021-06-25 | 石化盈科信息技术有限责任公司 | 污水处理数据处理方法、装置、计算机设备和存储介质 |
| CN113837356A (zh) * | 2021-08-24 | 2021-12-24 | 华南师范大学 | 基于融合神经网络的污水处理智能预测方法 |
| CN114004428A (zh) * | 2022-01-04 | 2022-02-01 | 中科曙光南京研究院有限公司 | 一种基于蜂窝网格集成机制与时空Transformer的渔情预测方法及系统 |
| CN115526378A (zh) * | 2022-08-26 | 2022-12-27 | 中电建路桥集团有限公司 | 一种河道监测断面水质预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 庄效桓，李燕民: "《模拟电子技术》", 28 February 1998, 机械工业出版社, pages: 26 - 27 * |
| 袁广达，姜珂作: "《环境资源会计学》", 31 December 2020, 经济科学出版社, pages: 225 - 226 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mansouri et al. | Wavelet optimized EWMA for fault detection and application to photovoltaic systems | |
| Nazaripouya et al. | Univariate time series prediction of solar power using a hybrid wavelet-ARMA-NARX prediction method | |
| Wang et al. | Improving the prediction accuracy of monthly streamflow using a data-driven model based on a double-processing strategy | |
| Erdinc et al. | Optimum design of hybrid renewable energy systems: Overview of different approaches | |
| CN107992447A (zh) | 一种应用于河流水位预测数据的特征选择分解方法 | |
| CN110543988A (zh) | 一种基于XGBoost算法的光伏短期出力预测系统及方法 | |
| CN113988477A (zh) | 基于机器学习的光伏功率短期预测方法、装置及存储介质 | |
| CN112508279B (zh) | 基于空间相关性的区域分布式光伏预测方法及系统 | |
| CN115065078A (zh) | 微网环境下储能容量配置方法及系统 | |
| CN114282711A (zh) | 一种融入时频分析的光伏短期发电量预测方法 | |
| CN117175694B (zh) | 一种基于新能源消纳的微电网优化调度方法及系统 | |
| CN115982995A (zh) | 面向污水处理的自动化处理方法及系统 | |
| Wei | Application of artificial intelligence in the process of ecological water environment governance and its impact on economic growth | |
| CN112907107B (zh) | 一种基于多源信息融合的渔业事故应急处理系统及方法 | |
| CN105868916A (zh) | 基于相似日聚类的微电网光伏出力空间预测方法 | |
| CN117435988A (zh) | 一种基于EEMD-GRU-Transformer的蓄能电站水电机组振动劣化预测方法 | |
| CN106815659A (zh) | 一种基于混合模型的超短期太阳辐射预测方法及其装置 | |
| CN110969238A (zh) | 一种校准用电数据的方法及装置 | |
| CN116119877A (zh) | 一种基于物联网技术的污水自动化处理方法及系统 | |
| Singh et al. | Grey Wolf Optimization Based CNN-LSTM Network for the Prediction of Energy Consumption in Smart Home Environment | |
| CN114021838A (zh) | 一种光伏发电站灰尘覆盖度预测方法 | |
| CN114707713A (zh) | 一种考虑分布式电源影响的低压配电网负荷预测方法 | |
| Fan et al. | A Bayesian framework to integrate knowledge-based and data-driven inference tools for reliable yield diagnoses | |
| Jin et al. | An Innovative Genetic Algorithms-Based Inexact Non-Linear Programming Problem Solving Method | |
| Bhutada et al. | COD prediction in water using Edge Artificial Intelligence |
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 |