石化工业循环冷却水预测模型的研究及专家系统的开发
这是一篇关于工业循环冷却水,水质预测,NARX,动态神经网络,专家系统的论文, 主要内容为伴随节水减排的绿色发展要求,石化行业生产中普遍采用了循环用水模式,高浓缩循倍数下循环用水给整个生产运行提出更高要求,因此开展对工业循环冷却水腐蚀结垢的预测模型研究及专家系统的开发,该选题具有重要的理论意义和实际的经济价值。首先,工业循环冷却水系统正常运转中产生的腐蚀结垢问题对其影响巨大,造成严重的安全隐患。本文从中石化某分公司提取海量水质数据,经处理分析得出与腐蚀和结垢密切相关的六种指标,在此基础上利用NARX动态神经网络建立腐蚀速率和粘附速率的预测模型,并用Matlab进行大量的仿真验证,通过与其他神经网络的对比,证明建立的预测模型具有较为优异的预测性能。其次,针对传统的依靠人工经验投加药剂存在的弊端,本文设计开发了工业循环冷却水专家系统,并对关键的知识库和推理机做了较为详细的设计。之后基于C/S结构建立分层架构,利用可视化语言VB 6.0作为工业循环冷却水专家系统前端开发平台,采用MySQL作为后台系统数据库,同时针对VB在面对复杂数值计算和分析时的不足,利用VB与Matlab间的接口程序,把所需要的功能放到Matlab中实现。将建立的水质模型嵌入专家系统,使其不仅能够预测水质腐蚀速率和粘附速率预测,还可以提出合理可行的处理建议,经循环水系统运行检测,提高了实际效率,减小了预测周期,为冷却水系统安全运行提供了最大程度的保证。
面向活鱼养殖水质的自动化分析研究与应用
这是一篇关于水因子,水质评价,水质预测,神经网络,B/S架构的论文, 主要内容为我国是一个水产大国，但是长期受到传统水产养殖观念以及技术水平的影响，水产养殖呈现出规模较小，分布范围零星，以机械化养殖居多的特点。同时在现实水产养殖之中，往往出现管理方式欠缺，水质预警能力差，自动化程度低的弊端，给池塘养殖业带来了很大的困难。为此本文针对这种现状，研究和实现了一套面向活鱼养殖水质的自动化分析仪。本论文的主要工作包括： 在对活鱼养殖水质的评价上，由于现实生活中往往只是针对单个水质因子进行监控和评价，没能全面地考虑各个水质因子之间潜在的关系和从整体的角度对水质做出综合性的评价，为此本文提出一种非对称复合高斯梯度隶属函数的评价方法，为每个水质因子构建一个评价模型，其中模型的两端由两个不同形状的高斯函数构成，同时应用综合等级与各个水质因子等级之间模糊聚类的方法，得到最终的综合等级值，既体现了水质因子最佳范围和合适范围不对称的特点，也克服了水质等级划分种类繁多，分类困难的问题，从整体的角度看待水质因子，模糊聚类方法关系巧妙地减低了水质等级划分的困难性，实现了等级划分与等级评价的智能性。（本论文提出的“活鱼养殖水质等级的评价方法”已经申请了国家发明专利，申请号：201310088205.5） 在对活鱼养殖水质的预测上，由于现实生活中往往只是对水质的信息进行监控，不能对水质将来的状态做出判断，缺乏预警性，使得水质的安全不能处于可控的范围。为此本文提出了一种智能的活鱼养殖水质预测模型，采用径向基神经网络作为池塘水质数据预测的基础，递推滚动式预测的方法作为水质预测的策略，构建活鱼养殖水质的综合神经网络预测模型，同时针对池塘水质的关键因子，通过分析其系统动力学模型，找到关键水质因子和其他水质因子之间的潜在关系和反馈机理，构建出不同的关键水质因子神经网络预测模型。此方法既体现了水质动态变化特点，也全面考虑了各个水质因子之间的潜在关系和反馈机理，为构建径向基神经网络提供了有力的支撑。（本论文提出的“智能的活鱼养殖水质综合预测方法”已经申请了国家发明专利，申请号：201310088194.0） 论文遵循软件工程设计思想，采用了基于Struts、Spring和Hibernate集成框架的B/S架构完成了智能活鱼养殖水质监控系统的设计与实现。系统通过对采集到的数据进行分析与计算，把水质状态和预警信息及时传递给池塘管理者，为其进行水质操作提供参考，实现了对池塘水质的自动化管理，大大提高了池塘养殖的效益。
智能水质监控平台的设计与研究
这是一篇关于水质监测,PLC,Django,SVR,水质预测的论文, 主要内容为随着我国工业化和城市化进程的加快,城市水环境污染也在逐渐加重。实现对城市污水快速准确地测定有助于相关部门加强对城市水环境的监管。本文从现场设备开始,研究并设计一整套基于B/S架构的水质在线监控平台。该平台分为三部分,包括:现场水质监控装置、远程数据通信模块和远程水质监控客户端。针对城市污水中必测指标之一BOD(生化需氧量)较难以使用传感器在线测量的特点,本文提出了基于遗传算法(GA)优化参数的支持向量机回归(SVR)水质预测模型,通过引入遗传算法,解决了传统SVR模型中关键参数难于选择的问题。经过实际试验后,证明该GA-SVR预测模型具有较高的应用价值。在考虑现场实际的应用环境等因素的情况下,本文设计的现场水质监控设备采用西门子S7-1200PLC作为控制器。现场设备通过4G工业路由器与云服务器间进行数据传输。现场监控设备采用模块化设计,易于运输与装配、调试。本文设计的远程数据通讯模块基于socket通讯原理,通过该模块实现了现场监控设备与服务器间的TCP通讯。本文设计远程水质监控客户端基于Django框架进行开发,通过该系统可实现对分布在不同地理位置的水质监测点的监控设备进行监控与管理,可随时查看监控水域的当前数据及历史数据,在监管大量水质监测站点时该客户端系统表现优异。本文建立了基于GA优化参数的SVR水质预测模型,通过遗传算法对支持向量机回归模型中的关键参数进行自动寻优后,通过训练建立起城市污水中相关参数与BOD的数学模型的方式测得生化需氧量的值。经过试验,该模型的平均误差为0.009443,均方根误差为16.88mg/L,证明了该模型的预测结果具有较高的准确性。在实际使用中,用户可以通过本平台及时、准确的掌握相关检测点的水质信息与设备情况。与此同时,本文设计的GA-SVR水质预测模型也为机器学习方法在城市水环境治理领域的引入提供了可能性。
淡水鱼养殖信息管理系统设计
这是一篇关于云平台,信息管理,水产养殖,水质预测,气象预测的论文, 主要内容为智慧农业的发展优化了传统农业生产模式、提高了生产管理效率,已逐步应用于实际生产之中。国内学者对智慧农业的研究多集中于种植业和畜牧业领域,针对水产养殖领域数字化程度较低、养殖信息管理平台缺乏的现状,本文采用Web技术开发了一套淡水鱼养殖信息管理系统,建立了水质气象信息预测模型,并对系统进行了功能测试和非功能测试。主要研究结论如下:(1)开发了淡水鱼养殖信息管理系统。使用Web开发技术中的Express.js后端框架,Vue.js前端框架和My SQL数据库技术开发了淡水鱼养殖信息管理系统,系统包括登录模块、基地信息展示页、养殖户模块、日常记录模块、生产管理模块、设备模块、物料管理模块、环境监测模块,知识库模块和专家咨询模块。实现了养殖环境水质气象信息的实时监测、养殖日常事务管理、生产记录、设备维护管理、设备远程控制、养殖咨询和养殖规范查询等功能。(2)建立了水质气象预测模型。通过Python建立了ARIMA/ARMA,VAR,VECM水质气象信息预测模型,利用7d内的水质气象历史数据,预测了水温、溶氧量等10项指标未来8h的数值。结果显示,在水质预测方面,VAR模型对于溶氧量、氨氮和浊度的预测精度较高,相对误差平均值分别为0.323%、2.250%、0.002%;ARIMA/ARMA模型对于水温的预测精度较高,相对误差平均值为0.454%;VECM模型对于酸碱度的预测精度较高,相对误差平均值为0.547%。在气象预测方面,VECM模型对于气压的预测精度较高,相对误差平均值为0.020%,VAR模型对于降雨量的预测精度较高,绝对误差平均值为0.005mm,气温、风速和光辐射的预测最小相对误差平均值分别为5.993%、30.506%、33.830%,预测精度较低。通过对比模型预测结果与传感器的测量精度,结果显示,溶氧量、水温、氨氮、浊度、酸碱度、气压和降雨量7项指标预测的相对误差和绝对误差均满足要求,而气温、风速和光辐射3项指标预测精度较低,未达到传感器精度要求。(3)测试了系统的功能和非功能表现。通过Chrome浏览器,Postman接口测试软件对淡水鱼养殖信息管理系统进行了功能测试和非功能测试。功能测试的结果为:系统的每个接口都通过了测试,并且能在系统前端对应的页面内成功请求接口,展示正确的内容,实现对应的功能,即系统的功能都能正常使用,满足了设计需求。非功能测试的结果为:系统通过了可靠性测试和安全性测试。综上,本文开发的淡水鱼养殖信息管理系统,能够实现养殖信息数据的信息化管理,可以辅助实际生产,提高生产管理效率,具有一定的推广价值。
基于混合优化BP神经网络的水质预测系统的研究与实现
这是一篇关于时间序列,数据预处理,水质预测,系统设计与实现的论文, 主要内容为近几年来,随着我国经济的飞速发展,生态环境破坏严重,科技进步与生态环境不协调发展所带来的压力日趋严峻。水资源短缺与水环境污染等情况表现严重,对我国水环境进行科学管理和有效保护有着极为重要的意义,对未来水环境质量进行预测是水资源保护的重要手段。本文以京津冀区域某个国控断面的地表水水质监测站2018年～2019年的主要水质指标PH、溶解氧(DO)、总磷(TP)、总氮(TN)等12项参数为对象,对水质时间序列预测进行研究。考虑到河流断面是复杂的动态的非线性水环境系统,水环境中的各指标参数存在大量的非线性特征,因此本文提出了基于粒子群算法和遗传算法混合优化BP神经网络的水环境因子预测模型,并提出了基于改进粒子群优化算法的深度神经网络水质类别预测模型。实验结果证实了本文提出的算法在预测过程中具有较好的预测精度和鲁棒性。对水质预测模型研究主要包含以下几个方面:(1)数据的预处理。数据来源于该区域断面水质监测站的真实数据,由于采集设备误差和人为操作失误等不可控因素,造成数据存在空缺值、异常值、交叉错乱等实际问题,为了不影响后续的分析和预测,需对这些数据进行获取、整合、清洗等一系列预处理步骤,为下一步的研究提供数据支持。(2)水质预测模型构建。首先对预处理后的数据进行分析,然后从预测水环境因子(连续值)和水质类别(离散值)的角度出发,最终选择BP神经网络和深度神经网络两种不同的预测模型。对连续值预测,采用BP神经网络来进行,并针对算法核心参数难以确定的问题设计了基于粒子群算法和遗传算法相结合的优化算法来优化BP神经网络,同时与未优化的BP神经网络、粒子群优化的BP神经网络和遗传算法优化的BP神经网络预测算法进行对比;在离散值预测问题上,采用改进粒子群优化深度神经网络算法,与支持向量机算法和未经优化的深度神经网络预测模型进行了对比实验。建立性能评价指标,并用测试集数据对模型性能进行测试实验,结果表明本文提出的两种类别的水质预测模型效果均优于其对比模型,从而验证了对于该数据集样本,本文提出的预测模有更好的准确性和预测能力。(3)系统设计与实现。采用以满足业务需求为导向的设计原则,对系统的整体功能和各模块功能进行了详细地设计,并以此构建了相应的数据库结构。系统使用Bootstrap前端架构,结合Spring+Spring MVC+Mybatis这种组合框架进行后台开发,用Java语言完成系统开发和实现过程,使用UML类图解释各功能模块后台实现步骤,通过Echarts可视化方式将水质预测结果进行界面展示,并通过线上测试验证系统的性能和可用性。水质预测系统依托于“京津冀区域水环境管理大数据平台”课题,实现了对河流断面水质进行预测并展示的业务需求,在管理者对未来事件的决策中发挥重大作用,具有一定的指导意义和应用价值。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码货栈 ，原文地址：https://m.bishedaima.com/lunwen/46197.html
