【技術實現步驟摘要】
本專利技術涉及水處理，涉及自來水水廠加氯消毒技術，尤其涉及一種基于機器學習的快速獲取加氯曲線的方法及裝置。
技術介紹
1、目前，氯消毒是自來水廠常用的消毒方法。它通過向水中添加氯氣、次氯酸鈉等來殺死水中的細菌、病毒和其他病原體，有效地凈化自來水，確保飲用水的安全性。
2、而當水中存在氨時，氨會與氯消毒劑發生反應，消耗氯消毒劑，降低其消毒效果，這就會導致水廠消毒工藝運行出現波動。特別地，水源水中氨的波動和超標具有典型的突躍性特點，不僅在季節交替等時段會發生急劇變化，有時還可能在一天之內突然發生暴發性濃度升高。當水廠發現氨突變時，必須采取緊急調控措施，調整消毒投加，保障出廠水水質達標安全。
3、在實際中通常采用傳統消毒加調節方式的方法進行氯消毒，如下：
4、1、加氯系統+人工經驗調節方法：
5、當氨突變或其他原因導致出廠水實測余氯濃度低于設定的余氯限值時，加氯系統根據預設的公式調整消毒劑投加流量，公式如下：
6、新投加濃度＝原投加濃度+余氯濃度限值－實測余氯濃度
7、實際控制時，也會根據工藝工程師對水質狀況的經驗判斷，直接人為修改新投加濃度，確認修改后，加氯設備將按照修改后的加氯量實施加氯操作。
8、2、人工消毒試驗獲取加氯曲線方法：
9、人工開展消毒試驗，是往特定體積的水樣中加入梯度濃度的氯消毒劑，反應一定時間后，檢測余氯量，以加氯量為橫坐標、余氯量為縱坐標繪制加氯曲線，根據加氯曲線的趨勢確定消毒投加量。反應用水樣體積一般為1l以上，反
10、但是，由加氯系統按公式調整的方法待出廠水余氯降至設定值以下才自動增加加氯量，或人工依靠自身經驗根據原水中氨氮含量的變化調節加氯量。當出廠時余氯含量低于設定限值且持續走低時，為確保出廠水消毒劑指標達標，一般會采取相對冒進的方式，猛然大幅度增加加氯量，導致出廠水余氯或總氯隨后猛然增加至非常高的水平。
11、人工消毒試驗獲取加氯曲線的典型特點是用水量大、耗時長，極易造成消毒調節滯后，因此，水廠在實際運行中，常因試驗費時而直接根據經驗調節消毒投加，一邊調節一邊檢測反饋，不可避免地會出現反復來回的調節，水質波動難控制。
12、因此，上述傳統的消毒投加調節方式有很大缺陷：應對水中氨突變時調節響應滯后，以及加氯量過多造成過激響應，導致出廠水余氯低于限值或者導致過量添加造成浪費和水體氣味異常。
技術實現思路
1、為此，本專利技術目的在于至少一定程度上解決現有技術中的不足，從而提出一種基于機器學習的快速獲取加氯曲線的方法及裝置。
2、第一方面，本專利技術提供了一種基于機器學習的快速獲取加氯曲線的方法，所述方法包括：
3、預處理收集到的數據組，通過訓練集數據建立多個修正模型，再通過測試集數據測試多個所述修正模型并進行比較，根據比較結果選取多個所述修正模型中的最優修正模型，所述數據組包括所述訓練集數據和所述測試集數據；
4、將消毒劑按預設的m個梯度的氯投加濃度add加入至濾后水樣進行反應得到反應液，并檢測所述反應液的余氯量，再將所述余氯量輸入至所述最優修正模型，得到修正余氯量，其中，m為大于等于5的自然數；
5、重復進行反應直至按所述預設的m個梯度的氯投加濃度add的消毒劑全部反應完成，得到m組反應數據，并根據m組所述反應數據繪制加氯曲線；
6、計算并記錄所述加氯曲線與預設控制數據的交點坐標數據，根據所述交點坐標數據輸出消毒投加建議。
7、第二方面，本專利技術提供了一種基于機器學習的快速獲取加氯曲線的系統，所述系統包括：
8、選取模塊：用于預處理收集到的數據組，通過訓練集數據建立多個修正模型，再通過測試集數據測試多個所述修正模型并進行比較，根據比較結果選取多個所述修正模型中的最優修正模型，所述數據組包括所述訓練集數據和所述測試集數據；
9、反應模塊：用于將消毒劑按預設的m個梯度的氯投加濃度add加入至濾后水樣進行反應得到反應液，并檢測所述反應液的余氯量，再將所述余氯量輸入至所述最優修正模型，得到修正余氯量，其中，m為大于等于5的自然數；
10、繪制模塊：用于重復進行反應直至按所述預設的m個梯度的氯投加濃度add的消毒劑全部反應完成，得到m組反應數據，并根據m組所述反應數據繪制加氯曲線；
11、建議模塊：用于計算并記錄所述加氯曲線與預設控制數據的交點坐標數據，根據所述交點坐標數據輸出消毒投加建議。
12、第三方面，本專利技術還提供了一種基于機器學習的快速獲取加氯曲線的設備，包括存儲器、處理器、以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時，實現如上述第一方面所述的基于機器學習的快速獲取加氯曲線的方法中的各個步驟。
13、第四方面，本專利技術還提供了一種存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時，實現如第一方面所述的基于機器學習的快速獲取加氯曲線的方法中的各個步驟。
14、本專利技術提供了一種基于機器學習的快速獲取加氯曲線的方法及裝置，該方法包括：預處理收集到的數據組，通過訓練集數據建立多個修正模型，再通過測試集數據測試多個所述修正模型并進行比較，根據比較結果選取多個所述修正模型中的最優修正模型，所述數據組包括所述訓練集數據和所述測試集數據；將消毒劑按預設的m個梯度的氯投加濃度add加入至濾后水樣進行反應得到反應液，并檢測所述反應液的余氯量，再將所述余氯量輸入至所述最優修正模型，得到修正余氯量，其中，m為大于等于5的自然數；重復進行反應直至按所述預設的m個梯度的氯投加濃度add的消毒劑全部反應完成，得到m組反應數據，并根據m組所述反應數據繪制加氯曲線；計算并記錄所述加氯曲線與預設控制數據的交點坐標數據，根據所述交點坐標數據輸出消毒投加建議。通過本專利技術提供的方法，結合試驗檢測和最優修正模型，可快速得到當前水質條件下的加氯曲線，且通過氯投加量建議能夠輔助水廠工藝管理者快速進行正確的消毒投加決策；優化了消毒投加調節模型，不再單純依靠經驗，使得消毒劑投加量的設置不再盲目，水質有了安全保障，社會效益好，經濟效益高；且解決了加氯曲線獲取慢、不能有效響應實際應用和氨異常變化或突變時加氯消毒響應滯后以及加氯量過多導致的過激響應的問題。
本文檔來自技高網...【技術保護點】
1.一種基于機器學習的快速獲取加氯曲線的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述修正余氯量包括游離氯FCTrue、總氯TCTrue和化合氯CCTrue；所述將消毒劑按預設的M個梯度的氯投加濃度ADD加入至濾后水樣進行反應得到反應液，并檢測所述反應液的余氯量，再將所述余氯量輸入至所述最優修正模型，得到修正余氯量，具體包括：
3.根據權利要求2所述的方法，其特征在于，所述加氯曲線包括加氯量-游離氯曲線E、加氯量-總氯曲線F和加氯量-化合氯曲線G；所述重復進行反應直至按所述預設的M個梯度的氯投加濃度ADD的消毒劑全部反應完成，得到M組反應數據，并根據M組所述反應數據繪制加氯曲線，具體包括：
4.根據權利要求3所述的方法，其特征在于，所述加氯曲線可采用線性擬合、分段線性擬合、多項式擬合、貝塞爾曲線擬合和B樣條曲線擬合的方法建立。
5.根據權利要求3所述的方法，其特征在于，所述加氯曲線的坐標軸的橫坐標為消毒劑的氯投加濃度ADD，縱坐標為所述修正余氯量。
6.根據權利要求5所述的方法，其特征在
7.根據權利要求6所述方法，其特征在于，所述根據所述交點坐標數據輸出消毒投加建議，具體包括：
8.一種基于機器學習的快速獲取加氯曲線的系統，其特征在于，所述系統包括：
9.一種基于機器學習的快速獲取加氯曲線的設備，包括存儲器、處理器、以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時，實現如權利要求1-7任一項所述的基于機器學習的快速獲取加氯曲線的方法中的各個步驟。
10.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時，實現如權利要求1-7任一項所述的基于機器學校的快速獲取加氯曲線的方法中的各個步驟。
...【技術特征摘要】
1.一種基于機器學習的快速獲取加氯曲線的方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述修正余氯量包括游離氯fctrue、總氯tctrue和化合氯cctrue；所述將消毒劑按預設的m個梯度的氯投加濃度add加入至濾后水樣進行反應得到反應液，并檢測所述反應液的余氯量，再將所述余氯量輸入至所述最優修正模型，得到修正余氯量，具體包括：
3.根據權利要求2所述的方法，其特征在于，所述加氯曲線包括加氯量-游離氯曲線e、加氯量-總氯曲線f和加氯量-化合氯曲線g；所述重復進行反應直至按所述預設的m個梯度的氯投加濃度add的消毒劑全部反應完成，得到m組反應數據，并根據m組所述反應數據繪制加氯曲線，具體包括：
4.根據權利要求3所述的方法，其特征在于，所述加氯曲線可采用線性擬合、分段線性擬合、多項式擬合、貝塞爾曲線擬合和b樣條曲線擬合的方法建立。
5.根據權利要求3所述的方法，其特征在于，所述加氯曲線的坐標軸的橫坐標為消毒劑的氯投加濃度add，縱坐標為所述修正余氯量。
6.根據權利要求5所述的方法，其特征在于，所述預設控制數據包括游離氯控制范圍fc內控下線～fc內控上線和總氯控制范圍tc內控...
【專利技術屬性】
技術研發人員：黃曉平，黃楚輝，張田秀，葛倩倩，
申請(專利權)人：深圳市清時捷科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。