摘要
本发明公开了一种废水处理过程出水总磷总氮预测方法,根据废水处理过程,获取废水处理过程出水总磷总氮预测模型的输入自变量和输出变量;构建废水指标数据训练集与测试集;通过主成分分析(PCA)算法提取训练样本数据的主成分,对输入数据进行降维优化;构建主成分分析‑嵌套长短时记忆网络(PCA‑NLSTM)模型;对PCA‑NLSTM神经网络模型进行训练;通过PCA‑NLSTM神经网络模型对废水处理过程中的出水总磷和总氮,获得预测结果;本发明构建PCA‑NLSTM神经网络模型,能有效监测废水处理厂出水总磷总氮,准确度高,操作简便,为废水处理系统的稳定运行提供了安全保障。
技术关键词
神经网络模型
训练样本数据
训练集数据
LSTM神经网络
水质参数数据
成分分析
PCA算法
废水处理系统
贡献率
变量
特征值
氨氮
矩阵
指标
固体
嵌套
系统为您推荐了相关专利信息
片上缓存系统
人工智能加速器
神经网络模型
映射方法
多模型协同
情感倾向识别
事理图谱
三元组
多智能体强化学习
网络热点事件
高压开关传动
波形
状态评估方法
分类预测模型
幅值
恶意网络流量
网络入侵检测方法
重构模型
网络入侵检测系统
训练特征