基于ResNet-LSTM的水质混凝效果预测方法

本发明公开了一种基于ResNet‑LSTM的水质混凝效果预测方法，包括：获取多个时刻采集的目标水质的一组待测絮体图像，输入预先训练完成的混合深度学习模型，得到目标水质的混凝效果预测结果；其中，混合深度学习模型包括顺次连接的ResNet模型和LSTM模型；混合深度学习模型基于水质絮体图像数据集训练得到；混凝效果预测结果包括絮凝效果等级和/或絮凝效果参数；絮凝效果等级用于表征不同级别的絮凝效果，絮凝效果参数包括表征絮凝效果的水质参数。本发明利用ResNet‑LSTM模型实现水质混凝效果预测，可实现絮凝剂投加量的智能优化，从而提高水处理效率和出水质量，确保供水安全，同时降低人力成本和提高自动化水平。