-
公开(公告)号:CN118954809A
公开(公告)日:2024-11-15
申请号:CN202410936945.8
申请日:2024-07-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及污水处理技术领域,具体涉及一种基于加权融合模型的污水处理智能曝气控制方法。获取进水水质监测数据集、过程水质监测数据集、出水水质监测数据集、曝气量监测数据集以及设备工况监测数据集。将进水水质监测数据集、过程水质监测数据集、出水水质监测数据集以及曝气量监测数据集融合为水质曝气融合数据集,将设备工况监测数据集和曝气量监测数据集融合为工况曝气融合数据集。将水质曝气融合数据集输入可调参数的深度人工神经网络子模型中,将工况曝气融合数据集输入可调参数的长短期记忆神经网络子模型中。将两个模型结果融合为可调参数的人工神经网络和长短期记忆网络融合模型,按照百分比误差归一化后的权重系数融合。
-
公开(公告)号:CN118915642A
公开(公告)日:2024-11-08
申请号:CN202410944757.X
申请日:2024-07-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B19/418 , C02F1/52
Abstract: 本发明涉及污水处理技术领域,具体涉及一种基于图像信息的絮凝过程智能投药控制方法。获取进水水质监测数据集、过程水质监测数据集、出水水质监测数据集、设备工况监测数据集、投药量监测数据集以及絮凝区表面状态监测数据集;将进水水质、过程水质、出水水质、设备工况以及投药量监测数据集融合为水质工况投药融合数据集,将絮凝区表面状态以及投药量监测数据集融合为图像投药融合数据集;将水质工况投药融合数据集输入可调参数的K近邻回归子模型中,将图像投药融合数据集输入可调参数的目标检测子模型中。将两个模型结果融合为图信息融合模型,按照百分比误差归一化后的权重系数融合。
-
公开(公告)号:CN118771624A
公开(公告)日:2024-10-15
申请号:CN202410763554.0
申请日:2024-06-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及污水处理技术领域,具体涉及一种基于多模型融合的给水处理智能投药控制方法。将进水水质监测数据集,过程水质监测数据集和出水水质监测数据集融合为融合水质状态数据集,将设备监测数据集和投药量监测数据集融合为融合投药状态数据集;将融合水质状态数据集输入可调参数的深度人工神经网络水质状态子模型中,将融合投药状态数据集输入可调参数的深度人工神经网络投药状态子模型中;将两个模型结果融合为可调参数深度人工神经网络融合模型,按照百分比误差归一化后的权重系数融合,根据深度人工神经网络融合模型,按照输出结果对给水处理投药过程进行控制。本发明提升响应速度和节能降耗,实现水处理过程的高效、智能和可持续发展。
-
-