摘要
本发明提供了一种基于深度学习的排水管网水质预测方法,属于排水管网水质监测与预测技术领域。解决了当下城市排水管网水质的日常监测管理仍采用传统的人工采测方法,实时性差、人力成本高、效率低下的技术问题。其技术方案为:S1、确定排水管网水质预测模型的输入数据和输出数据;S2、数据预处理;S3、选择预测模型,对模型参数进行设置调整,对泵站‑污水处理厂管网水质过程进行模拟,评估模型的预测性能;S4、推测影响污水处理厂进水可生化性的关键泵站水质指标。本发明的有益效果为:本发明通过深度学习筛选出影响污水处理厂进水水质的关键节点,后续为城市排水监测管理提供建议。
技术关键词
水质预测方法
泵站
城市排水管网
数据
城市排水监测
长短期记忆神经网络
指标
变量
城市污水处理厂
回归预测模型
滑动时间窗口
交叉验证方法
RNN模型
参数
机器学习模型
传播算法
随机森林