CN114818938A - 一种浓水利用节能型ro膜处理净水方法 - Google Patents
一种浓水利用节能型ro膜处理净水方法 Download PDFInfo
- Publication number
- CN114818938A CN114818938A CN202210469404.XA CN202210469404A CN114818938A CN 114818938 A CN114818938 A CN 114818938A CN 202210469404 A CN202210469404 A CN 202210469404A CN 114818938 A CN114818938 A CN 114818938A
- Authority
- CN
- China
- Prior art keywords
- concentrated water
- purification
- water
- data
- discharge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
- C02F1/441—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis by reverse osmosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/02—Non-contaminated water, e.g. for industrial water supply
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本发明公开了一种浓水利用节能型RO膜处理净水方法,属于净水技术领域,该净水方法具体步骤如下:(1)收集浓水并对其进行分类分析;(2)采集净水设备信息以构建分析模型;(3)实时采集浓水处理信息以进行流程优化;(4)对净化后的浓水成分进行分析反馈;本发明通过构建净化模型,能够精确地对各RO膜型净水设备进行调整,大幅提高浓水回收效率,降低净化设备运行压力,能够对各工厂浓水净化前后成分进行分析,并更加直观地将其反馈给工作人员,无需工作人员人工收集数据,同时自行对存在异常排放的工厂进行上报,提高工作人员工作效率,减少工作人员工作量,提高工作人员工作积极性。
Description
技术领域
本发明涉及净水技术领域,尤其涉及一种浓水利用节能型RO膜处理净水方法。
背景技术
浓水是指工业生产过程中产生的废水、污水和废液,其中含有随水流失的工业生产用料、中间产物和产品以及生产过程中产生的污染物,随着工业的迅速发展,废水的种类和数量迅猛增加,对水体的污染也日趋广泛和严重,威胁人类的健康和安全,对于保护环境来说,工业废水的处理比城市污水的处理更为重要,工业废水的处理虽然早在19世纪末已经开始,并且在随后的半个世纪进行了大量的试验研究和生产实践,但是由于许多工业废水成分复杂,性质多变,至今仍有一些技术问题没有完全解决;
经检索,中国专利号CN113072131A公开了RO膜净水器废水回收再利用装置及使用方法,该发明虽然减少水资源浪费,又降低了家庭用水的费用,但是无法精确的对净化设备进行调整,容易造成浓水回收效率低下;此外,现有的浓水利用节能型RO膜处理净水方法无法及时反馈工厂浓水排放信息,需要相关工作人员人工收集数据,降低相关部门工作人员工作效率低,增加工作人员工作量;为此,我们提出一种浓水利用节能型RO膜处理净水方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷,而提出的一种浓水利用节能型RO膜处理净水方法。
为了实现上述目的,本发明采用了如下技术方案:
一种浓水利用节能型RO膜处理净水方法,该净水方法具体步骤如下:
(1)收集浓水并对其进行分类分析:实时收集区域类所有浓水排放信息,并依据不同排放工厂对收集到的数据进行分类,同时对各浓水内部成分进行分析记录;
(2)采集净水设备信息以构建分析模型:主服务器收集各RO膜型净水设备信息,并检测各净水设备是否符合使用标准,同时依据符合标准的净水设备信息构建对应净化模型,并对其进行优化调整;
(3)实时采集浓水处理信息以进行流程优化:对各RO膜型净水设备的浓水处理信息,并依据分析模型对各浓水处理流程进行调整优化处理,并将其上传至净水设备的存储模块进行存储;
(4)对净化后的浓水成分进行分析反馈:收集各净化后的浓水成分,并对其进行标准分析,同时将分析结果反馈给工作人员。
作为本发明的进一步方案,步骤(1)中所述分析记录具体步骤如下:
步骤一:主服务器与各工厂互联设备通信连接,并实时接收该互联设备传输的浓水排放记录;
步骤二:构建排放记录表,并将各工厂按照首字母A~Z进行有序排列,并依次将各工厂浓水排放数据录入排放记录表中;
步骤三:各工厂浓水检测设备对排放的浓水进行有害成分检测,并记录其有害成分所占比例。
作为本发明的进一步方案,步骤一中所述工厂互联设备具体为工厂内部所用的交换机或服务器。
作为本发明的进一步方案,步骤(2)中所述优化调整具体步骤如下:
第一步:主服务器依据各组符合标准的净水设备信息自行构建多组净化模型;
第二步:主服务器提取多组过往浓水数据,并将其构建为观测数据集,从观测数据集中选择一个观测数据作为验证数据,使用剩下的观测数据拟合一个测试模型;
第三步:用最先被排除的那个观测值来验证这个模型的精度,如此重复N次,并列出所有可能的数据结果以建立数据样本,对于每一组数据,选取任意一个子集作为测试集,将测试集更换为另一子集,再取剩余子集作为训练集,同时对每组数据进行预测;
第四步:按照原本信息核对规则收集训练数据集,并依据最优下参数对训练数据集进行标准化处理,最后将训练样本输送到净化模型中,并采用长期迭代法训练该模型,再将采集到的数据输入到训练好的模型中。
作为本发明的进一步方案,步骤(3)中所述调整优化具体步骤如下:
S1.1:依据各组净化模型绘制相关净水设备的判断曲线,并对其加以分析,同时对存在问题的净化设备进行标记,最后将存在问题的净化设备信息反馈给相关部门管理人员以及相关工厂负责人;
S1.2:同时主服务器对运行压力过高的RO膜型净水设备进行减压处理,同时对需要更换增压泵的净化设备进行标记,并提示维护人员进行更换。
作为本发明的进一步方案,步骤(4)中所述标准分析具体步骤如下:
S2.1:对净化后的浓水进行成分分析,并检测其有害成分在净化后的所占比例;
S2.2:将净化后的浓水成分比例与污水排放要求的各成分进行对比,若存在不达标的成分,则将该组浓水返回至净化设备进行二次净化,直到浓水中的有害成分含量达到了排放标准;
S2.3:定期对各工厂污水净化进行统计,并绘制对应排放曲线图,同时对存在异常排放的工厂进行上报。
相比于现有技术,本发明的有益效果在于:
1、该浓水利用节能型RO膜处理净水方法相比较过往净水方法,本发明通过构建净化模型,并通过提取多组过往浓水数据,同时将其构建为观测数据集,从观测数据集中选择一个观测数据作为验证数据,使用剩下的观测数据拟合一个测试模型以对参数进行初始化处理,用最先被排除的那个观测值来验证这个模型的精度,再构建训练数据集,并依据最优下参数对训练数据集进行标准化处理,最后将训练样本输送到净化模型中,并采用长期迭代法训练该模型,再将采集到的数据输入到训练好的模型中,净化模型依据各组净化模型绘制相关净水设备的判断曲线,并对其加以分析,同时对存在问题的净化设备进行标记,并对净化设备运行压力进行调整,通过构建净化模型,能够精确地对各RO膜型净水设备进行调整,大幅提高浓水回收效率,降低净化设备运行压力;
2、该浓水利用节能型RO膜处理净水方法通过主服务器与各工厂互联设备通信连接,并实时接收该互联设备传输的浓水排放记录,同时构建排放记录表,并将各工厂信息录入表中,并记录其有害成分所占比例,浓水净化完成后,各工厂水质检测设备对净化后的浓水进行成分分析,并检测其有害成分在净化后的所占比例,并将净化后的浓水成分比例与污水排放要求的各成分进行对比,若存在不达标的成分,则将该组浓水返回至净化设备进行二次净化,直到浓水中的有害成分含量达到了排放标准,同时定期对各工厂污水净化进行统计,并绘制对应排放曲线图,同时对存在异常排放的工厂进行上报,能够对各工厂浓水净化前后成分进行分析,并更加直观地将其反馈给工作人员,无需工作人员人工收集数据,同时自行对存在异常排放的工厂进行上报,提高工作人员工作效率,提高工作人员工作积极性。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明提出的一种浓水利用节能型RO膜处理净水方法的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1
参照图1,一种浓水利用节能型RO膜处理净水方法,本实施例具体公开了一种:
收集浓水并对其进行分类分析:实时收集区域类所有浓水排放信息,并依据不同排放工厂对收集到的数据进行分类,同时对各浓水内部成分进行分析记录。
具体的,首先主服务器与各工厂互联设备通信连接,并实时接收该互联设备传输的浓水排放记录,同时构建排放记录表,并将各工厂按照首字母A~Z进行有序排列,并依次将各工厂浓水排放数据录入排放记录表中,最后通过各工厂浓水检测设备对排放的浓水进行有害成分检测,并记录其有害成分所占比例。
需要进一步说明的是,工厂互联设备具体为工厂内部所用的交换机或服务器。
采集净水设备信息以构建分析模型:主服务器收集各RO膜型净水设备信息,并检测各净水设备是否符合使用标准,同时依据符合标准的净水设备信息构建对应净化模型,并对其进行优化调整。
具体的,主服务器依据各组符合标准的净水设备信息自行构建多组净化模型,同时提取多组过往浓水数据,并将其构建为观测数据集,从观测数据集中选择一个观测数据作为验证数据,使用剩下的观测数据拟合一个测试模型,用最先被排除的那个观测值来验证这个模型的精度,如此重复N次,并列出所有可能的数据结果以建立数据样本,对于每一组数据,选取任意一个子集作为测试集,将测试集更换为另一子集,再取剩余子集作为训练集,同时对每组数据进行预测,再按照原本信息核对规则收集训练数据集,并依据最优下参数对训练数据集进行标准化处理,最后将训练样本输送到净化模型中,并采用长期迭代法训练该模型,再将采集到的数据输入到训练好的模型中;
本实施例中通过构建净化模型,能够精确地对各RO膜型净水设备进行调整,大幅提高浓水回收效率,降低净化设备运行压力。
实施例2
参照图1,一种浓水利用节能型RO膜处理净水方法,除与上述实施例相同的结构外,本实施例具体公开了一种调整优化方法:
实时采集浓水处理信息以进行流程优化:对各RO膜型净水设备的浓水处理信息,并依据分析模型对各浓水处理流程进行调整优化处理,并将其上传至净水设备的存储模块进行存储。
需要进一步说明的是,首先净化模型依据各组净化模型绘制相关净水设备的判断曲线,并对其加以分析,同时对存在问题的净化设备进行标记,最后将存在问题的净化设备信息反馈给相关部门管理人员以及相关工厂负责人,分析完成后,同时主服务器对运行压力过高的RO膜型净水设备进行减压处理,同时对需要更换增压泵的净化设备进行标记,并提示维护人员进行更换,通过构建净化模型,能够精确地对各RO膜型净水设备进行调整,大幅提高浓水回收效率,降低净化设备运行压力。
对净化后的浓水成分进行分析反馈:收集各净化后的浓水成分,并对其进行标准分析,同时将分析结果反馈给工作人员。
需要进一步说明,各工厂水质检测设备对净化后的浓水进行成分分析,并检测其有害成分在净化后的所占比例,并将净化后的浓水成分比例与污水排放要求的各成分进行对比,若存在不达标的成分,则将该组浓水返回至净化设备进行二次净化,直到浓水中的有害成分含量达到了排放标准,同时定期对各工厂污水净化进行统计,并绘制对应排放曲线图,同时对存在异常排放的工厂进行上报,能够对各工厂浓水净化前后成分进行分析,并更加直观地将其反馈给工作人员,无需工作人员人工收集数据,同时自行对存在异常排放的工厂进行上报,提高工作人员工作效率,减少工作人员工作量,提高工作人员工作积极性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种浓水利用节能型RO膜处理净水方法,其特征在于,该净水方法具体步骤如下:
(1)收集浓水并对其进行分类分析:实时收集区域类所有浓水排放信息,并依据不同排放工厂对收集到的数据进行分类,同时对各浓水内部成分进行分析记录;
(2)采集净水设备信息以构建分析模型:主服务器收集各RO膜型净水设备信息,并检测各净水设备是否符合使用标准,同时依据符合标准的净水设备信息构建对应净化模型,并对其进行优化调整;
(3)实时采集浓水处理信息以进行流程优化:对各RO膜型净水设备的浓水处理信息,并依据分析模型对各浓水处理流程进行调整优化处理,并将其上传至净水设备的存储模块进行存储;
(4)对净化后的浓水成分进行分析反馈:收集各净化后的浓水成分,并对其进行标准分析,同时将分析结果反馈给工作人员。
2.根据权利要求1所述的一种浓水利用节能型RO膜处理净水方法,其特征在于,步骤(1)中所述分析记录具体步骤如下:
步骤一:主服务器与各工厂互联设备通信连接,并实时接收该互联设备传输的浓水排放记录;
步骤二:构建排放记录表,并将各工厂按照首字母A~Z进行有序排列,并依次将各工厂浓水排放数据录入排放记录表中;
步骤三:各工厂浓水检测设备对排放的浓水进行有害成分检测,并记录其有害成分所占比例。
3.根据权利要求2所述的一种浓水利用节能型RO膜处理净水方法,其特征在于,步骤一中所述工厂互联设备具体为工厂内部所用的交换机或服务器。
4.根据权利要求1所述的一种浓水利用节能型RO膜处理净水方法,其特征在于,步骤(2)中所述优化调整具体步骤如下:
第一步:主服务器依据各组符合标准的净水设备信息自行构建多组净化模型;
第二步:主服务器提取多组过往浓水数据,并将其构建为观测数据集,从观测数据集中选择一个观测数据作为验证数据,使用剩下的观测数据拟合一个测试模型;
第三步:用最先被排除的那个观测值来验证这个模型的精度,如此重复N次,并列出所有可能的数据结果以建立数据样本,对于每一组数据,选取任意一个子集作为测试集,将测试集更换为另一子集,再取剩余子集作为训练集,同时对每组数据进行预测;
第四步:按照原本信息核对规则收集训练数据集,并依据最优下参数对训练数据集进行标准化处理,最后将训练样本输送到净化模型中,并采用长期迭代法训练该模型,再将采集到的数据输入到训练好的模型中。
5.根据权利要求1所述的一种浓水利用节能型RO膜处理净水方法,其特征在于,步骤(3)中所述调整优化具体步骤如下:
S1.1:依据各组净化模型绘制相关净水设备的判断曲线,并对其加以分析,同时对存在问题的净化设备进行标记,最后将存在问题的净化设备信息反馈给相关部门管理人员以及相关工厂负责人;
S1.2:同时主服务器对运行压力过高的RO膜型净水设备进行减压处理,同时对需要更换增压泵的净化设备进行标记,并提示维护人员进行更换。
6.根据权利要求1所述的一种浓水利用节能型RO膜处理净水方法,其特征在于,步骤(4)中所述标准分析具体步骤如下:
S2.1:对净化后的浓水进行成分分析,并检测其有害成分在净化后的所占比例;
S2.2:将净化后的浓水成分比例与污水排放要求的各成分进行对比,若存在不达标的成分,则将该组浓水返回至净化设备进行二次净化,直到浓水中的有害成分含量达到了排放标准;
S2.3:定期对各工厂污水净化进行统计,并绘制对应排放曲线图,同时对存在异常排放的工厂进行上报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210469404.XA CN114818938A (zh) | 2022-04-28 | 2022-04-28 | 一种浓水利用节能型ro膜处理净水方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210469404.XA CN114818938A (zh) | 2022-04-28 | 2022-04-28 | 一种浓水利用节能型ro膜处理净水方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114818938A true CN114818938A (zh) | 2022-07-29 |
Family
ID=82510079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210469404.XA Pending CN114818938A (zh) | 2022-04-28 | 2022-04-28 | 一种浓水利用节能型ro膜处理净水方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818938A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117800425A (zh) * | 2024-03-01 | 2024-04-02 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
-
2022
- 2022-04-28 CN CN202210469404.XA patent/CN114818938A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117800425A (zh) * | 2024-03-01 | 2024-04-02 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
CN117800425B (zh) * | 2024-03-01 | 2024-06-07 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112863134B (zh) | 一种农村污水处理设施运行异常的智能诊断系统及方法 | |
CN103235098A (zh) | 地下水在线水质监测系统 | |
CN110399935A (zh) | 基于孤立森林机器学习的机器人实时异常监测方法及系统 | |
CN107885642A (zh) | 基于机器学习的业务监控方法及系统 | |
CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与系统 | |
CN105373894A (zh) | 基于稽查数据的电力营销业务诊断模型的建立方法及系统 | |
CN108519465B (zh) | 一种基于大数据的空气污染智能监测系统 | |
CN117420283B (zh) | 一种一体化多通道水质监测方法及系统 | |
CN114943917B (zh) | 一种视觉识别污水厂好氧池曝气量的算法 | |
CN114201374A (zh) | 基于混合机器学习的运维时序数据异常检测方法及系统 | |
CN110688389B (zh) | 变电站二次设备缺陷云管理系统 | |
CN116151621A (zh) | 一种基于数据分析的大气污染治理风险检测系统 | |
CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
CN114818938A (zh) | 一种浓水利用节能型ro膜处理净水方法 | |
CN116881747B (zh) | 基于医疗废水监测的智能处理方法及系统 | |
CN102801548B (zh) | 一种智能预警的方法、装置及信息系统 | |
CN117113135A (zh) | 一种可对异常数据整理分类的碳排放异常监测分析系统 | |
CN1830521A (zh) | 袋式除尘系统故障专家诊断方法 | |
CN115729199A (zh) | 一种环保数据在线实时监测系统及方法 | |
CN108805297B (zh) | 一种智能净水机数据分析方法、系统 | |
CN117495639A (zh) | 一种基于大数据的污水生态修复系统 | |
CN117057668A (zh) | 基于深度学习模型的工业污染物排放量预测方法 | |
CN205941109U (zh) | 一种voc气体采集监控装置 | |
CN114116843A (zh) | 基于用电数据的村镇小型污水处理设施运行监测方法 | |
CN111340095A (zh) | 基于深度学习的环境监测数据质量控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |