本發(fā)明涉及水處理工程中的預(yù)測分析和自動控制領(lǐng)域，具體涉及一種水質(zhì)智能預(yù)測方法和廢水處理自動控制系統(tǒng)。

背景技術(shù)：

1、sbr反應(yīng)器（序批式反應(yīng)器）水處理技術(shù)是污水處理的典型工藝，以其適應(yīng)性、操作靈活性和資源利用效率而普及。準(zhǔn)確預(yù)測序批式反應(yīng)器系統(tǒng)中的氨氮濃度對于優(yōu)化處理方案和確保符合嚴(yán)格的監(jiān)管標(biāo)準(zhǔn)至關(guān)重要。

2、先進計算方法的出現(xiàn)，特別是機器學(xué)習(xí)和深度學(xué)習(xí)，徹底改變了水處理工程中的預(yù)測分析領(lǐng)域，為復(fù)雜系統(tǒng)的動力學(xué)提供了前所未有的見解。

3、近年來，包括lstm（長短期記憶網(wǎng)絡(luò)）和transformer（變換器模型）在內(nèi)的復(fù)雜神經(jīng)網(wǎng)絡(luò)架構(gòu)的集成在水處理領(lǐng)域的預(yù)測建模任務(wù)中引起了極大的關(guān)注。這些架構(gòu)的融合為時間序列分析提供了一個強大的框架，能夠捕捉序批式反應(yīng)器過程中固有的復(fù)雜時空依賴性。

4、為了提高廢水處理的自動化和可持續(xù)性，必須準(zhǔn)確預(yù)測序批式反應(yīng)器水處理系統(tǒng)中的氨氮含量等水質(zhì)指標(biāo)。氨氮含量是處理效率和環(huán)境影響的重要指標(biāo)。然而，復(fù)雜的動力學(xué)和氨氮測量的復(fù)雜性和非連續(xù)性阻礙了預(yù)測精度和節(jié)能降耗的自動化控制。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供了一種水質(zhì)智能預(yù)測方法和廢水處理自動控制系統(tǒng)。

2、為了達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

3、一種水質(zhì)智能預(yù)測方法，包括以下步驟：

4、s1、獲取廢水的監(jiān)測數(shù)據(jù)，對廢水的監(jiān)測數(shù)據(jù)進行預(yù)處理以獲取預(yù)處理數(shù)據(jù)，并根據(jù)廢水的監(jiān)測數(shù)據(jù)和預(yù)處理數(shù)據(jù)集建立變量數(shù)據(jù)集；

5、s2、基于transformer和lstm設(shè)計廢水的氨氮含量預(yù)測模型，將變量數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，并利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對廢水的氨氮含量預(yù)測模型進行訓(xùn)練和測試，獲取測試后的廢水的氨氮含量預(yù)測模型；

6、s3、獲取廢水的實時監(jiān)測數(shù)據(jù)并對其進行預(yù)處理，建立實時的變量數(shù)據(jù)集，并基于測試后的廢水的氨氮含量預(yù)測模型，獲取廢水的氨氮含量預(yù)測值，以對水質(zhì)進行智能預(yù)測。

7、進一步地，在步驟s1中，廢水的監(jiān)測數(shù)據(jù)包括廢水的電導(dǎo)率、溶解氧和氧化還原電位；預(yù)處理數(shù)據(jù)包括廢水的監(jiān)測數(shù)據(jù)的變化率和累積值。

8、進一步地，廢水的氨氮含量預(yù)測模型包括依次連接的位置編碼層、transformer編碼器和lstm解碼器；

9、位置編碼層用于接收輸入變量集，對輸入變量集進行位置編碼以輸出帶有位置信息的輸入變量集；

10、transformer編碼器用于對帶有位置信息的輸入變量集進行點積運算以輸出特征增強變量集；

11、lstm解碼器用于對輸出的特征增強變量集、上一時間步的輸出和上一時間步的單元狀態(tài)進行串行處理，以獲取廢水的氨氮含量預(yù)測值。

12、進一步地，在位置編碼層中，對輸入變量集進行位置編碼以輸出帶有位置信息的輸入變量集，包括以下步驟：

13、a1、計算輸入變量集的奇數(shù)位置編碼數(shù)據(jù)，表示為：

14、

15、其中：為在第個時間步長的輸入變量集的奇數(shù)位置編碼值，為時間步長，為維度，為正弦函數(shù)，為與位置對應(yīng)的數(shù)據(jù)編碼；

16、a2、計算輸入變量集的偶數(shù)位置編碼數(shù)據(jù)；

17、

18、其中：為在第個時間步長的輸入變量集的偶數(shù)位置編碼值，為余弦函數(shù)；

19、a3、根據(jù)輸入變量集、輸入變量集的奇數(shù)位置編碼數(shù)據(jù)和輸入變量集的偶數(shù)位置編碼數(shù)據(jù)，輸出帶有位置信息的輸入變量集，表示為：

20、

21、其中：為在第個時間步長的帶有位置信息的輸入變量集，為在第個時間步長的輸入變量集，為在第個時間步長的輸入變量集的位置編碼值。

22、進一步地，transformer編碼器包括依次連接的多頭注意力機制、第一歸一化層、第一線性加法層、前饋層、第二歸一化層和第二線性加法層；第一線性加法層連接transformer編碼器的輸入；前饋層連接第二線性加法層。

23、進一步地，在多頭注意力機制中，對帶有位置信息的輸入變量集進行點積運算，多頭注意力機制輸出的特征增強變量集，包括以下步驟：

24、b1、計算帶有位置信息的輸入變量集的關(guān)鍵字向量、值向量和查詢向量，表示為：

25、，

26、，

27、

28、其中：為帶有位置信息的輸入變量集在第個注意力頭的關(guān)鍵字向量，為注意力頭的編號，為帶有位置信息的輸入變量集，為第個注意力頭的關(guān)鍵字向量的可訓(xùn)練投影矩陣，為帶有位置信息的輸入變量集在第個注意力頭的值向量，為第個注意力頭的值向量的可訓(xùn)練投影矩陣，為帶有位置信息的輸入變量集在第個注意力頭的查詢向量，為第個注意力頭的查詢向量的可訓(xùn)練投影矩陣；

29、b2、對帶有位置信息的輸入變量集的關(guān)鍵字向量、值向量和查詢向量進行點積運算，獲取單注意力頭的特征增強變量集，表示為：

30、

31、其中：為第個注意力頭的特征增強變量集，為softmax函數(shù)符號，為關(guān)鍵字向量的維度，為關(guān)鍵字向量的轉(zhuǎn)置；

32、b3、對單注意力頭的特征增強變量集進行并行計算，獲取多頭注意力機制輸出的特征增強變量集，表示為：

33、

34、其中：為多頭注意力機制輸出的特征增強變量集，為并行計算符號，，為多頭注意力機制中的注意力頭總數(shù)，為多頭注意力機制的可訓(xùn)練投影矩陣。

35、進一步地，前饋層包括兩個relu激活函數(shù)連接的線性變換層，線性變換層的計算過程為：

36、

37、其中：為輸出氨氮值，為矩陣的轉(zhuǎn)置，為輸入變量，為函數(shù)的偏置項。

38、進一步地，lstm解碼器包括依次連接的第一線性整流層、長短期記憶網(wǎng)絡(luò)操作層、第二線性整流層、第一全連接層和第二全連接層。

39、進一步地，長短期記憶網(wǎng)絡(luò)操作層包括輸入門、遺忘門、輸出門和單元狀態(tài)門。

40、一種應(yīng)用上述方法的廢水處理自動控制系統(tǒng)，包括依次連接的sbr反應(yīng)器、數(shù)據(jù)收集單元、水質(zhì)智能預(yù)測單元和自動執(zhí)行廢水處理單元；

41、sbr反應(yīng)器用于對廢水進行處理，產(chǎn)生廢水處理樣本；

42、數(shù)據(jù)收集單元用于獲取廢水的監(jiān)測數(shù)據(jù)，對廢水的監(jiān)測數(shù)據(jù)進行預(yù)處理以獲取預(yù)處理數(shù)據(jù)，并根據(jù)廢水的監(jiān)測數(shù)據(jù)和預(yù)處理數(shù)據(jù)集建立變量數(shù)據(jù)集；將變量數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；對廢水處理樣本進行數(shù)據(jù)監(jiān)測，獲取廢水的實時監(jiān)測數(shù)據(jù)并對其進行預(yù)處理，建立實時的變量數(shù)據(jù)集；

43、水質(zhì)智能預(yù)測單元用于根據(jù)transformer和lstm設(shè)計廢水的氨氮含量預(yù)測模型，利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對廢水的氨氮含量預(yù)測模型進行訓(xùn)練和測試，獲取測試后的廢水的氨氮含量預(yù)測模型；并基于實時的變量數(shù)據(jù)集和測試后的廢水的氨氮含量預(yù)測模型，獲取廢水的氨氮含量預(yù)測值；

44、自動執(zhí)行廢水處理單元，用于根據(jù)廢水的氨氮含量預(yù)測值，自動執(zhí)行廢水處理工藝。

45、本發(fā)明具有以下有益效果：

46、（1）本發(fā)明基于transformer和lstm設(shè)計廢水的氨氮含量預(yù)測模型，既能使模型專注于并行數(shù)據(jù)處理，通過編碼器和解碼器，關(guān)注特定的數(shù)據(jù)部分以確保時間序列特征和水質(zhì)指標(biāo)數(shù)據(jù)特征均得以良好保留，提高預(yù)測精度，也能處理順序數(shù)據(jù)，捕捉整體數(shù)據(jù)趨勢，以確保足夠的特征覆蓋率，并進一步提高預(yù)測精度；

47、（2）本發(fā)明通過模型集成，利用廢水的電導(dǎo)率、溶解氧、氧化還原電位以及對應(yīng)數(shù)據(jù)的變化率和累積值這些不同的信息源及其互補性來緩解過度擬合風(fēng)險，增強了預(yù)測模型的泛化能力，能夠?qū)y定方法復(fù)雜且難以連續(xù)準(zhǔn)確測定的水質(zhì)指標(biāo)數(shù)據(jù)進行更準(zhǔn)確的預(yù)測，進而通過集成全局和時間序列信息，更穩(wěn)定準(zhǔn)確地獲取預(yù)測結(jié)果；

48、（3）本發(fā)明提供的廢水處理自動控制系統(tǒng)，包括依次連接的sbr反應(yīng)器、數(shù)據(jù)收集單元、水質(zhì)智能預(yù)測單元和自動執(zhí)行廢水處理單元；sbr反應(yīng)器能對廢水進行處理，產(chǎn)生廢水處理樣本；數(shù)據(jù)收集單元能獲取廢水的監(jiān)測數(shù)據(jù)，對廢水的監(jiān)測數(shù)據(jù)進行預(yù)處理以獲取預(yù)處理數(shù)據(jù)，并根據(jù)廢水的監(jiān)測數(shù)據(jù)和預(yù)處理數(shù)據(jù)集建立變量數(shù)據(jù)集，將變量數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，對廢水處理樣本進行數(shù)據(jù)監(jiān)測，獲取廢水的實時監(jiān)測數(shù)據(jù)并對其進行預(yù)處理，建立實時的變量數(shù)據(jù)集；水質(zhì)智能預(yù)測單元能根據(jù)transformer和lstm設(shè)計廢水的氨氮含量預(yù)測模型，利用訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集對廢水的氨氮含量預(yù)測模型進行訓(xùn)練和測試，獲取測試后的廢水的氨氮含量預(yù)測模型，并基于實時的變量數(shù)據(jù)集和測試后的廢水的氨氮含量預(yù)測模型，獲取廢水的氨氮含量預(yù)測值；自動執(zhí)行廢水處理單元能根據(jù)廢水的氨氮含量預(yù)測值，自動執(zhí)行廢水處理工藝。