基于水厂大数据的混凝投药系统智能模型的构建

摘要

为实现混凝投药的精准控制,以大型水厂粗粒度数据和细粒度数据为基础,采用箱线图和滑动均值异常数据识别技术的预处理方法,对长短期记忆网络、支持向量机、随机森林、XGBoost等算法建立混凝投药模型的效果进行了评估.研究发现:基于A、B水厂的大数据,采用XGBoost算法建立的混凝投药模型效果均最优,对聚合氯化铝(PAC)和氯化铁(FeCl3)的建模效果评估MAPE分别为3.42和3.72;采用箱线图结合移动平滑的技术对异常值进行处理对建模效果大幅提升;将一种药剂的投加量作为另一种药剂预测的特征值输入的方法,对双药投加模型的预测效果提升有限;原水时均水量、浑浊度、温度、历史加药数据对混凝剂投加量的准确预测有重要影响.