一种基于机器学习的膜污染预处理优化控制方法及系统

本发明公开了一种基于机器学习的膜污染预处理优化控制方法及系统，方法包括：构建Fenton预处理防控膜污染的高维特征数据集，并进行数据综合预处理；对基于决策树的候选机器学习模型进行训练和优化；对训练完成的机器学习模型进行评估，并选取最具泛化能力的作为Fenton预处理控制膜污染预测模型；基于该预测模型，采用遗传算法反向搜索在预设环境变量下的最佳试剂投加量；利用最佳试剂投加量进行对应环境变量条件下的膜污染Fenton预处理。通过本发明的技术方案，能够优化定向控制不同污染物在不同膜过滤条件下对膜污染减缓能力最佳Fenton预处理的试剂投加量，能够适用于不同类型污染物和膜组件，具有成本低、效率高、精准可靠等特点。