【摘 要】
:
水质的好坏关乎人民生命财产安全,国家长期以来重视水环境,并逐渐建立起来完善的水质管控系统,应对水污染突发事件以及水污染物扩散等问题上积累了大量有效的研究成果。随着物联网和人工智能等技术的飞速发展,各类高频的水质信息采集传感器实现了水质自动监测并将数据实时上传,积累了大量的水质相关数据。通过深度学习技术,对水质大数据进行挖掘,提取其特征用来更好地管控水质。本文研究探索深度学习方法在水质预警方面的应用
论文部分内容阅读
水质的好坏关乎人民生命财产安全,国家长期以来重视水环境,并逐渐建立起来完善的水质管控系统,应对水污染突发事件以及水污染物扩散等问题上积累了大量有效的研究成果。随着物联网和人工智能等技术的飞速发展,各类高频的水质信息采集传感器实现了水质自动监测并将数据实时上传,积累了大量的水质相关数据。通过深度学习技术,对水质大数据进行挖掘,提取其特征用来更好地管控水质。本文研究探索深度学习方法在水质预警方面的应用,并将动态高效的水质预警模型应用于系统中。利用深度学习的方法对水质时间序列数据进行预测分析具有较好的效果,传统的机理模型方法需要大量精确的参数进行水质模拟,如河流宽度、深度等指标参数,而深度学习方法仅通过水质相关时间序列数据,从水质大数据中进行特征提取和预警,有着简便、高效的优势。通过对水质预警方法的研究与探索,本文将水质预警拆分为两个模型分别进行精度的提升。具体本文工作内容如下:首先,构建水质预测模型。在水质时间序列预测模型上,本文对比三次平滑指数、支持向量回归以及循环神经网络变体在水质预测上的精度。同时为了探究水质时间序列数据的季节性对水质预测结果的影响,引入经验模态分解与基于Loess 的季节与趋势分解(Seasonal and Trend decomposition using Loess,STL)方法,并从模型训练的数据泄漏角度对部分方法进行取舍。为保证其预警的时效性本文对预测步长与精度进行探索,并确定结合STL分解与基于编解码的长短期记忆网络,从而获得在水质预测各个方面上取得较好的效果。其次,给出水质异常检测模型。在水质异常检测模型分析上,本文工作对比拉依达准则、孤立森林、多元高斯分布异常检测在水质异常分析上的效果。进而通过研究水质时间序列数据的季节性,采用按照季节性分段寻找最优异常阈值的动态预警方法,避免传统方法采用固定阈值导致的预警频率不合理的问题。因此,通过实验确定孤立森林模型在多维度数据上表现的效果优于多元高斯分布异常检测,其中拉依达准则具有在单维度数据异常分析的能力。最后,本文将如上两个模型进行结合实现动态高效的水质预警模型,并将该模型应用于水质预警原型系统。在该原型系统的设计上具体分为数据采集模块、深度学习模块和任务调度模块,其中任务调度模块实现深度学习模型的持续迭代训练,及时学习新数据的特征,保证预测精度。该原型系统以水质预警功能为核心,并实现水质实时监测与水质预测等功能,有效的为水质管控者提供决策支持。
其他文献
书面记载表明藏、尼两地自吐蕃时期便已互通往来,且多个历史时期以来从未间断。但10-13世纪前后两地交往的记载十分零散且存在空白,同时,对该时期两地建筑的关联性研究也未能深入而始终停留于形式比较层面。故本研究从藏、尼两地该时期的内物质遗存入手,以中尼古道沿线人员往来较为频繁、建筑遗存更为丰富的后藏吉隆地区和尼泊尔加德满都谷地两地10-13世纪前后的建筑为研究对象,以檐口、屋面、门窗等在外观形式上具有
智能手机和网络的普及给社会生活带来了巨大的转变,同时也影响着个人兴趣爱好的变化,在如今愈来愈快节奏的生活状态下,许多人在网络上消耗大量的业余时间,包括各种社交APP(微信、微博等)、短视频软件(如抖音、快手等)以及优酷等播放平台的使用等。这给诸如当下用户量较大的今日头条等版面较全的软件带来了巨大的机遇与挑战,诸如如何给自己的平台带来巨大的流量,平台上的用户如何提高个人账户的关注度以增加流量等都是很
论文研究一种重视生活形式的设计方法,主要探讨如何通过结构体清晰地呈现生活形式这一方法。研究受建筑师、建筑教育家海杜克启发,指出海杜克在生活形式问题与结构体作为呈现生活形式的方法两个方面均有深入思考。论文总结了他的思考和方法,并以海杜克研究为基础,通过分析提炼当代建筑设计案例,提出了一些生活形式结合结构体的设计方法。首先,论文提取了海杜克切入生活形式的三个角度,分别是家居性问题、关系问题、特征问题,
经营规模小、业务范围单一、资产少且融资难等特点,决定了微型企业在市场中扮演着补缺者的角色。而经营灵活、适应性强等特点,又使得微型企业能够根据市场竞争环境的变化,进入新的业务领域或打破行业现有的市场边界,开辟竞争相对较弱的利基市场。市场缝隙的存在,为微型企业在利基市场中生存提供了可能性。S公司作为一家销售运动类悠悠球产品的微型企业,正处于开辟缝隙市场的过程中,短期内无大量资金融入。基于当前企业生存发
由于全球的能源危机与国际地缘政治的影响,海洋的资源和空间已成为各国未来战略的重点。超大型浮式结构可以作为海上综合平台,为海洋资源开采以及空间利用提供基础。因此,对于浮式结构的设计以及在海洋多种荷载作用下的动力响应分析是浮式结构研究的重点内容。首先,本文对浮式结构的发展历程、流固耦合问题、桩土相互作用、阻尼器和波浪荷载的发展研究过程进行了较详细的介绍。对于浮式结构的单浮体和上部框架进行详细的设计,并
随着信息技术和工业检测的迅速发展,对物体的三维感知和深度测量成为关注重点。目前3C产业的元件大部分是镜面高反射材质以及具有类镜面反射特点的透明材料物体,对于一些表面镀金属薄膜的元件,传统的三维检测方法是在物体表面喷涂材料减少高反光影响,但是降低了检测精度;用机械探针接触式扫描物体表面,很容易损伤待测物体。基于结构光的三维成像技术是一种无损的、高精度的面型检测方法,其中基于条纹反射的相位测量偏折术(
近年来,作为模拟生物神经网络(Biological Neural Network,BNN)的一种数学模型,人工神经网络(Artificial Neural Network,ANN)成为人工智能领域的研究热点。BNN的拓扑结构介于规则网络和随机网络之间并呈现小世界属性,已有研究证明将小世界属性和ANN结合所构造的小世界神经网络(Small World Neural Network,SWNN)能够更好
在基于性能的抗震设计中,建筑结构的变形能力是衡量其抗震性能和损伤程度的重要指标。然而,震后的残余变形所带来的修复问题会造成巨大的经济损失。梁柱节点作为钢结构中的关键构件和薄弱环节,其力学性能的优劣对建筑结构的整体抗震性能影响很大。为此,本文设计了一种具有自复位能力的钢框架节点,该节点的梁柱翼缘通过U形阻尼器栓接,柱翼缘与梁腹板通过两块带条形孔的剪切板栓接,沿梁长布置高强预应力钢绞线。通过对钢绞线施
随着社会的发展进步,互联网和IT信息技术的发展方兴未艾,数字图像、视频媒体数据急剧增长,利用计算机视觉技术处理分析图像、视频的需求日益增长。目标检测是许多计算机视觉技术的前提和基础,主要用来对感兴趣目标进行图像识别和目标定位,受到越来越广泛的重视。目标检测除了要满足必要的检测精度外,对检测速度的实时性要求也越来越高。随着神经网络技术的发展,基于深度学习的目标检测取得了较好的检测效果,但仍存在模型复
卷积神经网络(Convolutional Neural Network,CNN)在计算机视觉、自然语言处理、语音识别等诸多领域取得了巨大的成功。然而,随着CNN性能的提高,其模型结构日益复杂,计算规模也越来越大,这成为了其在移动平台上部署的瓶颈。近几年的研究表明,CNN模型中存在着大量冗余,即使将其中的计算数据量化到较低的位宽也能保持较高的精度。而对于这种低位宽数据的计算,现场可编程逻辑门阵列(F