1.控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，包括：S100，基于生物电化学技术构建厌氧氨氧化脱氮系统；

S200，在厌氧氨氧化脱氮系统中，向阴极提供分时段的高电势和低电势，构建电势阶跃；

S300，基于智能模型确定电势阶跃的预测参数；

S400，通过厌氧氨氧化脱氮系统实时的将电势阶跃运行参数调整为预测参数，通过调整后的电势阶跃实时调控氧氨氧化脱氮系统中的厌氧氨氧化菌的生长；

所述S300中，基于智能模型确定电势阶跃的预测参数，包括：S301，确定输入参数，所述输入参数包括：厌氧氨氧化脱氮系统中待处理液体的pH值、+ ‑ ‑温度、NH4浓度、NO2浓度、NO3浓度、ORP值、COD值以及厌氧氨氧化菌生长动力学；

S302，将所述输入参数输入所述智能模型，所述智能模型根据模型的预测算法计算得出输出结果，所述输出结果包括：电势阶跃的预测电势强度和预测作用时间；

S303，将所述电势阶跃的预测电势强度和预测作用时间作为电势阶跃的预测参数；

所述S302步骤还包括：构建智能模型；

构建智能模型的方法包括：

S3021，构建循环神经网络RNN模型，RNN模型包括：输入层、隐藏层和输出层；

+ ‑ ‑

S3022，输入层的输入变量包括：待处理液体的pH值、温度、NH4浓度、NO2 浓度、NO3 浓度、ORP值、COD值以及厌氧氨氧化菌生长动力学，将输入变量进行归一化处理和嵌入；设定训练集、数据量、训练次数和步长，通过时序预测的计算公式对输入变量进行预测计算，根据预测计算结果确定输出变量；

S3023，输出层包括一个或多个神经元，每个神经元代表一个输出变量，输出变量包括：预测电势强度和预测作用时间；

S3024，在RNN模型的最后一层，采用激活函数将输出变量压缩到响应的取值范围内；

S3025，采用模型评估方法对训练后的RNN模型进行参数调整，获得优化后的智能模型。

2.根据权利要求1所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S200中，向阴极提供分时段的高电势和低电势，构建电势阶跃，包括：S201，设置电势阶跃的高电势的第一电势强度以及高电势的第一作用时间，第一作用时间包括：第一启动时间和第一持续时间；第一启动时间是向阴极提供高电势的起始时间，第一持续时间是向阴极持续提供高电势的保持时间；

S202，设置电势阶跃的低电势的第二电势强度以及低电势的第二作用时间；第二作用时间包括：第二启动时间和第二持续时间，第二启动时间是向阴极提供低电势的起始时间，第二持续时间是向阴极持续提供低电势的保持时间。

3.根据权利要求1所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S3022中，通过时序预测的计算公式对输入变量进行预测计算，根据预测计算结果确定输出变量，包括：S3022‑1，设定长度为T的输入序列和相应的输出序列；

S3022‑2，每个输入变量标识一个特征向量，用于预测出一个标量，该标量为输出变量；

S3022‑3，每个时间步的输入变量经过隐藏层的向前计算后，并通过迭代计算方式预测出下一时间步的预测值，该预测值为输出变量；向前计算的计算公式包括：ht＝f(xt，ht‑1；θ)，

其中，f表示RNN的转移函数，g表示最终的预测函数或分类器，θ表示可学习的参数,ht表示当前时间步的隐含状态，ht‑1表示当前时间步的隐含状态，xt当前时间步的输入变量， 表示最终的预测的输出变量。

4.根据权利要求1所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S400包括：S401，厌氧氨氧化脱氮系统实时对智能模型的预测参数进行监控；

S402，若监控到智能模型的预测参数与当前运行参数不同时，将运行参数调整为预测参数；若预测参数与当前运行参数相同，按照当前运行参数构成电势阶跃。

5.根据权利要求1所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S400包括：S403，设定运行参数调整的时间节点和调整周期；时间节点与智能模型预测出的预测参数的预测时间相关；

S404，监控时间节点与智能模型预测出预测参数的预测时间之间的关系，若时间节点在预测时间之前，且该时间节点与预测时间之间的时间差在设定的阈值范围之内，将该时间节点作为最终的时间节点；若时间节点在预测时间之后，重新调整时间节点以保证在预测时间之前；

S405，监控调整周期与智能模型的预测周期之间的关系，若调整周期与智能模型的预测周期是相匹配的，以最终的时间节点为周期起始时间，设定最终的调整周期；

S406，按照最终的时间节点和最终的调整周期将电势阶跃运行参数按照周期调整的方式调整为预测参数。

6.根据权利要求5所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S403中，设定运行参数调整的时间节点和调整周期，包括：S4031，获取智能模型的预测规律，预测规律包括：每一次预测的预测起始时间和预测终止时间，根据预测起始时间和预测终止时间确定预测周期；

S4032，设定调整周期为预测周期的整数倍；根据调整后的厌氧氨氧化菌的生长情况调整倍数值，根据调整的倍数值及预测周期数据确定调整周期；

S4033，根据确定的调整周期设定预先量，将时间节点设定为相对于调整周期的起始时间具有预先量的时间点。

7.根据权利要求1所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S400之后，包括S500，设置定向参数，根据定向参数和预测参数综合调整电势阶跃的运行参数；

所述S500包括：

‑ ‑

S501，在电势阶跃的高电势阶段，检测待处理液体中的NO2浓度；根据NO2浓度设置第一‑调整参数，第一调整参数用于调整高电势的电势强度和作用时间，使待处理液体中的NO2浓度保持在设定的第一范围内；

‑ ‑

S502，在电势阶跃的低电势阶段，检测待处理液体中的NO3浓度以及N2浓度，根据NO3 浓度以及N2浓度设置第二调整参数，第二调整参数用于调整低电势的电势强度和作用时间，‑使待处理液体中的NO3浓度保持在第二范围内，以及N2浓度保持在设定的第三范围内；

S503，将第一调整参数和第二调整参数进行加权平均计算，获得定向参数；

S504，根据定向参数和预测参数综合调整电势阶跃的运行参数。

8.根据权利要求7所述的控制电势阶跃的厌氧氨氧化快速启动与定向刺激工艺，其特征在于，所述S504中，根据定向参数和预测参数综合调整电势阶跃的运行参数，包括：S5041，设定综合调整周期，综合调整周期包括第一阶段和第二阶段，第一阶段为仅通过预测参数调整运行参数的阶段，第二阶段为通过定向参数和预测参数综合调整电势阶跃的运行参数的阶段；

S5042，调整电势阶跃按照综合调整周期的周期循环的方式形成电势阶跃；

S5043，监控第一阶段为当前阶段时，对应的厌氧氨氧化菌的生长情况的第一对比数据；

监控第二阶段为当前阶段时，对应的厌氧氨氧化菌的生长情况的第二对比数据；

S5044，将第一对比数据与第二比对数据作为厌氧氨氧化菌的生长情况质量评估的依据，将质量评估高的比对数据对应的阶段进行标注；采用对应阶段的调整方案调整电势阶跃的运行参数。