CN116040892A - 一种生活垃圾污水处理方法 - Google Patents
一种生活垃圾污水处理方法 Download PDFInfo
- Publication number
- CN116040892A CN116040892A CN202310340331.9A CN202310340331A CN116040892A CN 116040892 A CN116040892 A CN 116040892A CN 202310340331 A CN202310340331 A CN 202310340331A CN 116040892 A CN116040892 A CN 116040892A
- Authority
- CN
- China
- Prior art keywords
- sewage
- module
- data
- formula
- sludge
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 72
- 239000010813 municipal solid waste Substances 0.000 title claims abstract description 40
- 239000010802 sludge Substances 0.000 claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000004062 sedimentation Methods 0.000 claims abstract description 12
- 238000004876 x-ray fluorescence Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 230000004069 differentiation Effects 0.000 claims abstract description 6
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 5
- 229920002301 cellulose acetate Polymers 0.000 claims abstract description 4
- 238000005374 membrane filtration Methods 0.000 claims abstract description 4
- 230000001376 precipitating effect Effects 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 56
- 238000005265 energy consumption Methods 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 24
- 239000001301 oxygen Substances 0.000 claims description 24
- 229910052760 oxygen Inorganic materials 0.000 claims description 24
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 23
- 239000000706 filtrate Substances 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 21
- 238000005273 aeration Methods 0.000 claims description 18
- 238000005086 pumping Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 239000000203 mixture Substances 0.000 claims description 17
- 239000010791 domestic waste Substances 0.000 claims description 16
- 238000003756 stirring Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000007620 mathematical function Methods 0.000 claims description 14
- 208000005156 Dehydration Diseases 0.000 claims description 13
- 230000018044 dehydration Effects 0.000 claims description 13
- 238000006297 dehydration reaction Methods 0.000 claims description 13
- 238000007639 printing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 10
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 239000012716 precipitator Substances 0.000 claims description 9
- 239000002351 wastewater Substances 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 7
- 239000011707 mineral Substances 0.000 claims description 7
- 238000003763 carbonization Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 244000005700 microbiome Species 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 238000000197 pyrolysis Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- CDBYLPFSWZWCQE-UHFFFAOYSA-L sodium carbonate Substances [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000003197 catalytic effect Effects 0.000 claims description 3
- 238000006555 catalytic reaction Methods 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000813 microbial effect Effects 0.000 claims description 3
- 238000006396 nitration reaction Methods 0.000 claims description 3
- 239000011368 organic material Substances 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 229910000029 sodium carbonate Inorganic materials 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 239000006228 supernatant Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 3
- 238000000921 elemental analysis Methods 0.000 claims 1
- 238000001556 precipitation Methods 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 6
- 125000001477 organic nitrogen group Chemical group 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000009298 carbon filtering Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 239000008213 purified water Substances 0.000 description 2
- 229910021642 ultra pure water Inorganic materials 0.000 description 2
- 239000012498 ultrapure water Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000709661 Enterovirus Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 208000030212 nutrition disease Diseases 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004846 x-ray emission Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F9/00—Multistage treatment of water, waste water or sewage
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F2001/007—Processes including a sedimentation step
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/006—Regulation methods for biological treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
- C02F3/303—Nitrification and denitrification treatment characterised by the nitrification
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
- C02F3/302—Nitrification and denitrification treatment
- C02F3/305—Nitrification and denitrification treatment characterised by the denitrification
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hydrology & Water Resources (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开一种生活垃圾污水处理方法，涉及污水处理技术领域，首先通过检测模块采用在线检测仪表和X射线荧光光谱分析进行污水的成分与储量检测，通过活性炭过滤法和醋酸纤维素滤膜过滤法进行污水的第一次过滤，通过活性污泥法进行污水的第二次过滤，通过二沉池沉淀法沉淀污泥，通过污泥处理模块进行污泥处理，通过监控模块将首次过滤不达标的污水再次过滤，通过污水处理平台采用AMODE‑IEP算法和多目标差分化算法对污水处理数据进行数据分析与优化控制，通过分类模块采用高斯混合模型GMM判断污水的输出方向，避免污水处理过程中产生的二次污染，实现污水处理的自动优化，提高污水处理效率。
Description
技术领域
本发明涉及污水处理技术领域，且更确切地涉及一种生活垃圾污水处理方法。
背景技术
生活垃圾处理过程中，污水处理尤其不易，生活污水是居民日常生活中排出的废水，主要来源于居住建筑和公共建筑，如住宅、机关、学校、医院、商店、公共场所及工业企业卫生间，生活污水所含的污染物主要是蛋白质、碳水化合物、脂肪、尿素、氨氮等有机物和寄生虫卵和肠道传染病毒等大量病原微生物，存在于生活污水中的有机物极不稳定，容易腐化而产生恶臭，细菌和病原体以生活污水中有机物为营养而大量繁殖，可导致传染病蔓延流行，因此，生活污水排放前必须进行处理，现有技术处理仅仅是降解，但是降解过程中容易产生辅助垃圾，这些辅助垃圾就容易造成二次污染，并且现有技术仅仅是污水处理，也无法自动优化生活垃圾污水处理方法。
发明内容
针对上述技术的不足，本发明公开一种生活垃圾污水处理方法，能够实现污水的多次循环处理，实时检测污水是否达到排出标准，并自动优化污水的处理方案，自动确定污水的排出方向，通过污水处理平台采用AMODE-IEP算法和多目标差分化算法对污水处理数据进行数据分析与优化控制，通过分类模块采用高斯混合模型GMM判断污水的输出方向，避免污水处理过程中的二次污染，实现污水处理的自动优化，提高污水处理效率。
为了实现上述技术效果，本发明采用以下技术方案：
一种生活垃圾污水处理方法，其中包括以下步骤：
步骤一、自动检测污水储量和污水成分；
本步骤采用检测模块和监控***，自动检测和监控污水池中的污水储量与污水成分。
步骤二、进行污水的第一次过滤，并检测第一次过滤后污水成分；
本步骤采用活性炭过滤法和醋酸纤维素滤膜过滤法，将污水进行第一次过滤。
步骤三、进行污水的第二次过滤，并检测第二次过滤后污水成分；
本步骤采用活性污泥法，将污水进行第二次过滤。
步骤四、沉淀污泥；
本步骤采用二沉池沉淀法，将第一次过滤的污水放入二沉池中，沉淀浓缩下层的污泥，排放回用上层的澄清液；
步骤五、污泥处理；
本步骤采用污泥处理模块，自动将排出的污泥进行脱水处理，并粉碎、热解和碳化；
步骤六、首次过滤合格则将过滤后的污水存入蓄水池，首次过滤不达标则再次过滤；
步骤七、污水处理数据的分析与处理方案的优化，并判断污水的输出方向；
本步骤采用污水处理平台与分类模块，在收集和整理大量实际污水处理数据的基础上，提取晴天、阴天和雨雪天的三种监测数据，进行数据分析与优化控制；
步骤八、自动打印污水的处理报告。
作为本发明进一步的技术方案，所述监控***包括智能监控终端、多媒体服务后台和信息安全平台，所述智能监控终端与所述多媒体服务后台连接，所述多媒体服务后台与信息安全平台连接。
作为本发明进一步的技术方案，所述X射线荧光光谱分析根据不同元素的荧光X射线具有不同的波长，根据波长情况进而确定所述垃圾的元素组成。当波长对应色散型光谱仪发出的光谱时，对于晶面间距的晶体，由检测器转动的角可以求出X射线的波长，从而确定元素成分；所述X射线荧光光谱分析元素的分析式为：
(1)
Li表示荧光X射线强度，Wi表示垃圾试样中该元素的含量，Ls表示当Wi=100%时所含有的荧光X射线元素，说明该元素的荧光X射线的强度强。
作为本发明进一步的技术方案，所述第二次过滤采用活性污泥法，所述活性污泥法包括缺氧池和好氧池，所述缺氧池中污水产生反硝化反应，进水可生物降解有机物中能够被反硝化反应利用的比例式为：
(2)
公式（2）中，为可生物降解有机物被微生物同化或转变为微生物细胞内存储物的比例，为可生物降解有机物中溶解性物质所占的比例，为可生物降解可溶性有机物中作为反硝化的电子受体而被去除的比例，为缺氧池和好氧池的体积比，为可生物降解有机物因微生物内源呼吸被反硝化利用的比例，所述好氧池中污水产生硝化反应，在好氧池中添加氢氧化钠和碳酸钠以调节反应器内的碱度。
作为本发明进一步的技术方案，所述污水处理平台采用多目标差分化算法，转化公式为：
(3)
公式（3）中，为第k个目标函数，为最大量化目标，为最小量化目标，n为目标函数的个数，x为目标函数的决策变量，优化函数为：
(4)
公式（4）中，为包含个优化目标的函数，为n 维目标函数向量，x为m维决策变量,为第i个不等式约束，为第j个等式约束, p为不等式约束的数目,q为等式约束的数目,m为决策变量的数目，n为目标函数优化问题的数目。
作为本发明进一步的技术方案，所述污水处理平台采用AMODE-IEP算法，所述AMODE-IEP算法优化目标的设定值函数为：
(5)
公式（5）中,为曝气能耗的数学函数，为泵送能耗的数学函数，为出水水质指标的数学函数，为第t时刻硝态氮浓度和溶解氧浓度的设定值，优化目标的数学函数式为：
(6)
公式（6）中A、P和E分别为曝气能耗、泵送能耗和出水水质指标的系数，变异操作公式为：
(7)
公式（7）中，为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值，为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值, 为硝态氮浓度和溶解氧浓度的进化过程信息，采用DE/rand/1型的变异类型对种群进行变异操作, 第t代的变异率公式为：
（8）
公式（8）中，为第t代的变异率，为硝态氮浓度和溶解氧浓度的上限，为硝态氮浓度和溶解氧浓度的下限，第t代第i个变异后硝态氮浓度和溶解氧浓度的公式为：
(9)
公式（9）中，为第t代第i个变异后硝态氮浓度和溶解氧浓度的值，、和为第t代中三个不同的随机个体。
作为本发明进一步的技术方案，所述分类模块采用高斯混合模型，高斯混合模型GMM包括以下步骤：
步骤1、以待分类的GMM模型中的高斯函数中的均值矢量为矢量量化VQ码本的训练数据，构建VQ码本；
步骤2、构建VQ码本中的VQ码字与GMM模型的依存关系知识；
步骤3、待分类的矢量X首先依据相邻原则选择多个VQ码字，利用VQ码字与GMM模型的依存关系知识筛选出待分类的GMM模型，筛选出的GMM模型组成GMM模型子集，混合系数记作：
(10)
公式（10）中，P（x）表示混合系数，X表示待分类的随机变量，表示GMM模型中的第K个分量，并且有：
, (11)
步骤4、计算待分类的矢量X与GMM模型子集中各个GMM模型的输出概率，获得待分类矢量的GMM模型的分类结果，高斯分布的概率密度函数记作：
(12)
公式（12）中，为期望，为协方差矩阵，D为数据的维度；
高斯函数随机变量x第m维与第k维的协方差记作：
(13)
(14)
公式（13）-(14)中，表示随机变量的第i个样本，n表示样本总数；
作为本发明进一步的技术方案，所述智能监控终端包括预警模块和数据存储打印模块，所述预警模块用于关键设备异常情况下报警，所述数据存储打印模块用于污水处理过程中所有数据的报表存储和报表打印。
作为本发明进一步的技术方案，所述污泥处理模块包括污泥存储模块、脱水处理模块和粉碎热解碳化模块，所述污泥存储模块连接所述脱水处理模块，所述脱水处理模块连接所述粉碎热解碳化模块，所述污泥存储模块包括污泥存储池和传输带，所述污泥存储池与所述传输带连接，所述脱水处理模块包括离心脱水机、滤液缓冲池、滤液沉淀器和离心出水箱，所述离心脱水机与所述滤液缓冲池连接，所述滤液缓冲池与所述滤液沉淀器连接，所述滤液沉淀器与离心出水箱连接。
作为本发明进一步的实施例，成分检测模块包括CN3704控制芯片和与所述CN3704控制芯片连接的检测模块、PH值调节模块、搅拌模块、数据信息传输模块和分析模块；其中所述分析模块分析污水数据信息的方法是：
在搅拌模块的搅拌作用下，直接将矿物质试纸***生活垃圾污水中，获取生活垃圾污水中矿物质数据，并通过PH值调节模块对污水中的酸碱性数据信息进行检测，在CN3704控制芯片的控制下进行污水数据信息计算；
假设
e表示垃圾污水数据中的组分标记，将所有组分标记通过数据组(
e i , e j )记录，其中i和j表示组分类型，然后设置检测出的数据组(
e i , e j )信息权重，每增加一个信息权重则增加一种组分标记信息，则检测出的垃圾污水数据总量组分标记信息权重函数为：
（15）
式（15）中，
n表示组分标记
e及其组分检测
c在组分检测分类***中同时出现的次数；
在搅拌作用下，混合污水区域成分
I(
c,
e)计算表达式为：
（16）
式（16）中，
p(
e,
c)是分布式函数，
p(
e)和
p(
c)分别是
e和
c的垃圾污水严重型边际概率密度分布函数，将数据的无量纲化处理通过极差变换和标准化来实现，混合成分污水数据信息函数为：
（17）
式（17）中，1≤
j≤
n，
x i 表示污水原始数据；
minx j 表示垃圾污水经过催化反映后最小评估值；
maxx j 表示垃圾污水经过催化反映后中最大评估值，不同组分含量百分比通过欧氏距离平方距离度量计算，计算函数为：
（18）
式（18）中，
d表示距离度量计算函数表达式，
x和
y表示两个不同组分数据标记标签，
D表示两个不同组分数据标签的维数，选择组分分析集内误差的平方和作为判断聚类效果的标准，误差计算函数为：
（19）
式（19）中，
u表示第
j个污水信息组分信息集的中心，
w表示权重，SSE在搅拌状态下污水数据成分样本围绕平均向量的接近度，函数值越小，污水数据成分样本的相似性越高；
储量检测模块包括水位检测模块和污泥深度测量模块；本发明有益的积极效果在于：
区别于常规的生活污水处理方法，本发明公开一种生活垃圾污水处理方法，通过污水处理平台采用AMODE-IEP算法和多目标差分化算法对污水处理数据进行数据分析与优化控制，通过分类模块采用高斯混合模型GMM判断污水的输出方向，避免污水处理过程中的二次污染，实现污水处理的自动优化，提高污水处理效率。
本发明不仅能够实现生活垃圾污水处理，还能够提高污水净化评估能力，能够有效地对分类成分进行评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1本发明实施例提供的一种生活垃圾污水处理方法流程图；
图2本发明污泥处理模块的示意图；
图3本发明二沉池的示意图。
具体实施方式
下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本文一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外，在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的组分检测。
如图1-图3所示，一种生活垃圾污水处理方法，包括以下步骤：
步骤一、自动检测污水储量和污水成分；
本步骤采用检测模块和监控***，自动检测和监控污水池中的污水储量与污水成分；
步骤二、进行污水的第一次过滤，并检测第一次过滤后污水成分；
本步骤采用活性炭过滤法和醋酸纤维素滤膜过滤法，将污水进行第一次过滤；
步骤三、进行污水的第二次过滤，并检测第二次过滤后污水成分；
本步骤采用活性污泥法，将污水进行第二次过滤；
步骤四、沉淀污泥；
本步骤采用二沉池沉淀法，将第一次过滤的污水放入二沉池中，沉淀浓缩下层的污泥，排放回用上层的澄清液；
步骤五、污泥处理；
本步骤采用污泥处理模块，自动将排出的污泥进行脱水处理，并粉碎、热解和碳化；
步骤六、首次过滤合格则将过滤后的污水存入蓄水池，首次过滤不达标则再次过滤；
步骤七、污水处理数据的分析与处理方案的优化，并判断污水的输出方向；
本步骤采用污水处理平台与分类模块，在收集和整理大量实际污水处理数据的基础上，提取晴天、阴天和雨雪天的三种监测数据，进行数据分析与优化控制；
步骤八、自动打印污水的处理报告。
在具体实施例中，所述监控***包括智能监控终端、多媒体服务后台和信息安全平台，所述智能监控终端与所述多媒体服务后台连接，所述多媒体服务后台与信息安全平台连接，所述智能监控终端用于接收、管理、保存监控信息，所述智能监控终端包括预警模块和数据存储打印模块，所述预警模块用于关键设备异常情况下报警，所述预警模块设有报警门限，低于该报警门限的监控信息被所述智能监控终端忽略，所述数据存储打印模块用于污水处理过程中所有数据的报表存储和报表打印，所述多媒体服务后台用于接收现场监控信息和报警类型，所述信息安全平台用于接收智能监控终端发来的信息，根据预先定义的信息内容格式协议向智能监控终端发送远程命令，该智能监控终端对信息内容进行解析并响应用户的命令。
在具体实施例中，所述X射线荧光光谱分析根据不同元素的荧光X射线具有不同的波长，根据波长情况进而确定所述垃圾的元素组成。当波长对应色散型光谱仪发出的光谱时，对于晶面间距的晶体，由检测器转动的角可以求出X射线的波长，从而确定元素成分；所述X射线荧光光谱分析元素的分析式为：
(1)
Li表示荧光X射线强度，Wi表示垃圾试样中该元素的含量，Ls表示当Wi=100%时所含有的荧光X射线元素，说明该元素的荧光X射线的强度强，例如垃圾污水中的主要元素为硅以及氧，则该垃圾污水残渣为材质为玻璃，或者垃圾污水中的主要元素为碳、氢以及氧则该垃圾污水残渣的材质为纸件，或者垃圾污水中的主要为金属元素如铁或者铜等，则该垃圾污水残渣的材质为金属。
在具体实施例中，所述第一次过滤采用活性炭过滤法，所述活性炭过滤法的准备阶段为：
步骤一、将净水活性炭颗粒按照粒径大小筛分成六个部分，并弃去粒径过大和过小的部分；
步骤二、将净水活性炭颗粒放入超纯水中煮一小时，取出后用超纯水冲洗；
步骤三、将冲洗干净的净水活性炭颗粒放在110℃的烘箱中干燥，一天后取出。
在具体实施例中，所述第二次过滤采用活性污泥法，所述活性污泥法包括缺氧池和好氧池，所述缺氧池中污水产生反硝化反应，进水可生物降解有机物中能够被反硝化反应利用的比例式为：
(2)
公式（2）中，为可生物降解有机物被微生物同化或转变为微生物细胞内存储物的比例，为可生物降解有机物中溶解性物质所占的比例，为可生物降解可溶性有机物中作为反硝化的电子受体而被去除的比例，为缺氧池和好氧池的体积比，为可生物降解有机物因微生物内源呼吸被反硝化利用的比例，所述好氧池中污水产生硝化反应，在好氧池中添加氢氧化钠和碳酸钠以调节反应器内的碱度；
所述活性污泥法的生化反应过程为：污水中的氮元素主要以氨氮、可溶性有机氮和不可溶性有机氮的形式存在，除小部分不可溶性有机氮可以通过初沉池环节去除，其他不可溶性有机氮和可溶性有机氮将转化为氨氮，通过硝化和反硝化反应，生成氮气从水中逸出，从而达到脱氮的效果，降低出水氨氮浓度。
在具体实施例中，所述污水处理平台采用多目标差分化算法，转化公式为：
(3)
公式（3）中，为第k个目标函数，为最大量化目标，为最小量化目标，n为目标函数的个数，x为目标函数的决策变量，优化函数为：
(4)
公式（4）中，为包含个优化目标的函数，为n 维目标函数向量，x为m维决策变量,为第i个不等式约束，为第j个等式约束, p为不等式约束的数目,q为等式约束的数目,m为决策变量的数目，n为目标函数优化问题的数目。
在具体实施例中，所述污水处理平台采用AMODE-IEP算法，所述AMODE-IEP算法优化目标的设定值函数为：
(5)
公式（5）中,为曝气能耗的数学函数，为泵送能耗的数学函数，为出水水质指标的数学函数，为第t时刻硝态氮浓度和溶解氧浓度的设定值，优化目标的数学函数式为：
(6)
公式（6）中A、P和E分别为曝气能耗、泵送能耗和出水水质指标的系数，变异操作公式为：
(7)
公式（7）中，为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值，为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值, 为硝态氮浓度和溶解氧浓度的进化过程信息，采用DE/rand/1型的变异类型对种群进行变异操作, 第t代的变异率公式为：
（8）
公式（8）中，为第t代的变异率，为硝态氮浓度和溶解氧浓度的上限，为硝态氮浓度和溶解氧浓度的下限，第t代第i个变异后硝态氮浓度和溶解氧浓度的公式为：
(9)
公式（9）中，为第t代第i个变异后硝态氮浓度和溶解氧浓度的值，、和为第t代中三个不同的随机个体；
通过所述AMODE-IEP算法得到硝态氮浓度和溶解氧浓度的优化设定值，并对控制变量的设定值进行跟踪控制，在晴天、阴天和雪雨天气工况下，监测污水处理多目标优化控制方案的参数变化。
在进一步的实施例中，所述分类模块采用高斯混合模型，高斯混合模型GMM包括以下步骤：
步骤1、以待分类的GMM模型中的高斯函数中的均值矢量为矢量量化VQ码本的训练数据，构建VQ码本；
步骤2、构建VQ码本中的VQ码字与GMM模型的依存关系知识；
步骤3、待分类的矢量X首先依据相邻原则选择多个VQ码字，利用VQ码字与GMM模型的依存关系知识筛选出待分类的GMM模型，筛选出的GMM模型组成GMM模型子集，混合系数记作：
(10)
公式（10）中，P（x）表示混合系数，X表示待分类的随机变量，表示GMM模型中的第K个分量，并且有：
, (11)
步骤4、计算待分类的矢量X与GMM模型子集中各个GMM模型的输出概率，获得待分类矢量的GMM模型的分类结果，高斯分布的概率密度函数记作：
(12)
公式（12）中，为期望，为协方差矩阵，D为数据的维度；
高斯函数随机变量x第m维与第k维的协方差记作：
(13)
(14)
公式（13）-(14)中，表示随机变量的第i个样本，n表示样本总数；
所述分类模块的工作原理为，所述分类模块中改进型高斯混合模型GMM的高斯函数中的均值矢量共同构成均值矢量集,其中n表示GMM模型编号，m表示GMM模型的高斯分量索引；按照高斯函数空间邻近聚类原则，采用K均值聚类算法对均值矢量集构建K个VQ码字的VQ码本,其中表示第i个VQ码字，VQ码本中的VQ码字w与GMM模型的依存关系知识由该VQ码字w包含的高斯模型分量高斯分量权重和以及GMM模型编号构成。其中表示VQ码字w的第j个GMM模型的第l个高斯模型分量，表示VQ码字w的第j个GMM模型的高斯分量权重和，表示码字w的第j个GMM模型编号。所述高斯模型分量按与VQ码字距离从小到大存储；高斯分量权重和按照权重和从大到小存储；GMM模型编号按高斯分量权重和从大到小存储。
在进一步的实施例中，所述污泥处理模块包括污泥存储模块、脱水处理模块和粉碎热解碳化模块，所述污泥存储模块连接所述脱水处理模块，所述脱水处理模块连接所述粉碎热解碳化模块，所述污泥存储模块包括污泥存储池和传输带，所述污泥储存池包括污泥浓缩管罐和储水池，所述污泥存储池与所述传输带连接，所述脱水处理模块包括离心脱水机、滤液缓冲池、滤液沉淀器和离心出水箱，所述离心脱水机脱水后的污泥排出，而滤液进入所述滤液缓冲池消能，所述滤液缓冲池消能后的滤液进入所述滤液沉淀器沉淀，沉淀后的滤液排出至所述离心出水箱，所述滤液缓冲池和滤液沉淀器的污泥排出至所述污泥浓缩罐。
在进一步的实施例中，所述分类模块用于判断过滤后污水的排放方向，根据所述检测模块的检测结果进行污水的对应分类，排放至自然水体、田地和废水回用***。
在进一步的实施例中，成分检测模块包括CN3704控制芯片和与所述CN3704控制芯片连接的检测模块、PH值调节模块、搅拌模块、数据信息传输模块和分析模块；其中所述分析模块分析污水数据信息的方法是：
在搅拌模块的搅拌作用下，直接将矿物质试纸***生活垃圾污水中，获取生活垃圾污水中矿物质数据，并通过PH值调节模块对污水中的酸碱性数据信息进行检测，在CN3704控制芯片的控制下进行污水数据信息计算。
在具体应用中，在CN3704芯片内部安装4.2V串联的锂电池，外接220V电压源进行充电，以提供垃圾污水处理信息异常检测。
假设
e表示垃圾污水数据中的组分标记，将所有组分标记通过数据组(
e i , e j )记录，其中i和j表示组分类型，然后设置检测出的数据组(
e i , e j )信息权重，每增加一个信息权重则增加一种组分标记信息。
这种方式能够在污水处理过程中，有效地提高不同组分分析，在具体实施过程中，比如通过矿物质试纸检测数据信息，将检测到的不同信息转换为数学函数，将该数学函数输入至以下公式，则检测出的垃圾污水数据总量组分标记信息权重函数为：
（1）
式（1）中，
n表示组分标记
e及其组分检测
c在组分检测分类***中同时出现的次数；
在搅拌作用下，混合污水区域成分
I(
c,
e)计算表达式为：
（2）
式（2）中，
p(
e,
c)是分布式函数，
p(
e)和
p(
c)分别是
e和
c的垃圾污水严重型边际概率密度分布函数，将数据的无量纲化处理通过极差变换和标准化来实现。比如在一片生活区域下，汞物质的含量在超标的范围，则可将汞化学成分记作为垃圾污水严重型边际概率密度分布函数中的一种数据信息，其中混合成分污水数据信息函数为：
（3）
式（3）中，1≤
j≤
n，
x i 表示污水原始数据；
minx j 表示垃圾污水经过催化反映后最小评估值；
maxx j 表示垃圾污水经过催化反映后中最大评估值，不同组分含量百分比通过欧氏距离平方距离度量计算，计算函数为：
（4）
式（4）中，
d表示距离度量计算函数表达式，
x和
y表示两个不同组分数据标记标签，
D表示两个不同组分数据标签的维数，选择组分分析集内误差的平方和作为判断聚类效果的标准，误差计算函数为：
（5）
式（5）中，
u表示第
j个污水信息组分信息集的中心，
w表示权重，SSE在搅拌状态下污水数据成分样本围绕平均向量的接近度，函数值越小，污水数据成分样本的相似性越高。这种工作过程中，将不同组分检测数据信息进行随机变量分布。在进行组分分析集数据信息分析时，每种污水含量元素被转换为组分维度元素后，能够有效实现数据信息分析和计算。储量检测模块包括水位检测模块和污泥深度测量模块；
在具体应用中，水位检测模块可以检测水位数据信息，能够从水位数据信息中快速获取数据信息，以提高搅拌状态下水位位置，以及污泥在生活垃圾污水中的信息量。虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和***的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种生活垃圾污水处理方法，其特征在于：包括如下步骤，
步骤一、自动检测污水储量和污水成分；
本步骤采用检测模块和监控***，自动检测和监控污水池中的污水储量与污水成分；其中所述检测模块包含成分检测模块、储量检测模块、通信模块和显示器，所述显示器与通信模块连接，所述通信模块与成分检测模块和储量检测模块连接，所述成分检测模块包含X射线荧光光谱仪和在线检测仪表，所述X射线荧光光谱仪采用分析方式进行元素分析，所述储量检测模块包含传感器和报警装置，所述传感器用于检测污水的储量，所述报警装置用于输出污水储量信息；
步骤二、进行污水的第一次过滤，并检测第一次过滤后污水成分；
本步骤采用活性炭过滤法和醋酸纤维素滤膜过滤法，将污水进行第一次过滤；
步骤三、进行污水的第二次过滤，并检测第二次过滤后污水成分；
本步骤采用活性污泥法，将污水进行第二次过滤；
步骤四、沉淀污泥；
本步骤采用二沉池沉淀法，将第一次过滤的污水放入二沉池中，沉淀浓缩下层的污泥，排放回用上层的澄清液；
步骤五、污泥处理；
本步骤采用污泥处理模块，自动将排出的污泥进行脱水处理，并粉碎、热解和碳化；
步骤六、首次过滤合格则将过滤后的污水存入蓄水池，首次过滤不达标则再次过滤；
步骤七、污水处理数据的分析与处理方案的优化，并判断污水的输出方向；
本步骤采用污水处理平台与分类模块，在收集和整理大量实际污水处理数据的基础上，提取晴天、阴天和雨雪天的三种监测数据，进行数据分析与优化控制；
步骤八、自动打印污水的处理报告。
2.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：成分检测模块包括CN3704控制芯片和与所述CN3704控制芯片连接的检测模块、PH值调节模块、搅拌模块、数据信息传输模块和分析模块；其中所述分析模块分析污水数据信息的方法是：
在搅拌模块的搅拌作用下，直接将矿物质试纸***生活垃圾污水中，获取生活垃圾污水中矿物质数据，并通过PH值调节模块对污水中的酸碱性数据信息进行检测，在CN3704控制芯片的控制下进行污水数据信息计算；
假设e表示垃圾污水数据中的组分标记，将所有组分标记通过数据组(e i , e j )记录，其中i和j表示组分类型，然后设置检测出的数据组(e i , e j )信息权重，每增加一个信息权重则增加一种组分标记信息，则检测出的垃圾污水数据总量组分标记信息权重函数为：
（1）
式（1）中，n表示组分标记e及其组分检测c在组分检测分类***中同时出现的次数；
在搅拌作用下，混合污水区域成分I(c,e)计算表达式为：
（2）
式（2）中，p(e,c)是分布式函数，p(e)和p(c)分别是e和c的垃圾污水严重型边际概率密度分布函数，将数据的无量纲化处理通过极差变换和标准化来实现，混合成分污水数据信息函数为：
（3）
式（3）中，1≤j≤n，x i 表示污水原始数据；minx j 表示垃圾污水经过催化反映后最小评估值；maxx j 表示垃圾污水经过催化反映后中最大评估值，不同组分含量百分比通过欧氏距离平方距离度量计算，计算函数为：
（4）
式（4）中，d表示距离度量计算函数表达式，x和y表示两个不同组分数据标记标签，D表示两个不同组分数据标签的维数，选择组分分析集内误差的平方和作为判断聚类效果的标准，误差计算函数为：
（5）
式（5）中，u表示第j个污水信息组分信息集的中心，w表示权重，SSE在搅拌状态下污水数据成分样本围绕平均向量的接近度，函数值越小，污水数据成分样本的相似性越高；
储量检测模块包括水位检测模块和污泥深度测量模块。
3.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述监控***包括智能监控终端、多媒体服务后台和信息安全平台，所述智能监控终端与所述多媒体服务后台连接，所述多媒体服务后台与信息安全平台连接。
4.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述X射线荧光光谱仪在工作过程中根据不同元素的荧光X射线具有不同的波长进而确定所述垃圾的元素组成；当波长对应色散型光谱仪发出的光谱时，对于晶面间距的晶体，由检测器转动的角求出X射线的波长，从而确定元素成分；所述X射线荧光光谱分析元素的分析式为：
(6)
公式（6）中，Li表示荧光X射线强度，Wi表示垃圾试样中该元素的含量，Ls表示当Wi=100%时所含有的荧光X射线元素。
5.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：第二次过滤采用活性污泥法，所述活性污泥法包括缺氧池和好氧池，所述缺氧池中污水产生反硝化反应，进水可生物降解有机物中能够被反硝化反应利用的比例式为：
(7)
公式（7）中，为可生物降解有机物被微生物同化或转变为微生物细胞内存储物的比例，为可生物降解有机物中溶解性物质所占的比例，为可生物降解可溶性有机物中作为反硝化的电子受体而被去除的比例，为缺氧池和好氧池的体积比，为可生物降解有机物因微生物内源呼吸被反硝化利用的比例，所述好氧池中污水产生硝化反应，在好氧池中添加氢氧化钠和碳酸钠以调节反应器内的碱度。
6.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述污水处理平台采用多目标差分化算法，转化公式为：
(8)
公式（8）中，为第k个目标函数，为最大量化目标，为最小量化目标，n为目标函数的个数，x为目标函数的决策变量，优化函数为：
(9)
公式（9）中，为包含个优化目标的函数，为n 维目标函数向量，x为m维决策变量,为第i个不等式约束，为第j个等式约束,p为不等式约束的数目,q为等式约束的数目,m为决策变量的数目，n为目标函数优化问题的数目。
7.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述污水处理平台采用AMODE-IEP算法，所述AMODE-IEP算法优化目标的设定值函数为：
(10)
公式（10）中,为曝气能耗的数学函数，为泵送能耗的数学函数，为出水水质指标的数学函数，为第t时刻硝态氮浓度和溶解氧浓度的设定值，优化目标的数学函数式为：
(11)
公式（11）中，A、P和E分别为曝气能耗、泵送能耗和出水水质指标的系数，变异操作公式为：
(12)
公式（12）中，为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的溶解氧浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值，为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最大值,为第t代的硝态氮浓度对曝气能耗、泵送能耗和出水水质三个子目标平均适应度值的最小值, 为硝态氮浓度和溶解氧浓度的进化过程信息，采用DE/rand/1型的变异类型对种群进行变异操作,第t代的变异率公式为：
（13）
公式（13）中，为第t代的变异率，为硝态氮浓度和溶解氧浓度的上限，为硝态氮浓度和溶解氧浓度的下限，第t代第i个变异后硝态氮浓度和溶解氧浓度的公式为：
(14)
公式（14）中，为第t代第i个变异后硝态氮浓度和溶解氧浓度的值，、和为第t代中三个不同的随机个体。
8.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述分类模块采用高斯混合模型，高斯混合模型GMM包括以下步骤：
步骤1、以待分类的GMM模型中的高斯函数中的均值矢量为矢量量化VQ码本的训练数据，构建VQ码本；
步骤2、构建VQ码本中的VQ码字与GMM模型的依存关系知识；
步骤3、待分类的污泥数据处信息矢量X首先依据相邻原则选择多个VQ码字，利用VQ码字与GMM模型的依存关系知识筛选出待分类的GMM模型，筛选出的GMM模型组成GMM模型子集，混合系数记作：
(15)
公式（15）中，P（x）表示混合系数，X表示待分类的随机变量，表示GMM模型中的第K个分量，并且存在：
, (16)
步骤4、计算待分类的矢量X与GMM模型子集中各个GMM模型的输出概率，获得待分类矢量的GMM模型的分类结果，高斯分布的概率密度函数记作：
(17)
公式（17）中，为期望，为协方差矩阵，D为数据的维度；
高斯函数随机变量x第m维与第k维的协方差记作：
(18)
(19)
公式（13）-(14)中，表示随机变量的第i个样本，n表示样本总数。
9.根据权利要求3所述的一种生活垃圾污水处理方法，其特征在于：所述智能监控终端包括预警模块和数据存储打印模块，所述预警模块用于关键设备异常情况下报警，所述数据存储打印模块用于污水处理过程中所有数据的报表存储和报表打印。
10.根据权利要求1所述的一种生活垃圾污水处理方法，其特征在于：所述污泥处理模块包括污泥存储模块、脱水处理模块和粉碎热解碳化模块，所述污泥存储模块连接所述脱水处理模块，所述脱水处理模块连接所述粉碎热解碳化模块，所述污泥存储模块包括污泥存储池和传输带，所述污泥存储池与所述传输带连接，所述脱水处理模块包括离心脱水机、滤液缓冲池、滤液沉淀器和离心出水箱，所述离心脱水机与所述滤液缓冲池连接，所述滤液缓冲池与所述滤液沉淀器连接，所述滤液沉淀器与离心出水箱连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340331.9A CN116040892A (zh) | 2023-04-03 | 2023-04-03 | 一种生活垃圾污水处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340331.9A CN116040892A (zh) | 2023-04-03 | 2023-04-03 | 一种生活垃圾污水处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116040892A true CN116040892A (zh) | 2023-05-02 |
Family
ID=86118592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310340331.9A Pending CN116040892A (zh) | 2023-04-03 | 2023-04-03 | 一种生活垃圾污水处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116040892A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116633978A (zh) * | 2023-07-24 | 2023-08-22 | 珠水(广东)生态环境研究院有限公司 | 基于物联网的污水处理远程监控*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102324232A (zh) * | 2011-09-12 | 2012-01-18 | 辽宁工业大学 | 基于高斯混合模型的声纹识别方法及*** |
| CN105399280A (zh) * | 2015-12-17 | 2016-03-16 | 李秋芬 | 一种污水处理*** |
| CN106354014A (zh) * | 2016-10-27 | 2017-01-25 | 北京工业大学 | 一种基于多目标差分进化算法的污水处理优化控制方法 |
| CN115578015A (zh) * | 2022-12-07 | 2023-01-06 | 华南理工大学 | 基于物联网的污水处理全过程监管方法、***及存储介质 |
-
2023
- 2023-04-03 CN CN202310340331.9A patent/CN116040892A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102324232A (zh) * | 2011-09-12 | 2012-01-18 | 辽宁工业大学 | 基于高斯混合模型的声纹识别方法及*** |
| CN105399280A (zh) * | 2015-12-17 | 2016-03-16 | 李秋芬 | 一种污水处理*** |
| CN106354014A (zh) * | 2016-10-27 | 2017-01-25 | 北京工业大学 | 一种基于多目标差分进化算法的污水处理优化控制方法 |
| CN115578015A (zh) * | 2022-12-07 | 2023-01-06 | 华南理工大学 | 基于物联网的污水处理全过程监管方法、***及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 余绍权等: "《数学建模实验基础》", 中国地质大学出版社, pages: 97 - 98 * |
| 侯莹: "城市污水处理过程多目标优化控制方法及应用研究", 《中国博士学位论文全文数据库工程科技Ⅰ辑》, no. 04, pages 76 - 77 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116633978A (zh) * | 2023-07-24 | 2023-08-22 | 珠水(广东)生态环境研究院有限公司 | 基于物联网的污水处理远程监控*** |
| CN116633978B (zh) * | 2023-07-24 | 2023-10-31 | 珠水(广东)生态环境研究院有限公司 | 基于物联网的污水处理远程监控*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Farhi et al. | Prediction of wastewater treatment quality using LSTM neural network | |
| Singh et al. | Artificial intelligence and machine learning-based monitoring and design of biological wastewater treatment systems | |
| Mannina et al. | Greenhouse gases from wastewater treatment—A review of modelling tools | |
| George et al. | Fecal coliform removal in wastewater treatment plants studied by plate counts and enzymatic methods | |
| CN105510546B (zh) | 一种基于自组织递归rbf神经网络的生化需氧量bod智能检测方法 | |
| CN106600509B (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
| CN116040892A (zh) | 一种生活垃圾污水处理方法 | |
| Zhu et al. | Effects of different types of anthropogenic disturbances and natural wetlands on water quality and microbial communities in a typical black-odor river | |
| CN110232256A (zh) | 一种基于kpls和rwfcm的污水处理过程监测方法 | |
| KR102348977B1 (ko) | 바이오가스플랜트 통합운영관리 플랫폼 시스템 | |
| Han et al. | Data-driven decision-making for wastewater treatment process | |
| Günther et al. | Species‐sorting and mass‐transfer paradigms control managed natural metacommunities | |
| CN110232062A (zh) | 一种基于kpls和fcm的污水处理过程监测方法 | |
| CN108088974A (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
| CN117682682B (zh) | 污水处理曝气过程的优化控制***及方法 | |
| CN112250166B (zh) | 基于智能化sbr电极工艺的印染废水高效脱毒梯度处理方法 | |
| Feng et al. | Pattern changes of microbial communities in urban river affected by anthropogenic activities and their environmental driving mechanisms | |
| US20210355007A1 (en) | System and method for predicting a parameter associated with a wastewater treatment process | |
| CN113793645A (zh) | 一种基于机器学习模型的堆肥腐熟度预测方法 | |
| CN104345636A (zh) | 一种基于改进差分算法的溶解氧控制方法 | |
| CN111204867A (zh) | 膜生物反应器-mbr膜污染智能决策方法 | |
| CN103399141B (zh) | 一种基于微型动物密度分析的活性污泥状态预测方法 | |
| Domańska et al. | What is hidden behind activated sludge supernatant? Fluorescent staining and laser granulometry investigation supported by machine learning. | |
| CN117247180B (zh) | 一种用于处理高氟高氨氮废水的装置和方法 | |
| Qambar et al. | Anomaly detection in wastewater treatment plants using unsupervised machine learning algorithms |
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 |
Application publication date: 20230502 |
|
| RJ01 | Rejection of invention patent application after publication |