工业园区废气污染的监测、分析与溯源研究
发布时间：2022-07-11 19:48
环境保护已经成为我国可持续发展的重要环节和关键任务。工业园区作为工业生产企业的聚集地和各级区域工业发展的起动机,承接了推动科学技术进步和经济发展的重要任务,不少工业园区已取得了一定的经济效益。然而,工业园区内企业众多,且处于产业链的不同阶段,排放的大气污染物成分复杂,不仅直接影响园区自身环境水平,而且影响着所在区域甚至整个城市的大气环境。如何对工业园区生产企业废气污染进行准确、智能化的有效管理,已经成为园区环境管控乃至城市环境保护的重点工作。论文的主要完成以下工作:1、基于物联网体系结构的特点,对工业园区综合环保监测系统的架构进行了设计,确定了系统的功能;2、针对深入企业内部直接监测较难的实际问题,提出了通过企业边界监测推导内部监测盲区数据的解决方案,并基于BP-RBF组合神经网络,提出了废气监测盲区分析预测模型,运用工业园区SO2实际监测数据对所提出的方法进仿真实验;3、提出了基于案例推理的废气污染溯源推理方法。通过构建废气溯源通用本体模型来进行案例表示;在案例检索和匹配过程中提出了复杂网络动态关联特性模型,定义了溯源影响因子贡献度的概念并进行了率定,采用直觉模...
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 工业园区大气监测与管理现状
1.2.2 废气污染物分析现状
1.2.3 废气污染溯源现状
1.3 论文采用的理论方法和主要研究内容
1.3.1 论文采用的理论方法
1.3.2 论文研究的主要内容与结构安排
1.4 本章小结
第二章 基于物联网的工业园区综合环保监测系统构架
2.1 物联网概述
2.2 工业园区环保监测系统架构设计
2.3 系统功能设计
2.4 本章小结
第三章 基于神经网络的废气污染监测盲区浓度预测
3.1 问题的提出与总体思路
3.2 基于BP-RBF组合神经网络的监测盲区浓度预测模型
3.2.1 神经网络基础模型
3.2.2 BP-RBF组合神经网络预测模型
3.3 实验与结果分析
3.3.1 实际问题与数据准备
3.3.2 网络训练与测试
3.3.3 结果分析
3.4 本章小结
第四章 基于案例推理的废气污染溯源推理方法研究
4.1 案例推理概述及推理过程
4.2 废气污染溯源推理方法
4.2.1 废气污染案例表示
4.2.2 废气污染案例检索与匹配
4.3 案例推理方法实现与分析
4.4 本章小结
第五章 工业园区废气监测管理子系统的设计与实现
5.1 管理系统技术架构
5.2 设计与实现
5.2.1 开发环境
5.2.2 功能实现
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式
【参考文献】：
期刊论文
[1]基于BP神经网络的天津市PM2.5浓度预测研究[J]. 冯樷,刘戈,黄勇,汪东川,孙宇,冯双喜. 环境科学与管理. 2016(06)
[2]基于高斯模型对空气污染扩散问题的研究[J]. 高梦,朱家明,刘新,刘凤志. 阜阳师范学院学报(自然科学版). 2016(02)
[3]基于复杂地形的高斯烟羽模型改进[J]. 梁俊丽,孔维华,费文华,辛群荣. 环境工程学报. 2016(06)
[4]基于PSO算法集成神经网络的多元有害气体检测系统[J]. 龚雪飞,刘萍,简家文. 传感技术学报. 2015(06)
[5]PSO-BP神经网络在多元有害气体检测中的应用[J]. 龚雪飞,徐景,孙寿通,刘萍,简家文. 传感器与微系统. 2015(02)
[6]一个多点源扩散方程的源强识别反问题[J]. 殷凤兰,李功胜,贾现正. 山东理工大学学报(自然科学版). 2011(02)
[7]一种改进的有毒气体扩散高斯模型算法及仿真(英文)[J]. 何宁,吴宗之,郑伟. 应用基础与工程科学学报. 2010(04)
[8]有毒气体扩散模型在事故救援中的应用[J]. 何宁. 自然灾害学报. 2009(05)
[9]危险化学品泄漏事故泄漏源强反算方法比较研究[J]. 张建文,刘茜,魏利军. 中国安全科学学报. 2009(02)
[10]直觉模糊粗糙集[J]. 张瑜,王艳平. 辽宁工业大学学报(自然科学版). 2008(06)
博士论文
[1]危险化学品泄漏源的定位研究[D]. 陈增强.北京化工大学 2013
硕士论文
[1]面向工业园区的污染气体排放监测系统设计[D]. 顾子玲.北京交通大学 2016
[2]基于集成神经网络的多元有害气体定量检测方法研究[D]. 龚雪飞.宁波大学 2015
[3]基于MATLAB的液化气体源强反算研究[D]. 骆蓓.哈尔滨理工大学 2015
[4]济南市环境空气质量监测管理信息系统的设计与实现[D]. 侯鲁健.山东大学 2014
[5]基于物联网的工业园区节能减排实时监测系统研究与实现[D]. 胡睿.昆明理工大学 2014
[6]非重气泄漏事故源强反算研究[D]. 邹吉然.哈尔滨理工大学 2014
[7]有毒气体罐车运输泄漏的源强及位置反算研究[D]. 史阳.兰州交通大学 2013
[8]基于监测数据的源强反算算法研究及应用[D]. 张久凤.中国石油大学 2011
本文编号：3658769
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 工业园区大气监测与管理现状
1.2.2 废气污染物分析现状
1.2.3 废气污染溯源现状
1.3 论文采用的理论方法和主要研究内容
1.3.1 论文采用的理论方法
1.3.2 论文研究的主要内容与结构安排
1.4 本章小结
第二章 基于物联网的工业园区综合环保监测系统构架
2.1 物联网概述
2.2 工业园区环保监测系统架构设计
2.3 系统功能设计
2.4 本章小结
第三章 基于神经网络的废气污染监测盲区浓度预测
3.1 问题的提出与总体思路
3.2 基于BP-RBF组合神经网络的监测盲区浓度预测模型
3.2.1 神经网络基础模型
3.2.2 BP-RBF组合神经网络预测模型
3.3 实验与结果分析
3.3.1 实际问题与数据准备
3.3.2 网络训练与测试
3.3.3 结果分析
3.4 本章小结
第四章 基于案例推理的废气污染溯源推理方法研究
4.1 案例推理概述及推理过程
4.2 废气污染溯源推理方法
4.2.1 废气污染案例表示
4.2.2 废气污染案例检索与匹配
4.3 案例推理方法实现与分析
4.4 本章小结
第五章 工业园区废气监测管理子系统的设计与实现
5.1 管理系统技术架构
5.2 设计与实现
5.2.1 开发环境
5.2.2 功能实现
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式
【参考文献】：
期刊论文
[1]基于BP神经网络的天津市PM2.5浓度预测研究[J]. 冯樷,刘戈,黄勇,汪东川,孙宇,冯双喜. 环境科学与管理. 2016(06)
[2]基于高斯模型对空气污染扩散问题的研究[J]. 高梦,朱家明,刘新,刘凤志. 阜阳师范学院学报(自然科学版). 2016(02)
[3]基于复杂地形的高斯烟羽模型改进[J]. 梁俊丽,孔维华,费文华,辛群荣. 环境工程学报. 2016(06)
[4]基于PSO算法集成神经网络的多元有害气体检测系统[J]. 龚雪飞,刘萍,简家文. 传感技术学报. 2015(06)
[5]PSO-BP神经网络在多元有害气体检测中的应用[J]. 龚雪飞,徐景,孙寿通,刘萍,简家文. 传感器与微系统. 2015(02)
[6]一个多点源扩散方程的源强识别反问题[J]. 殷凤兰,李功胜,贾现正. 山东理工大学学报(自然科学版). 2011(02)
[7]一种改进的有毒气体扩散高斯模型算法及仿真(英文)[J]. 何宁,吴宗之,郑伟. 应用基础与工程科学学报. 2010(04)
[8]有毒气体扩散模型在事故救援中的应用[J]. 何宁. 自然灾害学报. 2009(05)
[9]危险化学品泄漏事故泄漏源强反算方法比较研究[J]. 张建文,刘茜,魏利军. 中国安全科学学报. 2009(02)
[10]直觉模糊粗糙集[J]. 张瑜,王艳平. 辽宁工业大学学报(自然科学版). 2008(06)
博士论文
[1]危险化学品泄漏源的定位研究[D]. 陈增强.北京化工大学 2013
硕士论文
[1]面向工业园区的污染气体排放监测系统设计[D]. 顾子玲.北京交通大学 2016
[2]基于集成神经网络的多元有害气体定量检测方法研究[D]. 龚雪飞.宁波大学 2015
[3]基于MATLAB的液化气体源强反算研究[D]. 骆蓓.哈尔滨理工大学 2015
[4]济南市环境空气质量监测管理信息系统的设计与实现[D]. 侯鲁健.山东大学 2014
[5]基于物联网的工业园区节能减排实时监测系统研究与实现[D]. 胡睿.昆明理工大学 2014
[6]非重气泄漏事故源强反算研究[D]. 邹吉然.哈尔滨理工大学 2014
[7]有毒气体罐车运输泄漏的源强及位置反算研究[D]. 史阳.兰州交通大学 2013
[8]基于监测数据的源强反算算法研究及应用[D]. 张久凤.中国石油大学 2011
本文编号：3658769
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3658769.html
