基于多目标强化学习的MBR膜污染控制方法、系统及介质

本发明涉及基于多目标强化学习的MBR膜污染控制方法、系统及介质，属于膜生物反应器控制技术领域，本方案通过融合时序运行参数、三维荧光光谱特征及光学相干断层扫描图像特征，使模型能够同时捕捉膜污染的物理、化学与形态学信息。在此基础上，采用引力搜索与自适应惯性权重改进的鲸鱼优化算法对BiLSTM网络的学习率、神经元数量、时间步长进行全局寻优，而且进一步通过蛇优化算法进行优化，提高预测模型的预测决定系数，降低平均绝对误差与均方根误差，为运维人员预留充分的主动干预时间窗口。而且本方案在强化学习策略指导下，可自动切换连续低强度曝气、脉冲式高强度曝气和停机静置‑突发曝气循环等模式。