基于水质预测的制水反馈调控方法、系统、终端及介质与流程

本发明涉及水质预测，更具体地说，它涉及基于水质预测的制水反馈调控方法、系统、终端及介质。

背景技术：

1、机器学习和深度学习算法近年来发展迅猛，时间序列预测也是其中的一个重要组成部分。现有的时间序列预测方法在销售额、股票价格和天气情况预测等方面表现较好，但是在水质预测这个问题上表现一般。

2、现有的时间序列预测算法在需求数据完整的情况下，在水质预测上的效果依然不是特别好。主要原因有两个，一是水质指标有明显的时滞性，工艺流程中的一个部分的数值发生较大改变的情况下，需要预测的值要一段时间后才会发生改变，依据工艺流程的不同，这个时间可能会从十几分钟到一天不等。二是，预测本身也会作为改变预测所需特征值的影响因素之一，也就是说，这里的水质预测并不只是为了预警，还为了能够更加精准的控制环节中可能会有的加药，曝气等操作以达到节能节药的目的。

3、然而，现有制水工艺中的水质预测主要是针对同一时刻不同工艺段的污染变化进行预测的，没有考虑到水质变化的时滞性，从而难以对制水工艺进行精准的反馈控制。因此，如何研究设计一种能够克服上述缺陷的基于水质预测的制水反馈调控方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

1、为解决现有技术中的不足，本发明的目的是提供基于水质预测的制水反馈调控方法、系统、终端及介质，可在充分考虑水质指标时滞性的情况下准确预测出同一批次水在不同工艺段中监测指标所对应的指标预测值，能够更加精准、有效的控制工艺流程中的各类自动加药、曝气等操作，有效提高了制水效率与质量。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、第一方面，提供了基于水质预测的制水反馈调控方法，包括以下步骤：

4、确定制水工艺中的工艺段和各个工艺段所对应的标准通过时间；

5、获取各个工艺段中监测指标所对应的历史监测数据，并依据采集时间为历史监测数据配置对应的时间标签，得到原始数据集；

6、基于标准通过时间对两个工艺段的历史监测数据进行相关性分析，得到同一批次水在两个工艺段之间的时间关联特征；

7、依据时间关联特征对原始数据集进行重构处理，以形成同一批次水在不同工艺段所对应历史监测数据组成的数据序列，多个批次水所对应的数据序列构成初始数据集；

8、基于初始数据集训练构建时间序列预测模型，并依据时间序列预测模型预测得到同一批次水在不同工艺段中监测指标所对应的指标预测值；

9、将指标预测值和相应工艺段所对应的指标阈值进行比对，并依据对比结果反馈控制工艺段中控制设备，以使指标预测值趋近指标阈值。

10、进一步的，所述制水工艺为自来水厂净水处理，工艺段包括进水口、滤池、清水池和出水口。

11、进一步的，所述制水工艺为污水厂净水处理，工艺段包括进水口、滤池、生化反应缺氧段、好氧段、二沉和消毒。

12、进一步的，所述时间关联特征的获得过程具体为：

13、选取工艺段a在预设周期内的第一组数据和工艺段b在预设周期内的第二组数据；

14、将第二组数据向前或向后推移关联时间n后得到第三组数据；

15、分析第三组数据与第一组数据之间的相关性，并以相关性最高所对应的关联时间n作为最终的时间关联特征；

16、其中，关联时间n以标准通过时间为起点进行迭代分析。

17、进一步的，所述时间序列预测模型采用xgboost算法、随机森林算法或深度学习算法进行构建。

18、进一步的，该方法还包括：

19、采集工艺段中监测指标所对应的实时监测值；

20、将实时监测值和相应的指标预测值输入至具有奖惩效果的调节函数进行二次反馈控制。

21、进一步的，所述调节函数的反馈控制过程具体为：

22、若指标预测值超标且实时监测值超标，则同步增加指标预测值以及指标预测值与控制设备的相关系数；

23、若指标预测值不超标且实时监测值超标，则在第一固定周期内所统计的相同出现频次超过第一设置频次时更新或更换时间序列预测模型；

24、若指标预测值超标且实时监测值不超标，则在第二固定周期内所统计的相同出现频次超过第二设置频次时降低指标预测值，以及保持指标预测值与控制设备的相关系数不变；

25、若指标预测值不超标且实时监测值不超标，则在第三固定周期内所统计的相同出现频次超过第三设置频次时，下调指标预测值与控制设备的相关系数，以及保持指标预测值不变。

26、第二方面，提供了基于水质预测的制水反馈调控系统，包括：

27、工艺划分模块，用于确定制水工艺中的工艺段和各个工艺段所对应的标准通过时间；

28、数据获取模块，用于获取各个工艺段中监测指标所对应的历史监测数据，并依据采集时间为历史监测数据配置对应的时间标签，得到原始数据集；

29、关联分析模块，用于基于标准通过时间对两个工艺段的历史监测数据进行相关性分析，得到同一批次水在两个工艺段之间的时间关联特征；

30、数据重构模块，用于依据时间关联特征对原始数据集进行重构处理，以形成同一批次水在不同工艺段所对应历史监测数据组成的数据序列，多个批次水所对应的数据序列构成初始数据集；

31、指标预测模块，用于基于初始数据集训练构建时间序列预测模型，并依据时间序列预测模型预测得到同一批次水在不同工艺段中监测指标所对应的指标预测值；

32、反馈控制模块，用于将指标预测值和相应工艺段所对应的指标阈值进行比对，并依据对比结果反馈控制工艺段中控制设备，以使指标预测值趋近指标阈值。

33、第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的基于水质预测的制水反馈调控方法。

34、第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于水质预测的制水反馈调控方法。

35、与现有技术相比，本发明具有以下有益效果：

36、1、本发明提供的基于水质预测的制水反馈调控方法，对两个工艺段的历史监测数据进行相关性分析后得到同一批次水在两个工艺段之间的时间关联特征，并依据时间关联特征对原始数据集进行重构处理后，可在充分考虑水质指标时滞性的情况下准确预测出同一批次水在不同工艺段中监测指标所对应的指标预测值，能够更加精准、有效的控制工艺流程中的各类自动加药、曝气等操作，有效提高了制水效率与质量；

37、2、本发明在分析时间关联特征时，关联时间n以标准通过时间为起点进行迭代分析，可以快速分析出最优的时间关联特征，提高了时间关联特征的分析效率；

38、3、本发明采集工艺段中监测指标所对应的实时监测值，并将实时监测值和相应的指标预测值输入至具有奖惩效果的调节函数进行二次反馈控制，可以针对不同的制水情况进行自适应迭代优化，有效提升制水反馈控制的稳定性与可靠性。