本發(fā)明涉及濃度預(yù)測，尤其是涉及一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法及裝置。

背景技術(shù)：

1、污水處理廠通過大規(guī)模處理和過濾系統(tǒng)，將污水中的有害物質(zhì)去除或降低到可接受的范圍內(nèi)，確保污水排放達到環(huán)境相關(guān)標(biāo)準(zhǔn)。這樣能夠有效預(yù)防水環(huán)境污染，維護清潔的水域生態(tài)系統(tǒng)，保護水生物和水生態(tài)的健康。污水處理廠處理工藝取決于污水的進水種類以及濃度，污水處理廠的出水濃度取決于污水處理廠的水力工況、藥劑投機、智能化控制系統(tǒng)等等一些的運行條件與工況。因此，進水濃度與種類、污水處理廠各個構(gòu)筑物運行工況條件對污水廠出水濃度起到?jīng)Q定性的作用。

2、污水排放是否達到環(huán)境相關(guān)標(biāo)準(zhǔn)的依據(jù)通常是污水處理廠的出水濃度來確定的，為了保證污水處理廠對污水處理工藝的準(zhǔn)確調(diào)控以使出水濃度達到環(huán)境相關(guān)標(biāo)準(zhǔn)，對污水處理廠的出水濃度進行準(zhǔn)確預(yù)測是行業(yè)內(nèi)亟待解決的問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法及裝置，以對出水濃度進行準(zhǔn)確預(yù)測，進而保證了污水處理廠對污水處理工藝的準(zhǔn)確調(diào)控使得出水濃度達到環(huán)境相關(guān)標(biāo)準(zhǔn)。

2、第一方面，本發(fā)明實施例提供了一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法，方法包括：獲取污水處理廠進水的水質(zhì)參數(shù)；基于預(yù)先設(shè)置的時間序列對水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)；基于目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量；將卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度。

3、在本發(fā)明較佳的實施例中，上述基于預(yù)先設(shè)置的時間序列對水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)，包括：對水質(zhì)參數(shù)按照時間序列進行整理得到初始水質(zhì)參數(shù)；將初始水質(zhì)參數(shù)采用小波變換進行降噪處理得到目標(biāo)水質(zhì)參數(shù)。

4、在本發(fā)明較佳的實施例中，上述基于目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量，包括：對目標(biāo)水質(zhì)參數(shù)進行歸一化處理得到歸一化矩陣；利用卷積神經(jīng)網(wǎng)絡(luò)基于歸一化矩陣進行卷積計算提取不同時間戳下的卷積特征向量；卷積神經(jīng)網(wǎng)絡(luò)包括第一卷積層和第二卷積層，第一卷積層包括24個濾波器，第二卷積層包括48個濾波器。

5、在本發(fā)明較佳的實施例中，上述利用卷積神經(jīng)網(wǎng)絡(luò)基于歸一化矩陣進行卷積計算提取不同時間戳下的卷積特征向量，包括：基于第一卷積層進行卷積計算得到第一輸出矩陣；將第一輸出矩陣輸入至第二卷積層進行卷積計算得到第二輸出矩陣；第二輸出矩陣為對在目標(biāo)時間戳下輸出的第二初始輸出矩陣進行編碼后得到；將第二輸出矩陣作為卷積特征向量。

6、在本發(fā)明較佳的實施例中，上述將卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度，包括：基于卷積特征向量通過雙向長短時記憶神經(jīng)網(wǎng)絡(luò)計算前向神經(jīng)網(wǎng)絡(luò)和后向神經(jīng)網(wǎng)絡(luò)，得到前向神經(jīng)網(wǎng)絡(luò)輸出值和后向神經(jīng)網(wǎng)絡(luò)輸出值；基于前向神經(jīng)網(wǎng)絡(luò)輸出值、后向神經(jīng)網(wǎng)絡(luò)輸出值、目標(biāo)時間戳的權(quán)重和目標(biāo)時間戳的偏置向量確定出水濃度。

7、在本發(fā)明較佳的實施例中，上述基于卷積特征向量通過雙向長短時記憶神經(jīng)網(wǎng)絡(luò)計算前向神經(jīng)網(wǎng)絡(luò)和后向神經(jīng)網(wǎng)絡(luò)，得到前向神經(jīng)網(wǎng)絡(luò)輸出值和后向神經(jīng)網(wǎng)絡(luò)輸出值，包括：設(shè)置前向神經(jīng)網(wǎng)絡(luò)和后向神經(jīng)網(wǎng)絡(luò)各自對應(yīng)的初始的隱藏狀態(tài)和單元狀態(tài)，以及輸入不同時間戳下的卷積特征向量；針對前向神經(jīng)網(wǎng)絡(luò)，計算不同時間戳下的遺忘門、輸入門、單元狀態(tài)的候選值、輸出門，以及更新單元狀態(tài)和隱藏狀態(tài)；針對后向神經(jīng)網(wǎng)絡(luò)，計算不同時間戳下的遺忘門、輸入門、單元狀態(tài)的候選值、輸出門，以及更新隱藏狀態(tài)；將前向神經(jīng)網(wǎng)絡(luò)對應(yīng)的更新隱藏狀態(tài)得到的結(jié)果作為前向神經(jīng)網(wǎng)絡(luò)輸出值，將后向神經(jīng)網(wǎng)絡(luò)對應(yīng)的更新隱藏狀態(tài)得到的結(jié)果作為后向神經(jīng)網(wǎng)絡(luò)輸出值。

8、在本發(fā)明較佳的實施例中，基于前向神經(jīng)網(wǎng)絡(luò)輸出值、后向神經(jīng)網(wǎng)絡(luò)輸出值、目標(biāo)時間戳的權(quán)重和目標(biāo)時間戳的偏置向量確定出水濃度，包括：對前向神經(jīng)網(wǎng)絡(luò)輸出值和后向神經(jīng)網(wǎng)絡(luò)輸出值進行加權(quán)平均處理得到輸出向量；基于輸出向量、目標(biāo)時間戳的權(quán)重和目標(biāo)時間戳的偏置向量通過以下算式確定出水濃度：；其中，表示目標(biāo)時間戳的權(quán)重，表示目標(biāo)時間戳的偏置向量，；其中，表示一個全連接層，，表示另一個全連接層， jq( rq)表示輸出向量。

9、第二方面，本發(fā)明實施例還提供一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測裝置，水質(zhì)參數(shù)獲取模塊，用于獲取污水處理廠進水的水質(zhì)參數(shù)；水質(zhì)參數(shù)預(yù)處理模塊，用于基于預(yù)先設(shè)置的時間序列對水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)；卷積特征向量提取模塊，用于基于目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量；出水濃度輸出模塊，用于將卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度。

10、第三方面，本發(fā)明實施例還提供一種電子設(shè)備，包括處理器和存儲器，存儲器存儲有能夠被處理器執(zhí)行的計算機可執(zhí)行指令，處理器執(zhí)行計算機可執(zhí)行指令以實現(xiàn)上述第一方面的基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法。

11、第四方面，本發(fā)明實施例還提供一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，計算機可執(zhí)行指令促使處理器實現(xiàn)上述第一方面的基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法。

12、本發(fā)明實施例帶來了以下有益效果：

13、本發(fā)明實施例提供了一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法及裝置，通過獲取污水處理廠進水的水質(zhì)參數(shù)，基于預(yù)先設(shè)置的時間序列對水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)，再基于目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量，最后將卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度。該方式中，對出水濃度進行準(zhǔn)確預(yù)測，進而保證了污水處理廠對污水處理工藝的準(zhǔn)確調(diào)控使得出水濃度達到環(huán)境相關(guān)標(biāo)準(zhǔn)。

14、本公開的其他特征和優(yōu)點將在隨后的說明書中闡述，或者，部分特征和優(yōu)點可以從說明書推知或毫無疑義地確定，或者通過實施本公開的上述技術(shù)即可得知。

15、為使本公開的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細(xì)說明如下。

技術(shù)特征：

1.一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)先設(shè)置的時間序列對所述水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用卷積神經(jīng)網(wǎng)絡(luò)基于所述歸一化矩陣進行卷積計算提取不同時間戳下的卷積特征向量，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述卷積特征向量通過所述雙向長短時記憶神經(jīng)網(wǎng)絡(luò)計算前向神經(jīng)網(wǎng)絡(luò)和后向神經(jīng)網(wǎng)絡(luò)，得到前向神經(jīng)網(wǎng)絡(luò)輸出值和后向神經(jīng)網(wǎng)絡(luò)輸出值，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于所述前向神經(jīng)網(wǎng)絡(luò)輸出值、所述后向神經(jīng)網(wǎng)絡(luò)輸出值、目標(biāo)時間戳的權(quán)重和所述目標(biāo)時間戳的偏置向量確定出水濃度，包括：

8.一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測裝置，其特征在于，所述裝置包括：

9.一種電子設(shè)備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執(zhí)行的計算機可執(zhí)行指令，所述處理器執(zhí)行所述計算機可執(zhí)行指令以實現(xiàn)權(quán)利要求1至7任一項所述的基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令在被處理器調(diào)用和執(zhí)行時，所述計算機可執(zhí)行指令促使處理器實現(xiàn)權(quán)利要求1至7任一項所述的基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法。

技術(shù)總結(jié)
本發(fā)明提供了一種基于雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的出水濃度預(yù)測方法及裝置，涉及濃度預(yù)測技術(shù)領(lǐng)域，包括：獲取污水處理廠進水的水質(zhì)參數(shù)；基于預(yù)先設(shè)置的時間序列對水質(zhì)參數(shù)進行預(yù)處理得到目標(biāo)水質(zhì)參數(shù)；基于目標(biāo)水質(zhì)參數(shù)提取不同時間戳下的卷積特征向量；將卷積特征向量輸入至預(yù)先構(gòu)建的雙向長短時記憶神經(jīng)網(wǎng)絡(luò)中，輸出出水濃度。該方式中，對出水濃度進行準(zhǔn)確預(yù)測，進而保證了污水處理廠對污水處理工藝的準(zhǔn)確調(diào)控使得出水濃度達到環(huán)境相關(guān)標(biāo)準(zhǔn)。

技術(shù)研發(fā)人員：申屠華斌,魏俊,朱亮,趙冬泉,楊浩銘,高紅旗,周永潮
受保護的技術(shù)使用者：中國電建集團華東勘測設(shè)計研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15