文档介绍：污水水质检测方法与装置的制作方法
专利名称：污水水质检测方法与装置的制作方法
技术领域：
本发明涉及污水检测技术领域，特别是涉及一种污水水质检测方法与装置。
背景技术：
污水排放量随着城市化的发展和工农业生产的发展而日益增加。我国方法，它的目标就是构造一个决策函数，将测试数据尽可能正确地分类并预测未知类别，关联向量机(RVM, Relevance VectorMachine)则是在支持向量机的基础上发展起来的一种新的计算方法，两者的本质都是借助于核函数把低维空间线性不可分的问题转换为高维空间中的线性划分问题。相对SVM模型来说，RVM是在贝叶斯框架下提出的具有稀疏概率模型的学****算法，可以得到概率似的预测。在本文总磷TP和总氮TN的预测过程中，与SVM相比，首先，RVM良好的泛化能力可使预测结果达到与SVM相当的精度；其次，在RVM模型中，没有规则化系数，不需要通过交叉验证获取该参数；再次,在RVM求解过程中，核函数不必满足Mercer条件；最后,RVM训练完成后，只有少数基函数的权值非零，比SVM更加稀疏，因此更能明确地分析用概率表示的预测结果的不确定性。综上，RVM基于贝叶斯框架构建，其泛化能力优于支持向量机，且其测试时间更短，更适用于在线检测。为此，本文提出引入RVM这一软测量方法，建立水质中重要指标总氮(TN)和总磷(TP)的预测模型。下面结合附图详细解释本发明。本发明污水水质检测方法，如图1所示，包括如下步骤:步骤SlOl、监测污水工艺参数；步骤S102、将所述污水工艺参数输入预先训练的基于关联向量机的出水总氮和出水总磷的预测模型； 步骤S103、输出出水总氮或出水总磷的数据。污水水质检测的目的检出是出水总氮和出水总磷的含量，鉴于总氮和总磷难以测量，因此如步骤SlOl所述先监测其他易于测量的工艺参数，再将这些参数输入到预测模型中，最后输出的即是总氮或总磷的数据。预测模型中输入变量(工艺参数)的选取，可以是基于对生物处理的机理及实际工况的了解和经验来确定，生物脱氮除磷是通过硝化和反硝化两个步骤进行的，结合污水处理过程中硝化与反硝化反应过程中的主要影响因素和某污水厂的生产统计月报和工艺运行参数报表中的可用数据，本方法中出水TN预测模型输入变量由进水流量、进水悬浮物浓度SS及进水NH/-N值、曝气池氧D0、温度T、酸碱度PH、氧化还原电0RP、混合液悬浮固体浓度MLSS、No3—-N及曝气池电导率k以及出水悬浮物浓度SS、NH4+-N等12个参数组成；出水TP预测模型输入变量由进水流量、进水悬浮物浓度SS及曝气池氧D0、温度T、酸碱度PH、氧化还原电0RP、混合液悬浮固体浓度MLSS、No3--N及曝气池电导率k以及出水悬浮物浓度SS等10个参数组成。步骤S102所述的基于关联向量机的出水总氮和出水总磷的预测模型的推导过程如下:对于给定的数据集(Xi, tj \ = 1, Xi G Rd, ti G R, d为数据集中向量的维数。考虑到目标值只是一个标量且受到噪声影响，可以定义目标值为t = y(x，w)+e，其中e为服从均值为0，方差为O 2的高斯分布噪声。目标值的服从高斯分布，故其概率表达式为:
p (ti Iy(Xi), o2) =N (Y(XilWi), o 2) (I)其中
权利要求
，其特征在于，