基于大数据的吉林石化污水监管系统的设计与实现

发布时间：2023-02-25 21:01

　　石油化工企业会产生大量的污水,而这些污水的处理过程是复杂的工业过程,并伴随着多元性、非线性、变化性和偶然性等多种特性。以往的污水监测方法多使用人工经验化验监测,处理时效延迟、处理过程分散,又要同时保证污水治理效果,所以要浪费大量的人力、物力和资源。随着人工智能技术的发展,许多研究人员认为通过智能辅助测量方法能够及时和有效的掌握实时污水数据,以保证污水治理系统能够稳定、长时间的运行。最近几年,智能领域的研究人员发表多篇关于污水监测治理智能化的文章和研究成果,并为应用了智能分析辅助控制的污水综合管理系统称为专家系统,同时提出现今热门的人工神经网络、数据挖掘和大数据等技术同样可以应用到污水厂的污水监测和预测分析上。本文在综合调研了国内外该领域的研究后,针对目前石化企业污水治理问题,提出了基于大数据的吉林石化污水监测管理系统,并完成了以下工作:1.论述课题的研究背景,分析系统的研究现状,指出论文的研究目的与意义,最后介绍论文开展的工作和组织结构。2.提出一种污水大数据的实时监测技术,通过使用k-means算法增强污水大数据的聚类效果,实现对企业排污情况的实时监测。3.根据大数据的数据特点和大数...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 研究工作
    1.4 结构安排
第2章 相关理论与问题分析
    2.1 大数据技术简介
        2.1.1 大数据概念
        2.1.2 大数据存储关键技术
        2.1.3 处理平台Hadoop
        2.1.4 计算框架Spark
    2.2 问题分析及解决方案
        2.2.1 污水处理问题分析
        2.2.2 污水水数据特征分析
        2.2.3 系统的解决方案
    2.3 污水超标的聚类技术K-MEANS算法
    2.4 本章总结
第3章 排污监管系统需求分析
    3.1 系统总体需求
    3.2 系统功能需求分析
        3.2.1 工厂基本信息管理
        3.2.2 污水信息实时管理
        3.2.3 水质监测
        3.2.4 实时超标监测分析
        3.2.5 工厂排污预测分析
        3.2.6 排污预测警告管理
        3.2.7 污水大数据分析
        3.2.8 用户信息管理
    3.3 系统非功能需求分析
    3.4 本章小结
第4章 系统概要设计
    4.1 总体架构设计
    4.2 系统功能模块设计
        4.2.1 工厂信息管理
        4.2.2 实时监测管理
        4.2.3 水质分析管理
        4.2.4 大数据分析管理
        4.2.5 用户管理
    4.3 系统拓扑结构
    4.4 数据存储与展示
        4.4.1 HBase的体系架构
        4.4.2 HBase的表的设计
    4.5 本章小结
第5章 系统的详细设计与实现
    5.1 系统实现环境
    5.2 功能模块的详细设计
        5.2.1 登录模块
        5.2.2 工厂信息管理子系统
        5.2.3 实时监测子系统
        5.2.4 水质分析子系统
        5.2.5 大数据分析子系统
        5.2.6 用户管理子系统
    5.3 功能模块的界面展示
    5.4 系统测试
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简介
致谢



本文编号：3749190