基于在线传感器数据的供水管网中的水污染检测与溯源

发布时间：2022-02-19 17:45

　　供水管网是城市的关键基础设施,任何出现在供水管网中的污染都可能严重威胁到城市居民的饮用水安全,因此,可靠的污染监测系统对供水管网而言至关重要。本文基于供水管网中传感器在线采集的水质数据,着重研究了供水管网中水污染检测与水污染溯源相关的方法,以期为供水管网的污染监测系统的建设提供理论上的指导。在污染的检测方面,本文研究了如何根据单个监测点返回的传感器数据,判断该监测点位置是否有污染发生。本文将这个污染检测的问题视作一个二分类问题,并尝试通过从历史水质数据中学习一个可靠的二分类器来解决这个问题。由于供水管网中真实发生的污染极少,所以在训练分类器时首先要考虑到训练数据集中存在的类别不平衡问题。针对这个问题,本文提出以固定比例对两个类别数据进行采样,从而保证模型训练时两个类别数据的相对均衡,进而避免模型对单一类别的偏向性。另外,考虑到时序信息在污染检测时的重要性,本文提出通过sequence-to-point的方法把一段时间窗口内的传感器数据与单一时刻水质状况关联到一起,从而达到提取有效时序特征的目的。最后,融合上述的两种方法,本文实现了一个用于水污染检测的长短期记忆网络模型。通过一个公开的真... 

【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状
        1.2.1 水污染的检测
        1.2.2 水污染的溯源
        1.2.3 国内外研究现状简析
    1.3 本文的主要贡献
第2章 相关基础工具与方法介绍
    2.1 供水管网仿真工具EPANET
        2.1.1 EPANET概述
        2.1.2 污染事件的模拟
        2.1.3 污染模拟结果的分析
    2.2 相关的深度学习技术
        2.2.1 卷积神经网络
        2.2.2 长短期记忆网络
    2.3 演化算法简介
        2.3.1 演化算法概述
        2.3.2 算法执行过程
    2.4 本章小结
第3章 基于LSTM的污染检测方法
    3.1 水污染检测问题概述
    3.2 数据集介绍
    3.3 数据预处理
        3.3.1 缺失值处理
        3.3.2 标准化处理
    3.4 基于LSTM的水污染检测模型
        3.4.1 数据均衡处理
        3.4.2 时序特征提取
        3.4.3 LSTM模型的构建
    3.5 实验与分析
        3.5.1 实验对照方法
        3.5.2 实验参数设置
        3.5.3 模型评价方法
        3.5.4 实验结果分析
    3.6 本章小结
第4章 基于深度学习与演化算法的污染溯源方法
    4.1 水污染溯源问题概述
    4.2 供水管网模型
        4.2.1 管网模型概述
        4.2.2 自定义参数
    4.3 两阶段污染溯源框架概述
    4.4 基于深度学习的污染源定位
        4.4.1 污染源定位数据集的生成
        4.4.2 深度学习模型的构建
        4.4.3 深度学习模型的使用
    4.5 基于双种群演化的快速溯源
        4.5.1 个体的表示
        4.5.2 个体的评价
        4.5.3 双种群的演化过程
    4.6 实验及分析
        4.6.1 实验参数设置
        4.6.2 实验结果分析
    4.7 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]关于兰州石化泄漏导致自来水苯超标事件的解析[J]. 宋云,李培中,郭逸飞.  环境保护. 2015(19)
[2]利用粒子群算法求解管网污染源反向追踪模型[J]. 王久振,余健,徐林,李天兵,李斌.  安全与环境学报. 2014(05)



本文编号：3633342