本技術涉及廢水污染物智能分類領域，具體而言，涉及基于深度學習的廢水污染物智能分類方法、系統(tǒng)和介質(zhì)。

背景技術：

1、隨著工業(yè)化和城市化的快速發(fā)展，廢水排放種類和數(shù)量日益增多。傳統(tǒng)的廢水污染物檢測和分類方法往往效率低下、準確性不足，且依賴于人工操作和化學分析，無法滿足現(xiàn)代廢水處理實時性和智能化的需求。隨著智能技術的迅速發(fā)展，其在廢水處理領域的應用潛力尚未得到充分挖掘。需要一種智能分類方法，能夠準確、快速的對廢水進行分類并匹配處理結果。

2、針對上述問題，目前亟待有效的技術解決方案。

技術實現(xiàn)思路

1、本技術的目的在于提供基于深度學習的廢水污染物智能分類方法、系統(tǒng)和介質(zhì)，可以通過獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)，根據(jù)物理特征數(shù)據(jù)和流動特征數(shù)據(jù)處理獲得廢水預處理難度等級數(shù)據(jù)，根據(jù)微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)處理獲得生化處理綜合類別評估指數(shù)，再根據(jù)化學特征數(shù)據(jù)處理獲得化學處理分類評估指數(shù)，最后與預設廢水處理方式數(shù)據(jù)庫匹配后獲得處理方案；從而通過廢水預處理難度等級數(shù)據(jù)、生化處理綜合類別評估指數(shù)和化學處理分類評估指數(shù)的處理，結合預設廢水處理方式數(shù)據(jù)庫匹配，實現(xiàn)廢水污染物智能分類的技術。

2、本技術還提供了基于深度學習的廢水污染物智能分類方法，包括以下步驟：

3、通過預設傳感器獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)；

4、根據(jù)所述物理特征數(shù)據(jù)和流動特征數(shù)據(jù)處理獲得預處理階段廢水的預處理難度指數(shù)，將預處理難度指數(shù)與預設處理難度指數(shù)閾值進行比較，獲得廢水預處理難度等級數(shù)據(jù)；

5、根據(jù)所述微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)處理獲得廢水生化處理階段的生化處理綜合類別評估指數(shù)；

6、根據(jù)所述化學特征數(shù)據(jù)處理獲得廢水深度處理階段的化學處理分類評估指數(shù)；

7、根據(jù)所述廢水預處理難度等級數(shù)據(jù)、生化處理綜合類別評估指數(shù)和化學處理分類評估指數(shù)分別與預設廢水處理方式數(shù)據(jù)庫匹配獲得對應的預處理階段、生化處理階段和深度處理階段的處理方案。

8、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，所述通過預設傳感器獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)，具體包括：

9、獲取廢水的物理特征數(shù)據(jù)和流動特征數(shù)據(jù)，物理特征數(shù)據(jù)包括濁度數(shù)據(jù)和密度數(shù)據(jù)，流動特征數(shù)據(jù)包括流量數(shù)據(jù)、流速數(shù)據(jù)和壓力數(shù)據(jù)；

10、獲取廢水的微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)，微生物群落特征數(shù)據(jù)包括微生物種類數(shù)量和微生物單位含量數(shù)據(jù)，微生物活性特征數(shù)據(jù)包括呼吸速率數(shù)據(jù)和生物量增長率數(shù)據(jù)；

11、獲取廢水的化學特征數(shù)據(jù)，包括酸堿度數(shù)據(jù)、化學需氧量數(shù)據(jù)和生化需氧量數(shù)據(jù)。

12、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，所述根據(jù)所述物理特征數(shù)據(jù)和流動特征數(shù)據(jù)處理獲得預處理階段廢水的預處理難度指數(shù)，將預處理難度指數(shù)與預設處理難度指數(shù)閾值進行比較，獲得廢水預處理難度等級數(shù)據(jù)，具體包括：

13、將所述濁度數(shù)據(jù)、密度數(shù)據(jù)、流量數(shù)據(jù)、流速數(shù)據(jù)和壓力數(shù)據(jù)輸入預設廢水預處理難度評估模型處理，獲得預處理難度指數(shù)；

14、將所述預處理難度指數(shù)與預設處理難度指數(shù)閾值進行比較，獲得廢水預處理難度等級數(shù)據(jù)；

15、根據(jù)預設處理難度指數(shù)閾值提取第一閾值和第二閾值，且第一閾值大于第二閾值；

16、將所述預處理難度指數(shù)與所述第一閾值和第二閾值進行比較；

17、若所述預處理難度指數(shù)大于所述第一閾值，所述廢水預處理難度等級數(shù)據(jù)為高難度數(shù)據(jù)；

18、若所述預處理難度指數(shù)大于所述第二閾值且小于等于所述第一閾值，所述廢水預處理難度等級數(shù)據(jù)為中等難度數(shù)據(jù)；

19、若所述預處理難度指數(shù)小于等于所述第二閾值，所述廢水預處理難度等級數(shù)據(jù)為基礎難度數(shù)據(jù)。

20、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，所述根據(jù)所述微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)處理獲得廢水生化處理階段的生化處理綜合類別評估指數(shù)，具體包括：

21、根據(jù)所述微生物種類數(shù)量和微生物單位含量數(shù)據(jù)結合呼吸速率數(shù)據(jù)和生物量增長率數(shù)據(jù)通過預設廢水生化處理綜合評估模型處理，獲得生化處理綜合類別評估指數(shù)；

22、所述廢水生化處理綜合類別評估模型中生化處理綜合類別評估指數(shù)的計算公式為：

23、；

24、其中，為生化處理綜合類別評估指數(shù)，、、、分別為微生物種類數(shù)量、微生物單位含量數(shù)據(jù)、呼吸速率數(shù)據(jù)、生物量增長率數(shù)據(jù)，、、為預設特征系數(shù)。

25、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，所述根據(jù)所述化學特征數(shù)據(jù)處理獲得廢水深度處理階段的化學處理分類評估指數(shù)，具體包括：

26、根據(jù)所述化學特征數(shù)據(jù)提取預設數(shù)量不同位置廢水的采樣化學特征數(shù)據(jù)，采樣化學特征數(shù)據(jù)包括采樣酸堿度數(shù)據(jù)、采樣化學需氧量數(shù)據(jù)和采樣生化需氧量數(shù)據(jù)；

27、根據(jù)預設數(shù)量的所述采樣酸堿度數(shù)據(jù)、采樣化學需氧量數(shù)據(jù)和采樣生化需氧量數(shù)據(jù)分別求平均值獲得有效酸堿度數(shù)據(jù)、有效化學需氧量數(shù)據(jù)和有效生化需氧量數(shù)據(jù)；

28、將所述有效酸堿度數(shù)據(jù)、有效化學需氧量數(shù)據(jù)和有效生化需氧量數(shù)據(jù)輸入預設化學處理分類評估模型中處理，獲得化學處理分類評估指數(shù)。

29、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，還包括：

30、將所述廢水預處理難度等級數(shù)據(jù)、生化處理綜合類別評估指數(shù)和化學處理分類評估指數(shù)計算輸入預設廢水處理綜合難度評估模型中處理，獲得廢水處理綜合難度指數(shù)；

31、所述廢水處理綜合難度評估模型中廢水處理綜合難度指數(shù)的計算公式為：

32、；

33、其中，為廢水處理綜合難度指數(shù)，為生化處理綜合類別評估指數(shù)，為廢水預處理難度等級數(shù)據(jù)，為化學處理分類評估指數(shù)，、、為預設特征系數(shù)。

34、可選地，在本技術所述的基于深度學習的廢水污染物智能分類方法中，獲得所述廢水處理綜合難度指數(shù)后，還包括：

35、將所述廢水處理綜合難度指數(shù)與預設廢水處理綜合難度指數(shù)閾值對比，獲得廢水處理復雜程度等級；

36、根據(jù)所述廢水處理綜合難度指數(shù)閾值提取難度第一閾值和難度第二閾值，且難度第一閾值大于難度第二閾值；

37、將所述廢水處理綜合難度指數(shù)與所述難度第一閾值和難度第二閾值進行比較；

38、若所述廢水處理綜合難度指數(shù)大于所述難度第一閾值，所述廢水處理復雜程度等級為復雜等級；

39、若所述廢水處理綜合難度指數(shù)大于所述難度第二閾值且小于等于所述難度第一閾值，所述廢水處理復雜程度等級為一般等級；

40、若所述廢水處理綜合難度指數(shù)小于等于所述難度第二閾值，所述廢水處理復雜程度等級為簡單等級；

41、將所述廢水處理復雜程度等級與預設廢水處理預估成本數(shù)據(jù)庫匹配獲得廢水處理預估成本等級，包括低成本、中等成本或高成本。

42、第二方面，本技術提供了基于深度學習的廢水污染物智能分類系統(tǒng)，該系統(tǒng)包括：存儲器及處理器，所述存儲器中存儲基于深度學習的廢水污染物智能分類方法的程序，所述基于深度學習的廢水污染物智能分類方法的程序被所述處理器執(zhí)行時實現(xiàn)以下步驟：

43、通過預設傳感器獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)；

44、根據(jù)所述物理特征數(shù)據(jù)和流動特征數(shù)據(jù)處理獲得預處理階段廢水的預處理難度指數(shù)，將預處理難度指數(shù)與預設處理難度指數(shù)閾值進行比較，獲得廢水預處理難度等級數(shù)據(jù)；

45、根據(jù)所述微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)處理獲得廢水生化處理階段的生化處理綜合類別評估指數(shù)；

46、根據(jù)所述化學特征數(shù)據(jù)處理獲得廢水深度處理階段的化學處理分類評估指數(shù)；

47、根據(jù)所述廢水預處理難度等級數(shù)據(jù)、生化處理綜合類別評估指數(shù)和化學處理分類評估指數(shù)分別與預設廢水處理方式數(shù)據(jù)庫匹配獲得對應的預處理階段、生化處理階段和深度處理階段的處理方案。

48、可選地，在本技術所述的基于深度學習的廢水污染物智能分類系統(tǒng)中，所述通過預設傳感器獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)，具體包括：

49、獲取廢水的物理特征數(shù)據(jù)和流動特征數(shù)據(jù)，物理特征數(shù)據(jù)包括濁度數(shù)據(jù)和密度數(shù)據(jù)，流動特征數(shù)據(jù)包括流量數(shù)據(jù)、流速數(shù)據(jù)和壓力數(shù)據(jù)；

50、獲取廢水的微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)，微生物群落特征數(shù)據(jù)包括微生物種類數(shù)量和微生物單位含量數(shù)據(jù)，微生物活性特征數(shù)據(jù)包括呼吸速率數(shù)據(jù)和生物量增長率數(shù)據(jù)；

51、獲取廢水的化學特征數(shù)據(jù)，包括酸堿度數(shù)據(jù)、化學需氧量數(shù)據(jù)和生化需氧量數(shù)據(jù)。

52、第三方面，本技術還提供了一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)中存儲基于深度學習的廢水污染物智能分類方法程序，所述基于深度學習的廢水污染物智能分類方法程序被處理器執(zhí)行時，實現(xiàn)如上述任一項所述的基于深度學習的廢水污染物智能分類方法的步驟。

53、由上可知，本技術提供的基于深度學習的廢水污染物智能分類方法、系統(tǒng)和介質(zhì)。該方法通過獲取廢水的物理特征數(shù)據(jù)、流動特征數(shù)據(jù)、微生物群落特征數(shù)據(jù)、微生物活性特征數(shù)據(jù)以及化學特征數(shù)據(jù)，根據(jù)物理特征數(shù)據(jù)和流動特征數(shù)據(jù)處理獲得廢水預處理難度等級數(shù)據(jù)，根據(jù)微生物群落特征數(shù)據(jù)和微生物活性特征數(shù)據(jù)處理獲得生化處理綜合類別評估指數(shù)，再根據(jù)化學特征數(shù)據(jù)處理獲得化學處理分類評估指數(shù)，最后與預設廢水處理方式數(shù)據(jù)庫匹配后獲得處理方案；從而通過廢水預處理難度等級數(shù)據(jù)、生化處理綜合類別評估指數(shù)和化學處理分類評估指數(shù)的處理，結合預設廢水處理方式數(shù)據(jù)庫匹配，實現(xiàn)廢水污染物智能分類的技術。

54、本技術的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本技術了解。本技術的目的和其他優(yōu)點可通過在所寫的說明書以及附圖中所特別指出的結構來實現(xiàn)和獲得。