摘要
本发明公开了一种基于长短期记忆神经网络的污水处理厂氧化亚氮释放预测方法,应用于污水处理技术领域,包括:获取水质参数、运行参数、环境因子以及氧化亚氮释放通量的时间序列数据;利用皮尔森相关系数法进行特征挑选,并基于预设时间顺序划分为训练集和测试集;基于训练集训练得到基于长短期记忆神经网络的氧化亚氮释放预测模型,并利用时间序列交叉验证法以及网格搜索法进行超参数调优;输入测试集至最优超参数对应的氧化亚氮释放预测模型,得到模型预测结果,并根据与真实值的对比结果,通过数据量添加及进一步超参数调优进行模型性能优化;输入待测集至优化后的预测模型,得到氧化亚氮释放预测结果。本发明有效提高了氧化亚氮释放预测精度。
技术关键词
长短期记忆神经网络
相关系数法
超参数
污水
交叉验证法
序列
水质
因子
训练集
线性插值法
数据
混合液
监测设备
溶解氧
网格
传感器
大气压
湍流
氨氮
系统为您推荐了相关专利信息
支持向量回归模型
在线水质传感器
电渗透脱水装置
高梯度磁分离器
磷酸盐
土层边坡
稳定性预测方法
植被
随机森林模型
土质边坡
风险评估方法
机器学习模型
重要性分析方法
覆盖率
病毒
电离层延迟改正方法
LSTM模型
改正装置
改正系统
长短期记忆网络
加氢站
风险评估模型
风险评估方法
EM算法
K折交叉验证法