买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：陕西环保集团水环境有限公司

摘要：本发明涉及一种基于深度学习的生化池指标软测量方法，通过采集污水处理厂的生化池进水、过程和出水变量的样本数据，并进行预处理，根据工艺经验构建辅助变量知识库将工艺机理经验融合到模型中，避免筛选辅助变量仅靠数据相关性；利用信息熵融合4种相关系数，避免重复出现一种相关系数的偶然影响，能够选择最优的辅助变量作为最终辅助变量，从而降低模型的复杂度；将LSTM和Attention模型相结合，充分结合二者优势，使得模型在处理复杂序列数据时能够更精准地提取关键信息，从而提升整体性能，还增强了模型的解释性，使得输出结果更加透明可理解。本发明能够快速准确地实现目标变量的在线检测，有效保障污水处理厂的安全稳定运行。

主权项：1.一种基于深度学习的生化池指标软测量方法，其特征在于：包含以下步骤：S1.采集污水处理厂生物池相关变量的样本数据，相关变量包含进水变量、过程变量及出水变量；S2.基于工艺经验，对步骤S1中的变量进行辅助筛选，构建辅助变量知识库，数据结构为字典-dict，目标变量为key，辅助变量集合为value，利用辅助变量知识库根据目标变量得出初始辅助变量；S3.对采集到的变量数据进行预处理；S4.利用四种相关性系数方法，计算步骤S2中目标变量与辅助变量之间的相关程度，具体计算方法如下：4.1计算目标变量与第i个辅助变量之间的Pearson相关系数，则 其中，r1Xi,Y表示Xi,Y的Pearson相关系数，CovXi,Y表示Xi,Y的协方差，VarXi表示Xi的标准差，VarY表示Y的标准差，Xi表示第i个辅助变量的样本数据集合，Y表示目标变量的样本数据集合；4.2计算目标变量与第i个辅助变量之间的斯皮尔曼秩相关系数，则 其中，r2Xi,Y表示Xi,Y的斯皮尔曼秩相关系数，dj是序列X和Y在时刻j的秩次之差，n是数据点的数量，Xi表示第i个辅助变量的样本数据集合，Y表示目标变量的样本数据集合；4.3计算目标变量与第i个辅助变量之间的距离相关系数，则 其中，r3Xi,Y表示Xi,Y的距离相关系数,dCovXi,Y表示Xi,Y之间的距离协方差，Xi表示第i个辅助变量的样本数据集合，Y表示目标变量的样本数据集合；4.4计算目标变量与第i个辅助变量之间的最大信息系数，则 其中，r4Xi,Y表示Xi,Y的最大信息系数，Xi表示第i个辅助变量的样本数据集合，Y表示目标变量的样本数据集合，Ix；y表示变量x和y之间的互信息，px,y为变量x和y的联合分布函数，px和py分别表示x和y的边缘概率函数；S5.通过信息熵方法，将四种相关性系数进行融合，得出最终的相关度；S6.对步骤S5中相关系数设定阈值，自动筛选出相关性较高的辅助变量作为最终使用的辅助变量；S7.构建基于LSTM和Attention机制建立深度学习模型，以最终辅助变量作为输入，目标变量作为输出，并采用遗传算法进行网络参数优化，得到目标变量的软测量模型；S8.当需要对某一变量进行软测量时，选择已训练好的目标变量软测量模型，输入采集到的辅助变量数据，输出结果即为目标变量的软测量结果。

全文数据：

权利要求：

百度查询： 陕西环保集团水环境有限公司 一种基于深度学习的生化池指标软测量方法