CN116701885A - 一种废水处理数据采集分析方法 - Google Patents
一种废水处理数据采集分析方法 Download PDFInfo
- Publication number
- CN116701885A CN116701885A CN202310978255.4A CN202310978255A CN116701885A CN 116701885 A CN116701885 A CN 116701885A CN 202310978255 A CN202310978255 A CN 202310978255A CN 116701885 A CN116701885 A CN 116701885A
- Authority
- CN
- China
- Prior art keywords
- wastewater
- treatment
- treatment system
- wastewater treatment
- various
- 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.)
- Granted
Links
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 185
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 239000002351 wastewater Substances 0.000 claims abstract description 204
- 238000000034 method Methods 0.000 claims abstract description 188
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 104
- 231100000719 pollutant Toxicity 0.000 claims abstract description 104
- 238000000746 purification Methods 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 44
- 238000005070 sampling Methods 0.000 claims description 40
- 239000000356 contaminant Substances 0.000 claims description 28
- 230000000694 effects Effects 0.000 claims description 16
- 238000011109 contamination Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000005202 decontamination Methods 0.000 claims description 3
- 230000003588 decontaminative effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 241000894007 species Species 0.000 description 7
- 239000010865 sewage Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 239000010842 industrial wastewater Substances 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000010840 domestic wastewater Substances 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computing Systems (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明涉及废水处理数据采集分析领域,具体公开一种废水处理数据采集分析方法,本发明通过获取待处理废水的成分信息,获取废水处理***的适宜处理工艺,提高废水处理的生产效率;获取废水排放口各检测点的水质参数,判断废水处理***的废水排放是否符合排放标准,保证废水排放安全;获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,有助于及时发现废水处理***中的故障和异常,并采取控制措施,确保处理***的稳定运行,从而实现废水处理***的智能化、高效化和可持续发展。
Description
技术领域
本发明涉及废水处理数据采集分析领域,涉及到一种废水处理数据采集分析方法。
背景技术
废水处理是一项关乎全球环境和人类健康的重要任务。而进行数据采集分析是废水处理过程中至关重要的一环。通过对废水处理过程中的各项数据进行采集和分析,能够全面了解废水的污染程度、污染物的种类和含量,从而制定合理的处理方案和措施。数据采集分析不仅可以准确地评估废水处理的效果,监测处理过程中的各项指标,及时发现和解决问题,确保废水处理达到预期效果;还可以为废水处理工艺的优化和改进提供科学依据和参考,提高处理效率和质量;此外,还可以建立废水处理的相关数据库,为进一步研究和探索废水处理技术提供数据支持,推动废水处理技术的创新和发展。
现有的废水处理监测分析方法存在着一些不足:一方面,城市发展过程中污水的处理量大,并且其污水中成分的组成十分复杂,既包括了生活污水、生产污水、工业废水等,还包括了天然降水等,这给污水的处理工作提出了较大的工作难度,现有方法盲目选择废水处理工艺,没有很好地结合待处理废水中污染物的种类和含量,进而选择适宜的、针对性的处理工艺,从而使得废水处理的生产效率不高。
另一方面,当废水处理排放不达标时,需要对废水处理***中各道处理工序的净化功能进行排查,分析净化功能欠佳的处理工序并进行预警,现有方法评估处理工序的净化功能时,直接将处理工序净化污染物的程度与设定的数值进行比较,进而得出结论,该方式过于僵化,处理工序中对污染物的净化往往需要重复进行多次,现有方法没有对处理工序的各次净化过程进行动态分析,获取处理工序对应的净化效果动态趋势曲线,进而评估其净化性能,从而使得现有方法评估处理工序净化性能的结果的准确性和可靠性不高。
发明内容
针对上述问题,本发明提出了一种废水处理数据采集分析方法,具体技术方案如下:一种废水处理数据采集分析方法,包括如下步骤:步骤一、废水处理工艺选择:获取待处理废水的成分信息,其中成分信息包括各种污染物的浓度,根据待处理废水的成分信息,分析待处理废水的类型,进一步获取废水处理***的适宜处理工艺。
步骤二、废水排放口水质检测:获取监测周期内各采样时间点废水处理***中废水排放口各检测点的水质参数,其中水质参数包括各种污染物的排放浓度,分析得到废水处理***的废水排放达标系数。
步骤三、废水排放符合标准评估:根据废水处理***的废水排放达标系数,判断废水处理***的废水排放是否符合排放标准,若不符合排放标准,则进行预警,并执行步骤四。
步骤四、废水处理工序信息采集:采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本,获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度。
步骤五、废水处理工序信息分析:根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析得到废水处理***中各道处理工序的净化能力评价系数。
步骤六、废水处理异常评估反馈:根据废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,进一步获取废水处理***中工作异常的各道处理工序,并进行反馈。
在上述实施例的基础上,所述步骤一的具体分析过程包括:按照预设的等面积原则对废水入口区域进行网格式划分,得到废水入口各子区域,在废水入口各子区域的中心点处布设监测点,得到废水入口各监测点。
按照预设的等深度原则在废水入口各监测点处布设各采样点,得到废水入口各监测点处各采样点。
采集废水入口各监测点处各采样点的水体样本,通过水质检测传感器获取废水入口各监测点处各采样点各种污染物的浓度,将其记为,/>表示第/>个监测点的编号,,/>表示第/>个采样点的编号,/>,/>表示第/>种污染物的编号,/>。
通过分析公式得到待处理废水的各种污染物的浓度,其中/>表示监测点的数量,/>表示预设的第/>个采样点的权重因子,/>。
在上述实施例的基础上,所述步骤一的具体分析过程还包括:提取数据库中存储的各废水类型对应的污染物集合,将待处理废水的各种污染物与各废水类型对应的污染物集合进行比对,若待处理废水的某种污染物属于某废水类型对应的污染物集合内,则将待处理废水的该种污染物记为该废水类型匹配的污染物,统计待处理废水中与各废水类型匹配的各污染物。
根据待处理废水的各种污染物的浓度,筛选得到待处理废水中与各废水类型匹配的各污染物的浓度,将其记为,/>表示第/>种废水类型的编号,/>,/>表示废水类型匹配的第/>种污染物的编号,/>。
通过分析公式得到待处理废水与各废水类型的关联系数/>,其中/>表示预设的待处理废水中与第/>种废水类型匹配的第/>种污染物的影响因子,/>表示废水类型的数量。
将待处理废水与各废水类型的关联系数进行相互比较,将最大关联系数对应的废水类型作为待处理废水的类型。
提取数据库中存储的各废水类型对应的处理工艺,根据待处理废水的类型,筛选得到待处理废水的类型对应的处理工艺,将其记为废水处理***的适宜处理工艺。
在上述实施例的基础上,所述步骤二的具体分析过程为:设定监测周期的时长,按照预设的等时间间隔原则在监测周期内设置各采样时间点,按照预设的原则在废水处理***中废水排放口布设各检测点。
获取监测周期内各采样时间点废水处理***中废水排放口各检测点各种污染物的排放浓度,将其记为,其中/>表示第/>个采样时间点的编号,/>,/>表示第/>个检测点的编号,/>,/>表示废水排放口检测点第/>种污染物的编号,。
通过分析公式得到废水处理***的废水排放达标系数/>,其中/>表示自然常数,/>表示采样时间点的数量,/>表示检测点的数量,/>表示废水排放口检测点污染物的种类数量,/>表示预设的废水排放口检测点第/>种污染物的安全浓度,/>监测周期内第/>个采样时间点废水处理***中废水排放口第/>个检测点第/>种污染物的排放浓度。
在上述实施例的基础上,所述步骤三的具体分析过程为:将废水处理***的废水排放达标系数与预设的废水排放达标系数阈值进行比较,若废水处理***的废水排放达标系数小于预设的废水排放达标系数阈值,则废水处理***的废水排放不符合排放标准,并进行预警。
在上述实施例的基础上,所述步骤四的具体分析过程为:采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本。
获取废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度,对废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度进行平均值计算,得到废水处理***中各道处理工序中各次净化中废水进口处水体标本中各种污染物的平均浓度,将其记为废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度,并表示为,/>表示第/>道处理工序的编号,/>,表示第/>次净化的编号,/>,/>表示处理工序净化中第/>种污染物的编号,。
同理,根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度的分析方法,获取废水处理***中各道处理工序中各次净化中各种污染物的处理后浓度,将其记为。
在上述实施例的基础上,所述步骤五的具体分析过程包括:将废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度/>代入公式得到废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数/>,其中/>表示预设的净化效果指数的修正因子,/>表示预设的净化后污染物浓度下降的阈值。
在上述实施例的基础上,所述步骤五的具体分析过程还包括:以净化的次数编号为横坐标,以净化效果指数为纵坐标建立坐标系,将其记为参考坐标系,根据废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数,在参考坐标系中标出对应的数据点,利用数学模型的建立方法,绘制废水处理***中各道处理工序中各种污染物的净化趋势特征曲线。
提取数据库中存储的各道处理工序中各种污染物的参考净化趋势特征曲线。
将废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线进行比对,得到废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线的吻合度,将其记为。
通过分析公式得到废水处理***中各道处理工序的净化能力评价系数/>,其中/>表示预设的净化能力评价系数的修正因子,/>表示预设的净化趋势特征曲线吻合度阈值,/>表示预设的处理工序中第/>种污染物的权值。
在上述实施例的基础上,所述步骤六的具体分析过程为:将废水处理***中各道处理工序的净化能力评价系数与预设的净化能力评价系数阈值进行比较,若废水处理***中某道处理工序的净化能力评价系数小于预设的净化能力评价系数阈值,则废水处理***中该道处理工序工作异常,统计废水处理***中工作异常的各道处理工序,将其反馈至废水处理监管部门。
相对于现有技术,本发明所述的一种废水处理数据采集分析方法以下有益效果:1.本发明通过获取待处理废水的成分信息,分析待处理废水的类型,进一步获取废水处理***的适宜处理工艺,结合待处理废水中污染物的种类和含量,进而选择适宜的、针对性的处理工艺,从而提高废水处理的生产效率。
2.本发明通过设置废水处理监测的采样地点、采样方式和采样频次,使得废水数据具有说服力,保证废水检测测量数据的代表价值。
3.本发明通过获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,对处理工序的各次净化过程进行动态分析,获取处理工序对应的净化效果动态趋势曲线,进而评估其净化性能,提高现有方法评估处理工序净化性能的结果的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供的一种废水处理数据采集分析方法,包括如下步骤:步骤一、废水处理工艺选择:获取待处理废水的成分信息,其中成分信息包括各种污染物的浓度,根据待处理废水的成分信息,分析待处理废水的类型,进一步获取废水处理***的适宜处理工艺。
作为一种优选方案,所述步骤一的具体分析过程包括:按照预设的等面积原则对废水入口区域进行网格式划分,得到废水入口各子区域,在废水入口各子区域的中心点处布设监测点,得到废水入口各监测点。
按照预设的等深度原则在废水入口各监测点处布设各采样点,得到废水入口各监测点处各采样点。
采集废水入口各监测点处各采样点的水体样本,通过水质检测传感器获取废水入口各监测点处各采样点各种污染物的浓度,将其记为,/>表示第/>个监测点的编号,,/>表示第/>个采样点的编号,/>,/>表示第/>种污染物的编号,。
通过分析公式得到待处理废水的各种污染物的浓度/>,其中/>表示监测点的数量,/>表示预设的第/>个采样点的权重因子,/>。
需要说明的是,所述水质检测传感器包括但不限于电化学传感器、光学传感器、生物传感器、气体传感器等,以适应不同类型的污染物测量需求。
需要说明的是,污染物可以是化学物质、微生物和重金属等。
作为一种优选方案,所述步骤一的具体分析过程还包括:提取数据库中存储的各废水类型对应的污染物集合,将待处理废水的各种污染物与各废水类型对应的污染物集合进行比对,若待处理废水的某种污染物属于某废水类型对应的污染物集合内,则将待处理废水的该种污染物记为该废水类型匹配的污染物,统计待处理废水中与各废水类型匹配的各污染物。
根据待处理废水的各种污染物的浓度,筛选得到待处理废水中与各废水类型匹配的各污染物的浓度,将其记为,/>表示第/>种废水类型的编号,/>,/>表示废水类型匹配的第/>种污染物的编号,/>。
通过分析公式得到待处理废水与各废水类型的关联系数/>,其中/>表示预设的待处理废水中与第/>种废水类型匹配的第/>种污染物的影响因子,/>表示废水类型的数量。
将待处理废水与各废水类型的关联系数进行相互比较,将最大关联系数对应的废水类型作为待处理废水的类型。
提取数据库中存储的各废水类型对应的处理工艺,根据待处理废水的类型,筛选得到待处理废水的类型对应的处理工艺,将其记为废水处理***的适宜处理工艺。
需要说明的是,所述废水类型包括但不限于生活废水、生产废水、工业废水和天然降水等。
需要说明的是,同一种污染物可能属于不同废水类型对应的污染物集合。
需要说明的是,所述废水处理工艺包括但不限于:生物处理、物理处理、化学处理、高级氧化技术和膜分离技术中的单项或者多项组合。
需要说明的是,不同的废水处理工艺净化的针对性污染物有所不同,净化功能的强弱也有所不同。
在本实施例中,本发明通过获取待处理废水的成分信息,分析待处理废水的类型,进一步获取废水处理***的适宜处理工艺,结合待处理废水中污染物的种类和含量,进而选择适宜的、针对性的处理工艺,从而提高废水处理的生产效率。
在本实施例中,本发明通过设置废水处理监测的采样地点、采样方式和采样频次,使得废水数据具有说服力,保证废水检测测量数据的代表价值。
步骤二、废水排放口水质检测:获取监测周期内各采样时间点废水处理***中废水排放口各检测点的水质参数,其中水质参数包括各种污染物的排放浓度,分析得到废水处理***的废水排放达标系数。
作为一种优选方案,所述步骤二的具体分析过程为:设定监测周期的时长,按照预设的等时间间隔原则在监测周期内设置各采样时间点,按照预设的原则在废水处理***中废水排放口布设各检测点。
获取监测周期内各采样时间点废水处理***中废水排放口各检测点各种污染物的排放浓度,将其记为,其中/>表示第/>个采样时间点的编号,/>,/>表示第/>个检测点的编号,/>,/>表示废水排放口检测点第/>种污染物的编号,。
通过分析公式得到废水处理***的废水排放达标系数/>,其中/>表示自然常数,/>表示采样时间点的数量,/>表示检测点的数量,/>表示废水排放口检测点污染物的种类数量,/>表示预设的废水排放口检测点第/>种污染物的安全浓度,/>监测周期内第/>个采样时间点废水处理***中废水排放口第个检测点第/>种污染物的排放浓度。
步骤三、废水排放符合标准评估:根据废水处理***的废水排放达标系数,判断废水处理***的废水排放是否符合排放标准,若不符合排放标准,则进行预警,并执行步骤四。
作为一种优选方案,所述步骤三的具体分析过程为:将废水处理***的废水排放达标系数与预设的废水排放达标系数阈值进行比较,若废水处理***的废水排放达标系数小于预设的废水排放达标系数阈值,则废水处理***的废水排放不符合排放标准,并进行预警。
步骤四、废水处理工序信息采集:采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本,获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度。
作为一种优选方案,所述步骤四的具体分析过程为:采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本。
获取废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度,对废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度进行平均值计算,得到废水处理***中各道处理工序中各次净化中废水进口处水体标本中各种污染物的平均浓度,将其记为废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度,并表示为,/>表示第/>道处理工序的编号,/>,表示第/>次净化的编号,/>,/>表示处理工序净化中第/>种污染物的编号,。
同理,根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度的分析方法,获取废水处理***中各道处理工序中各次净化中各种污染物的处理后浓度,将其记为。
需要说明的是,废水处理***中各道处理工序可能重复进行多次,将废水处理***中各道处理工序各次重复过程记为废水处理***中各道处理工序的各次净化。
步骤五、废水处理工序信息分析:根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析得到废水处理***中各道处理工序的净化能力评价系数。
作为一种优选方案,所述步骤五的具体分析过程包括:将废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度/>代入公式得到废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数/>,其中/>表示预设的净化效果指数的修正因子,/>表示预设的净化后污染物浓度下降的阈值。
作为一种优选方案,所述步骤五的具体分析过程还包括:以净化的次数编号为横坐标,以净化效果指数为纵坐标建立坐标系,将其记为参考坐标系,根据废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数,在参考坐标系中标出对应的数据点,利用数学模型的建立方法,绘制废水处理***中各道处理工序中各种污染物的净化趋势特征曲线。
提取数据库中存储的各道处理工序中各种污染物的参考净化趋势特征曲线。
将废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线进行比对,得到废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线的吻合度,将其记为。
通过分析公式得到废水处理***中各道处理工序的净化能力评价系数/>,其中/>表示预设的净化能力评价系数的修正因子,/>表示预设的净化趋势特征曲线吻合度阈值,/>表示预设的处理工序中第/>种污染物的权值。
步骤六、废水处理异常评估反馈:根据废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,进一步获取废水处理***中工作异常的各道处理工序,并进行反馈。
作为一种优选方案,所述步骤六的具体分析过程为:将废水处理***中各道处理工序的净化能力评价系数与预设的净化能力评价系数阈值进行比较,若废水处理***中某道处理工序的净化能力评价系数小于预设的净化能力评价系数阈值,则废水处理***中该道处理工序工作异常,统计废水处理***中工作异常的各道处理工序,将其反馈至废水处理监管部门。
在本实施例中,本发明通过获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,对处理工序的各次净化过程进行动态分析,获取处理工序对应的净化效果动态趋势曲线,进而评估其净化性能,提高现有方法评估处理工序净化性能的结果的准确性和可靠性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种废水处理数据采集分析方法,其特征在于,包括如下步骤:
步骤一、废水处理工艺选择:获取待处理废水的成分信息,其中成分信息包括各种污染物的浓度,根据待处理废水的成分信息,分析待处理废水的类型,进一步获取废水处理***的适宜处理工艺;
步骤二、废水排放口水质检测:获取监测周期内各采样时间点废水处理***中废水排放口各检测点的水质参数,其中水质参数包括各种污染物的排放浓度,分析得到废水处理***的废水排放达标系数;
步骤三、废水排放符合标准评估:根据废水处理***的废水排放达标系数,判断废水处理***的废水排放是否符合排放标准,若不符合排放标准,则进行预警,并执行步骤四;
步骤四、废水处理工序信息采集:采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本,获取废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度;
步骤五、废水处理工序信息分析:根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度,分析得到废水处理***中各道处理工序的净化能力评价系数;
步骤六、废水处理异常评估反馈:根据废水处理***中各道处理工序的净化能力评价系数,判断废水处理***中各道处理工序是否工作异常,进一步获取废水处理***中工作异常的各道处理工序,并进行反馈。
2.根据权利要求1所述的一种废水处理数据采集分析方法,其特征在于:所述步骤一的具体分析过程包括:
按照预设的等面积原则对废水入口区域进行网格式划分,得到废水入口各子区域,在废水入口各子区域的中心点处布设监测点,得到废水入口各监测点;
按照预设的等深度原则在废水入口各监测点处布设各采样点,得到废水入口各监测点处各采样点;
采集废水入口各监测点处各采样点的水体样本,通过水质检测传感器获取废水入口各监测点处各采样点各种污染物的浓度,将其记为,/>表示第/>个监测点的编号,/>,表示第/>个采样点的编号,/>,/>表示第/>种污染物的编号,/>;
通过分析公式得到待处理废水的各种污染物的浓度/>,其中/>表示监测点的数量,/>表示预设的第/>个采样点的权重因子,/>。
3.根据权利要求2所述的一种废水处理数据采集分析方法,其特征在于:所述步骤一的具体分析过程还包括:
提取数据库中存储的各废水类型对应的污染物集合,将待处理废水的各种污染物与各废水类型对应的污染物集合进行比对,若待处理废水的某种污染物属于某废水类型对应的污染物集合内,则将待处理废水的该种污染物记为该废水类型匹配的污染物,统计待处理废水中与各废水类型匹配的各污染物;
根据待处理废水的各种污染物的浓度,筛选得到待处理废水中与各废水类型匹配的各污染物的浓度,将其记为,/>表示第/>种废水类型的编号,/>,/>表示废水类型匹配的第/>种污染物的编号,/>;
通过分析公式得到待处理废水与各废水类型的关联系数/>,其中/>表示预设的待处理废水中与第/>种废水类型匹配的第/>种污染物的影响因子,/>表示废水类型的数量;
将待处理废水与各废水类型的关联系数进行相互比较,将最大关联系数对应的废水类型作为待处理废水的类型;
提取数据库中存储的各废水类型对应的处理工艺,根据待处理废水的类型,筛选得到待处理废水的类型对应的处理工艺,将其记为废水处理***的适宜处理工艺。
4.根据权利要求1所述的一种废水处理数据采集分析方法,其特征在于:所述步骤二的具体分析过程为:
设定监测周期的时长,按照预设的等时间间隔原则在监测周期内设置各采样时间点,按照预设的原则在废水处理***中废水排放口布设各检测点;
获取监测周期内各采样时间点废水处理***中废水排放口各检测点各种污染物的排放浓度,将其记为,其中/>表示第/>个采样时间点的编号,/>,/>表示第/>个检测点的编号,/>,/>表示废水排放口检测点第/>种污染物的编号,/>;
通过分析公式得到废水处理***的废水排放达标系数/>,其中/>表示自然常数,/>表示采样时间点的数量,/>表示检测点的数量,/>表示废水排放口检测点污染物的种类数量,/>表示预设的废水排放口检测点第/>种污染物的安全浓度,/>监测周期内第/>个采样时间点废水处理***中废水排放口第/>个检测点第/>种污染物的排放浓度。
5.根据权利要求1所述的一种废水处理数据采集分析方法,其特征在于:所述步骤三的具体分析过程为:
将废水处理***的废水排放达标系数与预设的废水排放达标系数阈值进行比较,若废水处理***的废水排放达标系数小于预设的废水排放达标系数阈值,则废水处理***的废水排放不符合排放标准,并进行预警。
6.根据权利要求1所述的一种废水处理数据采集分析方法,其特征在于:所述步骤四的具体分析过程为:
采集废水处理***中各道处理工序中各次净化中废水进口处和废水出口处的各水体标本;
获取废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度,对废水处理***中各道处理工序中各次净化中废水进口处各水体标本中各种污染物的浓度进行平均值计算,得到废水处理***中各道处理工序中各次净化中废水进口处水体标本中各种污染物的平均浓度,将其记为废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度,并表示为,/>表示第/>道处理工序的编号,/>,表示第/>次净化的编号,/>,/>表示处理工序净化中第/>种污染物的编号,;
同理,根据废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度的分析方法,获取废水处理***中各道处理工序中各次净化中各种污染物的处理后浓度,将其记为。
7.根据权利要求6所述的一种废水处理数据采集分析方法,其特征在于:所述步骤五的具体分析过程包括:
将废水处理***中各道处理工序中各次净化中各种污染物的处理前浓度和处理后浓度/>代入公式/>得到废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数/>,其中/>表示预设的净化效果指数的修正因子,/>表示预设的净化后污染物浓度下降的阈值。
8.根据权利要求7所述的一种废水处理数据采集分析方法,其特征在于:所述步骤五的具体分析过程还包括:
以净化的次数编号为横坐标,以净化效果指数为纵坐标建立坐标系,将其记为参考坐标系,根据废水处理***中各道处理工序中各次净化中各种污染物的净化效果指数,在参考坐标系中标出对应的数据点,利用数学模型的建立方法,绘制废水处理***中各道处理工序中各种污染物的净化趋势特征曲线;
提取数据库中存储的各道处理工序中各种污染物的参考净化趋势特征曲线;
将废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线进行比对,得到废水处理***中各道处理工序中各种污染物的净化趋势特征曲线与其对应处理工序中对应污染物的参考净化趋势特征曲线的吻合度,将其记为;
通过分析公式得到废水处理***中各道处理工序的净化能力评价系数/>,其中/>表示预设的净化能力评价系数的修正因子,/>表示预设的净化趋势特征曲线吻合度阈值,/>表示预设的处理工序中第/>种污染物的权值。
9.根据权利要求1所述的一种废水处理数据采集分析方法,其特征在于:所述步骤六的具体分析过程为:
将废水处理***中各道处理工序的净化能力评价系数与预设的净化能力评价系数阈值进行比较,若废水处理***中某道处理工序的净化能力评价系数小于预设的净化能力评价系数阈值,则废水处理***中该道处理工序工作异常,统计废水处理***中工作异常的各道处理工序,将其反馈至废水处理监管部门。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310978255.4A CN116701885B (zh) | 2023-08-04 | 2023-08-04 | 一种废水处理数据采集分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310978255.4A CN116701885B (zh) | 2023-08-04 | 2023-08-04 | 一种废水处理数据采集分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116701885A true CN116701885A (zh) | 2023-09-05 |
CN116701885B CN116701885B (zh) | 2023-10-20 |
Family
ID=87831540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310978255.4A Active CN116701885B (zh) | 2023-08-04 | 2023-08-04 | 一种废水处理数据采集分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116701885B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881747A (zh) * | 2023-09-06 | 2023-10-13 | 武汉华康世纪医疗股份有限公司 | 基于医疗废水监测的智能处理方法及*** |
CN117170447A (zh) * | 2023-11-03 | 2023-12-05 | 山东华宝隆轻工机械有限公司 | 一种基于物联网的浓水自动回收控制*** |
CN117401872A (zh) * | 2023-12-15 | 2024-01-16 | 江苏众瑞环保科技有限公司 | 用于铅酸电池废水排放管控的数据处理方法及*** |
CN118013449A (zh) * | 2024-04-10 | 2024-05-10 | 台州市污染防治技术中心有限公司 | 一种企业污水排放物联网管理*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106587542A (zh) * | 2017-01-16 | 2017-04-26 | 沈阳建筑大学 | 一种处理棉纺工业废水的集成工艺***及方法 |
CN108793289A (zh) * | 2018-07-12 | 2018-11-13 | 刘守凯 | 一种智能化的工业废水处理*** |
US20200252283A1 (en) * | 2017-10-16 | 2020-08-06 | Chinese Research Academy Of Environmental Sciences | Multi-objective optimization method for groundwater pollution monitoring network |
US11294929B1 (en) * | 2021-06-09 | 2022-04-05 | Aeec | Smart water data analytics |
CN114417263A (zh) * | 2022-01-27 | 2022-04-29 | 中国环境科学研究院 | 污染物波动系数确定、污染物监控方法及装置、存储介质 |
CN115063014A (zh) * | 2022-07-05 | 2022-09-16 | 陈银锁 | 一种基于5g网络的工业废水监管***及方法 |
WO2023025329A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 一种基于数字流域时空模型的污染排放确定方法和装置 |
-
2023
- 2023-08-04 CN CN202310978255.4A patent/CN116701885B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106587542A (zh) * | 2017-01-16 | 2017-04-26 | 沈阳建筑大学 | 一种处理棉纺工业废水的集成工艺***及方法 |
US20200252283A1 (en) * | 2017-10-16 | 2020-08-06 | Chinese Research Academy Of Environmental Sciences | Multi-objective optimization method for groundwater pollution monitoring network |
CN108793289A (zh) * | 2018-07-12 | 2018-11-13 | 刘守凯 | 一种智能化的工业废水处理*** |
US11294929B1 (en) * | 2021-06-09 | 2022-04-05 | Aeec | Smart water data analytics |
WO2023025329A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 一种基于数字流域时空模型的污染排放确定方法和装置 |
CN114417263A (zh) * | 2022-01-27 | 2022-04-29 | 中国环境科学研究院 | 污染物波动系数确定、污染物监控方法及装置、存储介质 |
CN115063014A (zh) * | 2022-07-05 | 2022-09-16 | 陈银锁 | 一种基于5g网络的工业废水监管***及方法 |
Non-Patent Citations (4)
Title |
---|
CHANDRAKANTH GADIPELLY等: "《Pharmaceutical Industry Wastewater:Review of the Technologies for Water Treatment and Reuse》", 《INDUSTRIAL & ENGINEERING CHEMISTRY RESEARCH》 * |
HONG GUO等: "《Prediction of effluent concentration in a wastewater treatment plant using machine learning models》", 《JOURNAL OF ENVIRONMENTAL SCIENCES》 * |
张晓霞 等: "《前处理工序重金属废水治理的工艺设计方案》", 《第十三届表面工程创新与实用技术交流会》 * |
郭一冰: "《建设项目竣工环境保护验收废水监测中数据异常及原因分析》", 《环境保护与循环经济》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881747A (zh) * | 2023-09-06 | 2023-10-13 | 武汉华康世纪医疗股份有限公司 | 基于医疗废水监测的智能处理方法及*** |
CN116881747B (zh) * | 2023-09-06 | 2023-11-24 | 武汉华康世纪医疗股份有限公司 | 基于医疗废水监测的智能处理方法及*** |
CN117170447A (zh) * | 2023-11-03 | 2023-12-05 | 山东华宝隆轻工机械有限公司 | 一种基于物联网的浓水自动回收控制*** |
CN117170447B (zh) * | 2023-11-03 | 2024-02-02 | 山东华宝隆轻工机械有限公司 | 一种基于物联网的浓水自动回收控制*** |
CN117401872A (zh) * | 2023-12-15 | 2024-01-16 | 江苏众瑞环保科技有限公司 | 用于铅酸电池废水排放管控的数据处理方法及*** |
CN117401872B (zh) * | 2023-12-15 | 2024-03-08 | 江苏众瑞环保科技有限公司 | 用于铅酸电池废水排放管控的数据处理方法及*** |
CN118013449A (zh) * | 2024-04-10 | 2024-05-10 | 台州市污染防治技术中心有限公司 | 一种企业污水排放物联网管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN116701885B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116701885B (zh) | 一种废水处理数据采集分析方法 | |
CN109444232B (zh) | 一种多通道智能化污染气体监测装置与扩散溯源方法 | |
CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与*** | |
CN107677614B (zh) | 一种水中重金属污染风险在线预警***及方法 | |
CN113933372B (zh) | 流域硝态氮来源入河负荷及入河系数的定量辨识方法 | |
CN115691670B (zh) | 一种基于微生物群落特异性响应的河流生态***健康评价方法 | |
CN114839343B (zh) | 一种便携式水质监测巡检仪装置及使用方法 | |
CN113281480A (zh) | 污水碳排放量的测量装置及污水碳排放量的统计方法 | |
CN112763465B (zh) | 一种抗干扰的船用柴油硫含量超标嗅探识别方法 | |
CN115184568B (zh) | 一种河流水环境污染物实时监测方法 | |
CN110146122B (zh) | 一种农村生活污水处理设施运行有效性的预测方法 | |
CN108918491B (zh) | 一种呼吸图谱与光谱联用判定河流状态与自净能力的方法 | |
CN112939246B (zh) | 一种基于物联网的医院污水在线处理平台 | |
CN111366692B (zh) | 气体环境参数监测***及方法 | |
CN116448988A (zh) | 一种工业园区土壤污染监测***及方法 | |
CN115639332A (zh) | 一种河湖水质分析方法、装置及*** | |
CN115630764A (zh) | 基于水生生物完整性指数的河流生态***健康的评价方法 | |
CN108776109A (zh) | 一种定量评估猪场污水处理过程中有机物状况的方法 | |
CN111007220B (zh) | 一种生猪养殖污水水质敏捷监测的方法 | |
CN111118128A (zh) | 一种利用微生物群落图谱解析河流水体污染来源的方法 | |
Sivanandan et al. | Assessment of water quality and pollution in Gurunagar fishery harbour, Jaffna, Sri Lanka | |
Liu et al. | Research on Data Acquisition Method of Water Quality Detection Based on Revolving Door Algorithm | |
CN118125674B (zh) | 一种重金属污染水域的治理设备及方法 | |
US12043560B2 (en) | Method for predicting operation effectiveness of decentralized sewage treatment facility by using support vector machine | |
CN117911054B (zh) | 一种黑臭水体底泥污染物溯源识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |