在城市污水处理厂的无氧/无氧/有氧工艺中进行智能特征提取

科学领域:

• 环境工程 环境工程
• 过程监控 过程监控
• 数据科学数据科学数据科学

背景情况:

• 市政废水处理厂 (MWWTP) 面临着精确过程监测的挑战,原因是流速波动导致时间延迟和样本分布不均.
• 有效的特征提取对于理解复杂的废水处理动态至关重要,但不统一性阻碍了这一过程.

研究的目的:

• 开发一种强大的特征提取方法,克服MWWTP中样本分布不均的局限性.
• 提高废水处理过程监测和异常状况诊断的准确性.

主要方法:

• 设计了一种稀疏的自编码器特征提取方法 (SAFEM),结合推力率,流入波动和水力动态停留时间的分析.
• 构建了一个稀疏矩阵来表示样本分布的不均性,并捕捉高维稀疏性.
• 为稀疏的自编码器开发了一种专门的损失函数,以适应变化的样本分布.

主要成果:

• 拟议的SAFEM展示了有效的特征提取能力,准确地捕捉了废水处理过程的动态.
• 在中国的真实MWWTP中进行的实验研究验证了该方法的性能.
• 在异常状况诊断方面,SAFEM表现出强的表现,这表明其在特征提取方面的准确性.

结论:

• 在MWWTP中,SAFEM为特征提取提供了有效的解决方案,即使样本分布不均.
• 该方法提高了监测准确度,并有助于早期检测过程异常.
• 这种方法有助于污水处理设施更可靠,更有效地运行.