技术特征：
1.一种污水处理过程参数长窗预测方法，其特征在于，包括：采集预测变量数据和特征参数数据，并基于所述预测变量数据和特征参数数据构造数据集；建立一个以上参数预测模型，分别输入数据集进行预测，并计算不同数据集和建模方案下预测变量的预测结果；使用r2和mape指标，对不同的参数预测模型得到的预测结果进行评价；从所述预测结果中选取预测精度最高的参数预测模型，得到预测数据。2.如权利要求1所述的污水处理过程参数长窗预测方法，其特征在于：基于数据集选择预测变量及其相关的特征参数，通过滑动窗口的方法构造多个长窗预测的数据集。3.如权利要求2所述的污水处理过程参数长窗预测方法，其特征在于：使用滑动窗口方法对时间序列分段处理，定义所述时间序列为{y1,y2...y
n
}，其关系表达式为：其中，n表示时间序列的长度，假设观测视界长度为5，预测视界长度为1，滑动窗口的方法可具体表示为前5列是输入特征的内因部分，第6列是输出数据。4.如权利要求3所述的污水处理过程参数长窗预测方法，其特征在于：在滑动窗口的处理过程中引入外部特征，定义所述外部特征序列为{f1,f2...f
n
}，输出数据为{y6,y7...y
n
}，引入外部特征的关系表达式为：其中，n表示时间序列的长度，前5列表示输入特征的外因部分，第6列是输出数据，将所述内因和外因特征相组合，建立内因和外因特征集f与输出数据y的映射关系，得到长度为n-5的预测时间序列5.如权利要求4所述的污水处理过程参数长窗预测方法，其特征在于：根据参数预测建模的流程，分别建立数据清洗、特征工程、数据降维和回归分析的算法库，以此制定多种参数预测模型。6.如权利要求5所述的污水处理过程参数长窗预测方法，其特征在于：对于长度为n的时间序列{y1...y
n-1
,y
n
}，和个数为k，长度为n的特征序列{f1,f2...f
n
}，建立参数预测模型步骤如下：根据滑动窗口中观测视界的大小和预测视界大小，得到样本个数m为：m＝n-oh-fh其中，n表示长度，oh表示观测视界的大小，fh表示预测视界大小，使用直接的多步长窗预测策略，根据权利要求2和权利要求3中所述的数据集搭建方法，得到特征集f和输出数据y；
使用数据清洗算法，对回归问题的数据集中的异常值进行剔除；使用特征选择算法，剔除不相关或者冗余的特征，减少特征集f的个数，得到一个最优的特征子集f1；使用数据降维的方法，将高维空间中的数据通过某种映射函数投影到低维空间，降低特征子集f1的维数，得到新的特征集使用回归分析的相关算法，对特征集和输出数据y进行训练与预测。7.如权利要求6所述的污水处理过程参数长窗预测方法，其特征在于：使用不同的数据清洗、特征选择、数据降维和回归分析算法组成一个算法库，以此搭建多种参数预测建模方案，一个建模流程中可包含a种数据清洗算法、b种特征选择算法、c种数据降维算法和d种回归分析算法，那么参数预测的建模方案一共有(a
×
b
×
c
×
d)种。8.如权利要求7所述的污水处理过程参数长窗预测方法，其特征在于：选择决定系数r2和平均绝对百分比误差mape作为评估模型性能的评价指标，其中，r2和mape的定义如下：和平均绝对百分比误差mape作为评估模型性能的评价指标，其中，r2和mape的定义如下：其中，n表示测试集的样本个数，y
i
表示真实数据，表示预测值，表示真实数据的平均值，当r2越大，mape越小时，模型的精度越高。
技术总结
本发明公开了一种污水处理过程参数长窗预测方法，包括：采集预测变量数据和特征参数数据，并基于所述预测变量数据和特征参数数据构造数据集；建立一个以上参数预测模型，分别输入数据集进行预测，并计算不同数据集和建模方案下预测变量的预测结果；使用R2和MAPE指标，对不同的参数预测模型得到的预测结果进行评价；从所述预测结果中选取预测精度最高的参数预测模型，得到预测数据。使用多套的建模流程对多类预测变量进行预测，实现对水处理过程中多类参数的精确预测，有利于工作人员制定合理的水处理设备清洗和维修计划，灵活的处理水处理过程参数预测中的各类情况，提高污水处理的效率。的效率。的效率。
技术研发人员：张明 张儒 谢新民 孙自飞 甘雨
受保护的技术使用者：南京天洑软件有限公司
技术研发日：2022.02.14
技术公布日：2022/5/31