买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏博凌环境科技有限公司

摘要：本发明属于黑臭水体修复技术领域，本发明公开了用于黑臭水体修复的多级净化浮岛系统及方法；方法包括：采集m组历史水体处理数据；历史水体处理数据包括历史水体特征数据以及与历史水体特征数据对应的净化类别；基于历史水体特征数据及与历史水体特征数据对应的净化类别训练出预测净化类别的净化类别选择模型；以浮岛为中心将待修复水体围绕浮岛划分为n个区域，采集n个区域n组实时水体特征数据；依次将采集的n组实时水体特征数据输入净化类别选择模型，获得n组预测净化类别；实现分级处理，从浮岛周边逐步针对性改善黑臭水体水质，逐步降低浮岛自身的生物处理的影响，提升浮岛生物处理能力。

主权项：1.用于黑臭水体修复的多级净化浮岛方法，应用于水体水质修复，水体中布设有浮岛（100），其特征在于，包括：采集m组历史水体处理数据；历史水体处理数据包括历史水体特征数据以及与历史水体特征数据对应的净化类别；基于历史水体特征数据及与历史水体特征数据对应的净化类别训练出预测净化类别的净化类别选择模型；以所述浮岛（100）为中心将待修复水体围绕浮岛（100）划分为n个区域，采集n个区域n组实时水体特征数据；依次将采集的n组实时水体特征数据输入净化类别选择模型，获得n组预测净化类别，基于n组预测净化类别执行相应区域的净化方案；所述净化类别包括物理净化、化学净化和自然净化，净化方案包括拦截过滤和投放药剂；所述净化类别选择模型训练过程包括：将历史水体特征数据根据收集时的净化类别生成对应的实际标注，净化类别为物理净化时，实际标注为0，净化类别为化学净化时，实际标注为1，净化类别为自然净化时，实际标注为2；将每组历史水体特征数据作为第一机器学习模型的输入，所述第一机器学习模型以对每组历史水体特征数据的预测标注为输出，以实际标注为预测目标，以最小化所有历史水体特征数据的预测准确度之和作为训练目标；对第一机器学习模型进行训练，直至预测准确度之和达到收敛时，停止训练并将训练得到的第一机器学习模型作为净化类别选择模型，第一机器学习模型为朴素贝叶斯模型或支持向量机模型的其中一种；基于n组预测净化类别执行相应区域的净化方案的方法包括：若净化类别选择模型输出预测标注为0，执行净化方案为拦截过滤；若净化类别选择模型输出预测标注为1，执行净化方案为投放药剂；若净化类别选择模型输出预测标注为2，则无需执行净化方案；所述历史水体特征数据还包括与历史水体特征数据对应的药剂投放量，基于历史水体特征数据以及与历史水体特征数据对应的药剂投放量训练出预测药剂投放量的药剂识别模型；若执行净化方案为投放药剂时，将相应区域采集的实时水体特征数据输入药剂识别模型，输出预测药剂投放量；基于预测药剂投放量计算获得目标药剂投放量，目标药剂投放量作为相应区域净化处理参数；所述药剂识别模型训练过程包括：将历史水体特征数据作为第二机器学习模型的输入，所述第二机器学习模型以对每组历史水体特征数据的预测药剂投放量为输出，以该组历史水体特征数据对应的实际药剂投放量为预测目标，以最小化所有历史水体特征数据的预测误差之和作为训练目标；对第二机器学习模型进行训练，直至预测误差之和达到收敛时，停止训练，并将训练得到的第二机器学习模型作为药剂识别模型；第二机器学习模型是深度神经网络模型或深度信念网络模型中的任一个。

全文数据：

权利要求：

百度查询： 江苏博凌环境科技有限公司 用于黑臭水体修复的多级净化浮岛系统及方法