改革开放以来,我国进入了飞速发展的阶段。随着城市化发展越来越快,城市污水带来的水污染问题日益严峻。虽然目前我国对于污水处理方面的研究已经接近国际水平,但是大部分污水处理运行管理系统仍然依靠国外进口,由于国情不同、人员培训差异,以及技术支持的不完善,使得我国在污水处理的智能化运行管理仍然落后。目前也是互联网、云计算和人工智能等技术迅猛发展的阶段,本文以某污水处理厂为背景,设计了智能污水处理监测系统,主要完成了对污水处理生化过程中关键参数的智能化监测以及对曝气环节鼓风机频率的预测。本论文的主要研究可总结为以下三部分:(1)污水处理工艺参数智能监测模型研究。污水处理生化过程中的关键参数准确与否关系着出水的质量。本文根据时序数据的特点,采用基于LSTM实现的深度学习模型完成对参数的监测。实验结果表明该模型比与污水处理厂现有的简单范围监测更加准确、智能。(2)基于PSOGA-LSTM的鼓风机频率预测模型研究。曝气风机的控制难点在于污水生化处理过程中的各个变量之间是高度非线性和时变性的,加之反应中涉及到各种繁杂的生物化学反应,使得传统方法很难对其过程进行准确的描述。本文利用污水处理中的关键参数建立对曝气风机的深度学习预测模型,在对模型的优化过程中设计了粒子群算法(PSO)和遗传算法(GA)相结合的方法来优化LSTM模型,得到了PSOGA-LSTM模型,实验表明PSOGA-LSTM对频率的预测误差更小。(3)基于CPS的监测系统设计。基于CPS的三层架构理论完成了对智能污水处理监测系统的感知模块、网络传输模块和智能监测系统的软件设计实现。在物理层完成了对传感器数据的获取,在网络层完成对数据的传输,并着重介绍在应用层集成(1)和(2)中的两个算法模型。整个系统实现了对关键参数的智能化监测及曝气风机频率的智能化预测控制等。