本发明涉及污水处理，尤其涉及一种农村污水处理工艺及系统。
背景技术：
1、农村污水处理是农村人居环境整治的重要内容，有效处理农村污水可以减少水体污染，保护水资源，改善农村生态环境；污水处理后可用于农业灌溉、景观用水等，提高水资源利用率，同时减少疾病传播，提升农民生活质量。
2、传统的农村污水处理工艺流程通常包括粗格栅、细格栅、沉砂池、调节池、絮凝反应池、缺氧池、厌氧池、好氧池、二沉池、深床滤池等，每个过程均串联执行。例如公开号为cn114940563a的一种农村污水处理系统，包括：布水器、生物膜反应单元和曝气器，布水器与进水通道连通，位于处理池的底部，处理池从下向上形成有污泥区、厌氧区、缺氧区和好氧区；生物膜反应单元位于所述好氧区与所述缺氧区；曝气器设置于所述缺氧区与所述好氧区之间。上述的农村污水处理系统，布水器位于处理池的底部以使污水从下向上流动，流动过程中经过污泥区、厌氧区、缺氧区和好氧区，实现对污水的处理，为一种环境友好型、低成本的农村污水处理系统。
3、尽管现有技术中通过对处理池分区，实现了对污水的不同处理，但是由于进行污水处理时，不能实时根据污水水质，灵活调整生化反应的操作参数，导致无法灵活的对不同类型的农村污水进行不同的处理，造成处理资源的浪费。
技术实现思路
1、为了解决传统的污水处理时的不能实时根据污水水质，灵活调整生化反应的操作参数，导致无法灵活的对不同类型的农村污水进行不同的处理，造成处理资源的浪费的问题，本发明提供一种农村污水处理工艺及系统。
2、第一方面，本发明提供的一种农村污水处理工艺，采用如下的技术方案：
3、一种农村污水处理工艺，包括以下步骤：
4、s1，通过原水池进行污水预处理，以去除污水中较大的漂浮物和悬浮物，并将预处理后的污水输送到生化反应池；
5、s2，通过生化反应池中的水质检测设备实时监测水质参数；
6、s3，将水质参数输入到预先训练好的神经网络模型以输出生化反应池的操作参数；
7、s4，根据操作参数在生化反应池中对污水进行生化处理和深度处理，生化处理包括去除有机物、脱氮除磷和降低病原微生物数量，深度处理包括进一步去除悬浮物、去除难降解有机物和消毒杀菌。
8、通过采用上述技术方案，根据实时水质参数获取对应的操作参数，使在进行污水处理时，可以适应不同的污水类型，对农村污水的适应能力较强，节约了处理资源。
9、可选地，在训练神经网络模型之前，通过试验获取多种水质参数与其对应的最佳操作参数，具体包括：
10、获取多种不同类型的污水作为试验体，并获取每个试验体的多种水质参数；
11、在每种试验体中，按照梯度设置多个操作参数并对试验体进行处理，获取多个处理后的水质参数；
12、将处理后的水质参数与标准水质参数作差，差值的绝对值最小的处理后的水质参数作为最佳处理结果，并获取对应操作参数作为最佳操作参数。
13、通过采用上述技术方案，对试验体进行处理得到的数据作为训练模型的基础。
14、可选地，神经网络模型训练的过程包括：
15、将试验得到的水质参数与最佳操作参数关联后，随机划分得到训练集和测试集；
16、通过训练集对神经网络模型进行训练得到初始预测模型，模型的输出为对应的最佳操作参数；
17、通过测试集对初始预测模型进行测试，输出预测的最佳操作参数；
18、基于模型输出的预测的最佳操作参数和均方误差确定出对应的损失值，判断所述损失值是否小于阈值；
19、若小于阈值，停止训练，将初始预测模型作为对应的预测模型；
20、若不小于阈值，基于损失值校正初始预测模型对应的参数，更新预测模型。
21、可选地，所述水质参数包括色度数据、浊度数据、ss数据、ph数据、cod数据、bod数据、toc数据、氨氮数据、总氮数据、总磷数据；
22、所述操作参数包括药剂投加量、曝气量、剩余污泥排放量、处理时间。
23、可选地，步骤s4中，对污水进行每一项生化处理和深度处理时，均包括：
24、s4-1，将当前水质参数输入到神经网络模型中，输出操作参数；
25、s4-2，根据操作参数对当前污水进行生化处理和深度处理；
26、s4-3，将处理后的水质参数与标准水质参数进行分析比对并获取相对误差；
27、当相对误差大于预设阈值时，返回s4-1；
28、当相对误差小于阈值时，结束。
29、通过采用上述技术方案，由于试验与实际可能存在偏差，通过对实际的监测，使污水处理效果更好。
30、可选地，将实际处理后的水质参数与标准水质参数进行分析比对并获取相对误差包括：
31、获取试验中的水质参数去除率和实际的水质参数去除率；
32、相对误差=（|实际的水质参数去除率-试验中的水质参数去除率|/试验中的水质参数去除率）*100%。
33、第二方面，提供一种农村污水处理系统，包括：
34、原水池和生化反应池，原水池进行污水预处理，以去除污水中较大的漂浮物和悬浮物，并将预处理后的污水输送到生化反应池；
35、多个水质检测设备，设置在生化反应池中，用于实时监测水质参数；
36、处理器，将水质参数输入到预先训练好的神经网络模型以输出生化反应池操作参数；
37、控制器，根据处理器输出的操作参数控制在生化反应池中对污水进行生化处理和深度处理，生化处理包括去除有机物、脱氮除磷和降低病原微生物数量，深度处理包括进一步去除悬浮物、去除难降解有机物和消毒杀菌。
38、通过采用上述技术方案，调整处理模块搭配固定处理模块进行污水处理，大大节省了占地空间，通过神经网络模型灵活获取操作参数，提高了污水处理的灵活性，减少了处理资源的浪费。
39、可选地，水质检测设备包括：在线色度传感器、在线浊度传感器、悬浮物浓度传感器、在线ph传感器、在线cod传感器、在线bod传感器、在线toc传感器、在线氨氮传感器、在线总氮传感器、在线总磷传感器。
40、可选地，在训练神经网络模型之前，通过试验获取多种水质参数与其对应的最佳操作参数，具体包括：
41、获取多种不同类型的污水作为试验体，并获取每个试验体的多种水质参数；
42、在每种试验体中，按照梯度设置多个操作参数并对试验体进行处理，获取多个处理后的水质参数；
43、将处理后的水质参数与标准水质参数作差，差值的绝对值最小的处理后的水质参数作为最佳处理结果，并获取对应操作参数作为最佳操作参数。
44、可选地，神经网络模型训练的过程包括：
45、将试验得到的水质参数与最佳操作参数关联后，随机划分得到训练集和测试集；
46、通过训练集对神经网络模型进行训练得到初始预测模型，模型的输出为对应的最佳操作参数；
47、通过测试集对初始预测模型进行测试，输出预测的最佳操作参数；
48、基于模型输出的预测的最佳操作参数和均方误差确定出对应的损失值，判断所述损失值是否小于阈值；
49、若小于阈值，停止训练，将初始预测模型作为对应的预测模型；
50、若不小于阈值，基于损失值校正初始预测模型对应的参数，更新预测模型。
51、综上所述，本发明具有如下的有益技术效果：
52、在待处理的污水类型不同时，通过神经网络模型灵活获取操作参数，增加了污水处理的灵活性，通过污水处理设备结合原水池、生化反应池进行污水处理操作减少了占地空间，减少了资源的浪费。
1.一种农村污水处理工艺，其特征在于，包括以下步骤：
2.根据权利要求1所述的农村污水处理工艺，其特征在于，在训练神经网络模型之前，通过试验获取多种水质参数与其对应的最佳操作参数，具体包括：
3.根据权利要求2所述的农村污水处理工艺，其特征在于，神经网络模型训练的过程包括：
4.根据权利要求3所述的农村污水处理工艺，其特征在于，所述水质参数包括色度数据、浊度数据、ss数据、ph数据、cod数据、bod数据、toc数据、氨氮数据、总氮数据、总磷数据；
5.根据权利要求2所述的农村污水处理工艺，其特征在于，步骤s4中，对污水进行每一项生化处理和深度处理时，均包括：
6.根据权利要求5所述的农村污水处理工艺，其特征在于，将实际处理后的水质参数与标准水质参数进行分析比对并获取相对误差包括：
7.一种农村污水处理系统，其特征在于，包括：
8.根据权利要求7所述的农村污水处理系统，其特征在于，水质检测设备包括：在线色度传感器、在线浊度传感器、悬浮物浓度传感器、在线ph传感器、在线cod传感器、在线bod传感器、在线toc传感器、在线氨氮传感器、在线总氮传感器、在线总磷传感器。
9.根据权利要求7所述的农村污水处理系统，其特征在于，在训练神经网络模型之前，通过试验获取多种水质参数与其对应的最佳操作参数，具体包括：
10.根据权利要求9所述的农村污水处理系统，其特征在于，神经网络模型训练的过程包括：
