基于支持向量机与神经网络的供水管网余氯组合预测模型研究
发布时间：2021-07-18 08:05
城镇供水管网中的余氯是一种非稳定性的物质,在管网的输配过程中随着时间的增长而不断衰减,当余氯衰减至低于《生活饮用水卫生标准》（GB5749-2006）中规定的0.02mg/L（Cl O2）后,其杀菌能力就会降低,引起细菌滋生,致使水质恶化,严重危害用水者的健康。供水管网余氯的准确预测对于供水企业及时发现水质恶化的趋势并采取相关措施、合理调整氯投加量、减少消毒副产物和合理选择二次加氯点的过程中能够起到至关重要的作用。因此,对能够快速、简便、准确的进行供水管网余氯预测的模型进行研究是非常有必要的。本论文通过理论与实证相结合的方式,基于支持向量机和神经网络,针对供水管网余氯预测问题分别在MATLAB中建立了PSO-SVR（粒子群算法优化支持向量回归机）、LM-BP（LM算法优化BP神经网络）、ABC-Elman（人工蜂群算法优化Elman神经网络）和RBF（径向基神经网络）模型,并将PSO-SVR模型分别与LM-BP、ABC-Elman和RBF模型进行组合,建立了供水管网余氯组合预测模型,分别就上述4种单一模型以及组合模型采用云南省某市自来水厂4个管网末梢监测点的余氯实...
【文章来源】：昆明理工大学云南省
【文章页数】：105 页
【学位级别】：硕士
【部分图文】：
技术路线
梢监测点的水力停留时间获得，并将求得的时间作为两点取样的时间间隔，不要单独列为一个影响变量。（6）菌落总数菌落总数会随着余氯的不断衰减而增加[70]，所以菌落总数可以在很大程度反映出供水管网余氯的现状。但笔者发现微生物的检测一般都存在延迟性（通细菌总数需培养 24h 后才可测定），所以将该指标作为影响变量显然是不合适的综上分析，本文在综合考虑后选择出厂水监测点的初始氯浓度、浊度和 p值为影响变量，建立支持向量机与神经网络的多因子余氯预测模型。2.3 研究区域选取笔者在对云南省红河州某市 3 家自来水厂进行为期 6 个月的调研后，选择中 1 家自来水厂的供水区域作为本文的实例验证数据的采集对象。该水厂工艺程见图 2.1。
第二章 供水管网余氯预测影响样采集前先通过该自来水厂的自动在线监测设备获得与采集水样相浓度、浊度、pH 值数据，然再进行各监测点的水样采集。依照此顺 147 组 1#监测点数据（每组数据包括出厂水初始氯浓度、浊度、余氯浓度 4 个数据），146 组 2#监测点数据，142 组 3#监测点数测点数据。各监测点位置见图 3.2。
【参考文献】：
期刊论文
[1]二氧化氯消毒无机消毒副产物控制技术进展研究[J]. 孙健,曲茉莉. 环境科学与管理. 2017(10)
[2]基于RBF神经网络的出水氨氮预测研究[J]. 乔俊飞,安茹,韩红桂. 控制工程. 2016(09)
[3]二氧化氯在小型给水管网系统中的衰减规律研究[J]. 于玲红,段浩洁,李卫平,李聪. 科学技术与工程. 2016(26)
[4]饮用水消毒工艺及副产物控制技术发展[J]. 张金松,卢小艳. 给水排水. 2016(09)
[5]灰色GM（1,1）-小波变换-GARCH组合模型预测松花江流域水质[J]. 徐梅,晏福,刘振忠,李高华,渠佩云. 农业工程学报. 2016(10)
[6]基于PSO-SVR模型的供水系统余氯预测研究[J]. 何自立,郭占娟,杨建国. 长江科学院院报. 2015(10)
[7]基于PSO优化BP神经网络的水质预测研究[J]. 高峰,冯民权,滕素芬. 安全与环境学报. 2015(04)
[8]基于BP和RBF神经网络的外加碳源量模型研究[J]. 李蕾,陈倩,薛安. 环境工程学报. 2014(11)
[9]基于LS-SVM-RBF网络模型的洋河水库入库径流量模拟[J]. 杜迎欣,曹小兵,李琛,王玉恒,马廉洁. 水电能源科学. 2014(09)
[10]GA-SVM和神经网络组合模型预测充填钻孔寿命[J]. 张钦礼,程健,陈秋松,胡威,周碧辉. 科技导报. 2013(34)
博士论文
[1]供水管网中氯和二氧化氯耦合反应过程及其衰减模型研究[D]. 常魁.哈尔滨工业大学 2011
[2]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
[3]给水管网余氯衰减规律及影响因素研究[D]. 钟丹.哈尔滨工业大学 2010
硕士论文
[1]支持向量机与神经网络的融合优化及其在数据挖掘中的应用[D]. 刘耀辉.深圳大学 2017
[2]基于组合模型的水质预测和评价研究[D]. 王菲.兰州大学 2017
[3]基于RBF神经网络的溶解氧预测模型研究[D]. 潘金晶.上海海洋大学 2016
[4]余氯衰减一级模型参数确定方法试验研究[D]. 郝艳萍.哈尔滨工业大学 2016
[5]优化BP算法的永安江总磷预测研究[D]. 王腾.昆明理工大学 2016
[6]基于最小二乘支持向量机的河涌水质预测研究[D]. 范莹莹.广东工业大学 2012
[7]改进BP神经网络在水质评价中的应用研究[D]. 李文娟.重庆理工大学 2011
[8]支持向量机方法在风电场风速预测中的应用研究[D]. 曹慧.华北电力大学（北京） 2010
[9]给水管网水氯与二氧化氯消毒试验及影响因素研究[D]. 王慧.哈尔滨工业大学 2009
[10]城市配水管网水质预测模型的研究[D]. 陈炬锋.天津大学 2007
本文编号：3289186
【文章来源】：昆明理工大学云南省
【文章页数】：105 页
【学位级别】：硕士
【部分图文】：
技术路线
梢监测点的水力停留时间获得，并将求得的时间作为两点取样的时间间隔，不要单独列为一个影响变量。（6）菌落总数菌落总数会随着余氯的不断衰减而增加[70]，所以菌落总数可以在很大程度反映出供水管网余氯的现状。但笔者发现微生物的检测一般都存在延迟性（通细菌总数需培养 24h 后才可测定），所以将该指标作为影响变量显然是不合适的综上分析，本文在综合考虑后选择出厂水监测点的初始氯浓度、浊度和 p值为影响变量，建立支持向量机与神经网络的多因子余氯预测模型。2.3 研究区域选取笔者在对云南省红河州某市 3 家自来水厂进行为期 6 个月的调研后，选择中 1 家自来水厂的供水区域作为本文的实例验证数据的采集对象。该水厂工艺程见图 2.1。
第二章 供水管网余氯预测影响样采集前先通过该自来水厂的自动在线监测设备获得与采集水样相浓度、浊度、pH 值数据，然再进行各监测点的水样采集。依照此顺 147 组 1#监测点数据（每组数据包括出厂水初始氯浓度、浊度、余氯浓度 4 个数据），146 组 2#监测点数据，142 组 3#监测点数测点数据。各监测点位置见图 3.2。
【参考文献】：
期刊论文
[1]二氧化氯消毒无机消毒副产物控制技术进展研究[J]. 孙健,曲茉莉. 环境科学与管理. 2017(10)
[2]基于RBF神经网络的出水氨氮预测研究[J]. 乔俊飞,安茹,韩红桂. 控制工程. 2016(09)
[3]二氧化氯在小型给水管网系统中的衰减规律研究[J]. 于玲红,段浩洁,李卫平,李聪. 科学技术与工程. 2016(26)
[4]饮用水消毒工艺及副产物控制技术发展[J]. 张金松,卢小艳. 给水排水. 2016(09)
[5]灰色GM（1,1）-小波变换-GARCH组合模型预测松花江流域水质[J]. 徐梅,晏福,刘振忠,李高华,渠佩云. 农业工程学报. 2016(10)
[6]基于PSO-SVR模型的供水系统余氯预测研究[J]. 何自立,郭占娟,杨建国. 长江科学院院报. 2015(10)
[7]基于PSO优化BP神经网络的水质预测研究[J]. 高峰,冯民权,滕素芬. 安全与环境学报. 2015(04)
[8]基于BP和RBF神经网络的外加碳源量模型研究[J]. 李蕾,陈倩,薛安. 环境工程学报. 2014(11)
[9]基于LS-SVM-RBF网络模型的洋河水库入库径流量模拟[J]. 杜迎欣,曹小兵,李琛,王玉恒,马廉洁. 水电能源科学. 2014(09)
[10]GA-SVM和神经网络组合模型预测充填钻孔寿命[J]. 张钦礼,程健,陈秋松,胡威,周碧辉. 科技导报. 2013(34)
博士论文
[1]供水管网中氯和二氧化氯耦合反应过程及其衰减模型研究[D]. 常魁.哈尔滨工业大学 2011
[2]支持向量机学习算法若干问题的研究[D]. 常甜甜.西安电子科技大学 2010
[3]给水管网余氯衰减规律及影响因素研究[D]. 钟丹.哈尔滨工业大学 2010
硕士论文
[1]支持向量机与神经网络的融合优化及其在数据挖掘中的应用[D]. 刘耀辉.深圳大学 2017
[2]基于组合模型的水质预测和评价研究[D]. 王菲.兰州大学 2017
[3]基于RBF神经网络的溶解氧预测模型研究[D]. 潘金晶.上海海洋大学 2016
[4]余氯衰减一级模型参数确定方法试验研究[D]. 郝艳萍.哈尔滨工业大学 2016
[5]优化BP算法的永安江总磷预测研究[D]. 王腾.昆明理工大学 2016
[6]基于最小二乘支持向量机的河涌水质预测研究[D]. 范莹莹.广东工业大学 2012
[7]改进BP神经网络在水质评价中的应用研究[D]. 李文娟.重庆理工大学 2011
[8]支持向量机方法在风电场风速预测中的应用研究[D]. 曹慧.华北电力大学（北京） 2010
[9]给水管网水氯与二氧化氯消毒试验及影响因素研究[D]. 王慧.哈尔滨工业大学 2009
[10]城市配水管网水质预测模型的研究[D]. 陈炬锋.天津大学 2007
本文编号：3289186
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/3289186.html
