基于人工智能的工业废水处理系统与方法

申请日 20190522

公开（公告）日 20201124

IPC分类号 C02F1/00; G06N3/04; G06N3/08

摘要

一种基于人工智能的工业废水处理系统与方法，以实现提高费效比、降低成本、减少碳排放、节约药剂等效果，所述系统包括，(1)废水分析模块；(2)废水处理选型模块；优选的，还可以包括可选的模块，例如(3)数据分析系统；(4)虚拟现实或增强显示模块；(5)计算机模拟计算模块。

权利要求书

1.一种基于人工智能的工业废水处理系统，其特征在于，包括，(1)废水分析模块和(2)废水处理选型模块。

2.如上述权利要求1所述基于人工智能的工业废水处理系统，其特征在于，还包括(3)数据分析系统；(4)虚拟现实或增强显示模块；或(5)计算机模拟计算模块。

3.根据上述权利要求1或2所述的基于人工智能的工业废水处理系统，其特征在于，所述的废水分析模块用于测量废水的测试指标，包括指示性指标和附加指标，所述指示性指标包括化学需氧量COD、生物需氧量BOD、总需氧量TOD、或总有机碳含量TOC中的一种或多种，附加指标包括pH值，总氮TN、总磷TP、浊度值、或重金属含量中的一种或多种。

4.根据上述权利要求3所述的基于人工智能的工业废水处理系统，其特征在于，所述废水处理选型模块包括人工智能模块，废水处理技术的数据模型，其中人工智能模块包括运行在具有计算能力的、具有中央处理器CPU，图像处理器GPU、树莓派、神经网络专用计算集成电路NPU。

5.根据上述权利要求2所述的基于人工智能的工业废水处理系统，其特征在于，所述增强现实或虚拟现实模块用于了解、监控、改善废水处理运营情况，所述模拟计算模块，用于模拟流体的计算与优化，设备或管道或电路的优化与定制化。

6.根据上述权利要求2所述的基于人工智能的工业废水处理系统，其特征在于，所述的模拟计算模块还包括图形化功能，能够将计算结果通过图像或可视化的形式显示在用户端的应用程序上。

7.一种基于人工智能的工业废水处理方法，其特征在于包括下面的步骤：a.)取得废水(101)，b.)测量废水的一种或多种常规指标(102)，其中包括化学需氧量COD(105)、生物需氧量BOD指标(106)、总需氧量TOD指标(107)、总有机碳含量TOC(108)，进一步测试一种或多种指示性指标(104)，包括pH值(111)，总氮(109)、总磷(110)、浊度(112)指标，废水中的重金属含量(113)的一种或多种。

8.根据上述权利要求7所述的一种基于人工智能的工业废水处理方法，其特征在于，上述的步骤a.)中，通过安装在废水出口的取水装置取得，或者通过人工取样，或者通过安装有自动装置的泵取样，每次取样不少于200毫升。

9.根据上述权利要求7所述的一种基于人工智能的工业废水处理方法，其特征在于，上述的步骤a.)中，采用在线的检测方法，在线监控水质与后续调整水质。

10.根据上述权利要求7所述的一种基于人工智能的工业废水处理方法，其特征在于，

上述的步骤b.)中，采用pH值测定仪，COD测定仪，BOD测定仪，分光光度计中的一种或多种进行水质检测，所述的测试环境温度为恒温，测试环境湿度为20～80％RH。

11.根据上述权利要求7所述的一种基于人工智能的工业废水处理方法，其特征在于，还包括利用废水选型模块进行选型的步骤。

12.根据上述权利要求7所述的一种基于人工智能的工业废水处理方法，其特征在于，所述利用废水选型模块进行选型的步骤实施如下：

(1)将废水的特征数据数字化后输入计算程序；

(2)人工智能程序读取数字化的废水数据，获得一个神经网络；所述神经网络包括卷积神经网络CNN(Convolutional Neural Networks)，循环神经网络RNN(Recurrent NeuralNetworks),长短期记忆网络LSTM(Long Short-Term Memory)，生成对抗网络Generativeadversarialnetworks(GAN)，霍普菲尔网络Hopfield network(HN)中的一种或多种。

所述神经网络包括至少四层，输入层、第一中间层、第二中间层与输出层；

其中所述输入层包含一个神经元用于输入一个均一化的向量数据，其长度与废水处理的特征化数据相同；

其中第一中间层包含至少一层神经元，其中所述的一层神经元包含至少一个神经元；

其中第二中间层包含至少一层神经元，其中所述的一层神经元包含至少一个神经元；

其中所述输出层包含一个神经元用于输出一个向量数据或一个点值，其数据的长度小于或等于废水处理数据特征的向量长度。

利用上述步骤计算出的输出值，在废水处理数据模型中寻找匹配最为接近的数据。

13.根据上述权利要求12所述的一种基于人工智能的工业废水处理方法，其特征在于，所述利用废水选型模块进行选型的步骤中，为了防止过拟合，随机选择剪切一部分神经元和或神经元与神经元之间的连接，随机选择剪切的神经元数量为0.05～0.30。

说明书

一种基于人工智能的工业废水处理系统与方法

技术领域

本发明涉及工业废水处理领域，尤其是涉及一种基于人工智能的工业废水处理技术。

背景技术

废水处理长期以来是制约我国工业绿色、可持续发展的重要课题。特别是工业废水来源十分复杂，来源的行业涉及例如制药、制浆造纸、食品、电镀及电路板处理、印染纺织、涂料等，其中污染物多种多样，现有已知的有机环境污染物多达四千万种以上，并且这个数量还在增加，废水的成分越来越复杂，其处理存在极大的困难。

随着企业成本经营环境的变化，企业承担更多的社会责任就必须降低污染物的排放。但现有的废水处理技术存在众多技术难点，不容易解决，这些问题诸如：

废水处理的能源与物质利用效率低，废水处理的能耗、物质消耗与废水处理的费效比仍然在大部分企业难以承受。很多企业在废水处理上投入大量的人力财力，收效甚微，产生的直接或间接的经济效益远远小于投入。

现有对废水的处理，一般分为综合废水、含氟废水、含铬废水等等，对废水的分类不足的一部分原因造成了现有废水处理方案的针对性不强造成了费效比低下。

现有的废水处理方法例如芬顿法，生物膜法、活性污泥也都有一定的技术局限性，例如生物膜法需要根据废水的情况定向培养所需的生物环境，芬顿法则会产生铁泥等固体废弃物。

现有的废水处理工艺为提高处理效率，可能投放过量的例如：氧化剂、催化剂、酸、碱、盐等化学药剂，可能造成了不必要的浪费，间接的提高了废水处理的成本和增加了碳排放。

现有的废水处理工艺大部分仅仅考虑了一个较小系统的废水处理问题，并未考虑到更大系统的优化问题，局部优化的解决方案未必是最优解。

废水由于其复杂性，来源广泛，在一些现有技术中还可能使用了人力去添加药剂，取样等。使得很多企业无法准确掌握加药量，造成废水处理效率的波动与药剂的浪费。

发明内容

有鉴于此，为了解决现有技术中的这些问题，本发明提供一种基于人工智能的工业废水处理系统，以实现提高费效比、降低成本、减少碳排放、节约药剂等效果。

具体来说，本发明提供一种可定制的基于人工智能的工业废水处理系统与方法，其特征在于，所述系统包括，(1)废水分析模块；(2)废水处理选型模块；优选的，还可以包括可选的模块，例如(3)数据分析系统；(4)虚拟现实或增强显示模块；(5)计算机模拟计算模块。

根据上述的基于人工智能的工业废水处理系统，其特征在于，所述的废水分析模块用于测量废水的测试指标，包括指示性指标和附加指标，所述指示性指标包括化学需氧量COD、生物需氧量BOD、总需氧量TOD、或总有机碳含量TOC中的一种或多种，附加指标包括pH值，总氮TN、总磷TP、浊度值、或重金属含量中的一种或多种。

根据上述的基于人工智能的工业废水处理系统，其特征在于，所述废水处理选型模块包括人工智能模块，废水处理技术的数据模型，优选的，还可能包括可视化模块(203)；数据分析模块(204)等。

其中人工智能模块包括运行在具有计算能力的设备，例如服务器、个人电脑、智能手机等设备，其硬件设备可以具有中央处理器CPU，图像处理器GPU、树莓派、神经网络专用计算集成电路NPU，例如Intel的Movidius NCS计算棒、较新的智能手机的CPU也集成了专用神经网络加速计算电路，例如高通的855，华为的980计算核心上的神经网络或者深度学习程序，所述可实现的深度学习框架可使用谷歌的Tensorflow及Keras，或者是Facebook的Pytorch，或者是MXnet，或者是Caffe2等一种或多种。

优选的，本发明还可能进一步包括增强现实或虚拟现实模块，采用增强现实或虚拟现实模块用于了解、监控、改善废水处理运营情况。

优选的，本发明还可能进一步包括计算模拟模块，用于模拟流体的计算与优化，设备或管道或电路的优化与定制化。

进一步优选的，所述的计算模块还可能包括图形化功能，能够将计算结果通过图像或可视化的形式显示在用户端的应用程序上。

本发明还提供一种可定制的基于人工智能的工业废水处理方法，其特征在于包括下面的步骤：

a.)取得废水(101)，b.)测量废水的一种或多种常规指标(102)，其中包括一种或多种指示性指标(103)，例如：化学需氧量COD(105)、生物需氧量BOD指标(106)、总需氧量TOD指标(107)、总有机碳含量TOC(108)，还可以进一步测试一种或多种指示性指标(104)，包括pH值(111)，总氮(109)、总磷(110)、浊度(112)指标等一种或多种，还可以包括，测量废水中的重金属含量(113)的一种或多种。

根据上述的一种可定制的基于人工智能的工业废水处理方法，其特征在于，上述的步骤a.)中，可通过安装在废水出口的取水装置取得，或者通过人工取样，或者通过安装有自动装置的泵取样，每次取样不少于200毫升，更进一步的，可取样2000ml；更进一步的可取样5000ml。取样的多少并不影响废水成分测试的有效性，乃是取一定程度的水样满足水样测试的要求。

根据上述的一种可定制的基于人工智能的工业废水处理方法，其特征在于，上述的步骤a.)中，可采用在线的检测方法，在线监控水质与后续调整水质。

根据上述的一种可定制的基于人工智能的工业废水处理方法，其特征在于，

上述的步骤b.)中，可采用pH值测定仪，COD测定仪，BOD测定仪，分光光度计等一种或多种进行水质检测，所述的测试环境温度优选恒温，为10～30℃，优选25℃。测试环境湿度为20～80％RH，优选为50％RH。在一些实施例中，使用了在线检测装置，而在线环境中的温度不太容易保持恒定，则需要在形成测试指标时依据在线的温度和/或湿度的传感器记录数据获得时的数据。

根据上述的一种可定制的基于人工智能的工业废水处理方法，其特征在于，还包括利用废水选型模块进行选型的步骤。

根据上述的一种可定制的基于人工智能的工业废水处理方法，其特征在于，所述利用废水选型模块进行选型的步骤实施如下：