当前位置:主页 > 科技论文 > 环境工程论文 >

呼兰河流域水质监测与评价算法研究

发布时间:2020-09-16 20:31
   由于人口的快速增长以及社会经济的迅速发展,水环境保护压力不断加剧。本课题主要针对呼兰河水质的污染问题,建立水质监测系统实现重要水质因子的监测,进而建立水质评价模型对水体现状进行分析研究,并进一步对重要水质因子的具体数据与区间变化情况进行客观预测,预知未来的水质状况。论文首先基于物联网技术搭建呼兰河水质监测系统,系统主要包括数据采集模块、传感器模块、自动配水模块等,可实现化学需氧量、p H、氨氮等水质参数的采集与监测功能。然后,利用在解决高维非线性、小样本等问题上很有优势的最小二乘支持向量机(LS-SVM)的分类与回归算法对监测到的水质因子建立水质评价与预测模型。针对水质评价模型的建立,采用多分类最小二乘支持分类算法(LS-SVC)对国家地表水监控中心的水质数据进行学习训练,并利用自适应变异粒子群算法与交叉验证原理进行参数寻优,利用最优的多分类LS-SVC模型对呼兰河未知水质进行自动等级评价。针对水质预测模型的建立,采用偏最小二乘法提取水质数据的主成分并降低其多重相关性,进而通过最小二乘支持回归算法(LS-SVR)进行回归训练,对水质因子的未来数值进行预测;并将模糊信息粒化方法与LS-SVR结合,建立水质时序模型,实现未来三天水质数据趋势变化的预测。最后,利用预测的重要水质因子数值及其区间变化情况实现未来水质等级及其区间变化的预测,进而预知未来的水质状况。通过在监测现场实地测试可知,本课题建立的水质监测系统的采集精度与稳定性能够满足呼兰河监测站点的环境要求。通过实验仿真结果可知,本文建立的水质评价模型对未知样本分类准确率可达94%;水质预测模型可实现对重要水质因子的具体数值及未来三天区间变化的预测,并根据结果可对未来水质实现较为精确的预测。
【学位单位】:哈尔滨工业大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:X832;X824
【部分图文】:

接口电路设计,以太网,主控板


哈尔滨工业大学工学硕士学位论文2.3.1 数据采集主板卡采集主控板主要实现与各采集子板卡以及 PC 端的上位机进行通信的功能,题选择了基于3ARM Cortex-M 的嵌入式处理器 STM32F107 为主控芯片,该芯成的 PHY 控制器芯片DP83848以及 MAC 控制器形成以太网接口,最高可实兆网络传输速率,能够满足监测系统的精度要求,采集主控板以太网接口电路下图所示。在软件上为采集主控板移植了uCOSii操作系统与LWIP协议,uCO时操作系统有助于系统的可靠性与实时性,还可协调控制多任务执行,LWIP 负责以太网网络协议的实现,在本系统中负责接收上位机发送的指令,并根据令协调控制各个子板卡。

板卡


(1)模拟量采集板卡AIN 采集板卡主要负责现场传感器 4-20 mA 电流信号的采集,并将该电流信号转换为 0-3V 电压信号。该板卡的采集精度很大程度决定最终采集到的各水质因子数值与其实际数值的误差,所以,本课题采用了如图 2-5 所示的模拟量采集电路,该电路选用的运算放大器为高精度的OP-07,其参数指标较高;并选用由DIP-8封装的TL431高精度稳压电路对运放 -07 进行供电,其耗散功率可达 1W,通过更改电阻便可实现供电电压的更改;该电路还能实现满量程的 I/V 转换,当输入4 mA 信号时,可保证 ADC_IN1 端输出电压为 0V,当输入 20 mA 信号时,可保证ADC_IN1 端输出电压为 3V。具体实现为:将该电路中 R18 取值 25R,则当输入电流信号为4mA时,将ICD的同相输入电压通过R38与R46的分压配置为-0.1V,那么输入信号的 0.1 信号与该配置电压完全抵消,ICC_1 输出电压将是 0 ;随着输入电流的增大,若输入电流为满量程电流 20mA ,经I/V 转换后的电压为500mV ,最后需要通过运放 ICC_1 实现 7.5 倍电压放大的功能,具体通过电阻 R62与 R66 的分压实现。传感器信号进行传输时,会有一些干扰信号,所以在信号输入部分加入两个 1N4148 二极管与滤波电容器 C19 以防危险电压信号出现。

配线箱,实物,实验室


哈尔滨工业大学工学硕士学位论文2.4 水质在线监测系统的整体安装为了方便与现场各传感器信号、电磁阀、水泵等端口的连接,需要搭建配线箱将模拟量采集板卡、数字量采集板卡、主控板卡等连接起来。其中,实验室配线箱实物图如图 2-9 左侧图所示,右侧图为在监测现场与各端口连接后的实物图监测系统搭建完成后,通过空气开关上电,便可实现自动配水与水质监测的功能

【参考文献】

相关期刊论文 前10条

1 杨争光;范良忠;;基于MEC-BP神经网络在水产养殖水质预测中的应用[J];计算机与现代化;2015年06期

2 陈曦;仇蕾;黄泽元;;最小二乘支持向量机在太湖流域水质评价中的应用[J];水生态学杂志;2013年06期

3 王成杰;张森;;主成分分析—支持向量机的水质评价模型研究[J];科技创新导报;2013年24期

4 梁云;殷峻暹;祝雪萍;黄晓敏;;MIKE21水动力学模型在洪泽湖水位模拟中的应用[J];水电能源科学;2013年01期

5 卢文喜;李迪;张蕾;伊燕平;;基于层次分析法的模糊综合评价在水质评价中的应用[J];节水灌溉;2011年03期

6 汪晶;赵显冲;白伟锋;;招苏台河铁岭段污染现状简析[J];地下水;2009年04期

7 梁珊珊;殷健;;基于遗传算法的改进BP神经网络模型在水质评价中的应用[J];上海环境科学;2007年04期

8 姜彦立;周新华;;季节性指数平滑法在城市用水量预测中的应用研究[J];科学技术与工程;2007年08期

9 郑一华;徐立中;黄凤辰;;基于支持向量分类的水质分析应用研究[J];仪器仪表学报;2006年S3期

10 梅学彬,王福刚,曹剑锋;模糊综合评判法在水质评价中的应用及探讨[J];世界地质;2000年02期

相关博士学位论文 前1条

1 郑含博;电力变压器状态评估及故障诊断方法研究[D];重庆大学;2012年

相关硕士学位论文 前10条

1 甄宗政;基于模糊信息粒化和SVM优化模型的上证指数实证分析[D];兰州大学;2017年

2 刘洋;基于PLS和SVR的水质预测模型研究[D];昆明理工大学;2017年

3 万雅虹;神经网络模型在水质评价中的应用[D];浙江海洋大学;2016年

4 徐婷;基于最小二乘支持向量回归的系统可靠性预测[D];江苏科技大学;2015年

5 侯才力;重大环境事件行政问责制研究[D];湖南大学;2014年

6 张森;基于偏最小二乘支持向量机的水质评价与预测研究[D];重庆大学;2014年

7 刘卫华;最小二乘支持向量机在分类中的应用研究[D];兰州交通大学;2013年

8 徐玮;江西铜业污染事件财务分析及启示[D];上海交通大学;2013年

9 吴世杰;渭河硝基苯污染的生物化学降解特性研究[D];长安大学;2012年

10 夏文龙;桥梁施工监控与灰色系统理论的应用问题研究[D];中南大学;2012年



本文编号:2820340

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2820340.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ea7b9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com