【技术实现步骤摘要】
本专利技术涉及污水处理监控领域，特别涉及一种基于机器学习的智能化人工湿地监控方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、近年来，随着集中式污水处理在农村和中小型城镇地区所面临的限制日益凸显，分散式污水处理在这些地区得到了广泛应用。人工湿地因其处理效果显著、工艺简单、投资和运行成本较低等优点而备受关注。
3、然而，专利技术人发现，传统人工湿地的运营和水质管理存在监测参数复杂、运营成本高和效率低等问题，同时，部分地区缺乏专业的污水处理人员，使得人工湿地的发展受到较大的限制。
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了一种基于机器学习的智能化人工湿地监控方法及系统，根据预处理后的人工湿地运行参数数据以及预训练的机器学习模型，进行当前环境参数下的水质状态分类预测，实现了对湿地运营和水质状态的实时监测和分析，达到了智能化管理和运营的目的。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种基于机器学习的智能化人工湿地监控方法。
4、一种基于机器学习的智能化人工湿地监控方法，包括以下过程：
5、获取人工湿地运行参数数据，其中，所述运行参数数据，至少包括：污水水质、污水温度、ph、污泥浓度、溶解氧、电导率以及当前的环境参数；
6、根据预处理后的人工湿地运行参数数据以及预训练的机器学习模型，得到当前环
7、根据水质状态分类预测结果和当前的环境参数，生成不同的决策方案，对各个决策方案，计算各个水质状态指标的隶属度矩阵，根据所述隶属度矩阵、权向量得到以及计分向量得到各个决策方案的综合评分；
8、优先级对各个方案进行成本评估，对任一个方案，以成本评估结果与综合评分结果的加权和为最终得分，对各个方案按照最终得分从高到低排序构建决策优先级。
9、作为本专利技术第一方面进一步的限定，所述预处理，包括：剔除离群值和重复值，补充缺失值，对缺失值补充完成的数据进行标准化处理和降维处理。
10、作为本专利技术第一方面进一步的限定，预训练的机器学习模型为决策树模型。
11、作为本专利技术第一方面进一步的限定，决策方案至少包括增加曝气量、改变流速或者植物种植密度中的一种或多种。
12、第二方面，本专利技术提供了一种基于机器学习的智能化人工湿地监控系统。
13、一种基于机器学习的智能化人工湿地监控系统，包括：
14、数据获取模块，被配置为：获取人工湿地运行参数数据，其中，所述运行参数数据，至少包括：污水水质、污水温度、ph、污泥浓度、溶解氧、电导率以及当前的环境参数；
15、分类预测模块，被配置为：根据预处理后的人工湿地运行参数数据以及预训练的机器学习模型，得到当前环境参数下的各个水质状态指标的分类预测结果；
16、决策评分模块，被配置为：根据水质状态分类预测结果和当前的环境参数，生成不同的决策方案，对各个决策方案，计算各个水质状态指标的隶属度矩阵，根据所述隶属度矩阵、权向量得到以及计分向量得到各个决策方案的综合评分；
17、优先级确定模块，被配置为：优先级对各个方案进行成本评估，对任一个方案，以成本评估结果与综合评分结果的加权和为最终得分，对各个方案按照最终得分从高到低排序构建决策优先级。
18、作为本专利技术第二方面进一步的限定，数据获取模块中，所述预处理，包括：剔除离群值和重复值，补充缺失值，对缺失值补充完成的数据进行标准化处理和降维处理。
19、作为本专利技术第二方面进一步的限定，决策评分模块中，预训练的机器学习模型为决策树模型。
20、作为本专利技术第二方面进一步的限定，决策评分模块中，决策方案至少包括增加曝气量、改变流速或者植物种植密度中的一种或多种。
21、第三方面，本专利技术提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的基于机器学习的智能化人工湿地监控方法中的步骤。
22、第四方面，本专利技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的基于机器学习的智能化人工湿地监控方法中的步骤。
23、与现有技术相比，本专利技术的有益效果是：
24、1、本专利技术创新性的提出了一种基于机器学习的智能化人工湿地监控策略，根据预处理后的人工湿地运行参数数据以及预训练的机器学习模型，进行当前环境参数下的水质状态分类预测，实现了对湿地运营和水质状态的实时监测和分析，达到了智能化管理和运营的目的。
25、2、本专利技术根据水质状态分类预测结果和当前的环境参数，生成不同的决策方案，对不同的决策方案进行情景模拟，预测不同决策方案对水质的影响，以水质指标提升最大以及成本最小进行多目标优化，得到决策方案的使用优先级，实现了更精准的人工湿地水质处理效果控制。
26、3、本专利技术创新性的提出了一种基于机器学习的智能化人工湿地监控策略，通过对大量数据的学习和分析，提供更准确的预测和决策支持，更快速地发现隐藏在数据中的规律和关联；能够实现自动化的数据分析和模式识别，减少了人工操作的需求，节约人力资源成本，并降低了人为错误的风险。
27、4、本专利技术创新性的提出了一种基于机器学习的智能化人工湿地监控策略，可以识别并预测人类难以察觉的数据趋势，从而帮助提前发现潜在的运营问题或水质变化；能够实时地对不断变化的数据进行处理和分析，使得管理者可以更及时地做出调整和决策；可以为湿地运营管理者提供更具针对性的优化建议，帮助其更好地改进湿地的运营方案和水质管理策略。
28、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的智能化人工湿地监控方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
3.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
4.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
5.一种基于机器学习的智能化人工湿地监控系统，其特征在于，包括：
6.如权利要求5所述的基于机器学习的智能化人工湿地监控系统，其特征在于，
7.如权利要求5所述的基于机器学习的智能化人工湿地监控系统，其特征在于，
8.如权利要求5所述的基于机器学习的智能化人工湿地监控系统，其特征在于，
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的基于机器学习的智能化人工湿地监控方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述
...【技术特征摘要】
1.一种基于机器学习的智能化人工湿地监控方法，其特征在于，包括以下过程：
2.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
3.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
4.如权利要求1所述的基于机器学习的智能化人工湿地监控方法，其特征在于，
5.一种基于机器学习的智能化人工湿地监控系统，其特征在于，包括：
6.如权利要求5所述的基于机器学习的智能化人工湿地监控系统，其特征在于，
7.如权利要求...
【专利技术属性】
技术研发人员：郭子彰，赵吉锋，康妍，吴海明，胡振，庄林岚，张建，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。