CN116956156B 一种基于人工智能的污水处理智能曝气方法及系统 （重庆享控智能科技有限公司）

一种基于人工智能的污水处理智能曝气方本发明提供一种基于人工智能的污水处理效样本数据训练和验证后得到水质达标预测模型；通过numpy计算库生成包含阀门开度和鼓风2实时采集曝气池进出水口的数据，进行水流量的动采用前馈神经网络建立初始水质达标预测模型，通过所述有效样本设定曝气量范围和曝气量的步长，得到所有鼓风量组合，并获取阀定义最小曝气量为目标函数，采用交叉变异操作对所述组定义最小总能耗为目标函数，获取总鼓风量、各鼓风机运行频率通过设置在曝气池进出水口的流量计进行数据监测，并通过与所述流记开始进水的时间为开始时刻，并将统计到出水口的累计流对所述样本数据进行去重处理和检查，对超出区间范围内的异常数据对所述样本数据中曝气单元的溶解氧指标进行特征转换，多个曝以特征转换后输出的溶解氧指标作为输出指标，采集到的所述进水水质作为输入指3过numpy计算库生成包含所有阀门开度和鼓风量组合的多维网格数据，采用遍历查找算法利用numpy计算库生成包含所有阀门开度和鼓风量组合的多维网格数据，采用遍历查通过所述水质达标预测模型筛选得到使得曝气单元出水口达标的组合解和组合解长其中，若所述组合解长度大于或等于预设初始化种群数量若所述组合解长度小于预设初始化种群数量，计算预设初始化种根据所述初始种群输入数据，通过交叉变异操作调用所述水根据设定的所述目标函数，采用optimize优化算法解决在总风4n是指单位时间内通过第个n鼓风机的气体体积或重量；Pn是指鼓风机的出口压n为第n个鼓风机所提供的风量；Qn是指第n个鼓风机在当前运行状态下的实际模型构建模块，用于采用前馈神经网络建立初始水质达标预测模型交叉变异模块，用于定义最小曝气量为目标函数，采9.一种电子设备，包括存储器、处理器及存储在5靠公式计算曝气量并不适用于所有的污水好氧处样本数据对所述初始水质达标预测模型进行训练和验证，得到水质达标预测模型；通过numpy计算库生成包含所有阀门开度和鼓风量组合的多维网格数据，采用遍历查找算法遍6所述有效样本数据对所述初始水质达标预测模型进行训练和验证，得到水质达标预测模[0010]在其中一个实施例中，所述通过numpy计算库生成包含所有阀门开度和鼓风量组7所述有效样本数据对所述初始水质达标预测模型进行训练和验证，得到水质达标预测模根据所述最低能耗解对各鼓风机和阀门开度进行上述各个实施例中所述的基于人工智能的污水处理智能8[0026]图4为一个实施例中一种基于人工智能的污水处理智能曝气系统的控制流程示意后得到水质达标预测模型；通过numpy计算库生成包含阀门开度和鼓风量组合的多维网格[0032]在一个实施例中，如图1所示，提供了一种基于人工智能的污水处理智能曝气方9信息默认为一条完整的曝气采样样本数据，根据开始时刻和结束时刻的时间序列对应关征转换，曝气单元C1,C2,C3Cn的溶解氧DO1,DO2...Don为输出值，曝气单元C1,C2,[0044]将处理后得到的有效样本数据按照701515％的比例划分为训练集、验证[0045]步骤S103，通过numpy计算库生成包含所有阀门开度和鼓风量组合的多维网格数[0048]具体地，寻找当前情况下使得出水达标的最小总曝气风Pn为第n台鼓风机的出口压力，Pnmax为第n台鼓风机出口压力最大值；根据设定的目标函输出功率，将总能耗power＝power1+power2+...+powern的最小值定义为非线性规划的目划对鼓风机组进行最佳分配使得系统总能耗最低。以power＝power1+power2+...+powern[0064]在本实施例中，通过实时采集曝气池进出水口的数据进行水流量的动态数据采[0068]数据遍历模块33，用于通过numpy计算库生成包含所有阀门开度和鼓风量组合的用numpy计算库生成包含所有阀门开度和鼓风量组合的多维网格数据，采用遍历查找算法计算预设初始化种群数量与组合解长度的差值，再初始化与差值相同数量的差值输入数配单元模型对各个鼓风机的风量进行分配，通过PLC控制柜设置各个阀门的开度系数和各储介质中的操作系统和计算机程序的运行提供环境。该设备的数据库用于存储配置模板，计算机程序被处理器执行时以实现基于人工智能的污水处理智碟、光盘、只读存储记忆体(Read_OnlyMemory，R