基于深度学习的污水处理厂智能管理

污水处理厂的智能化管理对于未来智慧城市的可持续发展至关重要,这项管理工作的核心之一在于对每日污水业务量的准确预测.从系统科学的角度而言,污水的产生是整个社会系统多种因素共同作用的结果.数据挖掘技术具有很强的抽象能力,能够用来构建实现污水处理厂智能化管理的预测方法.然而,现有的基于数据挖掘的方法只关注单一因素,如经济或气象因素,而忽略了它们的协同效应.针对这一挑战,本文提出了一种基于深度学习的污水厂智能化管理机制来预测污水业务量.将灰色关联算法(GRA)和门控递归单元网络(GRU)结合成预测模型(GRA-GRU).利用GRA选择对污水业务量有显著影响的因素,利用GRU输出预测结果.本文进行了大量...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	中南大学学报（英文版） 2022, Vol.29 (5), p.1537-1552
Hauptverfasser:	万柯佚, 杜博鑫, 王建辉, 郭智威, 冯东, 高旭, 申渝, 余恪平
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	污水处理厂的智能化管理对于未来智慧城市的可持续发展至关重要,这项管理工作的核心之一在于对每日污水业务量的准确预测.从系统科学的角度而言,污水的产生是整个社会系统多种因素共同作用的结果.数据挖掘技术具有很强的抽象能力,能够用来构建实现污水处理厂智能化管理的预测方法.然而,现有的基于数据挖掘的方法只关注单一因素,如经济或气象因素,而忽略了它们的协同效应.针对这一挑战,本文提出了一种基于深度学习的污水厂智能化管理机制来预测污水业务量.将灰色关联算法(GRA)和门控递归单元网络(GRU)结合成预测模型(GRA-GRU).利用GRA选择对污水业务量有显著影响的因素,利用GRU输出预测结果.本文进行了大量的实验来验证所提出的GRA-GRU模型的有效性.
ISSN:	2095-2899