废水处理效果的量化方法及装置的制造方法

废水处理效果的量化方法及装置的制造方法
【专利摘要】本申请提供一种废水处理效果的量化方法及装置，包括：在对一种物质的至少一个样本进行废水处理实验后，获取每个样本对多个评价指标中每个评价指标的数据值；其中，所述多个评价指标为预先设定的、评估样本对废水处理效果的因素；对每个样本中每个评价指标的数据值进行归一化处理，得到每个样本中每个评价指标的隶属度值；针对每个样本而言，计算每个评价指标的隶属度值和该评价指标的对应的权重值的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果；将各个样本的废水处理效果的综合值，确定为所述物质的废水处理效果。本申请可以定量计算物质对废水的处理效果，从而为实际生产应用提供可靠性依据。
【专利说明】
废水处理效果的量化方法及装置
技术领域
[0001 ]本申请涉及废水生物处理技术领域，尤其涉及一种废水处理效果的量化方法及装 置。
【背景技术】
[0002] 随着工业化水平越来越高，环境污染也越来严重。为了保护人类的生态环境，治理 环境污染已经成为目前主要研究方向。环境污染按属性可以分为大气污染、土壤污染和水 体污染。其中，水体污染主要指从油船与油井漏出来的原油，农田用的杀虫剂和化肥，工厂 排出的污水，矿场流出的酸性溶液等污染源造成污染。
[0003] 随着生物科学家的深入研究，发现一些物质在一定程度上可以治理水体污染；例 如，好氧颗粒污泥和活性污泥絮体等。可以理解的是，由于不同物质的特性不同，所以不同 物质对废水的处理效果也是各不相同的。这些物质对废水的处理效果可以体现在多个方 面，如，物质的化学需氧量、废水中总氮去除率和废水中总磷去除率等等多个评价指标。因 此，在确定这些物质对废水的处理效果时需要综合考虑多个指标。
[0004] 由于综合考虑多个评价指标这个过程较为复杂，所以目前确定物质对废水的处理 效果通常是定性分析，即由技术人员来人为模糊判断物质对废水处理效果的好坏。但是，人 为定性分析物质对废水处理效果的方式得到的结果不太准确，无法准确为实际的生产应用 提供可靠性依据。

【发明内容】

[0005] 鉴于此，本申请提供了一种废水处理效果的计算方法及装置，可以定量计算物质 对废水的处理效果，以便为实际生产应用提供可靠性依据。
[0006] 为了实现上述目的，本申请提供了以下技术手段：
[0007] -种废水处理效果的量化方法，包括：
[0008] 在对一种物质的至少一个样本进行废水处理实验后，获取每个样本对多个评价指 标中每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评估样本对废水处理 效果的因素；
[0009] 对每个样本中每个评价指标的数据值进行归一化处理，得到每个样本中每个评价 指标的隶属度值；
[0010] 针对每个样本而言，计算每个评价指标的隶属度值和该评价指标的对应的权重值 的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果；
[0011] 将各个样本的废水处理效果的综合值，确定为所述物质的废水处理效果。
[0012] 优选的，所述多个评价指标包括：
[0013] 表示评价指标的数据值越大越优的第一类评价指标;和/或，表示评价指标的数据 值越小越优的第二类评价指标，和/或，表示评价指标的数据值位于中间优越的第三类评价 指标，和/或，语言型评价指标；
[0014] 其中，所述第一类评价指标包括:样本在废水处理过程中的化学需氧量，和/或，样 本在废水处理后的总氮去除率，和/或，样本在废水处理后的总磷去除率，和/或，容纳废水 和样本的反应器中的混合液悬浮固体浓度，和/或，样本在所述反应器中的沉降速度；
[0015] 所述第二类评价指标包括:样本的污泥容积指数；
[0016] 所述第三类评价指标包括:样本的颗粒半径；
[0017] 所述语言型评价指标包括:所述反应器在处理废水时的稳定性。
[0018]优选的，针对所述第一类评价指标，对评价指标的数据值进行归一化处理得到评 价指标的隶属度值，包括：
[0019] 利用公
?各个样本的第一类评价指标中每个评价指标的数 据值进行归一化处理，将公式的计算结果确定为各个样本的第一类评价指标中每个评价指 标的隶属度值；
[0020] 其中，所有样本中各个评价指标的数据值组成评价指标矩阵，在所述评价指标矩 阵中每行代表一个样本并采用字母i表示，〇 < i <η且η为样本数量;每列代表一个评价指标 并采用字母j表示，〇 < j <m且j为评价指标数量；
[0021] 在上述公式中，心，代表第一类评价指标中第i个样本的第个评价指标的隶属度 值，·、,代表第i个样本的第土个评价指标的数据值，,代表所有样本中第个评价指标 的最小值，代表所有样本中第心个评价指标的最大值。
[0022] 优选的，针对所述第二类评价指标，对评价指标的数据值进行归一化处理得到评 价指标的隶属度值，包括：
[0023] 利用公：
对各个样本的第二类评价指标中每个评价指标的数 据值进行归一化处理，将公式的计算结果确定为各个样本的第二类评价指标中每个评价指 标的隶属度值；
[0024] 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标 矩阵中每行代表一个样本并采用字母i表示，〇 < i <η且η为样本数量;每列代表一个评价指 标并采用字母j表示，〇 < j <m且j为评价指标数量；
[0025] 在上述公式中，心:代表第二类评价指标中第i个样本的第j2个评价指标的隶属度 值，代表第i个样本的第j 2个评价指标的数据值，代表所有样本中第j2个评价指标 的最小值，^-^代表所有样本中第j 2个评价指标的最大值。
[0026]优选的，针对所述第三类评价指标，对评价指标的数据值进行归一化处理得到评 价指标的隶属度值，包括：
[0027]利用公;！
寸各个样本的第三类评价指标的数据 值进行归一化处理，将公式的计算结果确定为各个样本的第三类评价指标中每个评价指标 的隶属度值；
[0028] 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标 矩阵中每行代表一个样本并采用字母i表示，〇 < i <n且η为样本数量;每列代表一个评价指 标并采用字母j表示，〇 < j <m且j为评价指标数量；
[0029] 在上述公式中，^:3代表第i个样本的第j个评价指标的隶属度值，代表第i个样 本的第j3个评价指标的数据值，^表示第j个评价指标最优值的下限，h表示第j个评价指标 最优值的上限。
[0030] 优选的，针对所述语言型评价指标，对评价指标的数据值进行归一化处理得到评 价指标的隶属度值，包括：
[0031] 获取表示反应器稳定性的语气标尺，并获取与所述语气标尺对应的三角模糊数， 其中，所述三角模糊数包括最小值、可能值和最大值;所述语气标尺包括多个评价等级；
[0032] 将所述三角模糊数代入公?
，将计算结果确定为反应器稳定性的 隶属度值;其中，s为三角模糊数的最小值、u为三角模糊数的最大值，m为三角模糊数的可能 值。
[0033] 优选的，所述确定每个评价指标在量化废水处理效果时的权重值，包括：
[0034] 利用模糊层次分析法计算每个评价指标的主观权重;和/或，利用熵权法计算每个 评价指标的客观权重；
[0035] 将每个评价指标的主观权重和客观权重的综合权重，或者主观权重、或者客观权 重，确定为各个评价指标的权重值。
[0036] 优选的，所述利用模糊层次分析法计算每个评价指标的主观权重，包括：
[0037]获取模糊互补判别矩阵；其中，所述模糊互补判别矩阵中每个数值均表示两个评 价指标之间的重要程度比较之后的得分；
[0038] 基于所述模糊互补判别矩阵，构建模糊层次分析函数及其约束条件；
[0039] 采用加速遗传算法在所述约束条件下求解模糊层次分析函数的最小值；
[0040] 若所述最小值小于预设标准值，则将采用加速遗传算法求解模糊层次分析函数得 到权重值，确定为各个评价指标的主观权重。
[0041 ]优选的.HE 权法计算每个评价指标的客观权重，包括：
[0042] 利用公： ，_ ln/(,计算各个评价指标的信息熵；
[0043] 利用公： ？./各个评价指标的客观权重;其中，gj = l-hJ;
[0044] 其中，hj为第j个评价指标的信息熵，k为系数且k=l/ln(n)，Pij表示第i个样本中 第j个评价指标数据值的出现概率 ％第1个样本中第j个评价指标隶属度 值。
[0045] 一种废水处理效果的量化装置，包括：
[0046] 获取单元，用于在对一种物质的至少一个样本进行废水处理实验后，获取每个样 本对多个评价指标中每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评估 样本对废水处理效果的因素；
[0047] 归一化单元，用于对每个样本中每个评价指标的数据值进行归一化处理，得到每 个样本中每个评价指标的隶属度值；
[0048] 计算单元，用于针对每个样本而言，计算每个评价指标的隶属度值和该评价指标 对应的权重值的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效 果；
[0049]确定处理效果单元，用于将各个样本的废水处理效果的综合值，确定为所述物质 的废水处理效果。
[0050]通过以上技术手段可以发现本申请具有以下有益效果：
[0051]通过本申请提供的一种废水处理效果的计算方法，本申请可以获取各个评价指标 的数据值并将数据值进行归一化得到隶属度值。然后，将隶属度值与权重值的乘积并求和 之后，便可以得到各个样本的废水处理效果。最后，将各个样本的废水处理效果的综合值， 确定为物质的废水处理效果。通过本申请提供的方式可以定量计算物质对废水的处理效 果，从而可以为实际生产应用提供可靠性依据。
【附图说明】
[0052]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0053]图1为本申请实施例公开的一种废水处理效果的计算方法的流程图；
[0054]图2为本申请实施例公开的又一废水处理效果的计算方法的流程图；
[0055]图3为本申请实施例公开的又一废水处理效果的计算方法的流程图；
[0056]图4为本申请实施例公开的又一废水处理效果的计算方法的流程图；
[0057]图5为本申请实施例公开的又一废水处理效果的计算方法的流程图；
[0058]图6为本申请实施例公开的一种废水处理效果的计算装置的结构示意图。
【具体实施方式】
[0059] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于 本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本申请保护的范围。
[0060] 在本申请执行之前，首先选定一个物质并选择该物质的至少一个样本。当然可以 仅对物质的一个样本进行本申请的量化方法，只是得到的量化结果仅为该物质一个样本对 废水的处理效果。为了使得量化结果更具有信服力，可以选择该物质的多个样本，对多个样 本均进行本申请的量化方法，然后综合考虑该物质的多个样本对废水的处理效果，以便使 得最终得到该物质的量化结果更加具有信服力。
[0061] 可以理解的是，样本数量越多得到最终的量化结果更准确，但是，样本数量较多的 话，在技术人员对样本进行实验时便越繁琐。因此，针对一个物质而言，选择一个合适的样 本数量执行本申请所提供的量化方法即可。
[0062] 由于物质对污水的处理效果体现在多个方面，因此，需要选定多个评价指标，以便 通过评价指标的数据值来评估物质对废水的处理效果。经过本申请发明人长时间的研究发 现，评估废水处理效果的多个评价指标可以有:样本在废水处理过程中的化学需氧量，样本 在废水处理后的总氮去除率，样本在废水处理后的总磷去除率，容纳废水和样本的反应器 中的混合液悬浮固体浓度，样本在所述反应器中的沉降速度，样本的污泥容积指数，样本的 颗粒半径，反应器在处理废水时的稳定性等等。当然还可以有其它评价指标，本申请仅列举 了几个较为常用的评价指标。
[0063] 本申请发明人通过研究发现，上述多个评价指标在评估废水处理效果时，有的评 价指标的数据值越大越好，有的评价指标的数据值越小越好，有的评价指标的数据值位于 中间越好，而有的不能用数据值大小来评估。因此，可以将上述多个评价指标分为四种类 型。在实际使用时，可以在四类评价指标中选择至少一类评价指标，并在选择的一类评价指 标中选择至少一个具体的评价指标。
[0064] (1)第一类评价指标:用于表示评价指标的数据值越大越优。
[0065] 在物质对废水处理过程中，有些评价指标数据值越大越好。即，评价指标的数据值 越大，代表物质对废水处理效果越强。因此，将这类评价指标归为一类，以便后续进行统一 处理。
[0066] 第一类评价指标具体可以包括:样本在废水处理过程中的化学需氧量;和/或，样 本在废水处理后的总氮去除率，和/或，样本在废水处理后的总磷去除率，和/或，容纳废水 和样本的反应器中的混合液悬浮固体浓度，和/或，样本在所述反应器中的沉降速度。
[0067] (2)第二类评价指标:用于表示评价指标的数据值越小越优。
[0068] 在物质对废水处理过程中，有些评价指标数据值越小越好。即，评价指标的数据值 越小，代表物质对废水的处理效果越强。因此，将这类评价指标归为一类，以便后续进行统 一处理。
[0069] 第二类评价指标具体可以包括:样本的污泥容积指数。
[0070] (3)第三类评价指标:表示评价指标的数据值在中间较为优越。
[0071] 在物质对废水处理过程中，有些评价指标数据值并不是越大越好，也不是越小越 好，而是处于中间状态会更好。因此，将这些评价指标归为一类，以便后续进行统一处理。 [0072]第三类评价指标包括:样本的颗粒半径。
[0073] (4)语言型评价指标:评价指标不能采用数据值表示。
[0074] 在物质对废水处理过程中，有些评价指标并不能用数据值来具体表示。例如，所述 反应器在处理废水时的稳定性，反应器的稳定性只能用好、坏、较好、较坏等语气词来表示， 而不能用大小来表示。因此，反应器的稳定性归属于语言型评价指标。
[0075] 对于语言型评价指标，一般采用专家判断的方式并利用语气标尺来确定语言型评 价指标的具体内容。其中，语气标尺包括多个评价等级。专家在判断时一般借助5-11个语气 标尺来表示评价指标的具体内容。以5个语气标尺为例，为较坏、坏、一般、好和较好;专家通 过经验判断一个语言型评价指标的具体内容。
[0076] 在选定样本数量和多个评价指标之后，便可以开始执行废水处理实验。由技术人 员将多个样本分别放入装载有废水的多个反应器中，样本便可以处理废水直至实验结束。 可以理解的是，为了保证实验结果的可用性，本次实验中除样本不一致外，其它实验条件均 是相同的。
[0077] 在实验结束之后，由技术人员或实验仪器测量各个评价指标对应的实验数据;然 后由技术人员或处理器经过初步计算便可以得到各个评价指标的数据值。例如，以总氮去 除率为例，在实验结束之后测量反应器中剩余的氮含量;利用原始的氮含量除以试验后的 氮含量，最终得到该样本的总氮去除率。
[0078] 若上述过程中得到的各个评价指标的数据值未在处理器中，则由技术人员将各个 样本中每个评价指标的数据值导入至处理器中。若各个评价指标的数据值已在处理器中， 则可以开始执行本申请提供的废水处理效果的量化方法，从而确定物质对废水的处理效 果。
[0079] 如图1所述，本申请提供了一种废水处理效果的量化方法，应用于处理器。可以理 解的是，本实施例提供的方法可以适用于多种物质，但是为了清楚地描述本实施例的处理 过程，本实施例仅对一种物质对废水的处理效果进行详细介绍，其它物质对废水的处理效 果的量化过程，可以参考本实施例。所述方法具体包括以下步骤：
[0080] 步骤S101:在对一种物质的至少一个样本进行废水处理实验后，获取每个样本对 多个评价指标中每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评估样本 对废水处理效果的因素。
[0081] 在对一种物质的至少一个样本进行废水处理实验之后，便可以得到各个样本对每 个评价指标的数据值，然后可以将各个样本对每个评价指标的数据值存储到存储空间中。 处理器在执行本实施例的量化方法时，可以存储空间中获取每个样本对每个评价指标的数 据值。
[0082] 假设一共选取η个样本，每个样本具有m个评价指标，则共具有n*m个评价指标的数 据值。由于数据值的数量非常大，为了便于处理器处理，可以将各个样本对每个评价指标的 数据值形成评价指标矩阵。
[0083]在评价指标矩阵中每行代表一个样本并采用字母i表示，0< i <n且η为样本数量； 每列代表一个评价指标并采用字母j表示，〇<j<m且j为评价指标数量。那么，一个样本中 一个评价指标数据值采用表示，则最终得到的评价指标矩阵X如下：
[0084]
[0085] 其中，i = l，2，."，n;j = l，2，."，m。
[0086] 步骤S102:对每个样本中每个评价指标的数据值进行归一化处理，得到每个样本 中每个评价指标的隶属度值。
[0087] 在多个评价指标中各个评价指标的量纲是不一致的；例如，总氮去除率和总磷去 除率的单位为％，污泥容积指数的单位为mL/g，沉降速度单位为cm/s，样本的颗粒半径的单 位mm。由于各个评价指标的量纲不一致，所以处理器无法统一处理。
[0088]并且，在多个评价指标中各个评价指标的数量级也是不一致的，例如，总氮去除率 和总磷去除率的数量级为101，污泥容积指数的数量级为IO1-IO2,样本的颗粒半径的量级为 HT 1-IO1t3由于各个评价指标的数量级不一致，所以，处理器无法统一处理。
[0089]为了便于处理器统一处理各个评价指标的数据值，需要对各个评价指标的数据值 进行归一化处理，以便去除各个评价指标的数据值的量纲，并且，将各个评价指标的数据值 统一到相同的数量级上。在对每个样本中每个评价指标的数据值进行归一化处理，得到每 个样本中每个评价指标的隶属度值。在对评价指标的数据值进行归一化处理之后得到的隶 属度值均在[0，1]之间，并采用ri,j表示。
[0090] 由于多个评价指标可以分为四种类型:第一类评价指标、第二类评价指标、第三类 评价指标和语言型评价指标;针对不同类型的评价指标其进行归一化处理的方式是不同 的。下面对四种评价指标进行归一化处理的方式进行详细说明：
[0091] (1)针对第一类评价指标的第一种处理方式。
[0092] 对于第一类评价指标中具有多个评价指标，每个评价指标对应矩阵中一个列，并 采用字母ji表示。
[0093] 对于各个样本中的一个样本i的第ji个评价指标的数据值Ij1，为了将评价指标的 数据值归一化到[0，1]之间，首先在评价指标矩阵的第列中选取最小值和最大值，即第 个评价指标的最小值和最大值XmiW 1
[0094] 第一类评价指标为越大越优型，因此，计算评价指标的数据值1/:1与最小值Xmin 的 差值，并计算第ji个评价指标的最大值与最小值x_./,的差值，将两个差值的比值确定 为评价指标的数据值^.:/,的隶属度心，。
[0095] 即，利用下述公式（1)对评价指标的数据值进行归一化处理，将公式的计算结果确 定为评价指标的隶属度值。利用本方式便可以对评价指标的数据值气/,进行归一化处理，并 得到隶雇麼彳H..
[0096]
…（1 )
[0097]田公瓦（1) η」以有出，分母是固定不变的，通过分子的变化可以将不同的数据值归 一化至不同的隶属度值。并且，数据值Xi, j越大，隶属度值越大。
[0098] (2)针对第二类评价指标的第二种处理方式。
[0099] 对于第二类评价指标中具有多个评价指标，每个评价指标对应矩阵中一个列，并 采用字母表示。
[0100] 对于一个样本i的第土个评价指标的数据值气A ?为了将评价指标的数据值归一化 至lJ[0，l]之间，首先在评价指标矩阵的第j2列中选取最小值和最大值，即第j 2个评价指标的 最小值·和最大值Xmax,i:2.。
[0101]第二类评价指标为越小越优型，因此，计算最大值与评价指标的数据值xO的 差值，并计算第j2个评价指标的最大值与最小值的差值，将两个差值的比值确定 为评价指标的数据值x>./:的隶属度。
[0102] 即，利用公式(2)对评价指标的数据值进行归一化处理，将公式的计算结果确定为 评价指标的隶属度值。利用本方式便可以对评价指标的数据值XU进行归一化处理，并得到 隶属度值^-。
[0103]
[0104] 由公式(2)可以看出，分母是固定不变的，通过分子的变化可以将不同的数据值归 一化至不同的隶属度值。并且，数据值越小，隶属度值越大。
[0105] (3)针对第三类评价指标的第三种处理方式。
[0106] 对于第二类评价指标中具有多个评价指标，每个评价指标对应矩阵中一个列，并 采用字母j3表示。第三类评价指标为中间越优型，因此，对于一个样本i的第j 3个评价指标的 数据值X^，为了将评价指标的数据值归一化到[0，1]之间，首先，处理器在存储空间中，获 取第j 3个评价指标最优范围[^，h ]。即，当评价指标的数据值在最优范围内时，该评价指标 的数据值是最优的。当评价指标的数据值远离最优范围内时，评价指标的数据值逐渐不好。
[0107] 为了实现这一归一化的过程，将评价指标的数据值代入公式(3)中，利用公式(3)
来对数古itt名？ 1丨口抓τ田 f0108] ·····<'.·?····-···：<'.·*?? (3)
[0109]公式(3)有三个分支，下面对三个分支进行 说明：
[0110] 第一分支：
[0111] 当评价指标的数据值气<α/，即数据值小于最优范围的下限值。此时，越靠近下 限值^越优，即数据值化/ 3越大越优。因此，将评价指标的数据值代入公式（3)的第一分支 中，计算得到评价指标的数据值氕/?的隶属度。其中，第一分支的分母-气6)为计算 下限值^与所有样本第j 3列的数据值的差值的最大值。
[0112] 按公式(3)的第一分支计算得到的隶属度，在数据值远离下限值^隶属度越小，在 数据值靠近下限值^隶属度越大。
[0113] 第二分支：
[0114] 当评价指标的数据值.时，即说明评价指标的数据值位于最优范围内， 因此，评价指标的数据值是最优的，因此其隶属度为1。
[0115] 第三分支：
[0116] 当评价指标的数据值气/3 ，即数据值大于最优范围的上限值。此时，越靠近上 限值h越优，即数据值气/3越小越优。因此，将评价指标的数据值代入公式（3)的第三分支 中，计算得到评价指标的数据值气/3的隶属度。其中，第三分支的分母maxUu3 -^3)为计算 所有样本第j3列的数据值与上限值匕的差值的最大值。
[0117] 按公式(3)的第三分支计算得到的隶属度，在数据值远离上限值bj隶属度越小，在 数据值靠近上限值h隶属度越大。
[0118] (4)针对第四类评价指标的第四种处理方式。
[0119] 由于第四类评价指标为语言型评价指标，因此，首先获取表示反应器稳定性的语 气标尺，并获取与所述语气标尺对应的三角模糊数，其中，所述语气标尺为具有多个评价等 级。以语气标尺为5个语气标尺为例，则5个语气标尺为"较坏"、"坏"、"一般"、"好"或"很 好"。如图2所示，为语气标尺与三角模糊数之间的对应关系。一个语气标尺对应的三角模糊 数由最小值、可能值和最大值组成。例如，语气标尺为"较坏"为例，其对应的三角模糊数为 (00.30.5)，其中，0为"较坏"的最小值，0.3为"较坏"的可能值，0.5为"较坏"的最大值。
[0120] 将所述三角模糊数代入公：
I#计算结果确定为反应器稳定性的 隶属度值;其中，s为三角模糊数的最小值、u为三角模糊数的最大值，m为三角模糊数的可能 值。
[0121] 对每个样本的每个评价指标均执行本步骤，则在经过本步骤之后，评价指标矩阵X 将变成隶属度矩阵R。隶属度矩阵R由各个评价指标的隶属度组成。隶属度矩阵R如下所示：
[0122]
[0123] 其中，i = l，2，···，n; j = l，2，···，m。
[0124] 步骤S103:针对每个样本而言，计算每个评价指标的隶属度值和该评价指标的对 应的权重值的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果。
[0125] 在评估物质对废水处理效果，各个评价指标对废水处理效果的重要程度并非完全 一致的；而是有的评价指标非常重要，有的评价指标相对不重要。因此，需要确定各个评价 指标在量化废水处理效果时的权重值，以便确定出各个评价指标的重要程度。
[0126] 各个评价指标对应的权重值表示为:W= (W1，W2,…Wj…Wm)其中，Wj表示第j个评价 指标在量化废水处理效果时的权重值。各个评价指标的权重值可以在存储空间中获取，也 可以本实施例中实时进行计算。具体过程将在本实施例之后，进行详细说明。以第一个样本 为例，对本步骤进行详细说明：将第一个评价指标的隶属度值与第一个评价指标的权重值 相乘，将第二个评价指标的隶属度值与第二个评价指标的权重值相乘，以此类推，直到将第 m个评价指标的隶属度值与第m个评价指标的权重值相乘，然后将m个乘积在相加，得到第一 个样本的废水处理效果。
[0127] 即，Si = rii Xwi+ri2 Xw2…+rimXwm。其中，Ai表示第一个样本的废水处理效果。对其 它样本依次执行上述过程，则可以获得各个样本的废水处理效果S=(S^S 2rHSrHSn)0
[0128] 步骤S104:将各个样本的废水处理效果的综合值，确定为所述物质的废水处理效 果。
[0129] 优选的情况下，将将各个样本的废水处理效果的平均值，确定为所述物质的废水 处理效果。或者，可以剔除各个样本中的异常值，然后再将剩余样本的平均值，确定为物质 的废水处理效果。
[0130]可以理解的是，废水处理效果越强代表该物质对废水的处理效果越强，可以将本 实施例提供的量化方法应用至多种物质，通过对比各个物质的量化后的废水处理效果，可 以确定各个物质对废水处理效果的高低。
[0131] 通过以上技术手段可以发现本实施例具有以下有益效果：
[0132] 本申请提供的一种废水处理效果的计算方法，本申请可以获取各个评价指标的数 据值并将数据值进行归一化得到隶属度值。然后，可以得到表征评价指标的重要程度权重 值，将隶属度值与权重值的乘积并求和之后，便可以得到各个样本的废水处理效果。最后， 将各个样本的废水处理效果的综合值，确定为物质的废水处理效果。通过本申请提供的方 式可以定量计算物质对废水的处理效果，从而可以为实际生产应用提供可靠性依据。
[0133] 下面详细介绍本申请上述实施例中步骤S103确定每个评价指标在量化废水处理 效果时的权重值的具体实现过程。该实现过程可以有三种方式，下面一一介绍三种方式：
[0134] 第一种:客观权重法。
[0135] 利用熵权法计算每个评价指标的客观权重，然后将每个评价指标的客观权重，确 定为各个评价指标的权重值。由于熵权法在使用时，需要用到各个评价指标的隶属度值，因 此，可以在上述实施例中实时计算。当然，也可以预先利用该物质其它样本的隶属度值，并 采用熵权法计算得到各个评价指标的权重值，然后将各个评价指标的权重值存储至存储空 间中，以便在实际使用时调取使用。
[0136] 下面详细说明利用熵权法来确定每个评价指标的客观权重的具体过程。如图3所 示，包括以下步骤：
[0137] 步骤S301:利用公式 1吵;/计算各个评价指标的信息熵。
[0138] 熵是系统状态不确定性的一种度量，应用熵可以度量评价指标体系中各个评价指 标的数据值所蕴含的信息量。为了应用信息熵，首先利用公式(4)计算每个样本中各个评价 指标的概率rni
[0139]
（. 4.)
[0140] 传统意义上的概率为出现频率，但是，在本实施例中各个样本中每个评价指标的 隶属度值概率并非出现频率，而是依据隶属度值的大小来确定概率，当一个样本的隶属度 值较大时，说明该评价指标的概率较大；当一个样本的隶属度值较小时，说明该评价指标的 概率较小。
[0141]例如，以第i个样本的第j个评价指标的隶属度值为例，首先计算η个样本第j个评 价指标的隶属度值的和值，然后，计算第i个样本的第j个评价指标的隶属度值ru与和 1=1 值的商值。将商值确定为第i个样本的第j个评价指标的概率Pij。
[0142] 根据信息熵的定义，隶属度矩阵中第j个评价指标的信息熵的公式如下： η
[0143] h； ~ -IiPii l.np". "5 )
[0144] 其中，h为第j个评价指标的信息熵，k为系数且k=l/ln(n)，Plj表示第i个样本中 第j个评价指标数据值的出现概率，为第i个样本中第j个评价指标隶属度值。 m
[0145] 步骤S302:利用公式％ = &·各个评价指标的客观权重。其中，gi=l_hj。 M
[0146] 由于信息熵的含义在本实施例为表示评价指标的不确定性，当一个评价指标的不 确定性越大时，也即该评价指标的概率Pij越小时，该信息熵的含义越大。反之，当一个评价 指标的不确定性越小时，也即该评价指标的概率PU越大时，该信息熵的含义越小。
[0147] 但是，在本实施例中当一个评价指标的概率Pij较小时，说明该评价指标对量化废 水处理效果重要程度较低；当一个评价指标的概率PU较大时，说明该评价指标对量化废水 处理效果重要程度较高。因此，信息熵h与权重巧是成反比的关系，因此，计算一个中间量 gj =l_hj，那么中间量gj与权重Wj则成正比关系。
[0148] 然后，计算m个评价指标的中间量的和
，然后，计算第j个评价指标的中间 量U与和彳
商值。将商值确定为第j个评价指标的概率，也即第j个评价指标的权重 Wj。按照上还万式吋以得到各个评价指标的权
[0149] 客观权重的方式可以计算得到各个指标的权重，但是，客观权重的方式仅能以根 据隶属度值大小来决定权重值的大小，这在一定程度是可以的。但是实际上利用客观权重 法计算得到权重是不准确的。例如，一个评价指标的隶属度值很小，但是该评价指标很重 要。因此，本申请又提供了主观权重法。
[0150] 第二种:主观权重法。
[0151] 利用模糊层次分析法计算每个评价指标的主观权重；将每个评价指标的主观权 重，确定为各个评价指标的权重值。由于模糊层次分析法在使用时，无需使用各个评价指标 的隶属度值，因此，可以预先计算得到各个评价指标的权重值。然后将各个评价指标的权重 值存储至存储空间中，以便在实际使用时调取使用。
[0152] 如图4所示，下面详细说明利用模糊层次分析法计算每个评价指标的主观权重具 体执行过程。
[0153]步骤S401:获取模糊互补判别矩阵;其中，所述模糊互补判别矩阵中每个数值均表 示两个评价指标之间的重要程度比较之后的得分。
[0154] 首先，利用各个评价指标的重要程度，然后将评价指标两两进行比较。在比较过程 中，若一个评价指标比另一个评价指标重要，则该评价指标的得分为1，另一个评价指标得 分为〇;若两个评价指标同等重要，则两个评价指标的得分均为〇. 5。通过两两比较之后可以 构建模糊互补判别矩阵。
[0155] 最终得到的模糊互补判别矩_ 中，表示第i 个评价指标和第j个评价指标两两比较之后的得分。
[0156] 对于废水处理过程而言，一般认为化学需氧量Al、总氮去除率A2和总磷去除率A3 的最为重要，而样本沉降速度A4和污泥容积指数A5比混合液悬浮固体浓度A6、颗粒粒径A7 以及反应器稳定性A8稍微重要。 Γ01571 余m丰1胃诵;计而而hk坊πτ?)1 M枷百抓4|丨5丨丨祐_
[0159]步骤S402:基于所述模糊互补判别矩阵，构建模糊层次分析函数及其约束条件。 [0160]构建模糊化层次分析函数：
[0161]
······ (6) /=X J'='l I-I J=I
[0162] I* aMikk\.
[0163]
[0164] 其中，函数CIC(m)为一致性指标系数;矩阵(I^)mxm为矩阵(aij)mXm的最优模糊一致 性修正判断矩阵;m是评价指标的个数;d为非负参数，根据经验可从[0,0.5]内选取，默认值 为0.2;权重W 1Jj = I~m)和修正判断矩阵(bu)mXm的上三角矩阵元素为优化变量。
[0165] 步骤S403:采用加速遗传算法在所述约束条件下求解模糊层次分析函数的最小 值。
[0166] 对于公式(6)的非线性优化问题，可以采用加速遗传算法来进行优化求解。通过加 速遗传算法可得到评价指标的权重值，但是评价指标的权重值是否可以接受还需要进行一 致性检验。
[0167] 步骤S404:若所述最小值小于预设标准值，则将采用加速遗传算法求解模糊层次 分析函数得到权重值，确定为各个评价指标的主观权重。
[0168] 当公式(6)中的ClC(m)小于标准值时，可认为模糊互补判别矩阵具有满意的一致 性，所求得的各个评价指标的权重值是可以接受的。否则需要调整参数d，如果调整参数d仍 然不能使ClC(m)达到可接受的值，则说明所建立的模糊互补矩阵不具有一致性;需要重新 构建模糊互补判别矩阵，直至CIC(m)满足要求。
[0169] 在CIC(m)满足一致性要求后，通过加速遗传算法计算得到各个权重值，即为各个 评价指标的主观权重值。
[0170] 在第二种方式仅考虑各个评价指标的主观权重，因此，第二种方式可以在一定程 度上确定各个评价指标的权重值。
[0171] 第三种:综合权重法。
[0172] 如图5所示，综合权重法的计算方式如下：
[0173] 步骤S501:利用模糊层次分析法计算每个评价指标的主观权重Wlj。
[0174]步骤S502:利用熵权法计算每个评价指标的客观权重W2j。
[0175] 步骤S503:将每个评价指标的主观权重和客观权重的综合权重，确定为各个评价 指标的权重值。
[0176] 按下述公式将主观权重Wlj和客观权重W2j进行综合，
?·_-…·· (7)
[0177]
[0178] 将主观权重和客观权重的综合权重，确定为各个评价指标的权重值。
[0179] 如图6所示，本申请还提供了一种废水处理效果的量化装置，包括：
[0180]获取单元61，用于在对一种物质的至少一个样本进行废水处理实验后，获取每个 样本对多个评价指标中每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评 估样本对废水处理效果的因素；
[0181] 归一化单元62,用于对每个样本中每个评价指标的数据值进行归一化处理，得到 每个样本中每个评价指标的隶属度值；
[0182] 计算单元63,用于针对每个样本而言，计算每个评价指标的隶属度值和该评价指 标的权重值的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果；
[0183] 确定处理效果单元64,用于将各个样本的废水处理效果的综合值，确定为所述物 质的废水处理效果。
[0184] 其中，获取单元61中提及的所述多个评价指标包括：
[0185] 表示评价指标的数据值越大越优的第一类评价指标;和/或，表示评价指标的数据 值越小越优的第二类评价指标，和/或，表示评价指标的数据值位于中间优越的第三类评价 指标，和/或，语言型评价指标；
[0186] 其中，所述第一类评价指标包括:样本在废水处理过程中的化学需氧量，和/或，样 本在废水处理后的总氮去除率，和/或，样本在废水处理后的总磷去除率，和/或，容纳废水 和样本的反应器中的混合液悬浮固体浓度，和/或，样本在所述反应器中的沉降速度；
[0187] 所述第二类评价指标包括:样本的污泥容积指数；
[0188] 所述第三类评价指标包括:样本的颗粒半径；
[0189] 所述语言型评价指标包括:所述反应器在处理废水时的稳定性。
[0190] 针对归一化单元62而言，具有以下四种处理方式：
[0191] 针对所述第一类评价指标，对评价指标的数据值进行归一化处理得到评价指标的 隶属度值，包括： λ h
[0192] 利用公式心,对各个样本的第一类评价指标中每个评价指标的数 max, / , rtrmn. /, 据值进行归一化处理，将公式的计算结果确定为各个样本的第一类评价指标中每个评价指 标的隶属度值；
[0193] 其中，所有样本中各个评价指标的数据值组成评价指标矩阵，在所述评价指标矩 阵中每行代表一个样本并采用字母i表示，〇 < i <n且η为样本数量;每列代表一个评价指标 并采用字母j表示，〇 < j <m且j为评价指标数量；
[0194] 在上述公式中，心,代表第一类评价指标中第i个样本的第个评价指标的隶属度 值，L1代表第i个样本的第个评价指标的数据值,代表所有样本中第个评价指标 的最小值，代表所有样本中第么个评价指标的最大值。
[0195] 第二种处理方式：
[0196] 针对所述第二类评价指标，对评价指标的数据值进行归一化处理得到评价指标的 隶属度值，包括：
[0197] 利用公j
?对各个样本的第二类评价指标中每个评价指标的数 据值进行归一化处理，将公式的计算结果确定为各个样本的第二类评价指标中每个评价指 标的隶属度值；
[0198] 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标 矩阵中每行代表一个样本并采用字母i表示，〇 < i <n且η为样本数量;每列代表一个评价指 标并采用字母j表示，〇 < j <m且j为评价指标数量；
[0199] 在上述公式中Zy2代表第二类评价指标中第i个样本的第j2个评价指标的隶属度 值，·Aa代表第i个样本的第j2个评价指标的数据值代表所有样本中第j2个评价指标 的最小值，代表所有样本中第j2个评价指标的最大值。
[0200] 第三种处理方式：
[0201] 针对所述第三类评价指标，对评价指标的数据值进行归一化处理得到评价指标的 隶属度值，包_·
[0202] 利用 f各个样本的第三类评价指标的数据 值进行归一化处理，将公式的计算结果确定为各个样本的第三类评价指标中每个评价指标 的隶属度值；
[0203] 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标 矩阵中每行代表一个样本并采用字母i表示，〇 < i <n且η为样本数量;每列代表一个评价指 标并采用字母j表示，〇 < j <m且j为评价指标数量；
[0204] 在上述公式中，L5代表第i个样本的第j个评价指标的隶属度值，長73代表第i个样 本的第j 3个评价指标的数据值，^表示第j个评价指标最优值的下限，h表示第j个评价指标 最优值的上限。
[0205] 第四种处理方式：
[0206]针对所述语言型评价指标，对评价指标的数据值进行归一化处理得到评价指标的 隶属度值，包括：
[0207] 获取表示反应器稳定性的语气标尺，并获取与所述语气标尺对应的三角模糊数， 其中，所述语气标尺包括多个评价等级；
[0208] 将所述三角模糊数代入公?
将计算结果确定为反应器稳定性的 隶属度值;其中，s为三角模糊数的最小值、u为三角模糊数的最大值，m为三角模糊数的可能 值。
[0209]对于计算单元63而言，所述确定每个评价指标在量化废水处理效果时的权重值， 具体包括:利用模糊层次分析法计算每个评价指标的主观权重;和/或，利用熵权法计算每 个评价指标的客观权重；
[0210] 将每个评价指标的主观权重和客观权重的综合权重，或者主观权重、或者客观权 重，确定为各个评价指标的权重值。
[0211] 其中，所述利用模糊层次分析法计算每个评价指标的主观权重，包括:获取模糊互 补判别矩阵；其中，所述模糊互补判别矩阵中每个数值均表示两个评价指标之间的重要程 度比较之后的得分;基于所述模糊互补判别矩阵，构建模糊层次分析函数及其约束条件;采 用加速遗传算法在所述约束条件下求解模糊层次分析函数的最小值;若所述最小值小于预 设标准值，则将采用加速遗传算法求解模糊层次分析函数得到权重值，确定为各个评价指 标的主观权重。
[0212] 其中，所述利用熵权法计算每个评价指标的客观权重，包括：利用公式 n m \ ΙηΑ/计算各个评价指标的信息熵;利用公式％ = A /Σ&各个评价指标的客观 /-I 权重;其中，gj = I-hj;其中，hj为第j个评价指标的信息熵，k为系数且k = I /1 η (η)，ρij表示第 i个样本中第j个评价指标数据值的出现概率，馬=7丨/1 ^，rij为第i个样本中第j个评价指 ? 标隶属度值。
[0213] 通过以上技术手段可以发现本申请具有以下有益效果：
[0214] 通过本申请提供的一种废水处理效果的计算方法，本申请可以获取各个评价指标 的数据值并将数据值进行归一化得到隶属度值。然后，将隶属度值与权重值的乘积并求和 之后，便可以得到各个样本的废水处理效果。最后，将各个样本的废水处理效果的综合值， 确定为物质的废水处理效果。通过本申请提供的方式可以定量计算物质对废水的处理效 果，从而可以为实际生产应用提供可靠性依据。
[0215] 本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销 售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例 对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软 件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机， 服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步 骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(R0M，Read-0nly Memory)、随机存 取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0216] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它 实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
[0217] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种废水处理效果的量化方法，其特征在于，包括： 在对一种物质的至少一个样本进行废水处理实验后，获取每个样本对多个评价指标中 每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评估样本对废水处理效果 的因素； 对每个样本中每个评价指标的数据值进行归一化处理，得到每个样本中每个评价指标 的隶属度值； 针对每个样本而言，计算每个评价指标的隶属度值和该评价指标的对应的权重值的乘 积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果； 将各个样本的废水处理效果的综合值，确定为所述物质的废水处理效果。2. 如权利要求1所述的方法，其特征在于，所述多个评价指标包括： 表示评价指标的数据值越大越优的第一类评价指标;和/或，表示评价指标的数据值越 小越优的第二类评价指标，和/或，表示评价指标的数据值位于中间优越的第Ξ类评价指 标，和/或，语言型评价指标； 其中，所述第一类评价指标包括:样本在废水处理过程中的化学需氧量，和/或，样本在 废水处理后的总氮去除率，和/或，样本在废水处理后的总憐去除率，和/或，容纳废水和样 本的反应器中的混合液悬浮固体浓度，和/或，样本在所述反应器中的沉降速度； 所述第二类评价指标包括:样本的污泥容积指数； 所述第Ξ类评价指标包括:样本的颗粒半径； 所述语言型评价指标包括:所述反应器在处理废水时的稳定性。3. 如权利要求2所述的方法，其特征在于，针对所述第一类评价指标，对评价指标的数 据值进行归一化处理得到评价指标的隶属度值，包括： 利用公??对各个样本的第一类评价指标中每个评价指标的数据值 进行归一化处理，将公式的计算结果确定为各个样本的第一类评价指标中每个评价指标的 隶属度值； 其中，所有样本中各个评价指标的数据值组成评价指标矩阵，在所述评价指标矩阵中 每行代表一个样本并采用字母i表示，〇< i <η且η为样本数量;每列代表一个评价指标并采 用字母j表示，0 < j <m且j为评价指标数量； 在上述公式中，代表第一类评价指标中第i个样本的第ji个评价指标的隶属度值， Xw,代表第i个样本的第ji个评价指标的数据值，心代表所有样本中第ji个评价指标的最 小值，X胃，/,代表所有样本中第ji个评价指标的最大值。4. 如权利要求2所述的方法，其特征在于，针对所述第二类评价指标，对评价指标的数 据值进行归一化处理得到评价指标的隶属度值，包括： 利用公iS对各个样本的第二类评价指标中每个评价指标的数据值 进行归一化处理，将公式的计算结果确定为各个样本的第二类评价指标中每个评价指标的 隶属度值； 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标矩阵 中每行代表一个样本并采用字母i表示，〇<i<n且η为样本数量;每列代表一个评价指标并 采用字母j表示，0 < j <m且j为评价指标数量； 在上述公式中，^:代表第二类评价指标中第i个样本的第j2个评价指标的隶属度值， %;代表第i个样本的第j2个评价指标的数据值兩代表所有样本中第j2个评价指标的最 小值，心代表所有样本中第j2个评价指标的最大值。5. 如权利要求2所述的方法，其特征在于，针对所述第Ξ类评价指标，对评价指标的数 据值进行归一化处理得到评价指标的隶属度值，包括： 利用公式巧各个样本的第Ξ类评价指标的数据值进 行归一化处理，将公式的计算结果确定为各个样本的第Ξ类评价指标中每个评价指标的隶 属度值； 其中，所有样本的各个评价指标的数据值可组成评价指标矩阵，在所述评价指标矩阵 中每行代表一个样本并采用字母i表示，〇<i<n且η为样本数量;每列代表一个评价指标并 采用字母j表示，0 < j <m且j为评价指标数量； 在上述公式中，气/，代表第i个样本的第j个评价指标的隶属度值，代表第i个样本的 第j3个评价指标的数据值表示第j个评价指标最优值的下限，bj表示第j个评价指标最优 值的上限。6. 如权利要求2所述的方法，其特征在于，针对所述语言型评价指标，对评价指标的数 据值进行归一化处理得到评价指标的隶属度值，包括： 获取表示反应器稳定性的语气标尺，并获取与所述语气标尺对应的Ξ角模糊数，其中， 所述Ξ角模糊数包括最小值、可能值和最大值;所述语气标尺包括多个评价等级； 将所述Ξ角模糊数代入公式将计算结果确定为反应器稳定性的隶属 度值;其中，S为Ξ角模糊数的最小值、U为Ξ角模糊数的最大值，m为Ξ角模糊数的可能值。7. 如权利要求1所述的方法，其特征在于，所述确定每个评价指标在量化废水处理效果 时的权重值，包括： 利用模糊层次分析法计算每个评价指标的主观权重;和/或，利用赌权法计算每个评价 指标的客观权重； 将每个评价指标的主观权重和客观权重的综合权重，或者主观权重、或者客观权重，确 定为各个评价指标的权重值。8. 如权利要求7所述的方法，其特征在于，所述利用模糊层次分析法计算每个评价指标 的主观权重，包括： 获取模糊互补判别矩阵；其中，所述模糊互补判别矩阵中每个数值均表示两个评价指 标之间的重要程度比较之后的得分； 基于所述模糊互补判别矩阵，构建模糊层次分析函数及其约束条件； 采用加速遗传算法在所述约束条件下求解模糊层次分析函数的最小值； 若所述最小值小于预设标准值，则将采用加速遗传算法求解模糊层次分析函数得到权 重值，确定为各个评价指标的主观权重。9. 如权利要求7所述的方法，其特征在于，所述利用赌权法计算每个评价指标的客观权 重，包括： 利用公式InA,计算各个评价指标的信息赌； 利用公式各个评价指标的客观权重;其中，& = 1-hj; 其中，为第j个评价指标的信息赌，k为系数且k=l/ln(n)，pu表示第i个样本中第j个 评价指标数据值的出现概率ru为第i个样本中第j个评价指标隶属度值。10. -种废水处理效果的量化装置，其特征在于，包括： 获取单元，用于在对一种物质的至少一个样本进行废水处理实验后，获取每个样本对 多个评价指标中每个评价指标的数据值;其中，所述多个评价指标为预先设定的、评估样本 对废水处理效果的因素； 归一化单元，用于对每个样本中每个评价指标的数据值进行归一化处理，得到每个样 本中每个评价指标的隶属度值； 计算单元，用于针对每个样本而言，计算每个评价指标的隶属度值和该评价指标对应 的权重值的乘积，并将与该样本对应的各个乘积的和值、确定为该样本的废水处理效果； 确定处理效果单元，用于将各个样本的废水处理效果的综合值，确定为所述物质的废 水处理效果。
【文档编号】G06F19/00GK105844081SQ201610150138
【公开日】2016年8月10日
【申请日】2016年3月16日
【发明人】俞汉青, 方芳, 黄宝成
【申请人】中国科学技术大学