本发明涉及化学需氧量(COD)智能预测方法和系统。其中的方法包括步骤:通过传感器采集用于预测COD的输入对象数据组,并对数据组作预处理;建立卷积神经网络(CNN)与共享权值记忆神经网络(SWLSTM)结合高斯过程回归(GPR)的融合预测模型,将所述预处理后输入对象数据组输入到模型中,对模型进行训练;利用训练后模型对所述输出对象进行智能预测和评估,并得到分析结果。其中的系统包括传感器阵列和计算机装置,所述传感器阵列至少包括温度传感器、pH传感器和溶解氧传感器,所述计算机装置用于实施所述方法。本发明可解决水体COD测试难度大、成本高等问题,并提供一种更加高效、智能和便捷的预测和评估应用。
声明:
“化学需氧量智能预测方法和系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)