申请日2017.05.17
公开(公告)日2017.08.18
IPC分类号C02F1/62; G06N3/02
摘要
本发明提供一种废水重金属去除方法及装置，所述方法，包括：获取废水的参数信息和标准重金属浓度;根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;根据所述药剂投加量，去除废水重金属。通过利用药剂计算模型，能够根据标准重金属浓度，获得去除废水重金属的合理的药剂投加量，根据所述药剂投加量去除废水重金属，能够获得具有标准重金属浓度的净水，可以避免过度投加药剂造成的损失，能够降低成本，实现精准化运行。
权利要求书
1.一种废水重金属去除方法，其特征在于，包括：
获取废水的参数信息和标准重金属浓度;
根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;
根据所述药剂投加量，去除废水重金属。
2.根据权利要求1所述的废水重金属去除方法，其特征在于，所述参数信息，包括：废水流量、废水重金属浓度、药剂种类和反应时间。
3.根据权利要求1所述的废水重金属去除方法，其特征在于，在所述根据所述参数信息，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量的步骤之前，还包括：
获取样本数据;
根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型。
4.根据权利要求3所述的废水重金属去除方法，其特征在于，所述根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型，包括：
将所述样本数据分成建模样本数据和检验样本数据;
根据所述建模样本数据，确定光滑因子;
根据所述建模样本数据，确定固有参数;
根据所述建模样本数据、所述光滑因子和所述固有参数，采用广义回归神经网络方法，建立药剂计算模型;
根据所述检验样本数据，对所述药剂计算模型进行验证。
5.根据权利要求4所述的废水重金属去除方法，其特征在于，所述根据所述建模样本数据，确定光滑因子，包括：
根据所述建模样本数据，采用黄金分割法、鲍威尔法或共轭梯度法，确定光滑因子。
6.根据权利要求4所述的废水重金属去除方法，其特征在于，所述根据所述检验样本数据，对所述药剂计算模型进行验证，包括：
根据所述检验样本数据，利用所述药剂计算模型，计算药剂投加量的理论值;
根据所述理论值与所述检验样本数据中的测量值，计算误差值;
判断所述误差值是否小于预设范围，若不小于，则重新确定所述固有参数，根据重新确定的所述固有参数、所述建模样本数据和所述光滑因子，采用广义回归神经网络方法，重新建立药剂计算模型;
若小于，则执行所述根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量的步骤。
7.根据权利要求3所述的废水重金属去除方法，其特征在于，所述获取样本数据，包括：
利用数据采集网关采集原始数据;
从所述原始数据中筛选样本数据，获得所述样本数据。
8.一种废水重金属去除装置，其特征在于，包括：
信息获取模块，用于获取废水的参数信息;
计算模块，用于根据所述参数信息，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;
去除模块，用于根据所述药剂投加量，去除废水重金属。
9.根据权利要求8所述的废水重金属去除装置，其特征在于，所述装置，还包括：
样本获取模块，用于获取样本数据;
模型建立模块，用于根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型。
10.根据权利要求9所述的废水重金属去除装置，其特征在于，所述模型建立模块，包括：
样本拆分单元，用于将所述样本数据分成建模样本数据和检验样本数据;
光滑因子确定单元，用于根据所述建模样本数据，确定光滑因子;
固有参数确定单元，用于根据所述建模样本数据，确定固有参数;
模型建立单元，用于根据所述建模样本数据、所述光滑因子和所述固有参数，采用广义回归神经网络方法，建立药剂计算模型;
验证单元，用于根据所述检验样本数据，对所述药剂计算模型进行验证。
说明书
一种废水重金属去除方法及装置
技术领域
本发明涉及废水处理技术领域，具体涉及一种废水重金属去除方法及装置。
背景技术
工业的飞速发展促使废水的产生量和排放量激增，而废水中所含的重金属对环境和人类的危害尤为严重，已在全球范围内引起广泛关注。进入环境的重金属不能被生物有效降解，其参与到食物链的循环中并逐渐在生物体内富集，最终破坏生物体正常的生理代谢活动，危害人体健康，因此，如何有效治理重金属污染已成为人类共同关注的问题。开发一种安全、经济、高效的重金属废水处理方法，以减少或消除重金属在环境中的积累，满足日益严格的环保要求是水污染控制研究领域的热点和难点问题之一。
絮凝沉淀工艺是一种发展时间较长，工艺较为成熟的处理方法，其原理是将废水的pH值调节至碱性，通过混凝将水中颗粒物和胶体形成矾花，进而将废水中呈溶解状态的重金属转变为不溶于水的重金属化合物，通过过滤和分离使沉淀物从水溶液中除去，具有设备简单，操作方便，便于运行，效果好的优点。
目前，在混凝沉淀去除废水重金属工艺中，为保证出水水质，会过度投加药剂，这样，就会造成运行成本大幅度上升。
发明内容
针对现有技术中的上述缺陷，本发明提供了一种废水重金属去除方法及装置，可以获得精准而合理的药剂投加量，进而能够节省运行成本。
第一方面，本发明提供的一种废水重金属去除方法，包括：
获取废水的参数信息和标准重金属浓度;
根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;
根据所述药剂投加量，去除废水重金属。
可选的，所述参数信息，包括：废水流量、废水重金属浓度、药剂种类和反应时间。
可选的，在所述根据所述参数信息，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量的步骤之前，还包括：
获取样本数据;
根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型。
可选的，所述根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型，包括：
将所述样本数据分成建模样本数据和检验样本数据;
根据所述建模样本数据，确定光滑因子;
根据所述建模样本数据，确定固有参数;
根据所述建模样本数据、所述光滑因子和所述固有参数，采用广义回归神经网络方法，建立药剂计算模型;
根据所述检验样本数据，对所述药剂计算模型进行验证。
可选的，所述根据所述建模样本数据，确定光滑因子，包括：
根据所述建模样本数据，采用黄金分割法、鲍威尔法或共轭梯度法，确定光滑因子。
可选的，所述根据所述检验样本数据，对所述药剂计算模型进行验证，包括：
根据所述检验样本数据，利用所述药剂计算模型，计算药剂投加量的理论值;
根据所述理论值与所述检验样本数据中的测量值，计算误差值;
判断所述误差值是否小于预设范围，若不小于，则重新确定所述固有参数，根据重新确定的所述固有参数、所述建模样本数据和所述光滑因子，采用广义回归神经网络方法，重新建立药剂计算模型;
若小于，则执行所述根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量的步骤。
可选的，所述获取样本数据，包括：
利用数据采集网关采集原始数据;
从所述原始数据中筛选样本数据，获得所述样本数据。
第二方面，本发明提供的一种废水重金属去除装置，包括：
信息获取模块，用于获取废水的参数信息;
计算模块，用于根据所述参数信息，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;
去除模块，用于根据所述药剂投加量，去除废水重金属。
可选的，所述装置，还包括：
样本获取模块，用于获取样本数据;
模型建立模块，用于根据所述样本数据，采用广义回归神经网络方法，建立药剂计算模型。
可选的，所述模型建立模块，包括：
样本拆分单元，用于将所述样本数据分成建模样本数据和检验样本数据;
光滑因子确定单元，用于根据所述建模样本数据，确定光滑因子;
固有参数确定单元，用于根据所述建模样本数据，确定固有参数;
模型建立单元，用于根据所述建模样本数据、所述光滑因子和所述固有参数，采用广义回归神经网络方法，建立药剂计算模型;
验证单元，用于根据所述检验样本数据，对所述药剂计算模型进行验证。
可选的，所述光滑因子确定单元，具体用于：
根据所述建模样本数据，采用黄金分割法、鲍威尔法或共轭梯度法，确定光滑因子。
可选的，所述验证单元，包括：
理论值计算子单元，用于根据所述检验样本数据，利用所述药剂计算模型，计算药剂投加量的理论值;
误差值计算子单元，用于根据所述理论值与所述检验样本数据中的测量值，计算误差值;
判断子单元，用于判断所述误差值是否小于预设范围，若不小于，则重新确定所述固有参数，根据重新确定的所述固有参数、所述建模样本数据和所述光滑因子，采用广义回归神经网络方法，重新建立药剂计算模型;
若小于，则执行所述根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量的步骤。
可选的，所述样本获取模块，包括：
原始数据采集单元，用于利用数据采集网关采集原始数据;
样本数据筛选单元，用于从所述原始数据中筛选样本数据，获得所述样本数据。
由以上技术方案可知，本发明提供一种废水重金属去除方法，包括：获取废水的参数信息和标准重金属浓度;根据所述参数信息和标准重金属浓度，采用预设的药剂计算模型，计算用于去除废水重金属的药剂投加量;根据所述药剂投加量，去除废水重金属。本发明通过利用药剂计算模型，能够根据标准重金属浓度，获得去除废水重金属的合理的药剂投加量，根据所述药剂投加量去除废水重金属，能够获得具有标准重金属浓度的净水，可以避免过度投加药剂造成的损失，能够降低成本，提高运行效果，实现精准化运行。
本发明提供的一种废水重金属去除装置，与上述一种废水重金属去除方法出于相同的发明构思，具有相同的有益效果。
