一种基于惩罚机制的膜污染鲁棒识别方法及系统

本申请涉及基于特定计算模型的计算机系统构建，是关于一种基于惩罚机制的膜污染鲁棒识别方法及系统，其中，方法包括：获取样本数据，并将样本数据分为训练样本与测试样本；通过模糊神经网络建立输入层、隶属函数层、归一化层与输出层，得到膜污染识别模型；通过梯度下降算法结合参数惩罚项更新膜污染识别模型的参数，得到更新后的膜污染识别模型；将样本数据输入更新后的膜污染识别模型进行训练，并通过将待测水样的产水流量、产水压力、单池膜擦洗气量与产水浊度输入训练完成的膜污染识别模型，得到膜透水率预测值。能够在外部扰动下仍然有良好的预测精度和性能，保证污水处理过程的安全和稳定运行。