[发明专利]一种沉淀池泥量预测系统及方法

权利要求书

1.一种沉淀池泥量预测系统，其特征在于，包括：

数据采集模块，用于持续监测一沉淀池的非排泥时段和排泥时段，将单个所述非排泥时段及其对应的所述排泥时段作为一个沉淀周期，并针对每个所述沉淀周期，分别获取所述沉淀池在所述非排泥时段的至少一组历史进水参数和对应的历史泥水界面高度，以及所述排泥时段结束后的总实际产泥量和对应的总泥水界面高度；

数据处理模块，连接所述数据采集模块，用于根据各所述历史泥水界面高度、所述总实际产泥量和所述总泥水界面高度处理得到在所述历史进水参数的采集时刻与上一采集时刻之间的时段所述沉淀池的实时实际产泥量；

模型训练模块，分别连接所述数据采集模块和所述数据处理模块，用于将各所述实时进水参数和对应的所述实时实际产泥量加入一样本集，并根据所述样本集中训练得到以所述实时进水参数作为输入，以对应的所述实时实际产泥量作为输出的一泥量预测模型；

泥量预测模块，分别连接所述数据采集模块和所述模型训练模块，用于获取所述沉淀池在所述非排泥时段的一组实时进水参数，并将所述实时进水参数输入所述泥量预测模型中，以得到所述沉淀池当前的预测产泥量作为所述沉淀池的泥量预测结果。

2.根据权利要求1所述的沉淀池泥量预测系统，其特征在于，所述历史进水参数包括进水流量、进水浊度、PH值、温度和投药量。

3.根据权利要求1所述的沉淀池泥量预测系统，其特征在于，所述实时实际产泥量的计算公式如下：

S_p＝(H-H′)/H_总*S_总

其中，S_p用于表示所述历史进水参数当前的采集时刻对应的所述实时实际产泥量；H用于表示当前的采集时刻对应的所述历史泥水界面高度；H′用于表示当前的采集时刻的上一采集时刻的所述历史泥水界面高度；H_总用于表示所述总泥水界面高度；S_总用于表示所述总实际产泥量。

4.根据权利要求1所述的沉淀池泥量预测系统，其特征在于，所述泥量预测模型为BP神经网络模型，且在模型训练过程中，选用S型传递函数并通过反传误差函数调整所述BP神经网络模型的网络权值及阈值。

5.根据权利要求4所述的沉淀池泥量预测系统，其特征在于，所述BP神经网络模型包括依次连接的输入层、隐层和输出层，所述隐层的神经元的激励函数为S型正切函数，所述输出层的神经元的激励函数为S型对数函数。

6.根据权利要求1所述的沉淀池泥量预测系统，其特征在于，还包括一模型修正模块，分别连接所述数据采集模块、数据处理模块、所述模型训练模块和所述泥量预测模块，所述模型修正模块包括：

数据获取单元，用于获取所述沉淀池在每个所述沉淀周期的整个所述非排泥时段的各所述实时进水参数对应的所述泥量预测结果以及在相同所述沉淀周期内的所述排泥时段结束后的所述总实际产泥量；

第一处理单元，连接所述数据获取单元，用于将各所述泥量预测结果累计相加得到每个所述沉淀周期的整个所述非排泥阶段的总预测泥量，并处理得到所述总预测泥量与相同所述沉淀周期对应的所述总实际产泥量之间的比值；

数据提取单元，连接所述第一处理单元，用于在所述比值不在预设的一标准比值范围内时，提取所述比值对应的所述总预测泥量关联的各所述实时进水参数；

第二处理单元，连接所述数据提取单元，用于获取提取的各所述实时进水参数对应的所述实时实际产泥量并作为新增样本加入所述样本集中，以对所述样本集进行更新；

第三处理单元，连接所述第二处理单元，用于统计所述新增样本在更新后的所述样本集中的样本占比，并在所述样本占比达到一预设值时生成一修正信号；

所述模型训练模块根据所述修正信号以及更新后的所述样本集重新训练所述泥量预测模型。

7.根据权利要求6所述的沉淀池泥量预测系统，其特征在于，所述模型修正模块还包括一设置端口，连接所述数据提取单元，用于接收外部的调整指令对所述标准比值范围进行更新。