申请/专利权人：湖南水之源环保科技工程有限公司

申请日：2022-04-02

公开（公告）日：2024-06-14

公开（公告）号：CN114783547B

主分类号：G16C20/70

分类号：G16C20/70;G16C20/10;G06N3/092;G06N5/01;G06F18/243

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明涉及污水分类处理的技术领域，公开了一种精准污水分类处理方法，包括：构建污水内部物质集合，并根据污水内部物质集合构建内部物质之间的化学反应关系规则集；根据化学反应关系规则集构建分类决策树；根据分类决策树对收集到的污水进行分类处理；利用深度强化学习构建污水决策处理模型，利用Q‑learning算法对模型进行训练；将混合处理后的污水输入到训练后的污水决策处理模型中，污水决策处理模型输出混合污水处理方法，包括混合污水处理流程、混合污水处理剂配比及含量。本发明所述方法通过利用决策树实现污水分类处理方法的分类决策，并利用基于强化学习的污水处理剂配置方法实现不同污染物内部物质的精准分类处理，避免造成二次污染。

主权项：1.一种精准污水分类处理方法，其特征在于，所述方法包括：S1：构建污水内部物质集合，并根据污水内部物质集合构建内部物质之间的化学反应关系规则集，化学反应关系规则集中的每一条规则表示该两种污水不能进行混合处理，否则会发生化学反应，造成二次污染；构建污水内部物质集合，包括：所构建的污水内部物质集合为：{x1,x2,x3,x4,x5,x6,x7}其中：x1表示污水中的重金属Zn污染物质；x2表示污水中的重金属Cu污染物质；x3表示污水中的重金属Ag污染物质；x4表示污水中的有毒有机污染物；x5表示污水中的多环芳烃PAHs；x6表示污水中的有机氯农药OCPs；x7表示污水中的有机物磷；根据污水内部物质集合构建内部物质之间的化学反应关系规则集，包括：所构建的化学反应关系规则集为：{x1,x5,x2,x5,x3,x5,x4,x7,x6,x7,x2,x6}其中：化学反应关系规则集中的任意一组xi,xj表示一条化学反应关系规则，每一条规则表示该两种污水不能进行混合处理，否则会发生化学反应，造成二次污染；S2：根据化学反应关系规则集构建分类决策树，分类决策树的构建原则为化学反应关系规则集中出现次数越多的物质，越靠近分类决策树的根节点；根据化学反应关系规则集构建分类决策树，分类决策树的构建原则为化学反应关系规则集中出现次数越多的物质，越靠近分类决策树的根节点，将决策树的根节点设置为决策树的第一层为根节点x0，第二层的左节点表示为x5+，右节点表示为x5-，其中x5+表示污水中存在物质x5，x5-表示污水中不存在物质x5；第二层节点的左右节点分别为{x6+,x6-}，其中x6+表示污水中存在物质x6，x6-表示污水中不存在物质x6；第三层节点的左右节点分别为{x7+,x7-}；第四层节点的左右节点分别为{x2+,x2-}；第五层节点的左右节点分别为{x4+,x4-}；第六层节点的左右节点分别为{x1+,x1-}；第七层节点的左右节点分别为{x3+,x3-}；以决策树的叶子节点为起始向根节点遍历，得到所有叶子节点的祖先，所述节点的祖先表示从根节点到该节点所经分支的所有节点，判断叶子节点的祖先中任意两个节点是否满足任意化学反应关系规则，若满足，则删去该叶子节点祖先，得到叶子节点祖先集合，叶子节点祖先集合中的任意第i组叶子节点祖先为其中n表示第i组叶子节点祖先中节点的数目，表示污水内部物质，叶子节点祖先中任意两个节点不满足化学反应关系规则；S3：根据分类决策树对收集到的污水进行分类处理，将同一叶子节点上的污水进行混合处理；所述S3步骤中根据分类决策树对收集到的污水进行分类处理，包括：根据分类决策树对收集到的污水进行分类处理，将同一叶子节点上的污水进行混合处理，即将污水内部物质均为同一叶子节点祖先上污水内部物质的污水进行混合处理；S4：构建污水处理决策优化数据集，利用深度强化学习构建污水决策处理模型，并利用Q-learning算法对模型进行训练，得到最优的污水决策处理模型；构建污水处理决策优化数据集data，所述污水处理决策优化数据集的格式为： 其中： 表示污水中污水内部物质xi的含量，表示污水处理决策优化数据集中第k种xi含量，K表示污水中xi含量的种类； 表示对xi含量为的污水进行内部物质xi处理的污水处理剂含量；初始化污水决策处理模型的混合污水状态空间S0＝n0,L0，其中n0表示初始状态下混合污水中内部物质的种类，L0表示初始状态下混合污水中对应内部物质的含量；初始化污水决策处理模型的动作空间为所构建的污水决策处理模型为： 其中： 表示混合污水中内部物质xj的含量，来自于状态空间中的L0；属于污水处理决策优化数据集中的污水内部物质含量，属于动作空间；wj表示污水处理剂含量的配比，若混合污水中不存在内部物质xc，c＝1,2,3,4,5,6,7，则将wc设置为0；所述污水决策处理模型的输入为混合污水状态空间S0＝n0,L0，分别包括混合污水中内部物质的种类以及对应含量，模型输出为对应不同污水内部物质的污水处理剂含量及配比；S5：将混合处理后的污水输入到最优的污水决策处理模型中，污水决策处理模型输出混合污水处理方法，包括混合污水处理流程、混合污水处理剂配比及含量；利用Q-learning算法对所构建的污水决策处理模型进行训练，得到不同污水内部物质的污水处理剂配比，所述Q-learning算法的流程为：初始化一个1行7列的Q矩阵，初始化的Q矩阵为空矩阵；随机生成一组权重向量wm1,wm2,wm3,wm4,wm5,wm6,wm7，其中m的初始值为0，表示Q矩阵的更新迭代次数，将权重向量按顺序填入到Q矩阵中，则Q矩阵中第1列到第7列的矩阵值依次为[wm1,wm2,wm3,wm4,wm5,wm6,wm7]；遍历污水处理决策优化数据集data，从data中提取同时具有所有污水内部物质的污水数据U＝{data1,data2,…,datau}，其中u表示遍历得到的污水数据数量，datau表示污水中所有内部物质的含量数据；构建权重向量价值计算函数： 其中：stdxuj表示污水数据U中污水内部物质xj的标准差；令m＝m+1，更新Q矩阵的值：wmj′＝wmj+α[rwmj+βmaxQm]其中α表示更新率，将其设置为0.8；β表示衰变系数，将其设置为0.6；maxQm表示第m次迭代时Q矩阵中的最大值，得到更新后的Q矩阵：[wm1′,wm2′,wm3′,wm4′,wm5′,wm6′,wm7′]将Q矩阵中的矩阵值wmj′作为污水决策处理值中权重向量wj的初始值，得到最优的污水决策处理模型，若混合污水中不存在内部物质xc，c＝1,2,3,4,5,6,7，则将wc设置为0，并对其他污水内部物质的权重进行归一化处理。

全文数据：

权利要求：

百度查询： 湖南水之源环保科技工程有限公司 一种精准污水分类处理方法

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