一种基于多范围循环神经网络的污水氨氮软测量方法技术

本申请公开了一种基于多范围循环神经网络的污水氨氮软测量方法，包括：针对低成本水质指标进行采集与预处理；根据预处理后的水质指标构建并训练软测量模型；在污水处理系统运行中，根据预先设定的软测量时间间隔，读取实时采集前T个时刻的水质指标的数据，根据软测量模型对当前污水中的氨氮浓度进行预测。本发明专利技术根据测量成本低的污水水质指标，采用软测量模型对污水中的氨氮指标进行软测量。模型对污水中的氨氮指标进行软测量。模型对污水中的氨氮指标进行软测量。

【技术实现步骤摘要】
一种基于多范围循环神经网络的污水氨氮软测量方法


[0001]本专利技术涉及水处理领域，更具体地，涉及一种基于多范围循环神经网络的污水氨氮软测量方法。

技术介绍

[0002]氨氮废水对自然环境、人体等有极大的危害，氨氮排入水体，特别是流动较缓慢的湖泊、海湾，容易引起水体中藻类及其他微生物大量繁殖，导致水体富营养化；严重时会使水中溶解氧下降，鱼类大量死亡，甚至会导致湖泊的干涸。由于水中氨氮存在，在给水消毒和工业循环水杀菌过过程中用氯量加大，使处理成本提高，处理难度也进一步增大；氨氮的存在还对某些金金属如铜等产生腐蚀，造成金属使用时间降低等问题；在含氨氮水作为污水回用时，再生水中的氨氮又能促进输水管道及用水设备中微生物的繁殖，产生能堵塞管道，加速束用水设备老化的生物垢。
[0003]因此氨氮是污水处理中的主要指标之一，目前我国各省农村生活污水处理地标均考察氨氮。目前农村污水处理主要采用化学除磷，而氨氮的去除则主要采用生化处理，因此水中氨氮浓度变化可以指示生化系统情况并指导运行调控。而目前测定NH4
‑
N的有纳氏试剂法、水杨酸分光光度法、滴定法和电极法等。但上述测定的方法操作繁琐，在大批量分析方面尤为不便且实时性不高。同时，大多数在线测量变量的传感器特别昂贵并且需要特别的维护，因此在规模较小、站点分散的农村污水处理场站无法使用。
[0004]因此，有必要开发一种基于多范围循环神经网络的污水氨氮软测量方法。
[0005]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0006]本专利技术提出了一种基于多范围循环神经网络的污水氨氮软测量方法，其根据测量成本低的污水水质指标，采用软测量模型对污水中的氨氮指标进行软测量。
[0007]本公开实施例提供了一种基于多范围循环神经网络的污水氨氮软测量方法，包括：
[0008]针对低成本水质指标进行采集与预处理；
[0009]根据预处理后的水质指标构建并训练软测量模型；
[0010]在污水处理系统运行中，根据预先设定的软测量时间间隔，读取实时采集得到的前T个时刻的低成本水质指标的数据，采用所述软测量模型对当前污水中的氨氮浓度进行预测。
[0011]优选地，所述低成本水质指标包括温度、pH、电导率、氧化还原电位、溶解氧。
[0012]优选地，所述预处理包括：基于三西格玛原则的数据异常点剔除、数据缺失点补全、数据标准化。
[0013]优选地，所述软测量模型包括编码器和解码器，其中，所述编码器包括多范围循环神经网络和全连接神经网络，所述解码器包括全连接神经网络。
[0014]优选地，在所述多范围门控循环神经网络中，将d
h
维的隐藏状态向量h
t
、重置门r
t
、更新门z
t
、权重矩阵W
h
、偏置向量b
h
进行K等分；
[0015]根据分割后的向量，确定子隐藏状态的更新计算方式；
[0016]针对每个子隐藏状态设置更新频率，对进行更新，或继续传递当前信息，根据不同的s
k
，每个保存了不同时间范围的污水水质指标时间序列信息；
[0017]通过注意力机制，在所述子隐藏状态的更新中对进行赋权；
[0018]根据每个子隐藏状态赋予的权重，确定的优化更新公式；
[0019]所述编码器输出所述多范围门控循环神经网络的最后一个隐藏状态
[0020]优选地，K等分后的隐藏状态h
t
、重置门r
t
、更新门z
t
、权重矩阵W
h
、偏置向量b
h
分别为：
[0021][0022][0023][0024][0025][0026]其中，r
t
表示t时刻的重置门，z
t
表示t时刻的更新门，h
t
是t时刻的隐藏状态，为第k个子隐藏状态。
[0027]优选地，子隐藏状态更新计算方式为：
[0028][0029][0030]其中，为t时刻隐藏状态的候选态，是一个大小为的权重矩阵，用于将当前神经元的外部输入映射到与相同的维度，为偏置向量。
[0031]优选地，在t时刻的子隐藏状态的更新过程中，通过注意力机制对前一时刻的所有子隐藏状态进行加权求和。
[0032]优选地，通过公式(8)计算注意力a
t
：
[0033][0034]其中，是一个长度为K的向量，其中的每个维度表示了之前的每个子隐藏状态对当前时刻的重要性程度，对当前时刻的重要性程度，b
A
∈R
K
为模型参数。
[0035]优选地，的优化更新公式为：
[0036][0037]其中，MOD表示求余数。
[0038]本专利技术的方法具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
附图说明
[0039]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件。
[0040]图1示出了根据本专利技术的一个实施例的基于多范围循环神经网络的污水氨氮软测量方法的步骤的流程图。
[0041]图2示出了根据本专利技术的一个实施例的软测量模型的示意图。
具体实施方式
[0042]下面将更详细地描述本专利技术的优选实施方式。虽然以下描述了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。
[0043]为便于理解本专利技术实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本专利技术，其任何具体细节并非意在以任何方式限制本专利技术。
[0044]实施例1
[0045]图1示出了根据本专利技术的基于多范围循环神经网络的污水氨氮软测量方法的步骤的流程图。
[0046]如图1所示，该基于多范围循环神经网络的污水氨氮软测量方法包括：步骤101，针对低成本水质指标进行采集与预处理；步骤102，根据预处理后的水质指标构建并训练软测量模型；步骤103，在污水处理系统运行中，根据预先设定的软测量时间间隔，读取实时采集得到的前T个时刻的低成本水质指标的数据，采用软测量模型对当前污水中的氨氮浓度进行预测。
[0047]在一个示例中，低成本水质指标包括温度、pH、电导率、氧化还原电位、溶解氧。
[0048]在一个示例中，预处理包括：基于三西格玛原则的数据异常点剔除、数据缺失点补全、数据标准化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多范围循环神经网络的污水氨氮软测量方法，其特征在于，包括：针对低成本水质指标进行采集与预处理；根据预处理后的水质指标构建并训练软测量模型；在污水处理系统运行中，根据预先设定的软测量时间间隔，读取实时采集得到的前T个时刻的低成本水质指标的数据，采用所述软测量模型对当前污水中的氨氮浓度进行预测。2.根据权利要求1所述的基于多范围循环神经网络的污水氨氮软测量方法，其中，所述低成本水质指标包括温度、pH、电导率、氧化还原电位、溶解氧。3.根据权利要求1所述的基于多范围循环神经网络的污水氨氮软测量方法，其中，所述预处理包括：基于三西格玛原则的数据异常点剔除、数据缺失点补全、数据标准化。4.根据权利要求1所述的基于多范围循环神经网络的污水氨氮软测量方法，其中，所述软测量模型包括编码器和解码器，其中，所述编码器包括多范围循环神经网络和全连接神经网络，所述解码器包括全连接神经网络。5.根据权利要求4所述的基于多范围循环神经网络的污水氨氮软测量方法，其中，在所述多范围门控循环神经网络中，将d
h
维的隐藏状态向量h
t
、重置门r
t
、更新门z
t
、权重矩阵W
h
、偏置向量b
h
进行K等分；根据分割后的向量，确定子隐藏状态的更新计算方式；针对每个子隐藏状态设置更新频率，对进行更新，或继续传递当前信息，根据不同的s
k
，每个保存了不同时间范围的污水水质指标时间序列信息；通过注意力机制，在所述子隐藏状态的更新中对进行赋权；根据每个子隐藏状态赋予的权重...

【专利技术属性】
技术研发人员：苏博君，柏永生，师路远，常江，崔保聪，蒋勇，孙德贵，王佳伟，
申请(专利权)人：北京城市排水集团有限责任公司，
类型：发明
国别省市：