[发明专利]一种污泥排放量的监控方法及系统

说明书

本发明公开了一种污泥排放量的监控方法及系统，该方法包括以下步骤：获取污泥排放数据，并采用PCA算法对获取的污泥排放数据进行数据降维；将降维后的数据输入到采用PSO‑RVM混合算法建立的污泥排放量预测模型进行预测计算，获得污泥排放量预测结果；根据污泥排放量预测结果控制污泥的排放量。本发明通过PCA算法对污泥排放数据进行数据降维，简化数据计算的复杂度，从而加快了运算速度，减少预测的时间，采用PSO‑RVM混合算法建立的污泥排放量预测模型对污泥排放量进行预测计算，提高了预测的精准度，从而更加准确的控制排放量。本发明作为一种预测精度高且计算快速的污泥排放量的监控方法及系统可广泛应用于泥排放处理领域。

技术领域

本发明涉及污泥排放处理领域，尤其涉及一种污泥排放量的监控方法及系统。

背景技术

PCA：全称Principal Component Analysis，为主成分分析，是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。

PSO：全称Particle Swarm Optimization，为粒子群算法，是一种基于种群的随机优化技术。

RVM：全称Relevance Vector Machine)，为相关向量机，是一种新的监督学习方法。

活性污泥生物处理系统每天都要随着进入处理系统的污水产生一定量的活性污泥，使系统内总的污泥量增多。为了使处理系统总的污泥量保持基本平衡，系统需要定期排放一部分剩余活性污泥，同时为了维持处理系统中生化池的混合液污泥浓度稳定，需要回流部分污泥进入生化池，所以在排放剩余污泥时，又需要对混合液污泥浓度的预测。通过对剩余污泥的预测和调节排放，可以改变活性污泥中微生物种类和增长速度，可以改变需氧量，可以改善污泥的沉降性能，同时也将直接影响到后续的污泥脱水工艺，从而改变系统的功能，所以处理系统的剩余污泥检测和排放是活性污泥工艺控制中重要的一项操作。然而污泥排放系统是一个多变量、随机影响因素多的高度非线性系统，这给系统的建模和预测工作带来了很大的困难，现有的一些模型存在着预测不够精准和计算复杂的问题，从而不能精准的预测和监控污泥的排放量。

发明内容

为了解决上述技术问题，本发明的目的是提供一种预测精度高且计算快速的污泥排放量的监控方法。

本发明的另一目的是提供一种预测精度高且计算快速的污泥排放量的监控系统。

本发明方法所采用的技术方案是：

一种污泥排放量的监控方法，包括以下步骤：

获取污泥排放数据，并采用PCA算法对获取的污泥排放数据进行数据降维；

将降维后的数据输入到采用PSO-RVM混合算法建立的污泥排放量预测模型进行预测计算，获得污泥排放量预测结果；

根据污泥排放量预测结果控制污泥的排放量。

进一步，所述污泥排放量预测模型是通过以下步骤训练获得的：

获取污泥排放数据，并采用PCA算法对获取的污泥排放数据进行数据降维，最后在降维后的污泥排放数据中获取训练集；

采用PSO算法获取影响污泥排放量预测模型的预测精度的关键参数；

结合训练集和关键参数构建RVM的基函数；

将基函数的核训练为向量参数化；

基于贝叶斯概率原理，根据预设的限制条件对污泥排放量预测模型的参数进行计算，并获取模型参数的估计值，从而得到污泥排放量预测模型。

进一步，所述获取污泥排放数据的步骤，具体包括以下步骤：

采集活性污泥生物处理系统里的污泥浓度参数信号；