基于支持向量机的渔船含油污水排放研究

发布时间：2020-03-26 17:12

【摘要】：据《2018年中国渔业统计年鉴》可知中国渔船总数量已达94.62万艘,其中以机动渔船为主,渔船的作业时不可避免地会在机器处所产生含油污水。虽然渔船的含油污水对水域环境的危害没有事故性的污染触目惊心,但也因为其排放的隐蔽性和长期性使海洋环境正遭受到油类慢性污染。现在正是我国由传统渔业大国走向现代渔业强国的关键时期,加大渔船防污染方面的研究投入显得极为重要。渔船在营运过程中造成的水污染物包括生活污水和机器处所的油污水,其中以排放油污水的危害最大。国内外对船舶油污水的排放主要是对商船进行严格规范管理的,对渔船的重视相对不足。本文研究制订的《沿海渔船油污水排放信息采集表》中囊括了众多影响渔船油污水中石油排放量的指标,在三个省市、七处水域和八个渔港进行渔船含油污水的排放现状的实地调研,共采集97份渔船样本信息,在实船上运用全层采样方法采集到的81份渔船含油污水的样品,运用紫外分光光度法和重量法进行了石油密度的检测。通过灰色关联理论筛选出便于量化的重要指标。建立支持向量回归机(SVR)的渔船油污水中石油质量的基本数学模型,为提高预测精度,引入粒子群算法(PSO)优化支持向量回归机(SVR)的惩罚因子C和核参数g,建立PSO-SVR预测模型。为了更进一步提高预测模型的求解精度和收敛速度,在PSO算法中引入动态调整的线性递减权重、非线性递减权重、基于粒子自适应权重、异步学习因子以及三角函数变换学习因子。通过MATLAB仿真实验计算,将PSO-SVR模型与BP和RBF神经网络预测模型仿真结果进行对比分析,证明了该模型的可行性和优越性。改进成12组参数不同方式调节下的PSO-SVR预测模型,在12组PSO-SVR预测模型应用于测试集数据的仿真结果中优选出预测精度最高的模型为最终的数学模型,增强对渔船油污水中石油年排放量预测结果的合理性。基于多种改进PSO-SVR的预测模型可以解决操作者对参数设置经验的不足问题,可以有效地减少实地调研和检测费用,该模型为渔船含油污水中石油排放量预测提供了新思路及有效方法。本研究最后在训练集样本来源地区选择了某小渔港内常年出海的27艘渔船信息作为测试集,作为一个算例,预测精度最高的一组算法计算出该港内的渔船含油污水中石油年排放量为166.5674kg。在训练集样本量一定的情况下,测试集样本量不会影响预测精度,只会影响计算时间。在获取足够多的相关测试集数据就可以预测出我们需要掌握的区域内的渔船含油污水中的石油排放量。本研究对我国渔船污染状况进行客观、全面、深入的调查,对于准确掌握我国渔船水污染状况,对含油污水中石油排放量的预测,发展可持续渔业经济,改善渔船有害排放具有重大意义。
【图文】：

但对水库的水质环境破坏力度较小。该水库中的挂机渔船和挂机见下图3-1 和 3-2。图 3-1 停靠在岸边的挂机渔船 图 3-2 挂机展示Fig. 3-1 Hanging fishing boat docked on the shore Fig. 3-2 Hanging up display2017 年 9 月，对某渔港 3 艘沿海地区木质海洋机动渔船见图 3-3，进行了水污染状况调研；通过调研发现，渔船回港后几乎没有舱底含油污水或是存量不多见图 3-4，渔船主要在出海作业期间进行舱底含油污水排放。

挂机展示Fig.3-1HangingfishingboatdockedontheshoreFig.3-2Hangingupdisplay
【学位授予单位】：大连海洋大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U674.4;X736.3

【参考文献】

相关期刊论文 前10条

1 沈浩;黄洪琼;;基于PSO优化SVM的船舶流量预测算法[J];微型机与应用;2015年05期

2 蔡欧晨;;国际新形势下关于我国船舶油污染问题的分析与思考[J];中国水运(下半月);2015年01期

3 张向辉;;绿色船舶的“福利”诱惑[J];中国船检;2013年06期

4 刘洛霞;;基于SVM的多变量函数回归分析研究(英文)[J];电光与控制;2013年06期

5 李远;刘建霞;苗卉;蔡冬梅;王芳;;一种新型混合布尔PSO算法的研究[J];太原理工大学学报;2013年03期

6 程珩;黄超勇;张永刚;;基于粒子群优化决策树的齿轮箱故障诊断[J];振动.测试与诊断;2013年01期

7 杨海燕;汪志群;冷骏;;船舶油污水总量和设备处理能力的分析及建议[J];船海工程;2010年06期

8 张乔斌;;基于灰色关联度和SVM舰船设备维修费用预测[J];计算机与数字工程;2010年10期

9 刘晓东;姚琪;王鹏;汤露露;王胜艳;胡进;;太湖流域内河船舶污染负荷估算[J];环境科学与技术;2009年12期

10 周晓波;;贵港船舶污染现状及对策[J];中国水运(下半月);2009年09期

相关会议论文 前2条

1 廖朋;王久良;郭达伟;盛平;;休闲渔业现状及其管理的初步构想[A];中国渔船检验60周年论文集[C];2017年

2 尚朝奇;王辉;;基于SVM污水处理过程BOD的智能预测[A];2011第十六届全国自动化技术与应用学术年会专辑[C];2011年

相关博士学位论文 前2条

1 段会川;高斯核函数支持向量分类机超级参数有效范围研究[D];山东师范大学;2012年

2 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年

相关硕士学位论文 前9条

1 马雪姣;基于支持向量回归机模型的价格预测[D];郑州大学;2018年

2 曾雨虹;长江上游宜宾—万州段水质规律分析及评价[D];重庆交通大学;2017年

3 邢栋;炼钢电弧炉供电曲线的迭代优化[D];东北大学;2014年

4 何小二;基于粒子群算法和支持向量机的船舶结构优化[D];上海交通大学;2014年

5 胡道生;喀斯特城市地表热场空间信息提取及分析[D];广西师范大学;2013年

6 冯海涛;轮槽铣削加工中表面质量预测技术研究[D];兰州理工大学;2012年

7 徐进华;基于灰色系统理论的数据挖掘及其模型研究[D];北京交通大学;2009年

8 吕建明;基于模糊FMEA的船舶含油污水排放状况研究[D];大连海事大学;2008年

9 周俊峰;船舶操作性污染的人为因素分析与评价[D];上海海事大学;2006年

，

本文编号：2601717