基于多维传感器的河道排污口污水智能处理方法及系统与流程

本发明涉及污水处理，具体涉及基于多维传感器的河道排污口污水智能处理方法及系统。

背景技术：

1、随着科学技术的发展，人们的生活水平逐渐提高，河道水污染问题也日渐突出，对人们的日常生活和环境都带来严重的影响，因此针对河道污染问题提出了较多的解决办法，其中最常用的是对污水进行处理后排放，对污水的处理也逐渐向自动化的方向发展，在污水处理系统中每个环节的处理均采用了自动化技术进行控制，提高对污水处理的质量和效率。

2、现如今，采用污水智能处理系统对污水进行处理，但由于污水中污染物来源复杂，污水中污染物的含量也较为复杂，且河道排污口连接排污管道较多，排污时间以及污水量不确定，因此采用传统的异常检测算法对污水中污染物的成分进行检测时存在对污水中污染物成分数据异常检测精度较低的问题，使污水处理系统对污水的处理精度较低，导致对河道污染的处理的效果较差,可以根据河道排污口的污水中主要污染物含量的异常变化特征以及污水中主要污染物含量数据分别与污水流量数据、污水流速数据之间的相关性分析获取污染物异常虚假度，通过污染物异常虚假度准确反应河道排污口的污水中主要污染物含量的异常变化情况，避免因污水流速和流量的变化导致主要污染物含量异常变化的分析误差较大。

技术实现思路

1、本发明提供基于多维传感器的河道排污口污水智能处理方法及系统，以解决河道排污口污水处理效果较差的问题，所采用的技术方案具体如下：

2、第一方面，本发明一个实施例基于多维传感器的河道排污口污水智能处理方法，该方法包括以下步骤：

3、获取污水监测数据，所述污水监测数据包括污水流速数据序列、污水流量数据序列、污水污染物含量数据矩阵；

4、根据污水污染物含量数据矩阵获取污染物含量系数序列，基于污水污染物含量序列分别获取主要污染物数据序列、次要污染物数据序列；根据主要污染物数据序列、次要污染物数据序列计算主要污染物数据序列的污染物连带权重；根据主要污染物数据序列获取主要污染物数据序列的异常数据集合，基于异常数据集合获取连续异常数据序列；根据连续异常数据序列、污水流速数据序列、污水流量数据序列计算主要污染物序列的污染物异常虚假度；

5、采用异常检测算法对次要污染物数据序列进行划分，根据划分结果和主要污染物数据序列的污染物连带权重计算主要污染物数据序列的污染物连带真实指数；根据主要污染物数据序列的污染物异常虚假度和污染物连带真实指数计算主要污染物数据序列的主要污染物存在系数；根据主要污染数据序列的主要污染物存在系数对污水处理系统进行智能调控。

6、优选的，所述根据污水污染物含量数据矩阵获取污染物含量系数序列，基于污水污染物含量序列分别获取主要污染物数据序列、次要污染物数据序列的方法为：

7、将污水污染物含量数据矩阵中每行数据组成的序列作为一个污染物含量数据序列，将污水污染物含量数据矩阵的每个污染物含量数据序列中元素的均值作为所述每个污染物含量数据序列的污染物含量系数，将污水污染物含量数据矩阵中所有污染物含量数据序列的污染物含量系数按照所述污染物含量数据序列在污水污染物含量数据矩阵中的位置顺序排序组成的序列作为污水污染物含量数据矩阵的污染物含量系数序列；

8、采用大津阈值分割算法获取污染物含量系数序列的第一分割阈值，将污染物含量系数序列中大于所述第一分割阈值的数据作为污染物含量系数序列的主要污染物数据，将污染物含量系数序列中小于所述第一分割阈值的数据作为污染物含量系数序列的次要污染物数据；将污染物含量系数序列的每个主要污染物数据对应的污染物含量数据序列作为一个主要污染物数据序列，将所述污染物含量系数序列的每个次要污染物数据对应的污染物含量数据序列作为一个次要污染物数据序列。

9、优选的，所述根据主要污染物数据序列、次要污染物数据序列计算主要污染物数据序列的污染物连带权重的方法为：

10、将任意一个主要污染物数据序列与任意一个次要污染物数据序列的皮尔逊相关系数的绝对值作为分子，将任意一个主要污染物数据序列与所有次要污染物数据序列的皮尔逊相关系数的绝对值的累加和作为分母，将所述分子与分母的比值作为任意一个主要污染物数据序列的污染物连带权重。

11、优选的，所述根据主要污染物数据序列获取主要污染物数据序列的异常数据集合，基于异常数据集合获取连续异常数据序列的方法为：

12、采用异常检测算法获取任意一个主要污染物数据序列的异常数据，将任意一个污染物数据序列的异常数据组成的集合作为任意一个污染物数据序列的异常数据集合；将任意一个污染物数据序列的异常数据集合中数据作为初始种子点，采用区域生长算法基于初始种子点得到任意一个污染物数据序列的异常数据集合的区域生长结果，将所述区域生长结果中每一个生长区域内元素组成的序列作为一个连续异常数据序列。

13、优选的，所述根据连续异常数据序列、污水流速数据序列、污水流量数据序列计算主要污染物序列的污染物异常虚假度的方法为：

14、

15、式中，表示第个主要污染物数据序列的污染物异常虚假度；表示第个主要污染物数据序列与污水流速数据序列的皮尔逊相关系数；表示第个主要污染物数据序列与污水流量数据序列的皮尔逊相关系数；表示第个主要污染物数据序列中第个连续异常数据序列中元素的数量；表示第个主要污染物数据序列中连续异常数据序列的数量；表示以自然常数为底的指数函数，表示调节参数。

16、优选的，所述采用异常检测算法对次要污染物数据序列进行划分，根据划分结果和主要污染物数据序列的污染物连带权重计算主要污染物数据序列的污染物连带真实指数的方法为：

17、

18、式中，表示第个主要污染物数据序列的污染物连带真实指数；表示第个主要污染物数据序列与第个次要污染物数据序列之间的污染物连带权重；表示第个次要污染物数据序列中第个异常数据对应的采集时刻；表示第个主要污染物数据序列中第个异常数据对应的采集时刻；表示调节参数；表示第个次要污染物数据序列中异常数据的数量，表示第个主要污染物数据序列中异常数据的数量,表示取和中的最小值；表示次要污染物数据序列的数量。

19、优选的，所述采用异常检测算法对次要污染物数据序列进行划分的具体方法为：

20、采用local outlier factor异常检测算法获取任意一个次要污染物数据序列中每个元素的异常得分，将任意一个次要污染物数据序列中所有元素对应的异常得分按照由小到大的顺序排序组成的序列作为任意一个次要污染物数据序列的异常得分序列，采用大津阈值分割算法获取任意一个次要污染物数据序列的异常得分序列的第二分割阈值，将任意一个次要污染物数据序列中大于所述第二分割阈值的数据的作为任意一个次要污染物数据序列的异常数据，将任意一个次要污染物数据序列中小于所述第二分割阈值的数据的作为任意一个次要污染物数据序列的正常数据。

21、优选的，所述根据主要污染物数据序列的污染物异常虚假度和污染物连带真实指数计算主要污染物数据序列的主要污染物存在系数的方法为：

22、将任意一个主要污染物数据序列的污染物连带真实指数与任意一个主要污染物数据序列的污染物异常虚假度的比值作为任意一个主要污染物数据序列的主要污染物存在系数。

23、优选的，所述根据主要污染数据序列的主要污染物存在系数对污水处理系统进行智能调控的方法为：

24、将所有主要污染物数据序列对应的主要污染物存在系数作为back propagation神经网络模型的输入，采用back propagation神经网络模型获取河道排污口污水的主要污染物处理调整系数，根据所述河道排污口污水的主要污染物处理调整系数对污水处理系统的处理时间参数进行调整。

25、第二方面，本发明实施例还提供了基于多维传感器的河道排污口污水智能处理系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。

26、本发明的有益效果是：通过河道排污口污水污染物的成分变化的连带关系特征计算污染物连带权重，根据河道排污口污水中污染物含量变化与污水流速、流量的变化关系计算污染物异常虚假度，根据污染物连带权重与污水中污染物含量变化采集时间差异计算污染物连带真实指数，根据污染物连带真实指数和污染物异常虚假度计算主要污染物存在系数，基于主要污染物存在系数污染物处理系统的相关参数进行调整，其有益效果在于避免因污水流速、流量的变化造成污水中污染物成分含量检测误差较大的问题，进而提高河道排污口污水处理的效果。