CN112817299A - 一种工业废水治理数据管理云平台及其控制方法 - Google Patents
一种工业废水治理数据管理云平台及其控制方法 Download PDFInfo
- Publication number
- CN112817299A CN112817299A CN202110076981.8A CN202110076981A CN112817299A CN 112817299 A CN112817299 A CN 112817299A CN 202110076981 A CN202110076981 A CN 202110076981A CN 112817299 A CN112817299 A CN 112817299A
- Authority
- CN
- China
- Prior art keywords
- wastewater
- module
- data
- wastewater treatment
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于工业废水治理数据管理技术领域,公开了一种工业废水治理数据管理云平台及其控制方法,所述工业废水治理数据管理云平台包括:废水信息采集模块、中央控制模块、网络通信模块、废水处理模块、悬浮固体预测模块、治理评估模块、信息统计模块、数据管理模块、云存储模块、更新显示模块。本发明提供的工业废水治理数据管理云平台,通过悬浮固体预测模块利用MLP神经网络建立了预测污水中TSS预测模型并基于该模型进行了预测结果仿真,从而能够确保所述方法能够较为准确用于此类预测;同时,通过评估模块能够监督企业将排出的废水进行排污标准处理才排放,避免作假的废水监测数据对应的企业废水被排放出去,进而影响生态环境的问题。
Description
技术领域
本发明属于工业废水治理数据管理技术领域,尤其涉及一种工业废水治理数据管理云平台及其控制方法。
背景技术
目前,工业废水是指工业生产过程中产生的废水、污水和废液,其中含有随水流失的工业生产用料、中间产物和产品以及生产过程中产生的污染物。随着工业的迅速发展,废水的种类和数量迅猛增加,对水体的污染也日趋广泛和严重,威胁人类的健康和安全。因此,对于保护环境来说,工业废水的处理比城市污水的处理更为重要。工业废水造成的污染主要有:有机需氧物质污染,化学毒物污染,无机固体悬浮物污染,重金属污染,酸污染,碱污染,植物营养物质污染,热污染,病原体污染等。许多污染物有颜色、臭味或易生泡沫,因此工业废水常呈现使人厌恶的外观,造成水体大面积污染,直接威胁人民群众的生命和健康,因此控制工业废水尤为重要。然而,现有工业废水治理数据管理云平台对废水悬浮固体总量预测不准确;同时,由于大多数企业为了避免对废水进行净化处理,故会对本来没有净化合格的废水进行人为干预或者采用智能机器干预,使得监测到排出废水的废水监测数据能够符合规定,导致真正具有污染因子的达不到标准排除的废水会被排除,对生态环境造成污染。
综上所述,现有技术存在的问题及缺陷是:现有工业废水治理数据管理云平台对废水悬浮固体总量预测不准确;同时,由于大多数企业为了避免对废水进行净化处理,故会对本来没有净化合格的废水进行人为干预或者采用智能机器干预,使得监测到排出废水的废水监测数据能够符合规定,导致真正具有污染因子的达不到标准排除的废水会被排除,对生态环境造成污染。
发明内容
针对现有技术存在的问题,本发明提供了一种工业废水治理数据管理云平台及其控制方法。
本发明是这样实现的,一种工业废水治理数据管理云平台的控制方法,所述工业废水治理数据管理云平台的控制方法包括以下步骤:
步骤一,通过废水信息采集模块利用废水监测设备采集废水成分、毒性以及重金属含量的信息数据;通过中央控制模块利用中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;通过网络通信模块利用网络接口接入互联网进行网络通信;
步骤二,通过废水处理模块利用废水处理设备对废水进行过滤、沉淀、净化处理;通过悬浮固体预测模块利用预测程序获取目标特征数据,对目标特征数据进行数据预处理;其中,所述目标特征数据是指进水阶段的水质参数,包括进水流量、碳质生化需氧量CBOD和总悬浮固体TSS;
步骤三,将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维;将经过降维选择的数据输入至MLP神经网络模型中,建立进水阶段的总悬浮固体TSS的时间序列模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能;
步骤四,将总悬浮固体TSS过去7日记录值输入至MLP神经网络模型中,建立废水中总悬浮固体TSS的时间序列预测模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能;通过治理评估模块利用评估程序预置废水监测数据的至少一个质量评估特征;其中,所述质量评估特征包括工业废水监测的频次特征、稳定性特征、陡峰值特征、日内监测值的变动频次特征、日间监测值的变动频次特征、随机数特征、视频监控流量特征以及视频监控的入侵特征;
步骤五,获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,并对所述废水监测数据的各质量评估特征对应的特征值进行计算,得到所述废水监测数据的各质量评估特征的权重;基于所述废水监测数据的各质量评估特征对应的特征值和权重,得到所述废水监测数据的质量评估值;
步骤六,将所述废水监测数据的质量评估值反馈给监管人员,以使所述监管人员根据所述废水监测数据的质量评估值来判断所述废水监测数据是否具有真实性;通过信息统计模块利用统计程序统计废水治理信息数据;通过数据管理模块利用数据管理程序对工业废水的治理数据进行管理;
步骤七,通过云存储模块利用云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;通过更新显示模块利用显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
进一步,步骤二中,所述对目标特征数据进行预处理之前,还需进行异常值识别及去除操作,包括:
使用双侧离群值检测方法对超过+3σ的值和小于-3σ的值进行离群值判定并剔除离群值,TSS值保持在32mg/L至530mg/L之间。
进一步,步骤三中,所述将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维,包括:
(1)归一化,分别计算出进水流量和CBOD数据的均值,再将集合中每一个元素减去这个均值;对于维度去除均值的矩阵求协方差矩阵和对应的特征值矩阵和特征向量矩阵;按照特征值从大到小排列其对应的特征向量,挑选出前K个特征值对应的特征向量;
(2)将原数据矩阵与上述得到的特征向量矩阵相乘,得到最终的降维后矩阵;其中,K表示降维后的维度,K取5维,原数据矩阵表示进水流量和CBOD构成的多维矩阵。
进一步,步骤三中,所述平均绝对误差MAE和平均相对误差MRE的计算方法,包括:
进一步,步骤四中,所述MLP神经网络为5输入1输出,隐含层的节点数为16,神经元采用双曲正切T形传递函数;
所述MLP神经网络采取迭代式神经网络学习方案更新和训练预测模型;所述训练方法为:
对于包含有1395组输入参量的数据集,使用其中的930组输入参量用于MLP神经网络模型的训练,其余465组作为输入参量来验证BP神经网络模型的预测能力。
进一步,步骤五中,所述获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,包括:
(1)选取一个目标月,并在所述目标月内获取企业工作时产生的企业废水每日对应的废水监测数据和监测天数;
(2)分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值;
(3)基于所述监测天数和每日对应的废水监测数据的各质量评估特征对应的特征值,得到所述目标月对应的废水监测数据的各质量评估特征对应的特征值;
(4)将所述目标月对应的所述废水监测数据的各质量评估特征对应的特征值,确定为所述废水监测数据的各质量评估特征对应的特征值。
进一步,所述分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值,包括:
1)获取每日对应的废水监测数据的日监测频次;
2)将每日对应的废水监测数据的日监测频次与对应的预设的日监测频次阈值进行比对,得到每日对应的废水监测数据的监测频次特征对应的特征值。
本发明的另一目的在于提供一种应用所述的工业废水治理数据管理云平台的控制方法的工业废水治理数据管理云平台,所述工业废水治理数据管理云平台包括:
废水信息采集模块、中央控制模块、网络通信模块、废水处理模块、悬浮固体预测模块、治理评估模块、信息统计模块、数据管理模块、云存储模块、更新显示模块。
废水信息采集模块,与中央控制模块连接,用于通过废水监测设备采集废水成分、毒性以及重金属含量的信息数据;
中央控制模块,与废水信息采集模块、中央控制模块、网络通信模块、废水处理模块、悬浮固体预测模块、治理评估模块、信息统计模块、数据管理模块、云存储模块、更新显示模块连接,用于通过中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;
网络通信模块,与中央控制模块连接,用于通过网络接口接入互联网进行网络通信;
废水处理模块,与中央控制模块连接,用于通过废水处理设备对废水进行过滤、沉淀、净化处理;
悬浮固体预测模块,与中央控制模块连接,用于通过预测程序对废水中悬浮固体总量进行预测;
治理评估模块,与中央控制模块连接,用于通过评估程序对废水处理结果进行评估;
信息统计模块,与中央控制模块连接,用于通过统计程序统计废水治理信息数据;
数据管理模块,与中央控制模块连接,用于通过数据管理程序对工业废水的治理数据进行管理;
云存储模块,与中央控制模块连接,用于通过云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;
更新显示模块,与中央控制模块连接,用于通过显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的工业废水治理数据管理云平台的控制方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的工业废水治理数据管理云平台的控制方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的工业废水治理数据管理云平台,通过悬浮固体预测模块利用MLP神经网络建立了预测污水中TSS预测模型并基于该模型进行了预测结果仿真,从而能够确保所述方法能够较为准确用于此类预测;除了设置神经网络输入层和输出层的节点数外,运用神经网络对样本进行训练,不需要了解污水中TSS变化的内部机制,比传统的基于复杂数学模型的预测方法更为便捷,选用进水流量和进水CBOD作为量化输入参数,对TSS模型进行时序构造,提高了预测模型的稳健性;相比于其他机器学习建立的模型预测TSS方案来说更加具有独特性和适配性,同时还具有收敛速度快、网络泛化能力强的特点;同时,通过评估模块在对企业废水对应的废水监测数据进行质量进行评估之前,预置废水监测数据的至少一个质量评估特征及其对应的权重;获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值;基于所述废水监测数据的各质量评估特征对应的特征值和权重,得到所述废水监测数据的质量评估值,实现了对企业废水的废水监测数据进行质量评估,以便监管人员可以通过计算得到的废水监测数据的质量评估值,来判断该企业排出的企业废水的废水监测数据是否真实有效,进而能够监督企业将排出的废水进行排污标准处理才排放,避免作假的废水监测数据对应的企业废水被排放出去,进而影响生态环境。
附图说明
图1是本发明实施例提供的工业废水治理数据管理云平台的控制方法流程图。
图2是本发明实施例提供的工业废水治理数据管理云平台结构框图;
图中:1、废水信息采集模块;2、中央控制模块;3、网络通信模块;4、废水处理模块;5、悬浮固体预测模块;6、治理评估模块;7、信息统计模块;8、数据管理模块;9、云存储模块;10、更新显示模块。
图3是本发明实施例提供的通过悬浮固体预测模块利用预测程序对废水中悬浮固体总量进行预测的方法流程图。
图4是本发明实施例提供的通过治理评估模块利用评估程序对废水处理结果进行评估的方法流程图。
图5是本发明实施例提供的获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值的方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的工业废水治理数据管理云平台的控制方法包括以下步骤:
S101,通过废水信息采集模块利用废水监测设备采集废水成分、毒性以及重金属含量的信息数据;
S102,通过中央控制模块利用中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;
S103,通过网络通信模块利用网络接口接入互联网进行网络通信;通过废水处理模块利用废水处理设备对废水进行过滤、沉淀、净化处理;
S104,通过悬浮固体预测模块利用预测程序对废水中悬浮固体总量进行预测;通过治理评估模块利用评估程序对废水处理结果进行评估;
S105,通过信息统计模块利用统计程序统计废水治理信息数据;通过数据管理模块利用数据管理程序对工业废水的治理数据进行管理;
S106,通过云存储模块利用云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;
S107,通过更新显示模块利用显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
如图2所示,本发明实施例提供的工业废水治理数据管理云平台包括:废水信息采集模块1、中央控制模块2、网络通信模块3、废水处理模块4、悬浮固体预测模块5、治理评估模块6、信息统计模块7、数据管理模块8、云存储模块9、更新显示模块10。
废水信息采集模块1,与中央控制模块2连接,用于通过废水监测设备采集废水成分、毒性以及重金属含量的信息数据;
中央控制模块2,与废水信息采集模块1、网络通信模块3、废水处理模块4、悬浮固体预测模块5、治理评估模块6、信息统计模块7、数据管理模块8、云存储模块9、更新显示模块10连接,用于通过中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;
网络通信模块3,与中央控制模块2连接,用于通过网络接口接入互联网进行网络通信;
废水处理模块4,与中央控制模块2连接,用于通过废水处理设备对废水进行过滤、沉淀、净化处理;
悬浮固体预测模块5,与中央控制模块2连接,用于通过预测程序对废水中悬浮固体总量进行预测;
治理评估模块6,与中央控制模块2连接,用于通过评估程序对废水处理结果进行评估;
信息统计模块7,与中央控制模块2连接,用于通过统计程序统计废水治理信息数据;
数据管理模块8,与中央控制模块2连接,用于通过数据管理程序对工业废水的治理数据进行管理;
云存储模块9,与中央控制模块2连接,用于通过云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;
更新显示模块10,与中央控制模块2连接,用于通过显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的工业废水治理数据管理云平台的控制方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的通过悬浮固体预测模块利用预测程序对废水中悬浮固体总量进行预测的方法包括:
S201,通过悬浮固体预测模块利用预测程序获取目标特征数据,对目标特征数据进行数据预处理;其中,所述目标特征数据是指进水阶段的水质参数,包括进水流量、碳质生化需氧量CBOD和总悬浮固体TSS;
S202,将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维;将经过降维选择的数据输入至MLP神经网络模型中,建立进水阶段的总悬浮固体TSS的时间序列模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能;
S203,将总悬浮固体TSS过去7日记录值输入至MLP神经网络模型中,建立废水中总悬浮固体TSS的时间序列预测模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能。
本发明实施例提供的对目标特征数据进行预处理之前,还需进行异常值识别及去除操作,包括:使用双侧离群值检测方法对超过+3σ的值和小于-3σ的值进行离群值判定并剔除离群值,TSS值保持在32mg/L至530mg/L之间。
本发明实施例提供的将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维,包括:
(1)归一化,分别计算出进水流量和CBOD数据的均值,再将集合中每一个元素减去这个均值;对于维度去除均值的矩阵求协方差矩阵和对应的特征值矩阵和特征向量矩阵;按照特征值从大到小排列其对应的特征向量,挑选出前K个特征值对应的特征向量;
(2)将原数据矩阵与上述得到的特征向量矩阵相乘,得到最终的降维后矩阵;其中,K表示降维后的维度,K取5维,原数据矩阵表示进水流量和CBOD构成的多维矩阵。
本发明实施例提供的平均绝对误差MAE和平均相对误差MRE的计算方法,包括:
本发明实施例提供的MLP神经网络为5输入1输出,隐含层的节点数为16,神经元采用双曲正切T形传递函数;所述MLP神经网络采取迭代式神经网络学习方案更新和训练预测模型;所述训练方法为:对于包含有1395组输入参量的数据集,使用其中的930组输入参量用于MLP神经网络模型的训练,其余465组作为输入参量来验证BP神经网络模型的预测能力。
实施例2
本发明实施例提供的工业废水治理数据管理云平台的控制方法如图1所示,作为优选实施例,如图4所示,本发明实施例提供的通过治理评估模块利用评估程序对废水处理结果进行评估的方法包括:
S301,通过治理评估模块利用评估程序预置废水监测数据的至少一个质量评估特征;其中,所述质量评估特征包括工业废水监测的频次特征、稳定性特征、陡峰值特征、日内监测值的变动频次特征、日间监测值的变动频次特征、随机数特征、视频监控流量特征以及视频监控的入侵特征;
S302,获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,并对所述废水监测数据的各质量评估特征对应的特征值进行计算,得到所述废水监测数据的各质量评估特征的权重;
S303,基于所述废水监测数据的各质量评估特征对应的特征值和权重,得到所述废水监测数据的质量评估值;将所述废水监测数据的质量评估值反馈给监管人员,以使所述监管人员根据所述废水监测数据的质量评估值来判断所述废水监测数据是否具有真实性。
如图5所示,本发明实施例提供的获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,包括:
S401,选取一个目标月,并在所述目标月内获取企业工作时产生的企业废水每日对应的废水监测数据和监测天数;
S402,分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值;
S403,基于所述监测天数和每日对应的废水监测数据的各质量评估特征对应的特征值,得到所述目标月对应的废水监测数据的各质量评估特征对应的特征值;
S404,将所述目标月对应的所述废水监测数据的各质量评估特征对应的特征值,确定为所述废水监测数据的各质量评估特征对应的特征值。
本发明实施例提供的分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值,包括:
1)获取每日对应的废水监测数据的日监测频次;
2)将每日对应的废水监测数据的日监测频次与对应的预设的日监测频次阈值进行比对,得到每日对应的废水监测数据的监测频次特征对应的特征值。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种工业废水治理数据管理云平台的控制方法,其特征在于,所述工业废水治理数据管理云平台的控制方法包括以下步骤:
步骤一,通过废水信息采集模块利用废水监测设备采集废水成分、毒性以及重金属含量的信息数据;通过中央控制模块利用中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;通过网络通信模块利用网络接口接入互联网进行网络通信;
步骤二,通过废水处理模块利用废水处理设备对废水进行过滤、沉淀、净化处理;通过悬浮固体预测模块利用预测程序获取目标特征数据,对目标特征数据进行数据预处理;其中,所述目标特征数据是指进水阶段的水质参数,包括进水流量、碳质生化需氧量CBOD和总悬浮固体TSS;
步骤三,将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维;将经过降维选择的数据输入至MLP神经网络模型中,建立进水阶段的总悬浮固体TSS的时间序列模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能;
步骤四,将总悬浮固体TSS过去7日记录值输入至MLP神经网络模型中,建立废水中总悬浮固体TSS的时间序列预测模型,并利用平均绝对误差MAE和平均相对误差MRE来评估数据模型的性能;通过治理评估模块利用评估程序预置废水监测数据的至少一个质量评估特征;其中,所述质量评估特征包括工业废水监测的频次特征、稳定性特征、陡峰值特征、日内监测值的变动频次特征、日间监测值的变动频次特征、随机数特征、视频监控流量特征以及视频监控的入侵特征;
步骤五,获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,并对所述废水监测数据的各质量评估特征对应的特征值进行计算,得到所述废水监测数据的各质量评估特征的权重;基于所述废水监测数据的各质量评估特征对应的特征值和权重,得到所述废水监测数据的质量评估值;
步骤六,将所述废水监测数据的质量评估值反馈给监管人员,以使所述监管人员根据所述废水监测数据的质量评估值来判断所述废水监测数据是否具有真实性;通过信息统计模块利用统计程序统计废水治理信息数据;通过数据管理模块利用数据管理程序对工业废水的治理数据进行管理;
步骤七,通过云存储模块利用云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;通过更新显示模块利用显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
2.如权利要求1所述的工业废水治理数据管理云平台的控制方法,其特征在于,步骤二中,所述对目标特征数据进行预处理之前,还需进行异常值识别及去除操作,包括:
使用双侧离群值检测方法对超过+3σ的值和小于-3σ的值进行离群值判定并剔除离群值,TSS值保持在32mg/L至530mg/L之间。
3.如权利要求1所述的工业废水治理数据管理云平台的控制方法,其特征在于,步骤三中,所述将经过数据预处理的进水流量和碳质生化需氧量CBOD进行PCA数据降维,包括:
(1)归一化,分别计算出进水流量和CBOD数据的均值,再将集合中每一个元素减去这个均值;对于维度去除均值的矩阵求协方差矩阵和对应的特征值矩阵和特征向量矩阵;按照特征值从大到小排列其对应的特征向量,挑选出前K个特征值对应的特征向量;
(2)将原数据矩阵与上述得到的特征向量矩阵相乘,得到最终的降维后矩阵;其中,K表示降维后的维度,K取5维,原数据矩阵表示进水流量和CBOD构成的多维矩阵。
5.如权利要求1所述的工业废水治理数据管理云平台的控制方法,其特征在于,步骤四中,所述MLP神经网络为5输入1输出,隐含层的节点数为16,神经元采用双曲正切T形传递函数;
所述MLP神经网络采取迭代式神经网络学习方案更新和训练预测模型;所述训练方法为:
对于包含有1395组输入参量的数据集,使用其中的930组输入参量用于MLP神经网络模型的训练,其余465组作为输入参量来验证BP神经网络模型的预测能力。
6.如权利要求1所述的工业废水治理数据管理云平台的控制方法,其特征在于,步骤五中,所述获取企业废水对应的废水监测数据,并对所述废水监测数据进行质量评估,得到所述废水监测数据的各质量评估特征对应的特征值,包括:
(1)选取一个目标月,并在所述目标月内获取企业工作时产生的企业废水每日对应的废水监测数据和监测天数;
(2)分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值;
(3)基于所述监测天数和每日对应的废水监测数据的各质量评估特征对应的特征值,得到所述目标月对应的废水监测数据的各质量评估特征对应的特征值;
(4)将所述目标月对应的所述废水监测数据的各质量评估特征对应的特征值,确定为所述废水监测数据的各质量评估特征对应的特征值。
7.如权利要求6所述的工业废水治理数据管理云平台的控制方法,其特征在于,所述分别对每日对应的废水监测数据进行质量评估,得到每日对应的废水监测数据的各质量评估特征对应的特征值,包括:
1)获取每日对应的废水监测数据的日监测频次;
2)将每日对应的废水监测数据的日监测频次与对应的预设的日监测频次阈值进行比对,得到每日对应的废水监测数据的监测频次特征对应的特征值。
8.一种应用如权利要求1~7任意一项所述的工业废水治理数据管理云平台的控制方法的工业废水治理数据管理云平台,其特征在于,所述工业废水治理数据管理云平台包括:
废水信息采集模块、中央控制模块、网络通信模块、废水处理模块、悬浮固体预测模块、治理评估模块、信息统计模块、数据管理模块、云存储模块、更新显示模块;
废水信息采集模块,与中央控制模块连接,用于通过废水监测设备采集废水成分、毒性以及重金属含量的信息数据;
中央控制模块,与废水信息采集模块、中央控制模块、网络通信模块、废水处理模块、悬浮固体预测模块、治理评估模块、信息统计模块、数据管理模块、云存储模块、更新显示模块连接,用于通过中央处理器协调控制所述工业废水治理数据管理云平台各个模块的正常工作;
网络通信模块,与中央控制模块连接,用于通过网络接口接入互联网进行网络通信;
废水处理模块,与中央控制模块连接,用于通过废水处理设备对废水进行过滤、沉淀、净化处理;
悬浮固体预测模块,与中央控制模块连接,用于通过预测程序对废水中悬浮固体总量进行预测;
治理评估模块,与中央控制模块连接,用于通过评估程序对废水处理结果进行评估;
信息统计模块,与中央控制模块连接,用于通过统计程序统计废水治理信息数据;
数据管理模块,与中央控制模块连接,用于通过数据管理程序对工业废水的治理数据进行管理;
云存储模块,与中央控制模块连接,用于通过云服务器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息进行云存储;
更新显示模块,与中央控制模块连接,用于通过显示器对采集的废水信息、废水处理结果、悬浮固体预测结果、治理评估结果以及废水治理的统计信息的实时数据进行更新显示。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的工业废水治理数据管理云平台的控制方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的工业废水治理数据管理云平台的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076981.8A CN112817299A (zh) | 2021-01-20 | 2021-01-20 | 一种工业废水治理数据管理云平台及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076981.8A CN112817299A (zh) | 2021-01-20 | 2021-01-20 | 一种工业废水治理数据管理云平台及其控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112817299A true CN112817299A (zh) | 2021-05-18 |
Family
ID=75858809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110076981.8A Pending CN112817299A (zh) | 2021-01-20 | 2021-01-20 | 一种工业废水治理数据管理云平台及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112817299A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114716010A (zh) * | 2022-06-08 | 2022-07-08 | 张家港长三角生物安全研究中心 | 一种废水处理生物膜的性能评估方法及*** |
CN114904319A (zh) * | 2022-07-13 | 2022-08-16 | 艾肯(江苏)工业技术有限公司 | 基于物联网的废水处理可利用性测试***及方法 |
CN114933339A (zh) * | 2022-07-11 | 2022-08-23 | 大唐融合通信股份有限公司 | 一种污水处理的控制方法、云端服务器及边缘侧设备 |
CN115353223A (zh) * | 2022-08-10 | 2022-11-18 | 盐城工学院 | 一种基于anfis模型的实验室废水处理一体化方法及装置 |
CN117129643A (zh) * | 2023-08-29 | 2023-11-28 | 江苏安琪尔检测科技有限公司 | 一种废水检测***及方法 |
CN117252589B (zh) * | 2023-11-17 | 2024-01-23 | 山东政冠物流供应链有限责任公司 | 一种洗煤用水回收***及其方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607560A (zh) * | 2016-02-24 | 2016-05-25 | 河南派亚尼尔自动化设备有限公司 | 一种智能排污远程监控***及应用方法 |
CN106908403A (zh) * | 2017-03-21 | 2017-06-30 | 成都冠禹科技有限公司 | 一种高精度的新型水质检测装置 |
CN107292501A (zh) * | 2017-06-09 | 2017-10-24 | 江苏梦兰神彩科技股份有限公司 | 一种评估废水监测数据质量的方法及设备 |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN109399864A (zh) * | 2018-11-28 | 2019-03-01 | 贵州民族大学 | 一种处理废水的复合人工湿地*** |
CN110033200A (zh) * | 2019-04-19 | 2019-07-19 | 苏州环职安环境工程技术有限公司 | 企业排放废气监控数据质量评价方法 |
CN110981004A (zh) * | 2019-12-05 | 2020-04-10 | 云南罗平锌电股份有限公司 | 一种锌冶炼污水的处理方法 |
CN111380824A (zh) * | 2020-04-01 | 2020-07-07 | 吉林建筑大学 | 锅炉煤制气废水处理过程中消除泡沫的水循环处理方法 |
CN111858715A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的污水处理厂进水质量预测方法 |
CN111863153A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的废水中悬浮固体总量的预测方法 |
CN112052964A (zh) * | 2020-08-17 | 2020-12-08 | 中检江苏检验检测技术有限公司 | 一种化学危险品报废***和报废方法 |
CN112069971A (zh) * | 2020-09-01 | 2020-12-11 | 浙江省机电设计研究院有限公司 | 一种基于视频的高速公路标志标线识别方法及识别*** |
CN112101625A (zh) * | 2020-08-13 | 2020-12-18 | 重庆地质矿产研究院 | 一种页岩气井生产动态预测方法及*** |
CN112233831A (zh) * | 2020-09-02 | 2021-01-15 | 上海康建防护屏蔽有限公司 | 放射性污、废水衰变处理***及其处理方法 |
-
2021
- 2021-01-20 CN CN202110076981.8A patent/CN112817299A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607560A (zh) * | 2016-02-24 | 2016-05-25 | 河南派亚尼尔自动化设备有限公司 | 一种智能排污远程监控***及应用方法 |
CN106908403A (zh) * | 2017-03-21 | 2017-06-30 | 成都冠禹科技有限公司 | 一种高精度的新型水质检测装置 |
CN107292501A (zh) * | 2017-06-09 | 2017-10-24 | 江苏梦兰神彩科技股份有限公司 | 一种评估废水监测数据质量的方法及设备 |
CN109081507A (zh) * | 2018-08-24 | 2018-12-25 | 广州市环境保护工程设计院有限公司 | 污水处理控制方法及*** |
CN109399864A (zh) * | 2018-11-28 | 2019-03-01 | 贵州民族大学 | 一种处理废水的复合人工湿地*** |
CN110033200A (zh) * | 2019-04-19 | 2019-07-19 | 苏州环职安环境工程技术有限公司 | 企业排放废气监控数据质量评价方法 |
CN110981004A (zh) * | 2019-12-05 | 2020-04-10 | 云南罗平锌电股份有限公司 | 一种锌冶炼污水的处理方法 |
CN111380824A (zh) * | 2020-04-01 | 2020-07-07 | 吉林建筑大学 | 锅炉煤制气废水处理过程中消除泡沫的水循环处理方法 |
CN111858715A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的污水处理厂进水质量预测方法 |
CN111863153A (zh) * | 2020-07-24 | 2020-10-30 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的废水中悬浮固体总量的预测方法 |
CN112101625A (zh) * | 2020-08-13 | 2020-12-18 | 重庆地质矿产研究院 | 一种页岩气井生产动态预测方法及*** |
CN112052964A (zh) * | 2020-08-17 | 2020-12-08 | 中检江苏检验检测技术有限公司 | 一种化学危险品报废***和报废方法 |
CN112069971A (zh) * | 2020-09-01 | 2020-12-11 | 浙江省机电设计研究院有限公司 | 一种基于视频的高速公路标志标线识别方法及识别*** |
CN112233831A (zh) * | 2020-09-02 | 2021-01-15 | 上海康建防护屏蔽有限公司 | 放射性污、废水衰变处理***及其处理方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114716010A (zh) * | 2022-06-08 | 2022-07-08 | 张家港长三角生物安全研究中心 | 一种废水处理生物膜的性能评估方法及*** |
CN114716010B (zh) * | 2022-06-08 | 2022-09-20 | 张家港长三角生物安全研究中心 | 一种废水处理生物膜的性能评估方法及*** |
CN114933339A (zh) * | 2022-07-11 | 2022-08-23 | 大唐融合通信股份有限公司 | 一种污水处理的控制方法、云端服务器及边缘侧设备 |
CN114933339B (zh) * | 2022-07-11 | 2022-10-25 | 大唐融合通信股份有限公司 | 一种污水处理的控制方法、云端服务器及边缘侧设备 |
CN114904319A (zh) * | 2022-07-13 | 2022-08-16 | 艾肯(江苏)工业技术有限公司 | 基于物联网的废水处理可利用性测试***及方法 |
CN115353223A (zh) * | 2022-08-10 | 2022-11-18 | 盐城工学院 | 一种基于anfis模型的实验室废水处理一体化方法及装置 |
CN117129643A (zh) * | 2023-08-29 | 2023-11-28 | 江苏安琪尔检测科技有限公司 | 一种废水检测***及方法 |
CN117129643B (zh) * | 2023-08-29 | 2024-03-26 | 江苏安琪尔检测科技有限公司 | 一种废水检测***及方法 |
CN117252589B (zh) * | 2023-11-17 | 2024-01-23 | 山东政冠物流供应链有限责任公司 | 一种洗煤用水回收***及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112817299A (zh) | 一种工业废水治理数据管理云平台及其控制方法 | |
Borzooei et al. | Application of unsupervised learning and process simulation for energy optimization of a WWTP under various weather conditions | |
CN111291937A (zh) | 基于支持向量分类与gru神经网络联合的处理污水水质预测方法 | |
CN106682316A (zh) | 一种基于尖峰径向基神经网络的出水总磷实时监测*** | |
CN110320335B (zh) | 一种关于污水处理出水水质指标的多元鲁棒软测量方法 | |
CN110007650A (zh) | 一种企业排污管控方法和*** | |
Chang et al. | Over-complete deep recurrent neutral network based on wastewater treatment process soft sensor application | |
CN111210128A (zh) | 一种基于人工智能及随机自适应阈值的湿地预警方法 | |
CN113706127B (zh) | 一种水域分析报告的生成方法及电子设备 | |
CN110610308A (zh) | 一种基于标杆法对环境技术进行评估的方法 | |
Wang et al. | A full-view management method based on artificial neural networks for energy and material-savings in wastewater treatment plants | |
Rustum et al. | Applying Kohonen self‐organizing map as a software sensor to predict biochemical oxygen demand | |
Li et al. | Learning adaptive semi-supervised multi-output soft-sensors with co-training of heterogeneous models | |
CN115561416A (zh) | 污水处理厂进水水质实时检测方法和装置 | |
Alharbi et al. | Sliding window neural network based sensing of bacteria in wastewater treatment plants | |
CN116029612A (zh) | 一种基于深度学习的城镇污水厂外加碳源精准控制方法 | |
CN114626965A (zh) | 一种区域生态承载力边界阈值检测方法及装置 | |
Mathur et al. | Modeling of two-stage anaerobic onsite wastewater sanitation system to predict effluent soluble chemical oxygen demand through machine learning | |
CN110542748A (zh) | 一种基于知识的鲁棒型出水氨氮软测量方法 | |
Li et al. | A new PM2. 5 concentration forecasting system based on AdaBoost‐ensemble system with deep learning approach | |
CN116090710B (zh) | 一种企业排污许可的管理方法、***、电子设备及介质 | |
Holloway et al. | Exploring the use of water resource recovery facility instrument data to visualise dynamic resilience to environmental stressors | |
Yuan et al. | Prediction of PM2. 5 time series by seasonal trend decomposition-based dendritic neuron model | |
CN114693493A (zh) | 一种基于IoT的污染河流水生态修复*** | |
CN111143774B (zh) | 一种基于影响因素多状态模型的电力负荷预测方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210518 |