1.一种基于深度学习与云计算的污水处理智能控制方法,其特征在于,包括以下步骤:
s1.采集加药参数与污水处理器的进水参数和出水参数;
s2.将所述加药参数、进水参数和出水参数发送至云端服务器并在云端服务器中进行数据清洗以获得训练集;
s3.使用所述训练集对云端服务器中的深度学习算法进行训练以获得用于预测污水处理加药量的加药量预测模型;
s4.将所述加药量预测模型安装至位于污水处理现场的算法控制器中,以使所述算法控制器根据进水参数和出水参数计算污水处理药剂及其用量,并根据计算结果控制加药执行装置完成加药。
2.根据权利要求1所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,在步骤s2中,同时将所述加药参数、进水参数和出水参数存储在本地存储模块中,且通过以太网将加药参数、进水参数和出水参数发送至端服务器并存储。
3.根据权利要求1或2所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,在步骤s1中,所述加药参数为污水处理用药剂用量。
4.根据权利要求3所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,在步骤s1中,所述进水参数和出水参数分别为进水水质参数和出水水质参数,且所述进水水质参数和出水水质参数均包括ph值、含磷量、含氮量和含cod。
5.根据权利要求4所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,在步骤s3中,计算加药参数与深度学习算法的药剂用量计算值之间的偏差值,同时将所述偏差值作为训练集。
6.根据权利要求5所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,在步骤s3中,采用云计算方式在云端服务器对深度学习算法进行训练。
7.根据权利要求6所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,所述云端服务器包括云端数据库和深度学习模型训练模块,由所述云端数据库接收加药参数、进水参数和出水参数,由所述深度学习模型训练模块对深度学习算法进行训练。
8.根据权利要求7所述的基于深度学习与云计算的污水处理智能控制方法,其特征在于,所述深度学习算法采用多层全连接神经网络作为待训练模型,且多层全连接神经网络的输出层激活函数均为relu,以获得数值大于1的药剂用量。
9.一种基于深度学习与云计算的污水处理智能控制系统,其特征在于,包括污水处理现场加药执行模块、本地存储模块和云端服务器,所述云端服务器用于通过对深度学习算法获取加药量预测模型,所述污水处理现场加药执行模块用于基于所述加药量预测模型进行智能加药,所述存储模块用于存储污水污水处理过程中的加药参数、进水参数和出水参数并将前述参数数据值上传至云端服务器。
10.根据权利要求9所述的基于深度学习与云计算的污水处理智能控制系统,其特征在于,所述污水处理现场加药执行模块连接有数据采集模块,且污水处理现场加药执行模块包括加药执行装置,所述云端服务器包括深度学习模型训练模块和云端数据库:
加药执行装置,用于根据加药量控制信号完成相应的加药动作;
数据采集模块,用于实时采集污水处理过程中的进水参数和出水参数;
深度学习模型训练模块,运用云计算完成深度学习算法的云端训练,以获取用于预测污水处理加药量的加药量预测模型;
加药量预测模型,将经过深度学习模型训练模块后的模型文件作为污水处理的加药量预测模型,将数据采集模块在污水处理过程中获取的进水参数和出水参数作为加药量预测模型的输入,从而计算出加药量,并将计算所得的加药量值传递给加药执行模块;
云端数据库,用于接收加药参数、进水参数和出水参数并存储。