论文详情
2024年第8期
• 供排水监测设施运行管理与业务实践 •
基于串级LSTM 深度学习模型的二次供水余氯预测方法
作者：肖磊，李中伟，刘书明，陈春芳，吴雪，伍丽燕
作者单位：清华大学环境学院；常州通用自来水有限公司
引用本文：肖磊, 李中伟, 刘书明, 等.基于串级LSTM 深度学习模型的二次供水余氯预测方法[J].净水技术, 2024, 43(8): 160-166.
摘要：伴随着城市高层住宅的增多,住宅区内二次供水泵房数量迅速增加。由于二次供水水箱位于城市供水系统末端,水质安全引起社会广泛关注。为提升水箱水质,一些泵房引入自动补氯装置,然而传统自动控制方法在应对二次供水系统中长时间延迟和非线性特性的补氯系统时存在局限性,仅能在线监测水箱余氯水平,过多的余氯可能对人体健康有害,因此,确保自动补氯系统安全运行成为亟待解决的问题。研究提出基于串级LSTM 深度学习的神经网络模型,用于分析水箱余氯数据、准确预测水箱出水余氯浓度,并制定相应监测和控制策略。试验验证和实际应用结果表明,该深度学习模型能有效智能预测水箱余氯,为自动补氯系统提供重要的智能控制手段,具有实用意义。
关键词：二次供水，水箱补氯，LSTM，深度学习，余氯预测，时间序列，串级网络模型
基金资助：国家水体污染控制与治理科技重大专项(2017ZX07201002)
