关键词:
深度学习
总磷预测
神经网络
Informer模型
摘要:
水体中磷含量过高是造成水体富营养化的关键因素之一,故总磷是污水处理的一项重要水质控制参数,传统总磷测定方式无法实现对出水总磷的实时监测,不利于处理过程的智能化发展。使用BP神经网络(BPNN)、卷积神经网络(CNN)、长短期记忆递归神经网络(LSTM)、Informer模型建立了污水处理厂出水总磷预测模型,分析表明:BPNN模型的R2为0.459 7,模型预测结果平稳性差;CNN模型的各项评估指标都较差,不适用于对污水处理厂出水总磷的预测;LSTM模型的均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)和R^(2)分别为0.008 2、0.090 5、0.068 4和0.606 8,模型预测精度较高;相较于LSTM模型,Informer模型的MSE、RMSE、MAE分别降低了21.95%、11.60%、28.65%,R2提高了19.94%,具有明显的预测优势。Informer模型预测精度高且泛用性强,预测结果平稳性好,能有效预测污水处理工艺的出水总磷,对于污水处理厂提高实时智能化水平、优化处理工艺、提高除磷效率、减少能耗和实现碳中和具有重要意义。