摘要
本发明涉及人工智能技术领域,基于深度学习的智适应碳源投加方法及系统,包括:获取多模态样本数据,并从多模态样本数据中提取多模态融合特征,再利用多模态融合特征构建全面的水质特征状态空间,进一步地,基于预设的碳源投加范围构建碳源投加动作空间,其次,利用水质特征状态空间及碳源投加动作空间构建初始碳源投加控制模型,再通过预设的奖励函数和数字孪生模型优化初始碳源投加控制模型,得到目标碳源投加控制模型,最后,将目标碳源投加控制模型应用于当前多模态数据,进行实际数据预测。本发明可以提高碳源投加的精准度。
技术关键词
出水总氮浓度
碳源投加方法
融合特征
数字孪生模型
碳源投加量
水质
样本
空间光谱特征
时序
总氮去除率
多模态特征
视频
依赖特征
碳源投加系统
运动特征
光谱特征提取
动态特征提取
数据特征提取
系统为您推荐了相关专利信息
多尺度局部特征
状态空间模型
浅层特征提取
图像
线性
图像分类方法
融合特征
图像分类模型
分支
注意力
物联网传感器网络
智能楼宇
数字孪生模型
空调系统优化
动态温度调节