公布日：2024.05.03
申请日：2024.02.26
分类号：C02F1/52(2023.01)I;C02F101/20(2006.01)N
摘要
本申请公开了一种重金属污水处理系统及处理方法，属于重金属污水处理系统技术领域。包括采集重金属数据，采集不同来源的重金属数据及重金属污染浓度等情况，对重金属数据进行去除噪声、处理缺失值、标准化数据的预处理，确保数据质量和一致性，以便深度学习模型能够有效学习，对不同重金属污染浓度进行标签，利用重金属数据进行建立重金属模型并通过数据集进行训练，实时监测重金属浓度，根据监测结果，调整每次添加剂量及处理反应搅拌的速率等，通过重金属模型的设置，可以对不同来源不同浓度的重金属污水进行不同速率及药剂量添加的处理预测，从而可以提高处理效率的同时还能对药剂的量进行预测，提高利用率，减少浪费。
权利要求书
1.一种重金属污水处理系统，其特征在于：包含：采集重金属数据，采集不同来源的重金属数据及重金属污染浓度等情况；重金属数据预处理，对重金属数据进行去除噪声、处理缺失值、标准化数据的预处理，确保数据质量和一致性，以便深度学习模型能够有效学习；重金属数据标注，对不同重金属污染浓度进行标签；建立重金属模型训练，利用重金属数据进行建立重金属模型并通过数据集进行训练；重金属模型验证评估并优化，利用验证集进行重金属模型的验证评估，并根据结果进行调整；重金属模型保存部署，部署训练好的重金属模型到实际监测系统中，实时监测重金属浓度；处理设备，根据监测结果，调整每次添加剂量及处理反应搅拌的速率等。
2.根据权利要求1所述的重金属污水处理系统，其特征在于：所述采集重金属数据，还包括在设备处理重金属污水的过程中，不同量的药剂在添加后不同速率搅拌反应的数据，利用光学传感器，使用光的特性来测量目标物质的浓度，通过吸收光谱法测量光的吸收或发射特性，可以推断出目标物质的浓度。
3.根据权利要求1所述的重金属污水处理系统，其特征在于：所述重金属数据预处理，使用滤波器如平均滤波、中值滤波，有助于平滑信号并降低噪声的影响，使用傅里叶变换将信号从时域转换到频域，从而更容易识别和去除特定频率的噪声成分；如果缺失值较少，选择删除包含缺失值的样本或特征，使用插值技术，如线性插值、多项式插值或插值算法，以估计缺失值；使用学习模型来预测缺失值，将问题建模为回归或分类任务；对于时间序列处理，进行移动平均、指数平滑等方法帮助平滑时间序列数据，减少噪声和突发性波动，创建滞后特征，即将当前时刻的值作为特征，有助于捕捉时间序列的趋势，对于季节性数据，进行周期性分析以了解数据在不同时间段的周期性变化。
4.根据权利要求1所述的重金属污水处理系统，其特征在于：所述重金属数据标注，还包括对在处理过程中，不同药剂的不同量对重金属污水进行处理过程中，时间节点的浓度变化标注。
5.根据权利要求1所述的重金属污水处理系统，其特征在于：所述建立重金属模型训练，选择循环神经网络构架，以处理输入的时空信息，设计网络结构和层数，并确定适当的损失函数，使用标注的数据集对重金属模型进行训练，通过迭代优化模型参数，使其能够准确地预测重金属浓度。
6.根据权利要求1所述的重金属污水处理系统，其特征在于：所述重金属模型验证评估并优化，利用评估指标进行评估，平均绝对误差，预测值与实际值之间差异的绝对值的平均值；公式：【MAE＝\frac{1}{n}\sum_{i＝1}^{n}|y_i-\hat{y}_i|】其中是样本数，是实际值，是预测值；决定系数，R2度量模型对总方差的解释程度，取值范围在0到1之间，越接近1表示模型越好，公式：【R^2＝1-\frac{\sum_{i＝1}^{n}^2}{\sum{i＝1}^{n}^2}]】其中是实际值，是预测值，是实际值的平均值；平均百分比误差，实际值与预测值的百分比误差的平均值；公式：【MAPE＝\frac{1}{n}\sum_{i＝1}^{n}\left\times100％】其中是样本数，是实际值，是预测值。
7.根据权利要求1所述的重金属污水处理系统，其特征在于：所述处理设备，包括固定座；限位外壳，所述限位外壳固定设置于固定座外壁；处理桶，所述处理桶通过转动驱动转动设置于限位外壳内部；箱门，所述箱门活动设置于处理桶一侧；处理轴，所述处理轴通过环绕组件转动设置于处理桶内部。
8.根据权利要求1-7任一所述的一种重金属污水处理系统的处理方法，其特征在于，包括以下步骤：S1、首先，采集不同来源的重金属数据及重金属污染浓度等情况，在设备处理重金属污水的过程中，不同量的药剂在添加后不同速率搅拌反应的数据，利用光学传感器，使用光的特性来测量目标物质的浓度，通过吸收光谱法测量光的吸收或发射特性，可以推断出目标物质的浓度；S2、此时，重金属数据进行去除噪声、处理缺失值、标准化数据的预处理，使用滤波器如平均滤波、中值滤波，有助于平滑信号并降低噪声的影响，使用傅里叶变换将信号从时域转换到频域，从而更容易识别和去除特定频率的噪声成分，如果缺失值较少，选择删除包含缺失值的样本或特征，使用插值技术，如线性插值、多项式插值或插值算法，以估计缺失值；使用学习模型来预测缺失值，将问题建模为回归或分类任务，对于时间序列处理，进行移动平均、指数平滑等方法帮助平滑时间序列数据，减少噪声和突发性波动，创建滞后特征，即将当前时刻的值作为特征，有助于捕捉时间序列的趋势，对于季节性数据，进行周期性分析以了解数据在不同时间段的周期性变化；S3、此时，对不同重金属污染浓度进行标签，还包括对在处理过程中，不同药剂的不同量对重金属污水进行处理过程中，时间节点的浓度变化标注；S4、此时，利用重金属数据进行建立重金属模型并通过数据集进行训练，选择循环神经网络构架，以处理输入的时空信息，设计网络结构和层数，并确定适当的损失函数，使用标注的数据集对重金属模型进行训练，通过迭代优化模型参数，使其能够准确地预测重金属浓度；S5、此时，利用验证集进行重金属模型的验证评估，利用评估指标进行评估，平均绝对误差，预测值与实际值之间差异的绝对值的平均值；公式：【MAE＝\frac{1}{n}\sum_{i＝1}^{n}|y_i-\hat{y}_i|】其中是样本数，是实际值，是预测值；决定系数，R2度量模型对总方差的解释程度，取值范围在0到1之间，越接近1表示模型越好，公式：【R^2＝1-\frac{\sum_{i＝1}^{n}^2}{\sum{i＝1}^{n}^2}】其中是实际值，是预测值，是实际值的平均值；平均百分比误差，实际值与预测值的百分比误差的平均值；公式：【MAPE＝\frac{1}{n}\sum_{i＝1}^{n}\left\times100％】其中是样本数，是实际值，是预测值，并根据结果进行调整；S6、此时，根据监测结果，调整每次添加剂量及处理反应搅拌的速率等。
发明内容
1.要解决的技术问题
本申请的目的在于提供一种重金属污水处理系统的方法，解决了上述背景技术中的装置在处理的过程中，不能直接的在处理箱内部添加药剂进行处理，处理的效率低，同时在处理的过程中，不能对不同的重金属污水进行监测，从而有效的控制药剂的量，减少浪费的技术问题，实现了技术效果。
2.技术方案
本申请技术方案提供了一种重金属污水处理系统，包括
采集重金属数据，采集不同来源的重金属数据及重金属污染浓度等情况；
重金属数据预处理，对重金属数据进行去除噪声、处理缺失值、标准化数据的预处理，确保数据质量和一致性，以便深度学习模型能够有效学习；
重金属数据标注，对不同重金属污染浓度进行标签；
建立重金属模型训练，利用重金属数据进行建立重金属模型并通过数据集进行训练；
重金属模型验证评估并优化，利用验证集进行重金属模型的验证评估，并根据结果进行调整；
重金属模型保存部署，部署训练好的重金属模型到实际监测系统中，实时监测重金属浓度；
处理设备，根据监测结果，调整每次添加剂量及处理反应搅拌的速率等。
通过采用上述技术方案，通过重金属模型的设置，可以对不同来源不同浓度的重金属污水进行不同速率及药剂量添加的处理预测，从而可以提高处理效率的同时还能对药剂的量进行预测，提高利用率，减少浪费。
作为本申请文件技术方案的一种可选方案，所述采集重金属数据，还包括在设备处理重金属污水的过程中，不同量的药剂在添加后不同速率搅拌反应的数据，利用光学传感器，使用光的特性来测量目标物质的浓度，通过吸收光谱法测量光的吸收或发射特性，可以推断出目标物质的浓度。
作为本申请文件技术方案的一种可选方案，所述重金属数据预处理，使用滤波器如平均滤波、中值滤波，有助于平滑信号并降低噪声的影响，使用傅里叶变换将信号从时域转换到频域，从而更容易识别和去除特定频率的噪声成分；
如果缺失值较少，选择删除包含缺失值的样本或特征，使用插值技术，如线性插值、多项式插值或插值算法，以估计缺失值；
使用学习模型来预测缺失值，将问题建模为回归或分类任务；
对于时间序列处理，进行移动平均、指数平滑等方法帮助平滑时间序列数据，减少噪声和突发性波动，创建滞后特征，即将当前时刻的值作为特征，有助于捕捉时间序列的趋势，对于季节性数据，进行周期性分析以了解数据在不同时间段的周期性变化。
作为本申请文件技术方案的一种可选方案，所述重金属数据标注，还包括对在处理过程中，不同药剂的不同量对重金属污水进行处理过程中，时间节点的浓度变化标注。
作为本申请文件技术方案的一种可选方案，所述建立重金属模型训练，选择循环神经网络构架，以处理输入的时空信息，设计网络结构和层数，并确定适当的损失函数，使用标注的数据集对重金属模型进行训练，通过迭代优化模型参数，使其能够准确地预测重金属浓度。
作为本申请文件技术方案的一种可选方案，所述重金属模型验证评估并优化，利用评估指标进行评估，平均绝对误差，预测值与实际值之间差异的绝对值的平均值；
公式：【MAE＝\frac{1}{n}\sum_{i＝1}^{n}|y_i-\hat{y}_i|】
其中(n)是样本数，(y_i)是实际值，(\hat{y}_i)是预测值。
决定系数，R2度量模型对总方差的解释程度，取值范围在0到1之间，越接近1表示模型越好，公式：【R^2＝1-\frac{\sum_{i＝1}^{n}(y_i-\hat{y}i)^2}{\sum{i＝1}^{n}(y_i-\bar{y})^2}】
其中(y_i)是实际值，(\hat{y}_i)是预测值，(\bar{y})是实际值的平均值；
平均百分比误差，实际值与预测值的百分比误差的平均值；
公式：【MAPE＝\frac{1}{n}\sum_{i＝1}^{n}\left(\frac{|y_i-\hat{y}_i|}{|y_i|}\right)\times100％】
其中(n)是样本数，(y_i)是实际值，(\hat{y}_i)是预测值。
作为本申请文件技术方案的一种可选方案，所述处理设备，包括
固定座；
限位外壳，所述限位外壳固定设置于固定座外壁；
处理桶，所述处理桶通过转动驱动转动设置于限位外壳内部；
箱门，所述箱门活动设置于处理桶一侧；
处理轴，所述处理轴通过环绕组件转动设置于处理桶内部。
本申请还公开了前述重金属污水处理系统的使用方法，包括以下步骤：
S1、首先，采集不同来源的重金属数据及重金属污染浓度等情况，在设备处理重金属污水的过程中，不同量的药剂在添加后不同速率搅拌反应的数据，利用光学传感器，使用光的特性来测量目标物质的浓度，通过吸收光谱法测量光的吸收或发射特性，可以推断出目标物质的浓度；
S2、此时，重金属数据进行去除噪声、处理缺失值、标准化数据的预处理，使用滤波器如平均滤波、中值滤波，有助于平滑信号并降低噪声的影响，使用傅里叶变换将信号从时域转换到频域，从而更容易识别和去除特定频率的噪声成分，如果缺失值较少，选择删除包含缺失值的样本或特征，使用插值技术，如线性插值、多项式插值或插值算法，以估计缺失值；
使用学习模型来预测缺失值，将问题建模为回归或分类任务，对于时间序列处理，进行移动平均、指数平滑等方法帮助平滑时间序列数据，减少噪声和突发性波动，创建滞后特征，即将当前时刻的值作为特征，有助于捕捉时间序列的趋势，对于季节性数据，进行周期性分析以了解数据在不同时间段的周期性变化；
S3、此时，对不同重金属污染浓度进行标签，还包括对在处理过程中，不同药剂的不同量对重金属污水进行处理过程中，时间节点的浓度变化标注；
S4、此时，利用重金属数据进行建立重金属模型并通过数据集进行训练，选择循环神经网络构架，以处理输入的时空信息，设计网络结构和层数，并确定适当的损失函数，使用标注的数据集对重金属模型进行训练，通过迭代优化模型参数，使其能够准确地预测重金属浓度；
S5、此时，利用验证集进行重金属模型的验证评估，利用评估指标进行评估，平均绝对误差，预测值与实际值之间差异的绝对值的平均值；
公式：【MAE＝\frac{1}{n}\sum_{i＝1}^{n}|y_i-\hat{y}_i|】
其中(n)是样本数，(y_i)是实际值，(\hat{y}_i)是预测值。
决定系数，R2度量模型对总方差的解释程度，取值范围在0到1之间，越接近1表示模型越好，公式：【R^2＝1-\frac{\sum_{i＝1}^{n}(y_i-\hat{y}i)^2}{\sum{i＝1}^{n}(y_i-\bar{y})^2}】
其中(y_i)是实际值，(\hat{y}_i)是预测值，(\bar{y})是实际值的平均值；
平均百分比误差，实际值与预测值的百分比误差的平均值；
公式：【MAPE＝\frac{1}{n}\sum_{i＝1}^{n}\left(\frac{|y_i-\hat{y}_i|}{|y_i|}\right)\times100％】
其中(n)是样本数，(y_i)是实际值，(\hat{y}_i)是预测值，并根据结果进行调整；
S6、此时，根据监测结果，调整每次添加剂量及处理反应搅拌的速率等。
3.有益效果
本申请技术方案中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1.本申请通过重金属模型的设置，可以对不同来源不同浓度的重金属污水进行不同速率及药剂量添加的处理预测，从而可以提高处理效率的同时还能对药剂的量进行预测，提高利用率，减少浪费。
2.本申请通过转动驱动的设置，可以让处理桶进行转动，让液体在处理桶内部进行翻滚，通过充分的搅拌翻滚，增加反应的效率，提高处理的效果。
3.本申请通过环绕组件的设置，可以让处理轴进行环绕并自转，从而进行一步的搅拌，让液体间进行多方式的撞击反应，提高反应的效果。
4.本申请通过处理轴上出液头的设置，可以进行不同量的药剂的摄入，同时在液体内部直接的注入，提高混合的效率及效果。
（发明人：温金波）