[发明专利]基于决策树算法的水厂实时投药量预测方法、装置及介质

权利要求书

1.一种基于决策树算法的水厂实时投药量预测方法，其特征在于，包括：

获取水厂历史投药数据，其中，所述投药数据包括投药时间、实时原水流量、原水浊度、原水水温、原水PH值、絮凝剂用量、助凝剂用量和出水浊度；

对所述历史投药数据进行预处理，得到样本数据，并按照预设比例将所述样本数据随机划分为训练数据和测试数据；

将所述训练数据输入到水厂实时投药量预测模型，对所述实时投药量预测模型进行训练，得到训练好的实时投药量预测模型；其中，所述实时投药量预测模型采用XGBoost梯度提升算法，所述实时投药量预测模型包括絮凝剂预测回归器、助凝剂预测回归器和出水浊度预测回归器；

将所述测试数据输入到训练好的实时投药量预测模型，对所述实时投药量预测模型的预测精度进行验证；

获取实时原水数据，将所述实时原水数据输入到训练好的实时投药量预测模型，设置目标出水浊度，则所述实时投药量预测模型输出絮凝剂用量的预测值和助凝剂用量的预测值。

2.如权利要求1所述的基于决策树算法的水厂实时投药量预测方法，其特征在于，所述对所述历史投药数据进行预处理，得到样本数据，并按照预设比例将所述样本数据随机划分为训练数据和测试数据，具体包括：

对所述历史投药数据进行数据清洗，去除无效数据、残缺数据和异常数据；

对清洗后的历史投药数据进行整合，得到样本数据；

按照预设比例将所述样本数据随机划分为训练数据和测试数据。

3.如权利要求1所述的基于决策树算法的水厂实时投药量预测方法，其特征在于，所述将所述训练数据输入到水厂实时投药量预测模型，对所述实时投药量预测模型进行训练，得到训练好的实时投药量预测模型，具体包括：

将所述训练数据输入到水厂实时投药量预测模型；

根据所述训练数据中的投药时间、实时原水流量、原水浊度、原水水温、原水PH值、絮凝剂用量和出水浊度对所述絮凝剂预测回归器进行训练，得到训练好的絮凝剂预测回归器；

根据所述训练数据中的投药时间、实时原水流量、原水浊度、原水水温、原水PH值、助凝剂用量和出水浊度对所述助凝剂预测回归器进行训练，得到训练好的助凝剂预测回归器；

根据所述训练数据中的投药时间、实时原水流量、原水浊度、原水水温、原水PH值、絮凝剂用量、助凝剂用量和出水浊度对出水浊度预测回归器进行训练，得到训练好的出水浊度预测回归器；

将训练好的絮凝剂预测回归器、助凝剂预测回归器和出水浊度预测回归器进行整合，得到训练好的实时投药量预测模型。

4.如权利要求3所述的基于决策树算法的水厂实时投药量预测方法，其特征在于，所述将所述测试数据输入到训练好的实时投药量预测模型，对所述实时投药量预测模型的预测精度进行验证，具体包括：

将所述测试数据输入到训练好的絮凝剂预测回归器和训练好的助凝剂预测回归器，得到絮凝剂用量的预测值和助凝剂用量的预测值；

将所述絮凝剂用量的预测值和所述助凝剂用量的预测值输入到训练好的出水浊度预测回归器，得到出水浊度的预测值；

根据所述测试数据中的絮凝剂用量和所述絮凝剂用量的预测值，计算得到絮凝剂用量的预测偏差值；

根据所述测试数据中的助凝剂用量和所述助凝剂用量的预测值，计算得到助凝剂用量的预测偏差值；

根据所述测试数据中的出水浊度和所述出水浊度的预测值，计算得到出水浊度的预测偏差值；

根据所述絮凝剂用量的预测偏差值、所述助凝剂用量的预测偏差值和所述出水浊度的预测偏差值判断所述实时投药量预测模型的预测精度。

5.如权利要求1所述的基于决策树算法的水厂实时投药量预测方法，其特征在于，所述获取实时原水数据，将所述实时原水数据输入到训练好的实时投药量预测模型，设置目标出水浊度，则所述实时投药量预测模型输出絮凝剂用量的预测值和助凝剂用量的预测值之后，还包括：

获取采用所述絮凝剂用量的预测值和所述助凝剂用量的预测值对水厂进行投药后的实际出水浊度；

根据所述絮凝剂用量的预测值、所述助凝剂用量的预测值和所述实际出水浊度对所述实时投药量预测模型进行矫正。