探索使用k-means和高斯混合物集群的废水处理厂运行和性能
Michael De Santi1, Ahmed Al-Sayed2, Stephanie Gora3
1Department of Civil Engineering, Lassonde School of Engineering, York University, Toronto, Canada.
概括
无监督的集群识别了废水处理厂 (WWTP) 的操作指纹. 这种方法优化了能源使用和废水合规性,同时预测了关键事件.
科学领域:
- 环境工程环境工程
- 数据科学数据科学数据科学
- 水资源管理 水资源管理
背景情况:
- 高效的废水处理对于环境保护和最小化人类影响至关重要.
- 优化废水处理厂 (WWTP) 的能源效率和合规性是具有挑战性的,特别是手动操作.
- 从大型数据集中提取可操作的见解来理解WWTP行为可能很困难.
研究的目的:
- 应用无监督的集群,以更好地了解WWTP运营.
- 开发"操作指纹"以简化复杂的植物数据.
- 在二次处理中确定节能和废水合规性的最佳策略.
主要方法:
- 使用无监督集群算法,特别是k-means和高斯混合.
- 将许多操作信号减少到可解释的操作状态 (指纹).
- 分析了与WWTP性能的上游/下游关联,并确定了关键事件的风险因素.
主要成果:
- 证明操作指纹可以提高对WWTP流程的理解.
- 确定了减少二次处理中的能源消耗的策略,同时满足合规性.
- 展示了指纹能够预测潜在的植物超标或绕道的能力.
- 对比了k-means和高斯混合物聚类对WWTP分析的有效性.
结论:
- 无监督的集群为WWTP运营商和工程师提供了有价值的工具.
- 操作指纹有助于更好的决策,提高效率,合规性和风险管理.
- 集群算法为分析WWTP性能提供了明显的优点和缺点.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.1K
09:49Divergence of Root Microbiota in Different Habitats based on Weighted Correlation Networks
Published on: September 25, 2021
4.4K
