基于LSTM神经网络模型的耗氯量预测方法、系统及介质

本发明公开了基于LSTM神经网络模型的耗氯量预测方法、系统、设备及介质，方法包括：获取设定时间段内检测设备采集消毒池出水的监测数据，并将不同取样频率的监测数据作为数据样本，将数据样本划分为输入数据和输出数据；将数据样本分为训练集和测试集；对所有的数据样本进行预处理和归一化处理，得到归一化后的训练集和测试集；构建和训练LSTM神经网络模型，得到训练好的LSTM神经网络模型；将实测的输入数据输入训练好的LSTM神经网络模型，得到耗氯量的预测值。该方法通过构建LSTM神经网络模型，当污水处理厂取样频率大于1h时，能对污水厂消毒池耗氯量进行准确预测，有助于优化消毒池消毒剂精准投加策略。