用于厌氧膜生物反应器的膜污染速率预测方法与装置

1.一种用于厌氧膜生物反应器的膜污染速率预测模型的训练方法，其特征在于，所述方法包括：获取样本集，其中，所述样本集中的样本以厌氧膜生物反应器的运行参数、生物质参数、膜组件参数为样本特征，以厌氧膜生物反应器的膜污染速率为样本标签；对所述样本集进行预处理，得到预处理后的样本集；根据预处理后的样本集对神经网络进行训练，得到膜污染速率预测模型。 2.根据权利要求1所述的方法，其特征在于，所述获取样本集，包括：从多个厌氧膜生物反应器文件中筛选多组信息，其中，每组信息包括：厌氧膜生物反应器的运行参数、生物质参数、膜组件参数、膜污染速率；根据每组信息构建样本，并根据各样本生成所述样本集。 3.根据权利要求1或2所述的方法，其特征在于，所述运行参数包括：有机负荷、进水化学需氧量浓度、生物气回曝速率、水力停留时间；所述生物质参数包括：挥发性固体浓度、可溶性微生物产物蛋白质浓度、可溶性微生物产物多糖浓度、可溶性微生物产物蛋白质与多糖比率、胞外聚合物蛋白质浓度、胞外聚合物多糖浓度、胞外聚合物蛋白质与多糖比率；所述膜组件参数包括：膜孔径、膜装填密度、膜通量。 4.根据权利要求1所述的方法，其特征在于，所述对所述样本集进行预处理，包括：对所述样本集进行数据清洗；对数据清洗后的样本集进行数据归一化。 5.根据权利要求4所述的方法，其特征在于，所述对所述样本集进行数据清洗，包括：对所述样本集中各样本进行缺失值处理和异常值处理。 6.根据权利要求1所述的方法，其特征在于，所述根据预处理后的样本集对神经网络进行训练，得到膜污染速率预测模型，包括：将预处理后的样本集划分为训练集和测试集；根据所述训练集对神经网络进行训练，并根据所述测试集对训练后的神经网络进行性能评估；若训练后的神经网络通过性能评估，则将训练后的神经网络作为膜污染速率预测模型；若训练后的神经网络未通过性能评估，则调整当前神经网络的超参数，并根据所述训练集对调整后的神经网络进行训练，直到通过性能评估，将通过性能评估的神经网络作为膜污染速率预测模型。 7.根据权利要求1所述的方法，其特征在于，所述神经网络包括一层输入层，两层隐含层以及一层输出层；所述输入层的神经元个数为14，第一层隐含层的神经元个数为9，第二层隐含层的神经元个数为6，所述输出层的神经元个数为1。 8.一种用于厌氧膜生物反应器的膜污染速率预测方法，其特征在于，所述方法包括：获取待预测厌氧膜生物反应器的运行参数、生物质参数、膜组件参数；将所述运行参数、所述生物质参数、所述膜组件参数输入膜污染速率预测模型，得到所述待预测厌氧膜生物反应器的膜污染速率；其中，所述膜污染速率预测模型基于权利要求1-7中任一项所述的膜污染速率预测模型的训练方法得到。 9.一种用于厌氧膜生物反应器的膜污染速率预测模型的训练装置，其特征在于，所述装置包括：获取模块，用于获取样本集，其中，所述样本集中的样本以厌氧膜生物反应器的运行参数、生物质参数、膜组件参数为样本特征，以厌氧膜生物反应器的膜污染速率为样本标签；预处理模块，用于对所述样本集进行预处理，得到预处理后的样本集；训练模块，用于根据预处理后的样本集对神经网络进行训练，得到膜污染速率预测模型。 10.一种用于厌氧膜生物反应器的膜污染速率预测装置，其特征在于，所述装置包括：获取模块，用于获取待预测厌氧膜生物反应器的运行参数、生物质参数、膜组件参数；预测模块，用于将所述运行参数、所述生物质参数、所述膜组件参数输入膜污染速率预测模型，得到所述待预测厌氧膜生物反应器的膜污染速率；其中，所述膜污染速率预测模型基于权利要求1-7中任一项所述的膜污染速率预测模型的训练方法得到。