基于PSO-ACO融合优化算法的供水管网污染源定位研究

发布时间：2017-03-20 14:12

  本文关键词：基于PSO-ACO融合优化算法的供水管网污染源定位研究，，由笔耕文化传播整理发布。

【摘要】：城市供水管网外源性突发污染事故已成为水质安全的重大隐患。由于管网本身具有迁移推流、水流惯性、水力瞬变、拓扑结构复杂等特征,大规模的城市供水管网,一旦发生由人为蓄意破坏等因素引起的外源性突发污染事故,若应急处理不当其后果将造成不可估量的损失。而应急处理这一类外源性突发污染入侵事故,最重要的是要准确而快速地确定污染源入侵位置、入侵时间和入侵浓度。为解决供水管网外源性突发污染事故下的污染源定位问题,本课题以我国南方某城镇的供水管网案例为研究对象,展开供水管网突发污染源反追踪模型的构建及其求解模型方法的研究。本文根据该城镇供水管网的属性数据、调用数据和业务数据,建立了相应的水力水质模型,基于水质的正演模拟和反演模拟,构建模拟-优化反向追踪模型,并利用粒子群-蚁群融合优化算法求解该模型,对供水管网污染源定位提供一套简单而有效的方法。首先,基于该镇供水管网的静态数据、动态数据的数据库,调用和整理本文研究所需的数据资料,利用EPANET 2.0软件平台建立了该城镇的水力模型。适当调整并分析管网中水的流量和流速在时间与空间上的变化,使之更贴近实际管网的运行工况。其次,基于供水管网外源性突发污染事故下的水质监测点优化选址,根据水力模型的静态数据和动态数据,采用自适应粒子群K-medodis聚类算法布置了十个突发污染水质监测点,覆盖率为89.8%。在EPANET2.0软件平台上以硫酸镉为重金属非衰减类污染物入侵管网试验,即进行水质正演模拟,以模拟供水管网突发污染事故,并记录管网中非衰减类污染物在时间与空间上的变化状况。再次,构建了该城镇供水管网突发污染事故下模拟-优化反追踪的数学模型。在MATLAB软件平台上调用EPANET2.0软件的Toolkit动态链接库,获取模拟突发污染事故下供水管网水质监测点的数据,并以此模拟数据为基础,以优化时段内各个监测点实际监测值与模拟值的差异的表达式为数学优化目标。最后,提出了基于PSO-ACO融合算法对污染源模拟-优化反追踪模型的求解模式,针对PSO算法求解模型的缺陷与不足,融合ACO算法的信息素机制,并提出了PSO-ACO融合算法的领域搜索阀值以充分调用PSO算法的优势从而提高了求解污染源反追踪模型的能力。基于这一思路在MATLAB软件平台上,编制供水管网污染源定位的程序代码以及调用EPANET软件的Toolkit动态链接库,进而对数学模型进行求解。在相关参数相同情况下,分别采用PSO算法和PSO-ACO融合算法求解模型,研究结果表明,与PSO算法相比,PSO-ACO融合算法不仅大大提高了求解模型的准确率,而且有效缩短了求解模型时间。此外,还分析了PSO-ACO融合优化算法中的两个参数——领域搜索阀值和种群规模大小分别对求解模型结果准确率与计算效率的影响,结果表明,合理设置这两个参数,模型结果的准确率和计算效率均较高。
【关键词】：供水管网 PSO-ACO融合算法 反追踪模型 污染源定位
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：X52;TU991.33
【目录】：

• 摘要4-6
• ABSTRACT6-14
• 第一章 绪论14-21
• 1.1 供水系统水质安全的重要性及其意义14-15
• 1.1.1 城市供水管网水质安全的重要性14-15
• 1.1.2 城市供水管网水质安全的意义15
• 1.2 污染源定位的国内外研究现状及分析15-19
• 1.2.1 水质模型国内外研究动态16-17
• 1.2.2 污染源定位国内外研究动态17-19
• 1.3 课题的研究内容及技术路线19-21
• 1.3.1 课题的研究内容19-20
• 1.3.2 课题的技术路线20-21
• 第二章 供水管网水力水质模型理论体系21-36
• 2.1 模拟软件-EPANETH程序员工具箱21-23
• 2.1.1 执行水力分析22-23
• 2.1.2 执行水质分析23
• 2.2 供水管网水力模型基本理论23-27
• 2.2.1 水力模型两种常见理论方程23-25
• 2.2.2 水力模型水力计算方法分类25-27
• 2.3 供水管网水质模型基本理论27-33
• 2.3.1 水质模型的类别及常见理论方程27-29
• 2.3.2 水质模型的求解方法29-33
• 2.4 水力水质建模所需数据33-35
• 2.4.1 水力模型所需数据33-34
• 2.4.2 水质模型所需数据34-35
• 2.5 本章小结35-36
• 第三章 突发污染事故下污染源反追踪模型的构建36-45
• 3.1 建立水力模型36-37
• 3.2 水质监测点的布置37-39
• 3.3 水质模拟39-41
• 3.3.1 突发污染物的选择39-40
• 3.3.2 水质正演模拟40-41
• 3.4 模拟-优化反追踪模型的构建41-42
• 3.5 反追踪模型的流程图42-44
• 3.6 本章小结44-45
• 第四章 基于PSO-ACO融合优化算法的求解污染源模拟-优化反追踪模型45-57
• 4.1 粒子群算法简介45-47
• 4.1.1 粒子群算法的基本原理45-46
• 4.1.2 粒子群算法的基本参数46-47
• 4.1.3 粒子群算法的基本流程47
• 4.2 基于PSO算法求解模拟-优化反追踪模型47-49
• 4.3 蚁群算法简介49-51
• 4.3.1 蚁群算法的基本原理49-51
• 4.3.2 蚁群算法的基本特点51
• 4.4 基于PSO-ACO融合算法求解模拟-优化反追踪模型51-56
• 4.4.1 融合算法的基本原理52-53
• 4.4.2 融合算法的基本流程53-56
• 4.5 本章小结56-57
• 第五章 供水管网突发污染事故下反追踪模型的应用57-69
• 5.1 单污染源的识别58-64
• 5.1.1 突发污染事故结果分析59
• 5.1.2 基于PSO算法求解模型59-61
• 5.1.3 基于PSO-ACO算法求解模型61-64
• 5.2 多污染源的识别64-65
• 5.3 PSO-ACO融合优化算法求解反追踪模型的影响因素分析65-68
• 5.3.1 领域搜索阀值参数的影响66
• 5.3.2 种群规模的影响66-68
• 5.4 本章小结68-69
• 结论与展望69-72
• 结论69-70
• 展望70-72
• 参考文献72-77
• 攻读硕士学位期间发表的论文77-79
• 致谢79

【参考文献】

中国期刊全文数据库 前10条

1 陈俊;高绪芳;杜慧兰;马晓军;刘斌;;2009—2014年成都市生活饮用水突发污染事件分析[J];环境与健康杂志;2015年02期

2 王久振;余健;徐林;李天兵;李斌;;利用粒子群算法求解管网污染源反向追踪模型[J];安全与环境学报;2014年05期

3 信昆仑;刘龙;陶涛;项宁银;;基于用户水质投诉信息的供水管网污染源的追踪定位[J];天津大学学报(自然科学与工程技术版);2014年04期

4 信昆仑;项宁银;陶涛;尹兆龙;;基于用户水质投诉信息的供水管网污染源追踪定位[J];同济大学学报(自然科学版);2014年02期

5 项宁银;信昆仑;尹兆龙;邹俊;李飞;;供水管网突发污染事故的应急响应与控制策略[J];供水技术;2013年06期

6 陶涛;芦颖军;信昆仑;;基于模式识别的供水管网污染源追踪分析方法[J];天津大学学报(自然科学与工程技术版);2013年05期

7 贺华翔;周祖昊;牛存稳;王浩;;基于二元水循环的流域分布式水质模型构建与应用[J];水利学报;2013年03期

8 信昆仑;盛希夫;陶涛;项宁银;;基于负梯度法的供水管网污染源识别[J];同济大学学报(自然科学版);2013年01期

9 王梦琳;吕谋;李红卫;刘杰;李红艳;;供水管网污染源反追踪的研究[J];中国给水排水;2011年17期

10 李红卫;王梦琳;吕谋;李红艳;;给水管网污染源定位模拟及影响因素分析[J];浙江大学学报(工学版);2011年01期

中国硕士学位论文全文数据库 前3条

1 徐林;供水管网中水质监测点优化选址与污染源定位研究[D];湖南大学;2014年

2 王梦琳;供水管网水质模拟及污染源定位研究[D];青岛理工大学;2010年

3 李红艳;供水管网水质模拟及污染源定位初探[D];青岛理工大学;2009年

  本文关键词：基于PSO-ACO融合优化算法的供水管网污染源定位研究，由笔耕文化传播整理发布。

本文编号：257930