[发明专利]一种基于自编码神经网络的城市污水处理过程异常数据检测方法

说明书

本发明提出一种基于自编码神经网络的城市污水处理过程异常数据检测方法。针对城市污水处理过程数据具有非线性及难以构建精确数学模型的问题，该检测方法，利用自编码神经网络自动提取变量间的非线性关系，采用梯度下降算法对模型参数进行动态调整，设计记忆模块自适应地计算异常分数阈值以检测异常样本，保障了城市污水处理过程数据的质量，提高了数据研究的可信度。

技术领域

本发明基于城市污水处理过程运行特性进行分析的基础上，通过建立基于自编码神经网络的城市污水处理过程异常数据检测模型。该检测模型在实际过程中，能够智能检测城市污水处理过程数据中的异常样本，提高了城市污水处理过程数据的可信度，属于污水处理领域。

背景技术

近年来，随着传感器和分布式系统在城市污水厂的大量安装，城市污水处理过程数据被采集、传输并保存。收集到的城市污水处理过程数据反映了污水处理过程的运行状态，是实现处理过程运行监测、优化控制和故障预测等环节的重要依据。然而，由于传感器故障、传输网络中断或暴雨天气等原因，异常数据不可避免地出现在数据集中，这对保障城市污水处理过程平稳高效运行造成困难。因此，智能检测异常数据对保证污水处理厂正常稳定运行具有重要的理论意义和应用价值。

由于城市污水处理过程是一个包含许多复杂处理工艺的生化过程，工作环境复杂且干扰较大，导致异常数据难以精确检测，从而无法进行有效的处理，严重降低了数据质量，影响了数据应用的可靠性，为城市污水处理过程数据分析，数据处理和数据应用带来困难，因此如何有效的检测异常数据已成为城市污水处理过程数据应用面临的挑战。当前，污水处理厂主要通过统计方法进行检测，但未考虑数据分布的变化及变量间关系，导致异常数据检测效果不理想。近年来，由于人工神经网络具有提取变量间非线性关系且无需构建准确的数学模型的能力，人工神经网络已成为异常数据检测的有效技术。因此，本发明在检测异常数据上具有重要的现实意义和应用价值。

本发明设计了一种基于自编码神经网络的城市污水处理过程异常数据检测方法，该方法采集运行数据，建立基于自编码神经网络的检测模型，设计基于梯度下降算法对模型参数进行调整，构建基于记忆模块的自适应异常分数阈值评价策略，实现了城市污水处理过程异常数据的准确检测，提高了数据质量，实现了污水处理厂的实际需求。

发明内容

本发明设计了一种基于自编码神经网络的城市污水处理过程异常数据检测方法，该方法首先基于自编码神经网络建立检测模型，以提取城市污水处理过程数据变量间的非线性关系；其次，设计梯度下降算法对模型参数进行动态调整；最后，构建基于记忆模块以自适应地计算异常分数阈值，提高检测精度；

本发明采用了如下的技术方案及实现步骤：

1.一种基于自编码神经网络的城市污水处理过程异常数据检测方法，其特征在于，建立基于自编码神经网络的检测模型，设计基于梯度下降的检测模型参数更新方法，构建基于记忆模块的自适应异常分数阈值判别策略，实现城市污水处理过程异常数据检测，包括以下步骤：

(1)采集城市污水处理过程数据

以城市污水处理过程为研究对象，选取进水流量、进水化学需氧量、进水总磷、出水总氮、出水总磷、进水氨氮、进水酸碱度、曝气池温度和生物需氧量9个变量；所有变量按公式(1)归一化：