基于深度学习的废水污染物智能分类方法、系统和介质与流程

本技术涉及废水污染物智能分类领域，具体而言，涉及基于深度学习的废水污染物智能分类方法、系统和介质。

背景技术：

1、随着工业化和城市化的快速发展，废水排放种类和数量日益增多。传统的废水污染物检测和分类方法往往效率低下、准确性不足，且依赖于人工操作和化学分析，无法满足现代废水处理实时性和智能化的需求。随着智能技术的迅速发展，其在废水处理领域的应用潜力尚未得到充分挖掘。需要一种智能分类方法，能够准确、快速的对废水进行分类并匹配处理结果。

2、针对上述问题，目前亟待有效的技术解决方案。

技术实现思路

1、本技术的目的在于提供基于深度学习的废水污染物智能分类方法、系统和介质，可以通过获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据，根据物理特征数据和流动特征数据处理获得废水预处理难度等级数据，根据微生物群落特征数据和微生物活性特征数据处理获得生化处理综合类别评估指数，再根据化学特征数据处理获得化学处理分类评估指数，最后与预设废水处理方式数据库匹配后获得处理方案；从而通过废水预处理难度等级数据、生化处理综合类别评估指数和化学处理分类评估指数的处理，结合预设废水处理方式数据库匹配，实现废水污染物智能分类的技术。

2、本技术还提供了基于深度学习的废水污染物智能分类方法，包括以下步骤：

3、通过预设传感器获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据；

4、根据所述物理特征数据和流动特征数据处理获得预处理阶段废水的预处理难度指数，将预处理难度指数与预设处理难度指数阈值进行比较，获得废水预处理难度等级数据；

5、根据所述微生物群落特征数据和微生物活性特征数据处理获得废水生化处理阶段的生化处理综合类别评估指数；

6、根据所述化学特征数据处理获得废水深度处理阶段的化学处理分类评估指数；

7、根据所述废水预处理难度等级数据、生化处理综合类别评估指数和化学处理分类评估指数分别与预设废水处理方式数据库匹配获得对应的预处理阶段、生化处理阶段和深度处理阶段的处理方案。

8、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，所述通过预设传感器获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据，具体包括：

9、获取废水的物理特征数据和流动特征数据，物理特征数据包括浊度数据和密度数据，流动特征数据包括流量数据、流速数据和压力数据；

10、获取废水的微生物群落特征数据和微生物活性特征数据，微生物群落特征数据包括微生物种类数量和微生物单位含量数据，微生物活性特征数据包括呼吸速率数据和生物量增长率数据；

11、获取废水的化学特征数据，包括酸碱度数据、化学需氧量数据和生化需氧量数据。

12、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，所述根据所述物理特征数据和流动特征数据处理获得预处理阶段废水的预处理难度指数，将预处理难度指数与预设处理难度指数阈值进行比较，获得废水预处理难度等级数据，具体包括：

13、将所述浊度数据、密度数据、流量数据、流速数据和压力数据输入预设废水预处理难度评估模型处理，获得预处理难度指数；

14、将所述预处理难度指数与预设处理难度指数阈值进行比较，获得废水预处理难度等级数据；

15、根据预设处理难度指数阈值提取第一阈值和第二阈值，且第一阈值大于第二阈值；

16、将所述预处理难度指数与所述第一阈值和第二阈值进行比较；

17、若所述预处理难度指数大于所述第一阈值，所述废水预处理难度等级数据为高难度数据；

18、若所述预处理难度指数大于所述第二阈值且小于等于所述第一阈值，所述废水预处理难度等级数据为中等难度数据；

19、若所述预处理难度指数小于等于所述第二阈值，所述废水预处理难度等级数据为基础难度数据。

20、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，所述根据所述微生物群落特征数据和微生物活性特征数据处理获得废水生化处理阶段的生化处理综合类别评估指数，具体包括：

21、根据所述微生物种类数量和微生物单位含量数据结合呼吸速率数据和生物量增长率数据通过预设废水生化处理综合评估模型处理，获得生化处理综合类别评估指数；

22、所述废水生化处理综合类别评估模型中生化处理综合类别评估指数的计算公式为：

23、；

24、其中，为生化处理综合类别评估指数，、、、分别为微生物种类数量、微生物单位含量数据、呼吸速率数据、生物量增长率数据，、、为预设特征系数。

25、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，所述根据所述化学特征数据处理获得废水深度处理阶段的化学处理分类评估指数，具体包括：

26、根据所述化学特征数据提取预设数量不同位置废水的采样化学特征数据，采样化学特征数据包括采样酸碱度数据、采样化学需氧量数据和采样生化需氧量数据；

27、根据预设数量的所述采样酸碱度数据、采样化学需氧量数据和采样生化需氧量数据分别求平均值获得有效酸碱度数据、有效化学需氧量数据和有效生化需氧量数据；

28、将所述有效酸碱度数据、有效化学需氧量数据和有效生化需氧量数据输入预设化学处理分类评估模型中处理，获得化学处理分类评估指数。

29、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，还包括：

30、将所述废水预处理难度等级数据、生化处理综合类别评估指数和化学处理分类评估指数计算输入预设废水处理综合难度评估模型中处理，获得废水处理综合难度指数；

31、所述废水处理综合难度评估模型中废水处理综合难度指数的计算公式为：

32、；

33、其中，为废水处理综合难度指数，为生化处理综合类别评估指数，为废水预处理难度等级数据，为化学处理分类评估指数，、、为预设特征系数。

34、可选地，在本技术所述的基于深度学习的废水污染物智能分类方法中，获得所述废水处理综合难度指数后，还包括：

35、将所述废水处理综合难度指数与预设废水处理综合难度指数阈值对比，获得废水处理复杂程度等级；

36、根据所述废水处理综合难度指数阈值提取难度第一阈值和难度第二阈值，且难度第一阈值大于难度第二阈值；

37、将所述废水处理综合难度指数与所述难度第一阈值和难度第二阈值进行比较；

38、若所述废水处理综合难度指数大于所述难度第一阈值，所述废水处理复杂程度等级为复杂等级；

39、若所述废水处理综合难度指数大于所述难度第二阈值且小于等于所述难度第一阈值，所述废水处理复杂程度等级为一般等级；

40、若所述废水处理综合难度指数小于等于所述难度第二阈值，所述废水处理复杂程度等级为简单等级；

41、将所述废水处理复杂程度等级与预设废水处理预估成本数据库匹配获得废水处理预估成本等级，包括低成本、中等成本或高成本。

42、第二方面，本技术提供了基于深度学习的废水污染物智能分类系统，该系统包括：存储器及处理器，所述存储器中存储基于深度学习的废水污染物智能分类方法的程序，所述基于深度学习的废水污染物智能分类方法的程序被所述处理器执行时实现以下步骤：

43、通过预设传感器获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据；

44、根据所述物理特征数据和流动特征数据处理获得预处理阶段废水的预处理难度指数，将预处理难度指数与预设处理难度指数阈值进行比较，获得废水预处理难度等级数据；

45、根据所述微生物群落特征数据和微生物活性特征数据处理获得废水生化处理阶段的生化处理综合类别评估指数；

46、根据所述化学特征数据处理获得废水深度处理阶段的化学处理分类评估指数；

47、根据所述废水预处理难度等级数据、生化处理综合类别评估指数和化学处理分类评估指数分别与预设废水处理方式数据库匹配获得对应的预处理阶段、生化处理阶段和深度处理阶段的处理方案。

48、可选地，在本技术所述的基于深度学习的废水污染物智能分类系统中，所述通过预设传感器获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据，具体包括：

49、获取废水的物理特征数据和流动特征数据，物理特征数据包括浊度数据和密度数据，流动特征数据包括流量数据、流速数据和压力数据；

50、获取废水的微生物群落特征数据和微生物活性特征数据，微生物群落特征数据包括微生物种类数量和微生物单位含量数据，微生物活性特征数据包括呼吸速率数据和生物量增长率数据；

51、获取废水的化学特征数据，包括酸碱度数据、化学需氧量数据和生化需氧量数据。

52、第三方面，本技术还提供了一种可读存储介质，所述可读存储介质中存储基于深度学习的废水污染物智能分类方法程序，所述基于深度学习的废水污染物智能分类方法程序被处理器执行时，实现如上述任一项所述的基于深度学习的废水污染物智能分类方法的步骤。

53、由上可知，本技术提供的基于深度学习的废水污染物智能分类方法、系统和介质。该方法通过获取废水的物理特征数据、流动特征数据、微生物群落特征数据、微生物活性特征数据以及化学特征数据，根据物理特征数据和流动特征数据处理获得废水预处理难度等级数据，根据微生物群落特征数据和微生物活性特征数据处理获得生化处理综合类别评估指数，再根据化学特征数据处理获得化学处理分类评估指数，最后与预设废水处理方式数据库匹配后获得处理方案；从而通过废水预处理难度等级数据、生化处理综合类别评估指数和化学处理分类评估指数的处理，结合预设废水处理方式数据库匹配，实现废水污染物智能分类的技术。

54、本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。