申请/专利权人：河南城建学院

申请日：2023-12-15

公开（公告）日：2024-04-02

公开（公告）号：CN117808143A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/067;G06Q50/06;G06Q50/26;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：一种基于深度学习的水质净化厂曝气量预测方法，其特征在于，包括：收集与水质净化厂操作相关的数据，确保数据质量和完整性；对数据进行清洗、归一化和特征工程处理；构建模型，将数据输入模型中，使用历史数据集对模型进行训练，使用均方误差来衡量模型的准确性；部署训练好的模型到水质净化厂中，用于实时曝气量预测，定期监测模型的性能；分析深度学习模型的输出，了解对曝气量的预测产生重要影响的因素，根据解释性分析的结果，进一步优化水质净化厂的操作和维护策略。本发明利用深度学习模型，从而提高曝气量的预测准确性，模型能够更精确地调整曝气量以满足实际需求。

主权项：1.一种基于深度学习的水质净化厂曝气量预测方法，其特征在于，包括：收集与水质净化厂操作相关的数据，包括水质参数如浊度、氨氮、溶解氧等,气象数据如温度、湿度、风速,曝气系统运行数据如气泡量,风机转速、电能消耗以及历史曝气量数据，确保数据质量和完整性；对数据进行清洗、归一化和特征工程处理，包括处理缺失数据、异常值和数据转换；构建模型，将数据输入模型中，使用历史数据集对模型进行训练，使用均方误差来衡量模型的准确性；部署训练好的模型到水质净化厂中，用于实时曝气量预测，定期监测模型的性能，并根据需要进行模型更新和改进；分析深度学习模型的输出，了解对曝气量的预测产生重要影响的因素，根据解释性分析的结果，进一步优化水质净化厂的操作和维护策略。

全文数据：

权利要求：

百度查询： 河南城建学院 一种基于深度学习的水质净化厂曝气量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD