[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

说明书

本发明公开了一种基于决策树算法的水厂实时投药量预测方法、装置及介质，所述方法包括：获取水厂历史投药数据；对历史投药数据进行预处理，得到训练数据和测试数据；将训练数据输入到水厂实时投药量预测模型，对预测模型进行训练，得到训练好的投药量预测模型；将测试数据输入到训练好的投药量预测模型，对投药量预测模型的预测精度进行验证；获取实时原水数据，将实时原水数据输入到训练好的投药量预测模型，设置目标出水浊度，则投药量预测模型输出絮凝剂用量和助凝剂用量的预测值。本发明基于决策树算法对历史投药数据进行实时预测分析，以实现准确预测实时投药量，从而在保证出水水质稳定的前提下，科学配置投药量，降低水厂水处理的成本。

技术领域

本发明涉及水处理技术领域，尤其涉及一种基于决策树算法的水厂实时投药量预测方法、装置及介质。

背景技术

供水系统是现代化城市建设的一个重要方面，在饮用水水质规范中，浊度是一项重要指标，直接关系到水质的好坏。加药絮凝沉淀是自来水厂水处理工艺中的一道重要工序，其效果将直接影响后续工艺和出厂水质。混凝是水厂工艺中的关键技术，直接影响水厂制水质量，而影响混凝效果的重要因素是混凝剂药量的投加量。

水厂运行中能耗和药耗对水处理的成本影响很大，在传统工艺情况下，往往依据运行管理人员的经验，人为设定投药量，这样导致出水浊度波动较大；或者投药量过大，导致水处理的成本增加。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于决策树算法的水厂实时投药量预测方法、装置及介质，基于决策树算法对历史投药数据进行实时预测分析，以实现准确预测实时投药量，从而在保证出水水质稳定的前提下，科学配置投药量，降低水厂水处理的成本。

为了实现上述目的，本发明实施例提供了一种基于决策树算法的水厂实时投药量预测方法，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。

作为上述方案的改进，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。

作为上述方案的改进，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；