[发明专利]工业废水排放量的智能分析方法及装置

说明书

本发明涉及水质安全技术领域，揭露了一种工业废水排放量的智能分析方法、装置包括：从已净化工业废水中提取多种污染物，检测多种所述污染物的污染物浓度数据，对所述污染物浓度数据进行插值处理得到对应的污染物浓度波形，提取所述污染物浓度波形的波形参数，利用所述波形参数建立原始模拟波形，根据所述原始模拟波形与所述污染物浓度波形的差值建立目标函数，建立迭代公式，根据所述迭代公式优化所述原始模拟波形得到目标模拟波形，接收模拟波形训练集，将所述模拟波形训练集输入至预构建的原始神经网络执行训练得到目标神经网络，将所述目标模拟波形输入所述目标神经网络产生质量分级结果。本发明可解决废水排放的质量评估精度有待提高的问题。

技术领域

本发明涉及水质安全技术领域，尤其涉及一种工业废水排放量的智能分析方法及装置。

背景技术

工业废水排放是我国水环境循环的重要组成部分，也是居民生活、生产的重要水资源，与社会发展和人居环境的改善关系密切。目前，随着经济高速发展的同时，我国工业废水排放质量事件频出，建立工业废水排放质量的评估措施迫在眉睫。

当前，工业废水排放量的智能分析主要使用单一的峰值及均值进行污染物浓度显示，这种废水排放后的质量评估方法稍显简单，质量评估精度有待提高。

发明内容

本发明提供一种工业废水排放量的智能分析方法及装置，其主要目的在于解决废水排放的质量评估精度有待提高的问题。

为实现上述目的，本发明提供的一种工业废水排放量的智能分析方法，包括：

接收已净化工业废水，从所述已净化工业废水中提取多种污染物，根据污染物浓度检测设备检测多种所述污染物的污染物浓度数据，根据预设的时间间隔对所述污染物浓度数据进行插值处理，得到每一种污染物对应的污染物浓度波形；

提取所述污染物浓度波形的波形参数，利用所述波形参数建立原始模拟波形，根据所述原始模拟波形与所述污染物浓度波形的差值建立目标函数；

依据所述目标函数最小化原则，建立迭代公式，根据所述迭代公式优化所述原始模拟波形，得到目标模拟波形；

接收模拟波形训练集，将所述模拟波形训练集输入至预构建的原始神经网络执行训练，得到目标神经网络；

将所述目标模拟波形输入所述目标神经网络，产生所述已净化工业废水的排放量质量分级结果。

可选地，所述所述原始神经网络包括输入层、隐藏层和输出层。

可选地，所述接收模拟波形训练集，将所述模拟波形训练集输入至预构建的原始神经网络执行训练，得到目标神经网络，包括：

归一化所述模拟波形训练集，得到归一波形训练集，将所述归一波形训练集输入到所述原始神经网络的输入层节点，利用所述输入层节点与所述隐藏层节点对应的原始前端权重，对所述归一波形训练集进行加权求和，得到各个隐藏层节点加权求和值，利用所述激活函数转换所述隐藏层加权求和值，得到各隐藏层节点的激活值；

利用所述隐藏层节点与所述输出层节点对应的原始后端权重，对所述激活值进行加权求和，得到各个输出层节点加权求和值，利用所述激活函数转换所述输出层节点加权求和值，得到输出值。

按照预设的误差计算公式，计算所述输出值与所述模拟波形训练集的差值是否小于预设的阈值，若小于所述阈值，则停止训练，得到目标神经网络；

若所述输出值与所述模拟波形训练集的差值大于所述阈值，则利用所述输出值与预设的正向残差公式，计算出各个输出层节点的残差；

利用所述输出层节点的残差以及所述原始后端权重，加权求和计算各隐藏层节点残差加权值；

利用所述隐藏层节点残差加权值与预构建的反向残差公式，计算出各隐藏层节点残差值；