| 数据缺陷条件下支持污水处理厂智能管理的数据增强方法 |
| |
| 引用本文： | 王建辉, 廖万山, 李慧敏, 冯东, 郭智威, Mohamed S. Mahmoud, 张冰, 高旭, 申渝, 陈猷鹏. 数据缺陷条件下支持污水处理厂智能管理的数据增强方法[J]. 环境工程, 2024, 42(6): 153-159. doi: 10.13205/j.hjgc.202406018 |
| |
| 作者姓名： | 王建辉 廖万山 李慧敏 冯东 郭智威 Mohamed S.Mahmoud 张冰 高旭 申渝 陈猷鹏 |
| |
| 作者单位： | 1. 重庆工商大学 智能制造服务国际科技合作基地, 重庆 400067;;;2. 重庆南向泰斯环保技术研究院有限公司, 重庆 400069;;;3. 重庆中法环保研发中心有限公司, 重庆 400010;;;4. 埃及住房和建筑国家研究中心 卫生与环境工程研究所, 埃及开罗 1770;;;5. 重庆大学 环境与生态学院, 重庆 400045 |
| |
| 基金项目： | 国家自然科学基金 ( 52300031 );重庆水务环境控股集团有限公司科技创新项目 ( 2022-15 );重庆市教委科研项目 ( CXQT19023 );重庆工商大学科学研究项目 ( 1853061 ) |
| |
| 摘 要： | 污水处理厂的智能化管理需要高质量、丰富的数据支持。然而,在当前污水处理厂的运维管理中,过度曝气、过量投药及监测问题等导致水厂运维数据的数量和质量存在缺陷,基于此类缺陷数据支持的各种数据驱动模型性能不高。如何提高数据质量和数量对于各类人工智能模型的研究和应用非常关键。提出了一种基于生成对抗网络的污水厂数据增强方法（WP-GAN）,以应对数据缺陷问题,并采用一种经典的污水处理厂人工神经网络模型（W-ANN）对所提出的方法进行验证。研究采用的数据集来自某大型城市污水处理厂的厌氧-缺氧-好氧（A2O）工艺,通过数据增强处理将实测数据扩增5倍,以增强前后的数据样本训练W-ANN模型后,模型性能得到显著提升：拟合度从20%提高到65%,最大模拟精度从67.85%提高到75.55%。该方法是一种应对数据缺陷的通用数据增强方法,可为污水厂智能管理的各种数据驱动模型提供更好的数据支持。
|
| 关 键 词： | 数据增强 污水处理 生成对抗网络 智能管理 数据驱动模型 |
| 收稿时间： | 2023-08-26 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《环境工程》浏览原始摘要信息 |
|
点击此处可从《环境工程》下载免费的PDF全文 |
|
