基于机器仿生鱼的水体污染源探查及预测系统的研究
发布时间:2022-08-11 20:08
生态兴,则文明兴;生态亡,则文明亡。生态文明建设是当前“五位一体”总体布局统筹推进,“四个全面”战略布局协调推进的重要组成部分之一。作为生态系统中重要的组成部分,水资源的污染防治工作得到政府及社会各界的广泛关注。随着水下无线传感器网络技术逐渐成熟,自动化的水质监测系统成为水质安全监测的有效手段之一。本文基于前期研发的水下移动机器仿生鱼系统,首先针对复杂的水下环境,研究并建立了污染物扩散模型。然后根据该模型,提出了一种有效的污染源定位算法。进一步,通过对水质数据的预处理,提出了一种水污染预测改进算法,对污染源进行水质追踪。论文主要工作如下:1)建立了一般多模态水体污染源扩散模型。在研究了不同场景下的污染物扩散情况后,综合考虑了水流动力、扩散系数以及降解系数等因素,提出一般多模态污染源扩散基本模型。针对机器仿生鱼应用场景的多变性,引入边界衰减系数,实现多种边界场景下边界条件的描述,并通过像源法进行求解。在仿真实验中,验证了各项参数对污染源扩散建模的影响。2)提出一种基于机器仿生鱼的污染源探查定位算法。针对当前污染源定位算法过分侧重于路径规划的情况,算法以污染物浓度为优化目标,引入所提一般多...
【文章页数】:76 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 污染源建模
1.2.2 污染源定位
1.2.3 水质预测
1.3 论文结构及主要研究内容
1.4 章节小结
第二章 一般多模态污染源扩散模型研究
2.1 水环境建模基本原理
2.1.1 流体运动的基本原理
2.1.2 污染物扩散原理
2.2 点污染源扩散的基本模型
2.2.1 二维瞬时点源扩散模型
2.2.2 二维连续点源扩散模型
2.3 二维连续点源随流扩散模型
2.4 边界条件下二维连续点源随流扩散模型
2.4.1 单边界二维连续点源随流扩散模型
2.4.2 双边界二维连续点源随流扩散模型
2.5 一般多模态二维污染源扩散模型
2.5.1 问题描述
2.5.2 一般多模态水体污染源基本模型建立
2.5.3 一般多模态边界条件求解
2.6 仿真实验
2.6.1 仿真参数说明
2.6.2 仿真结果及分析
2.7 本章小结
第三章 基于机器仿生鱼的污染源探查定位算法研究
3.1 算法理论支持
3.2 基本知识和问题描述
3.2.1 问题描述
3.2.2 基本知识
3.3 算法关键参数设计
3.3.1 信息素更新策略
3.3.2 下一跳节点的选择策略
3.4 算法流程
3.5 仿真实验结果
3.5.1 仿真参数说明
3.5.2 机器仿生鱼数量的影响
3.5.3 步长调整因子的影响
3.5.4 对比算法讨论
3.6 本章小结
第四章 基于支持向量机的水质预测改进算法研究
4.1 算法理论支持
4.1.1 K-近邻算法分类
4.1.2 支持向量机回归预测
4.2 数据预处理
4.2.1 异常数据处理
4.2.2 数据标准化处理
4.3 算法设计
4.3.1 基于KNN的水质预分类
4.3.2 预测模型参数选取
4.4 预测结果评价指标
4.5 实验结果与仿真
4.5.1 基于KNN的水质预分类效果
4.5.2 最优参数的选择
4.5.3 水质预测效果
4.6 本章小结
第五章 总结与展望
5.1 论文总结
5.2 工作展望
参考文献
攻读硕士学位期间的研究成果
致谢
本文编号:3675306
【文章页数】:76 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 污染源建模
1.2.2 污染源定位
1.2.3 水质预测
1.3 论文结构及主要研究内容
1.4 章节小结
第二章 一般多模态污染源扩散模型研究
2.1 水环境建模基本原理
2.1.1 流体运动的基本原理
2.1.2 污染物扩散原理
2.2 点污染源扩散的基本模型
2.2.1 二维瞬时点源扩散模型
2.2.2 二维连续点源扩散模型
2.3 二维连续点源随流扩散模型
2.4 边界条件下二维连续点源随流扩散模型
2.4.1 单边界二维连续点源随流扩散模型
2.4.2 双边界二维连续点源随流扩散模型
2.5 一般多模态二维污染源扩散模型
2.5.1 问题描述
2.5.2 一般多模态水体污染源基本模型建立
2.5.3 一般多模态边界条件求解
2.6 仿真实验
2.6.1 仿真参数说明
2.6.2 仿真结果及分析
2.7 本章小结
第三章 基于机器仿生鱼的污染源探查定位算法研究
3.1 算法理论支持
3.2 基本知识和问题描述
3.2.1 问题描述
3.2.2 基本知识
3.3 算法关键参数设计
3.3.1 信息素更新策略
3.3.2 下一跳节点的选择策略
3.4 算法流程
3.5 仿真实验结果
3.5.1 仿真参数说明
3.5.2 机器仿生鱼数量的影响
3.5.3 步长调整因子的影响
3.5.4 对比算法讨论
3.6 本章小结
第四章 基于支持向量机的水质预测改进算法研究
4.1 算法理论支持
4.1.1 K-近邻算法分类
4.1.2 支持向量机回归预测
4.2 数据预处理
4.2.1 异常数据处理
4.2.2 数据标准化处理
4.3 算法设计
4.3.1 基于KNN的水质预分类
4.3.2 预测模型参数选取
4.4 预测结果评价指标
4.5 实验结果与仿真
4.5.1 基于KNN的水质预分类效果
4.5.2 最优参数的选择
4.5.3 水质预测效果
4.6 本章小结
第五章 总结与展望
5.1 论文总结
5.2 工作展望
参考文献
攻读硕士学位期间的研究成果
致谢
本文编号:3675306
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3675306.html