申请/专利权人：陕西省水务集团环境技术运维有限公司

申请日：2023-12-28

公开（公告）日：2024-04-05

公开（公告）号：CN117829655A

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/26;G06N3/042;G06N3/0442;G06N3/0475;G06N3/048;G06N3/094;G06N3/126

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于因果推断的污水处理厂进水质量预测方法，属于水体水质预测技术领域，该方法包括获取目标数据、异常值识别与替换、缺省值补齐、数据研究和预处理、时间序列建模、预测结果融合和模型评估等步骤，其中：该方法通过一个基于先验因果结构构建的时间序列图神经网络和一个基于Transformer构建的特征结构时间序列预测网络，分别进行时间序列预测，预测结果经由染色体遗传算法进行融合，作为最终的预测结果。与现有方法相比，本方法解决了现有深度学习算法由于OOD问题在污水水质预测领域中进水波动剧烈时预测失准失效的难题，提高了预测系统的鲁棒性和可泛化性，提升了模型的精准度，进一步实现了精细化精准化运营。

主权项：1.一种基于因果推断的污水处理厂进水质量预测方法，其特征在于，包括如下步骤：S1）获取目标数据：以每小时为间隔获取污水厂进水处进水量、化学需氧量COD、PH值、氨氮、总氮和总磷的在线监测数据集；S2）异常值识别与替换：从目标数据中截取出小部分数据作为异常值训练数据集，由人类专家识别出其中的异常值，以标注后的异常值训练数据集作为输入，建立基于生成对抗网络的分类算法模型，应用于整个在线监测数据集，识别出所有异常值，数据备份后以缺省值进行替换；S3）缺省值补齐：对于上一步骤产生的缺省值，以及在线监测数据集中因监测设备离线、运营人员漏记、监测间隔变更或节假日导致的缺省值进行处理，将整个在线监测数据集作为序列输入，建立一个长移动的双向长短时记忆网络进行序列，基于断点上下游数据特征与时序差分值，对时间序列进行补齐；对于大规模的数据缺失，则将该双向长短时记忆网络的移动步长设置为单步长移动，将结果进行归一化处理，获得完备数据集；S4）数据研究和预处理：将完备数据集进行可视化，检查该地区进水水质是否符合淡旺季规则，将数据集归一化后，依照淡旺季切分，并按照6:2:2的比例各自划分出训练集、验证集与测试集；S5）时间序列建模：对完备数据集的因果结构进行搜索，假设所有变量之间存在双向因果关系，构建一个无向无环图，使用Peter-Clark算法搜索其中可能存在的瞬时因果关系和延时因果关系，得到一个有向无环图（DAG），作为污水进水水质的结构因果模型（SCM），以此有向无环图作为先验的因果结构，按照节点与特征的一一对应关系填充数据张量，基于时间序列图神经网络构建因果结构编码器，使用基于Transformer的最优化衍生算法作为序列特征结构编码器，并分别进行充分学习训练，得到独立的预测结果；S6）预测结果融合：将因果结构编码器预测结果序列和特征结构编码器预测结果序列进行合并，将基于因果结构的预测序列结果和基于特征结构的预测序列结果作为输入，建立遗传优化算法，对长、短时序预测序列的交叉部分进行融合；S7）模型评估：使用测试数据集对预测模型性能进行测试，使用三个性能评估指标进行评估平均：均方误差（MSE），绝对误差（MAE），残差标准误差（RSE）。

全文数据：

权利要求：

百度查询： 陕西省水务集团环境技术运维有限公司 一种基于因果推断的污水处理厂进水质量预测方法

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