相关实验视频
Updated: May 10, 2025

08:20
In Situ Soil Moisture Sensors in Undisturbed Soils
Published on: November 18, 2022
5.9K
评估基于机器学习的软传感器,用于在可变天气条件下在废水处理中预测废水质量
Daniel Voipan1, Andreea Elena Voipan2, Marian Barbu2
1Department of Computer Science and Information Technology, 'Dunarea de Jos' University of Galati, 800008 Galati, Romania.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
人工智能 (AI) 模型在不同的天气条件下预测废水废水质量. 人工智能软传感器,包括变压器和门式循环单元 (GRU) 网络,提供准确的预测,性能优于传统传感器.
科学领域:
- 环境工程环境工程
- 水处理技术水处理技术
- 环境监测中的人工智能
背景情况:
- 污水处理厂 (WWTP) 面临着由于变化的天气条件影响流量和污染物负载而维持废水质量的挑战.
- 传统的物理传感器是昂贵的,在极端天气事件中容易发生故障.
- 开发强大的预测模型对于稳定的废水处理性能至关重要.
研究的目的:
- 评估基于人工智能 (AI) 的软传感器的性能,以预测WWTP中的废水质量指数 (EQI) 组件.
- 在不同天气场景下比较长短记忆 (LSTM),门式循环单元 (GRU) 和变压器模型的有效性.
- 使用随机森林 (RF) 元分类器来增强天气条件分类.
主要方法:
- 使用了基准模拟模型无. 2 (BSM2) 为WWTP运营生成培训和测试数据集.
- 在模拟干旱天气,雨水和风暴事件数据上训练和评估LSTM,GRU和变压器机器学习模型.
- 实现了随机森林 (RF) 元分类器,以改进基于天气类型的模型选择.
主要成果:
- 变压器模型在干燥天气条件下预测废水质量方面表现出卓越的性能.
- 格鲁网络在雨季和暴风雨期间捕捉快速变化的准确度最高.
- 在稳定的条件下,LSTM模型的性能充足,但在处理快速波动方面存在局限性.
结论:
- 基于人工智能的软传感器显示出在WWTP中实时预测废水质量的显著前景.
- 格鲁和变压器型号在不同的天气条件下提供了明显的优势,支持它们融入WWTP运营.
- 该研究验证了人工智能用于强大的废水质量监测的使用,特别是在具有挑战性的环境变化下.

