相关实验视频
Updated: Jan 16, 2026
06:37
Continuous Hydrologic and Water Quality Monitoring of Vernal Ponds
Published on: November 13, 2017
9.6K
一个基于自适应式LSTM组合的新型软传感器框架,用于在废水处理厂中进行可靠的水质预测
Shiying Chen1, Kai He2, Sheng Huang1
1School of Civil Engineering, Sun Yat-Sen University, Zhuhai 519082, China.
概括
本研究介绍了一种适应式的LSTM组合,用于预测废水影响质量. 新的框架显著提高了预测准确度,减少了错误,提高了废水处理厂的效率.
科学领域:
- 环境工程 环境工程
- 数据科学数据科学数据科学
- 废水处理 废水处理
背景情况:
- 准确的流入水质预测对于优化废水处理厂 (WWTP) 运营至关重要.
- 现有的方法经常与数据质量问题和预测准确性作斗争.
研究的目的:
- 开发一种新的软传感器框架,使用适应性长短期记忆 (LSTM) 组合来预测WWTP中的影响水质.
- 通过先进的数据预处理和集体学习方法来提高预测准确性和运营效率.
主要方法:
- 实施了一种混合方法,将Hodrick-Prescott过器 (HP) 结合用于趋势提取和基于密度的应用程序与噪声的空间聚类 (DBSCAN) 进行异常检测.
- 利用牛顿的插值方法来处理丢失的数据.
- 在一个适应组合框架内开发了一个时间模式注意力LSTM (TPA-LSTM) 模型用于预测.
主要成果:
- 与单个LSTM相比,混合LSTM模型表现出更高的性能.
- 在七个水质指标的平均适配相关性中实现了52.7%的改善.
- 预测误差减少了62.1%.
结论:
- 拟议的软传感器框架有效地预测影响水质参数 (BOD,COD,NH3_N).
- 适应组合方法显著提高预测准确性,减少错误.
- 该框架为提高WWTP的运营效率和成本效益提供了有价值的工具.
