根据权利要求1所述的基于自适应模糊神经推理系统的污水COD出水浓度预测方法,其特征在于:所述步骤一中的获取废水数据,并利用废水数据获得训练集和测试集,包括以下步骤:
步骤一一、获取污水处理厂的废水数据;
所述废水数据包括:历史废水数据、MLSS/MLVSSa、b和F/MLVSSa、b;
其中,F是两个曝气池每日的平均需氧量;
步骤一二、将废水数据中的异常值剔除,获取剔除异常值后的废水数据:
将历史废水数据中缺失参数值的历史废水数据剔除;
步骤一三、对剔除异常值后的废水数据进行归一化获得归一化后的废水数据;
步骤一四、将归一化后的废水数据随机划分为训练集和测试集;
所述训练集:测试集=7:3。
根据权利要求2所述的基于自适应模糊神经推理系统的污水COD出水浓度预测方法,其特征在于:所述历史废水数据包括:总悬浮固体量、化学需氧量、混合液悬浮固体浓度、混合液挥发性悬浮固体浓度、曝气池中的流速和溶解氧浓度、两个曝气池的日平均COD负荷。
4.根据权利要求3所述的基于自适应模糊神经推理系统的污水COD出水浓度预测方法,其特征在于:所述步骤一三中的对剔除异常值后的废水数据进行归一化的过程中使用xbounds函数设置设置值和边界值。
.根据权利要求5所述的基于自适应模糊神经推理系统的污水COD出水浓度预测方法,其特征在于:所述步骤三中的对步骤二获得的初始模糊推理系统进行优化采用ANFIS模型进行优化。
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2023-11-11
综合评价
技术前景广阔,具备技术成果转移转化要求。
查看更多>
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2022-12-26
综合评价
现有技术中的COD出水浓度预测方法主要采用活性污泥模型来描述处理过程中生物质活性的质量平衡,从而获得污水中的COD出水浓度。然而,这些模型是高维的,并且包含大量的动力学和化学计量参数,这些参数应通过特定的实验室测试和过程操作来确定,操作过程比较复杂,将现有的方法应用到工厂环境中,则会降低预测COD出水浓度的准确率。
查看更多>