当前位置: X-MOL 学术Water Res. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
污水处理厂智能曝气控制机器学习框架:基于变化滑动层的自动特征工程
Water Research ( IF 11.4 ) Pub Date : 2023-09-28 , DOI: 10.1016/j.watres.2023.120676
Yu-Qi Wang 1 , Hong-Cheng Wang 1 , Yun-Peng Song 1 , Shi-Qing Zhou 2 , Qiu-Ning Li 3 , Bin Liang 1 , Wen-Zong Liu 1 , Yi-Wei Zhao 1 , Ai-Jie Wang 1
Affiliation  

废水处理厂(WWTP)的智能控制具有显着减少能源消耗和温室气体排放的潜力。机器学习 (ML) 提供了一种很有前途的解决方案来处理不断增加的生成数据的数量和复杂性。然而,废水数据集特征之间的关系通常不明显,这阻碍了人工智能(AI)在污水处理厂智能控制中的应用。在本研究中,我们开发了一种基于变化滑动层(VSL)的特征工程自动框架来精确控制空气需求。结果表明,在经典机器学习、深度学习和集成学习中使用VSL可以显着提高污水处理厂曝气智能控制的效率。贝叶斯回归和集成学习实现了空气需求预测的最高准确度。采用 VSL-ML 模型开发的模型也在全规模污水处理厂中成功实施,与预设溶解氧 (DO) 和反馈鼓风机的传统曝气控制相比,需求减少了 16.12%。VSL-ML模型在精确空气需求预测和控制方面显示出巨大的应用潜力。该包作为Python三方库,名为wwtpai,可在GitHub和CSDN上免费获取,以消除AI技术在污水处理厂应用的技术障碍。





"点击查看英文标题和摘要"

更新日期:2023-09-28
down
wechat
bug