(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210903716.7 (22)申请日 2022.07.28 (71)申请人 上宸工程设计集团有限公司 地址 310000 浙江省杭州市拱 墅区丰潭路 508号天行国际中心7号楼19层1902室 (72)发明人 吴小强　方晓磊　俞瑶瑶　张家奇　 王樟炳　陆栩　 (74)专利代理 机构 杭州橙知果专利代理事务所 (特殊普通 合伙) 33261 专利代理师 李品 (51)Int.Cl. G06Q 50/26(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种城市污水收集 排放系统 (57)摘要 本发明提供了一种城市污水收集排放系统， 包括： 污水指标序列获取模块， 用于获取污水指 标序列， 所述污水指标序列中包括按照时序排列 的多个采样时刻所分别对应的污水指标数据， 每 一所述污 水指标数据中包括至少两个污水指标； 污水指标预测模块， 用于基于所述污水指标序列 得到目标时刻 的各污水指标对应的预测污水指 标， 所述目标时刻为位于所述污水指标序列对应 的最后一个采样时刻之后的时刻； 排放控制模 块， 用于响应于所述预测污水指标达到排放标准 的情况， 对污水进行排放处理。 本发明可 以缩短 排放时间， 精准控制排放时机， 实现快速高效准 确的污水排 放。 权利要求书2页 说明书7页 附图3页 CN 115272032 A 2022.11.01 CN 115272032 A 1.一种城市污水收集 排放系统， 其特 征在于， 包括： 污水指标序列获取模块， 用于获取污水指标序列， 所述污水指标序列中包括按照 时序 排列的多个采样时刻所分别对应的污水指标数据， 每一所述污水指标数据中包括至少两个 污水指标； 污水指标预测模块， 用于基于所述污水指标序列得到目标时刻的各污水指标对应的预 测污水指标， 所述目标时刻为位于所述污水指标序列对应的最后一个采样时刻之后的时 刻； 排放控制模块， 用于响应于所述预测污水指标达到排放标准的情况， 对污水进行排放 处理。 2.根据权利要求1所述的系统， 其特征在于， 所述污水指标预测模块， 用于执行下述操 作： 对所述污水指标序列进行用于提升敏感度的数据处理， 得到预处理污水指标序列， 所 述预处理污水指标序列对于 污水污染程度趋势变化的敏感度高于所述污水指标序列； 对所述预处理污水指标序列中的每个污水指标进行沿时序的横向拟合， 基于横向拟合 结果进行 数据扩展， 得到每 个污水指标对应的扩展序列； 对各所述扩展序列进行基于预设基的分解， 得到每个污水指标对应的分解系数， 所述 预设基包括至少三个基础函数， 所述至少三个基础函数中的任意两个基础函数之 间不存在 任何线性关联； 对各分解系数进行归一化处理之后， 融合所述扩展序列， 得到每个污水指标所对应的 输入序列； 将各所述输入序列一并输入至预设的污水指标 预测网络， 得到所述预测污水指标。 3.根据权利要求2所述的系统， 其特征在于， 所述对所述污水指标序列进行用于提升敏 感度的数据处 理， 得到预处 理污水指标序列， 包括： 对所述污水指标序列中的每个污水指标进行基于时序的提取， 得到所述污水指标对应 的初始序列； 根据所述初始序列中的上 下文关系， 对所述初始序列进行扩展， 得到扩展序列； 基于所述扩展序列的上 下文， 得到所述污水指标对应的预处 理序列； 将各所述污水指标对应的预处 理序列确定为所述预处 理污水指标序列。 4.根据权利要求2所述的系统， 其特 征在于： 所述污水指标预测网络包括第 一权重矩阵和第 二权重矩阵， 所述第 一权重矩阵中每个 第一权重表征对应的神经单元的状态参数， 根据所述第一权重唯一确定所述神经单元对应 的输出， 所述第二权 重矩阵中每 个第二权 重表征对应的神经 单元的重要程度； 所述第一权重和所述第 二权重分别基于第 一权重曲线和第 二权重曲线确定， 所述第 一 权重曲线和所述第二权重曲线分别用于描述所述第一权重和所述第二权重跟随时间变化 的情况， 所述第一权 重曲线和所述第二权 重曲线通过训练所述污水指标 预测网络得到 。 5.根据权利要求4所述的系统， 其特征在于， 所述第 一权重曲线和所述第 二权重曲线分 别通过第一权重函数和 第二权重函数表征， 所述第一权重函数和所述第二权重函数通过在 训练所述污水指标 预测网络过程中基于多 项式拟合得到 。 6.根据权利要求5所述的系统， 其特征在于， 所述污水指标预测网络通过下述方法训练权　利　要　求　书 1/2 页 2 CN 115272032 A 2得到： 获取样本序列， 所述样本序列包括各污水指标在各样本采样时刻对应的样本输入序 列， 以及各样本采样时刻之后某一样本目标时刻对应的样本 污水参考指标； 将各样本输入序列输入预设的神经网络， 得到所述神经网络 中各神经单元输出的单元 信号， 针对每一神经单元， 所述神经单元根据对应的第一权重函数和所述样本目标时刻确 定所述单 元信号； 根据各所述神经单元对应的第 二权重函数和所述样本目标时刻， 确定各所述神经单元 分别对应的融合权 重； 根据各所述神经单元输出的单元信号和所述融合权重， 得到所述神经网络预测出的样 本目标时刻对应的样本 污水预测指标； 根据所述样本污水预测指标和所述样本污水参考指标， 调整各所述第 一权重函数和各 所述第二权 重函数， 基于调整后的神经网络确定所述污水指标 预测网络 。 7.根据权利要求6所述的系统， 其特 征在于， 所述训练方法还 包括： 针对任一第 一权重函数， 响应于所述第 一权重函数跟随时间变化幅度小于第 一阈值的 情况， 将所述第一权 重函数设定为固定值； 对各第二权重函数进行裁剪操作， 根据裁剪结果优化所述神经网络的结构， 得到所述 污水指标 预测网络 。 8.根据权利要求1所述的系统， 其特 征在于， 所述排放标准包括针对每一污水指标的排 放子标准； 所述响应于所述预测污水指标达 到排放标准的情况， 对污水进行排 放处理， 包括： 响应于每一预测污水指标达 到对应的排 放子标准的情况， 对污水进行排 放处理。权　利　要　求　书 2/2 页 3 CN 115272032 A 3