[发明专利]一种基于机器学习的污水处理的水质预测方法及系统

摘要

本发明涉及机器学习领域，特别涉及一种基于机器学习的污水处理的水质预测方法及系统，所述方法包括确定污水的测量参数和污水处理的行业标准，并初始化污水的测量参数，并将测量参数的特征权重向量初始化为1；获取污水测量参数的适应度，将适应度最大的个体作为最优的个体；将最优的个体复制n‑1个，并在每个复制的个体上的特征权重上加一个随机值；获取当前个体的适应度，选择适应度最大的个体作为最优的个体；若达到最大迭代次数，则输出最优的特征权重向量；将得到最优特征向量输入线性支持向量机；将实时污水测量参数输入完成训练的线性支持向量机即可得到预测结果；本发明可以有效地对污水质量进行预测，为实际的污水处理提供辅助。

主权项

1.一种基于机器学习的污水处理的水质预测方法，其特征在于，具体包括以下步骤：S1、确定污水的测量参数和污水处理的行业标准，并初始化污水的测量参数，并将测量参数的特征权重向量初始化为1，表示为为v₀(i)＝1；所述污水的测量参数至少包括CODcr出水、PH值、溶解氧DO、氨氮NH₃‑N；S2、通过线性支持向量机获取污水测量参数的适应度，将适应度最大的个体作为最优的个体，令i＝1；S3、在第i次迭代中，将最优的个体复制n‑1个，并在每个复制的个体上的特征权重上随机加上一个区间[0,max_variation]内的值；S4、通过线性支持向量机获取当前个体的适应度，选择适应度最大的个体作为最优的个体；S5、判断是否达到最大迭代次数，若没达到则令i＝i+1，返回步骤S3；否则输出最优的特征权重向量；S6、将得到最优特征向量输入线性支持向量机进行训练，训练完成后将实时污水测量参数输入线性支持向量机中，即可得到预测结果；其中，n为预定的种群数量；max_variation为预设的单代最大变异度；v_j(i)为第j个污水的测量参数的特征向量，1≤i≤m，m为该测量参数的特征向量的维数。