本發明涉及化學需氧量(COD)智能預測方法和系統。其中的方法包括步驟:通過傳感器采集用于預測COD的輸入對象數據組,并對數據組作預處理;建立卷積神經網絡(CNN)與共享權值記憶神經網絡(SWLSTM)結合高斯過程回歸(GPR)的融合預測模型,將所述預處理后輸入對象數據組輸入到模型中,對模型進行訓練;利用訓練后模型對所述輸出對象進行智能預測和評估,并得到分析結果。其中的系統包括傳感器陣列和計算機裝置,所述傳感器陣列至少包括溫度傳感器、pH傳感器和溶解氧傳感器,所述計算機裝置用于實施所述方法。本發明可解決水體COD測試難度大、成本高等問題,并提供一種更加高效、智能和便捷的預測和評估應用。
聲明:
“化學需氧量智能預測方法和系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)