买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南智慧环境科技(清远)有限公司;华南师大(清远)科技创新研究院有限公司申请的专利一种污水除磷处理加药智能控制系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116102090B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211447254.9，技术领域涉及：C02F1/00；该发明授权一种污水除磷处理加药智能控制系统是由黄明智;麦文杰;李小勇;易晓辉;陈振国;王晓珊设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种污水除磷处理加药智能控制系统在说明书摘要公布了：本发明提供了一种污水除磷处理加药智能控制系统，包括：依次连接的污水进水端、混合池、过滤池和污水出水端；进水监测模块，用于监测污水进水端内污水的进水总磷和进水流量；出水监测模块，用于监测污水出水端内污水的出水总磷和出水流量；加药控制模块，用于在混合池内投放除磷剂；上位机，分别与进水监测模块、出水监测模块和加药模块连接，用于将进水总磷、进水流量、出水总磷和出水流量输入预先训练的除磷剂投加量预测模型，确定除磷剂投加量，并控制加药控制模块进行除磷剂投加量的除磷剂投放。本发明的污水除磷处理加药智能控制系统，无需人工确定除磷剂投加量，降低了人力成本，更避免了除磷剂的投放量确定不精准的情况发生。

本发明授权一种污水除磷处理加药智能控制系统在权利要求书中公布了：1.一种污水除磷处理加药智能控制系统，其特征在于，包括： 依次连接的污水进水端、混合池、过滤池和污水出水端； 进水监测模块，用于监测污水进水端内污水的进水总磷和进水流量； 出水监测模块，用于监测污水出水端内污水的出水总磷和出水流量； 加药控制模块，用于在所述混合池内投放除磷剂； 上位机，分别与进水监测模块、出水监测模块和加药模块连接，用于将所述进水总磷、进水流量、出水总磷和出水流量输入预先训练的除磷剂投加量预测模型，确定除磷剂投加量，并控制加药控制模块进行所述除磷剂投加量的除磷剂投放； 所述除磷剂投加量预测模型的训练步骤包括： 获取多组历史加药记录，所述历史加药记录包括：历史进水总磷、历史进水流量、历史出水总磷、历史出水流量和历史除磷剂投加量； 将多组历史加药记录作为训练数据输入CNN‑TCN‑Attention‑GPR模型进行训练，获得除磷剂投加量预测模型； 所述将多组历史加药记录作为训练数据输入CNN‑TCN‑Attention‑GPR模型进行训练： 作为第一层的输入层：将训练数据作为输入自变量进入下一层；输入自变量X表示为： X＝X1,X2,…,Xn其中，Xn为第n个输入自变量； 作为第二层的卷积层：对输入自变量进行归一化处理，使用卷积运算根据归一化处理结果生成特征矩阵其中，conv函数是CNN网络中的卷积操作，和是卷积过程中的输入和输出，其中l是归一化处理结果的序列长度，i和j代表卷积过程中的处理位置，是卷积层的权重，是卷积层的偏置； 其中，和分别为激活函数的输入和输出，f为非线性激活函数Relu； 作为第三层的池化层：对特征矩阵进行池化操作： 其中,pooling池化函数代表池化操作，代表池化层后的输出； 作为第四层的TCN层：对输入自变量X进行卷积运算： Fi为对X1,X2,…,Xn中第i个元素的卷积结果，hj为滤波器卷积核，d为扩大因子，k为常数； TCN层还包括残差块，用于对卷积结果Fi进行残差操作： o＝Activationi+Fi其中，o为残差操作结果，Activation为激活函数； 作为第五层的注意力层：对TCN层处理后的数据进行注意力操作： et＝tanhwtst+btet表示TCN层处理后的数据的第t个特征向量的状态向量st所需要确定的能量值，wt表示TCN层处理后的数据的第t个特征向量的权重系数矩阵，bt表示TCN层处理后的数据的第t个特征向量相对应的偏移量，tanh为激活函数，αt为中间变量，Y为注意力操作结果，exp为以自然常数e为底的指数函数； 作为第六层的GPR层：高斯过程回归模型是利用高斯先验对注意力层的输出数据进行回归分析的非参数模型，模型建立如下： y＝fx+ε式中：fx为高斯过程函数，y为观测值，y为注意力操作结果的输入向量，噪声因此，得到了关于观测值y的先验分布： 得到观测值和预测值的联合先验分布如下： 式中：KX,X为n阶正定协方差矩阵，KX,X*为测试点与测试集之间的n*1阶协方差矩阵；KX*,X*为测试点自身的协方差，In为n维单位矩阵； 算出预测值的后验算分布为： 且式中：和covf*为测试点所对应的预测值的均值和方差； 作为第七层的输出层： 将经CNN‑TCN‑Attention模型训练获得的训练集预测结果记为train_X1，测试集预测结果记为test_X1，train_X1和test_X1作为GPR层的训练集和测试集输入数据； 将test_X1输入到训练好的GPR模型中最终的预测输出Final_predict＝GPR.predicttest_X1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南智慧环境科技(清远)有限公司;华南师大(清远)科技创新研究院有限公司，其通讯地址为：511500 广东省清远市高新技术产业开发区创兴大道18号天安智谷科技产业园总部楼1~3层B10号三层自编之一；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。