45、污水处理厂动态模式识别与数据特征选择方法

污水处理厂动态模式识别与数据特征选择方法

1. 污水处理厂动态模式识别

在污水处理厂（WWTP）的运营中，识别污水的动态模式对于优化处理过程和提高决策支持至关重要。这里采用了一种结合人工智能（AI）和统计学（Stats）的混合工具 ClBR×E 来识别更具特征的动态模式。

1.1 数据处理与规则设定

首先，构建变量 Tcod 的排序频率表，包括相对频率和绝对频率。然后，定义变量 T 来识别频率大于 γ 的轨迹：
- 若 Tcod 的相对频率 > γ，则 T = Tcod；
- 否则，T = Tothers。

同时，使用一组规则 R 对污水处理过程进行评估：
- r1: If(SS - S) > 20 且 (DBO - S) > 35 → S(一般异常运行)
- r2: If(SS - S) > 20 且 (DBO - S) < 35 → P(悬浮固体处理失败)
- r3: If(SS - S) < 20 且 (DBO - S) > 35 → Q(有机物处理失败)

根据这些规则，对输入数据 I 进行划分，得到分区 PR = {S, P, Q, Residual}，其中 S 包含 11 个满足 r1 的元素，P 包含 40 个满足 r2 的元素，Q 包含 10 个满足 r3 的元素，Residual 包含 335 个不满足任何规则或同时满足多个矛盾规则的元素。

1.2 各子过程分析

污水处理过程分为多个子过程，包括输入、沉淀、生物反应和输出子过程。每个子过程分别进行处理，使用归一化欧几里得平方度量和 Lin