【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及排污監(jiān)控，尤其是涉及一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法。
技術(shù)介紹
1、目前生態(tài)環(huán)境保護(hù)形勢越發(fā)嚴(yán)苛，環(huán)保成果也逐漸顯現(xiàn)，人們生活的自然環(huán)境日漸變好，特別是生產(chǎn)性的企業(yè)對(duì)環(huán)境造成的影響最大，因此對(duì)于重點(diǎn)污染的生產(chǎn)性企業(yè)而言，按照相關(guān)規(guī)定重點(diǎn)企業(yè)必須安裝在線監(jiān)控，以實(shí)時(shí)監(jiān)控污染因子的波動(dòng)情況。
2、存在的問題是：傳統(tǒng)的在線監(jiān)控方法采用對(duì)排放水以及排放氣的監(jiān)控，其監(jiān)控方式通常為末端排放監(jiān)控，因而僅能對(duì)少數(shù)的指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測，不能提前得知監(jiān)測因子濃度，導(dǎo)致工業(yè)產(chǎn)污治污工藝提升缺少?zèng)Q策依據(jù)和數(shù)據(jù)支撐。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)針對(duì)上述現(xiàn)有技術(shù)中的缺點(diǎn)，提供了一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，依托l(wèi)stm建立學(xué)習(xí)模型，通過將單因子，協(xié)同因子和流里數(shù)據(jù)的逐步增強(qiáng)，提升模型對(duì)實(shí)際場景的匹配度，最終通過聚類算法提煉缺失數(shù)據(jù)集聚度彌補(bǔ)模型對(duì)缺失數(shù)據(jù)無法學(xué)習(xí)導(dǎo)致無法預(yù)測的局限，最終實(shí)現(xiàn)輸入前24小時(shí)污染物在線監(jiān)控?cái)?shù)據(jù)預(yù)測未來24小時(shí)在線監(jiān)控?cái)?shù)據(jù)的目標(biāo)，為生產(chǎn)性企業(yè)提供了一種全面在線監(jiān)控的預(yù)警方法。
2、本專利技術(shù)所采用的技術(shù)方案如下：
3、一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其包括如下步驟：
4、步驟s1:基于lstm模型，至少建立三個(gè)包含不同數(shù)量因子的學(xué)習(xí)模型，分別為基本學(xué)習(xí)模型、第一學(xué)習(xí)模型以及第二學(xué)習(xí)模型；
5、步驟s2：以最近一年的污染源在線監(jiān)控小時(shí)數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)，對(duì)三個(gè)學(xué)習(xí)模型分別依次進(jìn)行輸入、計(jì)算、記憶以及輸出過
6、步驟s3：隨機(jī)選取100組數(shù)據(jù)分別輸入步驟s2中的三個(gè)增強(qiáng)模型中進(jìn)行預(yù)測得到預(yù)測準(zhǔn)確率權(quán)重矩陣，生成綜合模型，所述綜合模型的預(yù)測值為3個(gè)模型的預(yù)測值的平均值；
7、步驟s4：最后將學(xué)習(xí)數(shù)據(jù)作聚類算法計(jì)算，實(shí)現(xiàn)預(yù)測數(shù)據(jù)連續(xù)周期的完整性。
8、進(jìn)一步地，所述基本學(xué)習(xí)模型的因子數(shù)量為單個(gè)，基于lstm模型，構(gòu)建一個(gè)污染源排放因子序列，其中因子xt為煙塵或氨氮，序列x＝(x?1,x?2,…,xt,…)t，每個(gè)時(shí)間步的輸入可以表示為xt，使用滑動(dòng)窗口將序列分為若干個(gè)窗口大小為l的窗口，步長為step，當(dāng)數(shù)據(jù)劃分到最后，若不足為l不能構(gòu)成窗口時(shí)，缺少的數(shù)據(jù)使用0填充；一天24小時(shí)連續(xù)排放的污染源有24個(gè)小時(shí)時(shí)間序列數(shù)據(jù)的輸入，即設(shè)置窗口大小為12，步長step為10我們將數(shù)據(jù)分成兩個(gè)窗口，即分為
9、
10、假設(shè)一年為365天，本模型準(zhǔn)備最近一年的污染源在線監(jiān)控小時(shí)數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)，最終形成x＝(x?1,x?2,…,x?730)t。
11、進(jìn)一步地，基本學(xué)習(xí)模型的輸入訓(xùn)練步驟為：該模型單元的輸入包含當(dāng)前時(shí)刻的輸入上一時(shí)刻的輸出狀態(tài)h?t-1以及上一時(shí)刻的單元狀態(tài)ct-1，在進(jìn)行運(yùn)算第一層lstm單元時(shí)，初始化h?0、c?0，而在后面的lstm的單元中ht-1和ct-1，都由上一次的lstm單元獲得，其中xt、ht-1、ct-1分別代表當(dāng)前時(shí)刻的輸入信息、上一時(shí)刻的輸出信息以及上一時(shí)刻的記憶信息；其中，m是輸入序列處理后的窗口大小(長度)，h?t-1是上一時(shí)刻的輸出狀態(tài)，形狀為h?t-1∈r?d×1,d是lstm單元的隱藏狀態(tài)大小，ct-1是上一時(shí)刻的單元狀態(tài)，形狀為ct-1∈r?d×1，與h?t-1具有相同的形狀。
12、將h?t-1和拼接形成更長的向量即如下公式所示，然后會(huì)傳入各個(gè)門，公式如下：
13、
14、進(jìn)一步地，基本學(xué)習(xí)模型的計(jì)算訓(xùn)練步驟為：各個(gè)門的輸入是將與門中的權(quán)重矩陣w相乘再加上置偏值b，得到中間結(jié)果m，然后對(duì)m取sigmoid(損失函數(shù)取值范圍；[0,1])，得到門的輸出g?t，其形狀與單元狀態(tài)c?t相同，即g?t∈r?d×1
15、
16、其中，wf、wi、wo∈r?d×(d+m)，b?f、b?i、b?0∈r?d×1，ft、it、o?t∈r?d×1。
17、進(jìn)一步地，基本學(xué)習(xí)模型的記憶訓(xùn)練步驟為：計(jì)算當(dāng)前輸入單元狀態(tài)的值，表示當(dāng)前輸入保留到記憶中的內(nèi)容數(shù)量，將與當(dāng)前時(shí)刻狀態(tài)單元的權(quán)重矩陣wc相乘再加上置偏值b?c，得到中間結(jié)果m?c，然后對(duì)m?c取tanh，得到輸出c?t，公式如下：
18、
19、其中，w?c∈r?d×(d+m)，b?c∈r?d×1，
20、接下來進(jìn)行當(dāng)前時(shí)刻單元狀態(tài)c?t的計(jì)算，使用遺忘門和輸入門得到的結(jié)果ft、i?t和上一時(shí)刻單元狀態(tài)c?t-1來計(jì)算當(dāng)前時(shí)刻單元狀態(tài)c?t，分別將ft、c?t-1按元素相乘，i?t和按元素相乘，然后再將兩者相加得到當(dāng)前時(shí)刻單元狀態(tài)c?t，公式如下：
21、
22、其中，ft∈r?d×1時(shí)遺忘門輸出，i?t∈r?d×1是輸入門輸出，是當(dāng)前輸入狀態(tài)單元，c?t-1∈r?d×1是上一時(shí)刻狀態(tài)單元，°表示按元素乘。
23、進(jìn)一步地，基本學(xué)習(xí)模型的輸出訓(xùn)練步驟為：模型的輸出為ht和當(dāng)前時(shí)刻的單元狀態(tài)c?t，而ht由當(dāng)前時(shí)刻的單元狀態(tài)c?t和輸出門的輸出o?t確定，將當(dāng)前時(shí)刻的單元狀態(tài)ct取tanh得到dt，然后將d?t與o?t按元素相乘得到最后的ht，其公式如下：
24、
25、其中ht∈r?d×1為當(dāng)前層隱藏狀態(tài)，o?t∈r?d×1為輸出門的輸出，ct∈r?d×1為當(dāng)前時(shí)刻狀態(tài)單元。
26、進(jìn)一步地，第一增強(qiáng)模型的訓(xùn)練學(xué)習(xí)方法與基本學(xué)習(xí)模型相同，其x＝(x?1,x2,…,x?730)t中的xt為[煙塵，流量]。
27、進(jìn)一步地，第二增強(qiáng)模型的訓(xùn)練學(xué)習(xí)方法與基本學(xué)習(xí)模型相同，其x＝(x?1,x2,…,x?730)t中的xt為[煙塵，流量，二氧化硫]。
28、進(jìn)一步地，步驟s4中聚類算法為k-means聚類計(jì)算，其計(jì)算公式為：
29、
30、本專利技術(shù)的有益效果如下：
31、相對(duì)現(xiàn)有技術(shù)而言，本專利技術(shù)依托l(wèi)stm建立學(xué)習(xí)模型，通過將單因子，協(xié)同因子和流量數(shù)據(jù)的逐步增強(qiáng)，提升模型對(duì)實(shí)際場景的匹配度，最終通過聚類算法提煉缺失數(shù)據(jù)集聚度彌補(bǔ)模型對(duì)缺失數(shù)據(jù)無法學(xué)習(xí)導(dǎo)致無法預(yù)測的局限，最終實(shí)現(xiàn)輸入前24小時(shí)污染物在線監(jiān)控?cái)?shù)據(jù)預(yù)測未來24小時(shí)在線監(jiān)控?cái)?shù)據(jù)的目標(biāo)，為生產(chǎn)性企業(yè)提供了一種全面在線監(jiān)控的預(yù)警方法。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：包括如下步驟：
2.如權(quán)利要求1所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的因子數(shù)量為單個(gè)，基于LSTM模型，構(gòu)建一個(gè)污染源排放因子序列，其中因子xt為煙塵或氨氮，序列X＝(x?1,x?2,…,xt,…)T，每個(gè)時(shí)間步的輸入可以表示為xt，使用滑動(dòng)窗口將序列分為若干個(gè)窗口大小為L的窗口，步長為step，當(dāng)數(shù)據(jù)劃分到最后，若不足為L不能構(gòu)成窗口時(shí)，缺少的數(shù)據(jù)使用0填充；若一天24小時(shí)連續(xù)排放的污染源有24個(gè)小時(shí)時(shí)間序列數(shù)據(jù)的輸入，即設(shè)置窗口大小為12，步長step為10，則將數(shù)據(jù)分成兩個(gè)窗口，即分為
3.如權(quán)利要求1所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的輸入訓(xùn)練步驟為：該模型單元的輸入包含當(dāng)前時(shí)刻的輸入上一時(shí)刻的輸出狀態(tài)h?t-1以及上一時(shí)刻的單元狀態(tài)ct-1，在進(jìn)行運(yùn)算第一層LSTM單元時(shí)，初始化h?0、c?0，而在后面的LSTM的單元中ht-1和ct-1，都由上一次的LSTM單元獲得，其中xt、ht-1、ct-1分別代表當(dāng)前時(shí)刻的輸入信息、上
4.如權(quán)利要求3所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的計(jì)算訓(xùn)練步驟為：各個(gè)門的輸入是將與門中的權(quán)重矩陣W相乘再加上置偏值b，得到中間結(jié)果M，然后對(duì)M取Sigmoid(損失函數(shù)取值范圍；[0,1])，得到門的輸出g?t，其形狀與單元狀態(tài)c?t相同，即g?t∈R?d×1
5.如權(quán)利要求4所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的記憶訓(xùn)練步驟為：計(jì)算當(dāng)前輸入單元狀態(tài)的值，表示當(dāng)前輸入保留到記憶中的內(nèi)容數(shù)量，將與當(dāng)前時(shí)刻狀態(tài)單元的權(quán)重矩陣Wc相乘再加上置偏值b?c，得到中間結(jié)果M?c，然后對(duì)M?c取tanh，得到輸出c?t，公式如下：
6.如權(quán)利要求5所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的輸出訓(xùn)練步驟為：模型的輸出為ht和當(dāng)前時(shí)刻的單元狀態(tài)c?t，而ht由當(dāng)前時(shí)刻的單元狀態(tài)c?t和輸出門的輸出o?t確定，將當(dāng)前時(shí)刻的單元狀態(tài)c?t取tanh得到d?t，然后將dt與o?t按元素相乘得到最后的ht，其公式如下：
7.如權(quán)利要求6所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述第一增強(qiáng)模型的訓(xùn)練學(xué)習(xí)方法與基本學(xué)習(xí)模型相同，其X＝(x?1,x?2,…,x?730)T中的xt為[煙塵，流量]或[氨氮，流量]。
8.如權(quán)利要求6所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述第二增強(qiáng)模型的訓(xùn)練學(xué)習(xí)方法與基本學(xué)習(xí)模型相同，其X＝(x?1,x?2,…,x?730)T中的xt為[煙塵，流量，二氧化硫]、[氨氮，COD，流量]或[氨氮，總磷，流量]。
9.如權(quán)利要求1所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述步驟S4中聚類算法為K-Means聚類計(jì)算，其計(jì)算公式為：
...【技術(shù)特征摘要】
1.一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：包括如下步驟：
2.如權(quán)利要求1所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的因子數(shù)量為單個(gè)，基于lstm模型，構(gòu)建一個(gè)污染源排放因子序列，其中因子xt為煙塵或氨氮，序列x＝(x?1,x?2,…,xt,…)t，每個(gè)時(shí)間步的輸入可以表示為xt，使用滑動(dòng)窗口將序列分為若干個(gè)窗口大小為l的窗口，步長為step，當(dāng)數(shù)據(jù)劃分到最后，若不足為l不能構(gòu)成窗口時(shí)，缺少的數(shù)據(jù)使用0填充；若一天24小時(shí)連續(xù)排放的污染源有24個(gè)小時(shí)時(shí)間序列數(shù)據(jù)的輸入，即設(shè)置窗口大小為12，步長step為10，則將數(shù)據(jù)分成兩個(gè)窗口，即分為
3.如權(quán)利要求1所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的輸入訓(xùn)練步驟為：該模型單元的輸入包含當(dāng)前時(shí)刻的輸入上一時(shí)刻的輸出狀態(tài)h?t-1以及上一時(shí)刻的單元狀態(tài)ct-1，在進(jìn)行運(yùn)算第一層lstm單元時(shí)，初始化h?0、c?0，而在后面的lstm的單元中ht-1和ct-1，都由上一次的lstm單元獲得，其中xt、ht-1、ct-1分別代表當(dāng)前時(shí)刻的輸入信息、上一時(shí)刻的輸出信息以及上一時(shí)刻的記憶信息；其中，m是輸入序列處理后的窗口大小(長度)，h?t-1是上一時(shí)刻的輸出狀態(tài)，形狀為h?t-1∈r?d×1,d是lstm單元的隱藏狀態(tài)大小，c?t-1是上一時(shí)刻的單元狀態(tài)，形狀為ct-1∈r?d×1，與h?t-1具有相同的形狀；
4.如權(quán)利要求3所述的一種工業(yè)排污全面監(jiān)控的超前預(yù)警方法，其特征在于：所述基本學(xué)習(xí)模型的計(jì)算訓(xùn)練步驟為：各個(gè)門的輸入是將與門中的權(quán)重矩陣w相...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：許秋飛，崔平，
申請(qǐng)(專利權(quán))人：無錫崧山銘科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。