应用网络技术、环境监测技术、自动控制技术和计算机技术,设计开发先进的“地表水水质自动监控系统”是现代环境信息管理的需要,也是实现“数字浙江环保”的一个重要组成部分。本论文以浙江省环境监测中心站的“地表水水质自动监测监控系统设计”项目为依托,进行了“地表水水质自动监控系统”的分析研究和设计开发。 论文在描述水质监测现状及实现水质自动监测重要性的基础上,结合我省“环境监测信息管理系统”的实际需求和省环境监测中心站“地表水自动水质监测监控系统设计”项目的研究内容,运用系统化、网络化、智能化和标准化于一体的先进的设计方法,完成了地表水水质自动监控系统的集成和现场自动监控系统与远程管理中心监控系统的软件设计,并成功地应用于钱塘江等重要流域行政交界断面的水质自动监测站中。本研究设计开发的水质自动监控软件系统在正确性、功能性、可靠性、安全性、易用性和效率等方面,通过了中国软件评测中心浙江分中心——浙江省电子产品检验所软件评测中心的评测。 论文系统地介绍了水质参数的检测原理,水质自动监控系统的设计思想和结构体系,详细讨论了现场自动监控软件与远程管理中心监控软件的功能、实现方法和测试过程;为了研究水质指标变化的可预测性以及建立水质指标的预测模型,论文在分析比较时间序列预测法、灰色系统预测法、人工神经网络预测法的基础上,运用人工神经网络BP模型中的Levenberg-Marguardt优化算法,对水质指标的变化趋势进行了预测研究。论文以实测的水质指标浓度时间序列为学习样本,以总磷(TP)、总氮(TN)、化学需氧量(COD)等九项指标为预测参数,对学习样本进行优化建模和预测分析,结果表明运用BP神经网络的预测精度较高、速度快,能够有效地运用于水质指标浓度的预测和水质趋势的预警预报系统中。