[发明专利]一种有机生化反应菌种投放指导方法及系统

权利要求书

1.一种有机生化反应菌种投放指导方法，其特征在于，所述方法包括：

收集历史水质监测数据并对部分数据进行数据清洗；

建立机理水质建模率定模型，通过清洗后的历史水质监测数据来调整机理水质建模率定模型的参数；

基于机理水质建模率定模型建立专家库，用于模拟不同的水质情境、水动力情境、污水处理菌种投放量与水质达标时间之间的对应关系；

通过多种AI模型建立AI率定建模模型，以专家库中的不同的水质情境、水动力情境及对应的水质达标时间为输入、以对应的污水处理菌种投放量为输出训练所述AI率定建模模型；

在污水处理现场边缘端通过训练好的AI率定建模模型进行污水处理菌种投放量指导。

2.根据权利要求1所述的有机生化反应菌种投放指导方法，其特征在于，所述历史水质监测数据包括多种水质指标的历史监测时间序列数据和对应的历史污水处理菌种投放数据、对应的水动力历史监测时间序列数据、对应的水质指标历史降解过程数据；所述多种水质指标包括但不限于COD、溶解氧、UV254和BOD；所述水动力历史监测时间序列数据包括但不限于水位、流速和过流断面资料。

3.根据权利要求2所述的有机生化反应菌种投放指导方法，其特征在于，所述对部分进行数据清洗具体包括：通过数据清洗工具对多种水质指标的历史监测时间序列数据和水动力历史监测时间序列数据进行清洗，所述数据清洗工具包括但不限于卡尔漫滤波、滤波算法、模糊理论、主成份分析。

4.根据权利要求2所述的有机生化反应菌种投放指导方法，其特征在于，所述通过清洗后的历史水质监测数据来调整机理水质建模率定模型的参数具体包括：

建立机理水质建模率定模型，所述机理水质建模率定模型包括但不限于水质完全混合模型、CE-QUAL-W2、EFDC、WASP、DELFT3D或HEC-RAS；

将清洗后的多种水质历史监测时间序列数据、对应的历史污水处理菌种投放数据和对应的清洗后的水动力历史监测时间序列数据输入机理水质建模率定模型，获取机理水质建模率定模型输出的水质指标模拟降解过程数据；

通过水质指标历史降解过程数据及水质指标模拟降解过程进行率定验证循环，调整机理水质建模率定模型的参数设定，直到模型达到预设的标准效率系数。

5.根据权利要求4所述的有机生化反应菌种投放指导方法，其特征在于，所述基于机理水质建模率定模型建立专家库，用于模拟不同的水质情境、水动力情境、污水处理菌种投放量与水质达标时间之间的对应关系具体包括：

分别设定不同水质情境下的多种水质指标的溶度、不同污水处理菌种投放情境下的污水处理菌种投放量、不同水动力情境下的情况参数；

将不同水质情境下的多种水质指标的溶度、不同污水处理菌种投放情境下的污水处理菌种投放量、不同水动力情境下的情况参数输入参数调整后的机理水质建模率定模型，并分别输出对应情境下的水质指标降解过程数据；

根据对应情境下的水质指标降解过程数据分析对应情境下的水质达标时间，得到不同的水质情境、水动力情境、污水处理菌种投放量与水质达标时间之间的对应关系。

6.根据权利要求1所述的有机生化反应菌种投放指导方法，其特征在于，所述通过多种AI模型建立AI率定建模模型，以专家库中的不同的水质情境、水动力情境及对应的水质达标时间为输入，以对应的污水处理菌种投放量为输出，训练所述AI率定建模模型具体包括：

获取多种AI模型组成AI率定建模模型，所述多种AI模型包括但不限于支持向量机、K最邻近法、随机梯度下降、多变量线性回归、多层感知机、决策树、反向传播神经网络、径向基函数网络；

将专家库中的不同的水质情境、水动力情境及对应的水质达标时间分别输入每个AI模型，将各个AI模型输出结果通过集平均法计算输出污水处理菌种投放模拟量，根据污水处理菌种投放模拟量及专家库中对应的污水处理菌种投放量进行率定验证循环过程，通过专家库中对应的污水处理菌种投放量调整AI率定建模模型的参数设定。