基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法

本申请涉及絮凝剂添加剂量预测，具体公开了一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法。

背景技术：

1、现如今，水资源匮乏的问题日益严峻，而工业生产过程产生的废料严重污染水源，使得人类对饮用水的质量和安全需求日益提升。受恶劣天气频发和人口急速增长的影响，饮用水处理厂(dwtp)面临着更加繁重的水质净化任务。混凝是dwtp中去除水中杂质的重要手段，混凝过程利用水胶体将水中的颗粒固体和有机物聚合，形成可沉淀的较大颗粒。因此絮凝剂剂量的确定是一个长滞后问题，需要混凝剂在水中充分反应和吸附，达到最佳的净水效果。混凝剂的剂量确定存在着强非线性关系，受进出水量、环境温度以及水质特性的影响。同时，不合理的混凝剂投加量也会造成水中杂质去除率低，水处理成本增加和饮用水安全不达标等问题。

2、在以往的研究中，鲜有人建立有关描述絮凝剂剂量确定的数学模型。数学模型的建立需要大量的人工经验、实时测量数据以及准确的数学假设，也需要对絮凝动力学的动态变化进行深刻理解。絮凝动力学模型描述了絮凝剂在水中形成胶体颗粒的过程，但絮凝颗粒的大小与絮凝剂剂量的确定难以建立准确的数学关系。在实际生产过程中，操作人员通过观察矾花大小(絮凝剂融水形成胶体颗粒大小)来判断絮凝剂投加量的多少。这一操作具有较强的主观性，难以描述其中的非线性关系；且需要等待絮凝剂充分反应，无法实时判定絮凝剂投加的效果，更难以应对操作员不在岗和水质突变等突发情况的发生。因此，建立一个精准的絮凝剂剂量确定预测模型，是实现dtwp高效稳定运行的必要保证。有鉴于此，本申请提供一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，以便解决上述问题。

技术实现思路

1、本发明的目的在于解决传统的饮用水制备过程中，絮凝过程受众多环境因素影响，工艺机理复杂且沉淀反应严重滞后，导致实时的絮凝剂剂量确定模型难以建立的问题。

2、为了达到上述目的，本发明的基础方案提供一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，包括以下步骤：

3、s1构建数据集：选择进水量、进水浊、ph值、温度和滤前浊度变量作为絮凝剂添加剂量精准确定预测模型的输入变量，絮凝剂剂量作为模型的输出变量；

4、s2数据预处理：通过絮凝滞后时间公式将滤前浊度变量与其他变量进行时间维度上的对齐，并对数据中异常值筛选；

5、s3模型训练，训练数据经过revlin模块进行归一化处理，归一化后的数据分别经过双分支计算处理，双分支计算处理后的数据分别经过film通道和特征补偿通道并行计算，最终经过张量的cat操作获得最终絮凝剂剂量预测结果。

6、进一步，在所述步骤s2中，将滤前浊度变量与其他变量进行时间维度上的对齐的絮凝滞后时间公式的表达式如下：

7、t＝60·wi/q

8、式中，t表示滞后时间，wi表示进水流量，q为水处理结构的总容量。

9、进一步，在所述步骤s2中，按比例将数据集划分训练模型的训练集、测试集和验证集。

10、进一步，所述训练集、测试集和验证集的比例为7:1:2。

11、进一步，在步骤s3中，训练数据经过revlin模块进行归一化处理的表达式如下：

12、

13、

14、

15、

16、式中，tx是输入序列长度，表示输入序列，μτ表示序列的计算均值，为序列的计算方差值，a表示归一化常数，b表示对比常数，ε表示一个非常小的正值，避免除数为零，γk和βk是两个可学习的仿射参数，用于表述序列的非平稳信息。

17、进一步，在所述步骤s3中，模型在一个分支中采用频率增强勒让德记忆模型捕捉历史时间序列中的全局特征信息，在另一个分支引入了局部特征补偿机制，以更低的计算成本捕获历史时间序列中的细节信息，模型末端将双分支学习的特征信息采用cat操作融合，获得最终的絮凝剂添加剂量预测结果。

18、基于同一发明构思，本发明提供一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定系统，用于实现上述的基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法。

19、进一步，所述系统包括：

20、构建数据集构建模块：以进水量、进水浊、ph值、温度和滤前浊度变量作为絮凝剂添加剂量精准确定预测模型的输入变量，絮凝剂剂量作为模型的输出变量；数据预处理模块：通过絮凝滞后时间公式将滤前浊度变量与其他变量进行时间维度上的对齐，并对数据中异常值筛选；

21、模型训练模块：训练数据经过revlin模块进行归一化处理，归一化后的数据分别经过双分支计算处理，双分支计算处理后的数据分别经过film通道和特征补偿通道并行计算，最终经过张量的cat操作获得最终絮凝剂剂量预测结果。

22、本方案的原理及效果在于：

23、本发明首先分析水厂絮凝剂添加剂量数据集，并结合引用水处理中絮凝过程的机理，选择进水量、进水浊、ph值、温度和滤前浊度作为絮凝剂添加剂量精准确定预测模型的输入变量，絮凝剂剂量作为模型的输出变量，并将频率改进的勒让德记忆模型引入到混凝剂剂量确定任务中，并采用适用于混凝过程特性的dbfilm，以精确确定混凝剂用量，并为水处理过程中混凝剂用量决策提供更长的时间步支持，同时采用数据实例化模块revlin，准确描述数据的原始分布特征，并捕捉数据频谱偏差的细节，在更长的时间序列预测任务中取得了更好的结果，dbfilm模型在另一个分支引入了局部特征补偿机制，以更低的计算成本捕获历史时间序列中的详细信息。同时，它重新组合全局提取的特征和局部提取的特征，以补偿fel模块导致的信息丢失。即本发明提出的絮凝剂投加量确定方法，能够在更长的历史时间序列中准确提取数据特征，并克服絮凝过程中的强非线性和强滞后性，准确预测絮凝剂添加剂量。

技术特征：

1.一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，在所述步骤s2中，将滤前浊度变量与其他变量进行时间维度上的对齐的絮凝滞后时间公式的表达式如下：

3.根据权利要求1所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，在所述步骤s2中，按比例将数据集划分训练模型的训练集、测试集和验证集。

4.根据权利要求3所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，所述训练集、测试集和验证集的比例为7:1:2。

5.根据权利要求1、2或4所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，在步骤s3中，训练数据经过revlin模块进行归一化处理的表达式如下：

6.根据权利要求5所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，其特征在于，在所述步骤s3中，模型在一个分支中采用频率增强勒让德记忆模型捕捉历史时间序列中的全局特征信息，在另一个分支引入了局部特征补偿机制，以更低的计算成本捕获历史时间序列中的细节信息，模型末端将双分支学习的特征信息采用cat操作融合，获得最终的絮凝剂添加剂量预测结果。

7.一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定系统，其特征在于，所述系统用于实现权利要求1-6任一所述的基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法。

8.根据权利要求7所述的一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定系统，其特征在于，包括：

技术总结本发明涉及絮凝剂添加剂量预测技术领域，具体公开了一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，包括以下步骤：S1构建数据集：选择进水量、进水浊、PH值、温度和滤前浊度变量作为絮凝剂添加剂量精准确定预测模型的输入变量，絮凝剂剂量作为模型的输出变量；S2数据预处理：通过絮凝滞后时间公式将滤前浊度变量与其他变量进行时间维度上的对齐，并对数据中异常值筛选；S3模型训练，训练数据经过RevLIN模块进行归一化处理，归一化后的数据分别经过双分支计算处理，双分支计算处理后的数据分别经过FiLM通道和特征补偿通道并行计算，最终经过张量的Cat操作获得最终絮凝剂剂量预测结果。技术研发人员：朱红求,夏斯博,周灿,张宁,喻权,王佳宁,赵航民受保护的技术使用者：中南大学技术研发日：技术公布日：2024/6/11