【摘 要】
：
供水系统作为城市的基础设施,水质质量直接影响人们的用水安全。在净水厂处理工业中,混凝沉淀是水处理系统的重要工序,决定着水厂出水质量和制水成本,其中混凝剂投加量的控制是关键。由于进入净水厂原水水质地波动,净水厂混凝投药过程存在较大的时滞性,很难及时且精准的计算投药量。因此,对水厂混凝投药系统进行建模,来预测投药量,对保证供水质量安全、降低能耗十分有意义。本研究通过径向基（RBF）神经网络预测模型对水
论文部分内容阅读
供水系统作为城市的基础设施,水质质量直接影响人们的用水安全。在净水厂处理工业中,混凝沉淀是水处理系统的重要工序,决定着水厂出水质量和制水成本,其中混凝剂投加量的控制是关键。由于进入净水厂原水水质地波动,净水厂混凝投药过程存在较大的时滞性,很难及时且精准的计算投药量。因此,对水厂混凝投药系统进行建模,来预测投药量,对保证供水质量安全、降低能耗十分有意义。本研究通过径向基（RBF）神经网络预测模型对水厂混凝剂投加量状况进行预测。水厂投药量模型系统的建立和研究结果如下:（1）通过基于方差分解的全局灵敏度分析方法对原水浊度、色度、菌落总数（CFU）等7个混凝投药的主要影响因素进行灵敏性分析,计算出影响净水厂混凝剂投加量的影响因素排序为:原水浊度（NTU）>原水流量（Q）>耗氧量（CODMn）>原水p H,确定预测模型为4×191,X（Qx1n,NTUx2n,PHx3n,CODMnx4n）的输入矩阵,1×191投药量输出矩阵,明确了其网络结构。（2）构建了单一RBF网络模型、RW（随机游走）-RBF改进网络模型和PSO（粒子群）—RBF改进网络模型,对比了RW算法和PSO算法对RBF网络的优劣,发现PSO-RBF比RW-RBF算法MAPE低5.82%,MRE低0.98%。在此基础上确定了基于PSO等方法组合改进RBF神经网络的复合控制方案。采用减法聚类方法确定基函数初始中心点位置及其隐层节点个数,利用PSO算法动态更新RBF网络基函数的中心点位置,采用伪逆法确定函数的权值,最终改进后的模型预测系统能够精准的给出混凝药剂投加量。（3）研究发现,PSO-RBF模型相较于单一RBF模型MRE降低了3.05%,REmax（最大相对误差）降低了0.1986。粒子间的合作与竞争使PSO改进RBF模型增加了对多维复杂空间的高维搜索能力,可以快速求得神经网络权值的最优解。模型的鲁棒性降低,收敛速度更快,精度更高,实现了对混凝投药的准确控制。（4）PSO-RBF模型可直接得出投药与原水进水水质的映射关系,数据的时间排序问题不再约束网络程序结果。另外为了验证模型的普适性,本研究选取了其他地区的水厂对模型进行检验,结果表现较好,建模过程优于二元回归模型和机理模型,可为模拟自来水厂投药量提供有效参考。
其他文献
近年来,云计算相关技术不断发展成熟,云计算技术的应用领域也越来越广泛,云计算技术逐渐成为IT行业的主流技术。云环境具有动态性、复杂性、共享性和大规模等特点,在复杂的云环境下,如果运行数据存在异常,将会影响云环境的正常运行,给云环境的可用性和稳定性带来巨大挑战。为了保证云环境可用性和稳定性,国内外相关专家对云环境下运行数据的监测和异常检测以及预测方法进行了深入研究,且提出了相关运行数据的监测框架和异
磁共振成像（Magnetic Resonance Imaging,MRI）在治疗检测和医疗诊断等领域的应用很广泛,并且没有电离辐射危害。然而,过长的扫描时间成为了MRI最主要的缺点。因此,为了在保证MRI质量的同时提高成像速度,本文研究利用深度学习的网络模型,设计有效的MRI网络模型来提高磁共振图像的重构性能。本文的主要研究内容如下:（1）采用Calgary-Campinas的脑部原始数据,并对数
深度学习是人工神经网络的一个分支,这个概念一提出就引起了社会各界的高度关注,掀起了研究热潮。随着社会高度智能化发展,智能安防、刑侦、无人超市等领域对行人重识别技术的需求尤为明显。在这些行业发展和社会需求的促使下,基于深度学习的行人重识别迅速成为计算机领域的热门话题。行人重识别通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人。然而,由于受到不同视角下的背景、光照等因素影响,采集到的
物流业是关系国计民生的重要行业,是一个国家综合国力的重要体现。我国物流业近年来发展迅速,但与发达国家相比,仍存在成本高、效率低的问题。车辆路径问题（Vehicle Routing Problem,VRP）的研究是解决该问题最有效的途径之一。多车场车辆路径问题（Multi-depot Vehicle Routing Problem,MDVRP）是VRP的一类拥有广泛应用场景的重要扩展问题,因与现代物
本文基于序列推荐的思想,针对推荐系统存在的推荐准确度较低等问题,在推荐模型的项目嵌入阶段与序列建模阶段进行了改进以提高推荐的性能,具体问题与改进方法阐述如下。在对用户交互序列的处理中,现有的推荐模型在嵌入时仅仅关心用户的交互项目的顺序,忽略了用户交互序列项目属性与内容的相关性,对此本文在项目嵌入阶段引入了相关领域的知识图谱来获得辅助信息,通过丰富用户交互信息的形式改进了常规的嵌入方法。在实验中与先
太阳耀斑是太阳大气活动的一种重要表现形式,产生于太阳大气中,会迅速向外发射巨大的能量和高强度的电磁辐射。太阳耀斑产生的巨大能量和电磁辐射会在短时间内到达近地空间,对短波通信、卫星导航以及空间飞行造成威胁,严重影响人类的生产生活。因此,实现对太阳耀斑的准确预报有着十分重要的意义,这也是空间天气预报领域的一项重要工作。到目前为止,太阳耀斑爆发的具体物理机制尚未十分明确,基于物理学的太阳耀斑预报模型无法
构建一个完备的无线传感器网络的首要问题是如何对传感器节点进行部署。由于传感器节点部署过程中受复杂环境及抛洒方式的影响会导致监测区域中覆盖漏洞的产生。对此,本文以由动态及静态节点共同组成的混合无线传感器网络为研究对象,对二维平面及三维空间的覆盖优化问题展开研究,提出基于Delaunay三角剖分策略的优化方案,其主要工作如下:（1）针对二维覆盖优化研究中几何学方法难以运用概率感知模型的问题,提出了基于
三七生长于潮湿、温暖和遮荫等环境下,这类环境容易诱发各类疾病,其发病情况对三七的产量和品质有决定性影响作用,随着种植体量的增大,病害的种类和面积逐年增加。目前,在三七发病率预测方向,研究仍停留在定性描述三七发病率与气象因子关系;在三七叶片病害识别方向,仍依赖于人工主观识别或采用浅层模型进行检测,但这些方法存在预测与识别速度慢、准确率低、泛化性和鲁棒性差等问题,难以高效地掌握三七发病规律,从而不能有
近年来,随着互联网技术的迅速发展,众包模式在各行各业得以应用。众包作为一种面向互联网大众的问题解决机制,聚合大众智慧以更好地解决问题。在众包场景下,众包任务和工人拥有不同需求及意愿,将众包任务分配给与其需求不相符的工人会影响众包任务的完成质量。同时,在众包发包者与工人进行交互的过程中,分配结果可能随着分配双方发现更好的合作对象而有所变更,从而出现无效分配影响分配结果的稳定性。因此,如何有效地将众包
眼底视网膜血管图像作为人体唯一一处不需要侵入性手段就可以获得的血管图像,具有较高的临床价值。眼科以及内科的专家可以根据视网膜血管呈现的不同特征,较为精准的判断多种疾病。然而,在实际的应用中,由于视网膜血管结构复杂以及采样光照和成像设备的影响,常常导致眼底血管图像难以观察,增加了医生的工作难度。因此,研究出一种自动化的高精度视网膜血管分割算法,对于目前的临床辅助诊断非常重要。本文基于深度学习技术对视