开发和应用随机森林回归软传感器模型,用于在测序批量反应堆中处理家用废水
Qiu Cheng1, Zhan Chunhong2, Li Qianglin3
1Department of Material and Environmental Engineering, Chengdu Technological University, Chengdu, China.
Scientific reports
|June 5, 2023
概括
本研究介绍了一种人工智能驱动的方法,用于使用测序批量反应器 (SBR) 处理农村废水. 该方法优化了化学氧气需求 (COD) 的预测,节省了能源并增加了处理能力.
科学领域:
- 环境工程 环境工程
- 人工智能的人工智能
- 废水处理 废水处理
背景情况:
- 序列批量反应器 (SBR) 对于农村家庭污水处理至关重要,因为它们的适应性和低成本.
- SBR的非线性和歇斯底里特征使废水处理模型复杂化.
- 精确监测化学氧气需求 (COD) 对于高效的SBR运行至关重要.
研究的目的:
- 使用人工智能和自动控制开发农村家庭污水处理的节能方法.
- 创建可靠的软传感器,用于预测SBR过程中的COD趋势.
- 为了降低分散废水处理的运营成本和碳排放.
主要方法:
- 利用随机森林模型开发用于COD预测的软传感器,使用pH和温度作为输入变量.
- 预处理数据成12个输入变量,为优化模型选择前7个.
- 实施了人工智能和自动控制系统来管理SBR周期,取代了固定时间控制.
主要成果:
- 在12个测试案例中实现了约91.075%的平均COD去除率.
- 与传统方法相比,平均节省了24.25%的时间和能量.
- 验证了软传感器方法在预测COD趋势方面的有效性.
结论:
- 由人工智能驱动的开发方法为农村废水处理提供了显著的时间和能源节约.
- 这种方法代表了一种低碳技术,提高了处理能力并降低了运营成本.
- 软传感器框架为传统传感器提供了具有成本效益的替代方案,促进了可持续的废水管理.
