[发明专利]用于预测与废水处理过程相关的参数的系统和方法在审
| 申请号: | 201880030014.4 | 申请日: | 2018-12-13 |
| 公开(公告)号: | CN111699159A | 公开(公告)日: | 2020-09-22 |
| 发明(设计)人: | 贝正国;黄浩勇;施雪卿;杨冰松;倪网东 | 申请(专利权)人: | 胜科工业有限公司;新加坡国立大学 |
| 主分类号: | C02F3/00 | 分类号: | C02F3/00;G06N20/00 |
| 代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 蔡洪贵 |
| 地址: | 新加坡*** | 国省代码: | 暂无信息 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 用于 预测 废水处理 过程 相关 参数 系统 方法 | ||
1.一种用于预测与废水处理过程相关的排出物参数的系统,包括
预测器模块,其被构造用于接收包括多个废水流入物参数的第一输入数据组,并预测排出废水的可生物降解类型;
机械模拟器,其被构造用于接收所述排出废水的可生物降解类型和多个废水流入物参数作为第二输入数据组,以产生作为模拟输出的排出物参数。
2.根据权利要求1所述的系统,其特征在于,还包括特征模块,所述特征模块被构造用于使所述多个废水流入物参数与至少一个可生物降解类型相关联,所述特征模块被布置为与所述预测器模块数据通信。
3.根据权利要求1或2所述的系统,其特征在于,所述预测器模块被布置为从至少一个物理传感器和至少一个软传感器接收所述多个废水流入物参数。
4.根据权利要求2所述的系统,其特征在于,所述预测器模块包括机器学习模块,所述机器学习模块被构造用于学习所述多个废水流入物参数与至少一个可生物降解类型之间的相关性。
5.根据前述权利要求中的任一项的系统,其特征在于,所述可生物降解类型是以下类型之一:-(i.)可生物降解的可溶物,(ii.)不可生物降解的可溶物,(iii.)缓慢可生物降解的胶体,(iv.)缓慢可生物降解的颗粒,和(v.)不可生物降解的颗粒。
6.根据前述权利要求中的任一项所述的系统,其特征在于,所述多个废水流入物参数包括以下参数中的至少两个:-输入的化学需氧量(COD),总有机碳(TOC),固体含量,离子含量,无机污染物,有机污染物。
7.根据前述权利要求中的任一项所述的系统,其特征在于,所述机械模拟器包括活性污泥模型(ASM)。
8.一种预测与废水处理有关的排出物参数的方法,其包括以下步骤:-
(a.)在预测器模块处接收包括多个废水流入物参数的第一输入数据组;
(b.)使所述排出物参数与可生物降解群组相关联;
(c.)使所述第一输入数据组和排出废水的所述可生物降解类型结合,以形成第二输入数据组;和
(d.)在机械模拟器处接收所述第二输入数据组,以提供模拟的排出物参数。
9.根据权利要求8所述的方法,其特征在于,还包括步骤:在所述机械模拟器处接收所述废水处理过程的污泥特征作为所述第二输入数据组的一部分。
10.根据权利要求8或9所述的方法,其特征在于,还包括步骤:使所述多个废水流入物参数与至少一个可生物降解群组相关联。
11.根据权利要求8至10中的任一项所述的方法,其特征在于,所述第一输入数据组是从至少一个物理传感器和至少一个软传感器获得的。
12.根据权利要求8至11中的任一项所述的方法,其特征在于,所述预测器模块包括机器学习模块,所述机器学习模块被构造用于学习在所述多个废水流入物参数与至少一个可生物降解群组之间的相关性。
13.根据权利要求8至12中的任一项所述的方法,其特征在于,所述可生物降解群组是以下群组之一:-(i.)可生物降解的可溶物群组,(ii.)不可生物降解的可溶物群组,(iii.)缓慢可生物降解的胶体群组,(iv.)缓慢可生物降解的颗粒群组,和(v.)不可生物降解的颗粒群组。
14.根据权利要求8至13中的任一项所述的方法,其特征在于,所述多个废水流入物参数包括以下参数中的至少两个:-输入的化学需氧量(COD),总有机碳(TOC),固体含量,离子含量,无机污染物,有机污染物。
15.一种非暂时性计算机可读介质,其包含在其上的可执行软件指令,其中,当执行所述软件指令时,进行预测与废水处理有关的排出物参数的方法,其包括以下步骤:-接收包括多个废水流入物参数的第一输入数据组;预测与排出废水相关的可生物降解群组;结合第一输入数据组和排出废水的可生物降解类型,以形成第二输入数据组;以及在机械模拟器处接收第二输入数据组,以提供模拟的排出物参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于胜科工业有限公司;新加坡国立大学,未经胜科工业有限公司;新加坡国立大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201880030014.4/1.html,转载请声明来源钻瓜专利网。





