地表水质监测模型中的几种人工智能方法

地表水质监测模型中的几种人工智能方法 !"#$%&’()*+,-./012 王志红 !!"! 孙超 # !!" 广东工业大学建设学院"广东广州 #!$$$%# &" 华南理工大学环境科学研究所"广东广州 #!’%(!# )" 广东省水利电力勘察设计研究院"广东广州 #!’!*’$ !摘要" 重点对地表水质预测模型的几种人工智能方法进行了评述!具体说明了 +, 神经网络水质预测模型"地表水 -./ 灰色预测模型" 时间数列预测方法及 012,# 模型系统等方法的原理和特点# 并提出地表水质预测模型 012,# 与 342 系统集成的趋势...

!"#$%&’()*+,-./012 王志红 !!"! 孙超 # !!" 广东工业大学建设学院"广东广州 #!$$$%# &" 华南理工大学环境科学研究所"广东广州 #!’%(!# )" 广东省水利电力勘察设计研究院"广东广州 #!’!*’$ !摘要" 重点对地表水质预测模型的几种人工智能方法进行了评述!具体说明了 +, 神经网络水质预测模型"地表水 -./ 灰色预测模型" 时间数列预测方法及 012,# 模型系统等方法的原理和特点# 并提出地表水质预测模型 012,# 与 342 系统集成的趋势!建立水质自动监测系统是我国水质现状和社会发展的需要!并分析了发展水质自动检测系统的方法及可行性$ !关键词" 地表水% 水质监测模型% 人工智能 !中图分类号" 56’7#89!%5:;;!8!!9! !文献标识码" ! !文章编号" "##$ % &’()&’##*’$& % #$!) % #( !"#$%&’$(2<=<>?@ ?>ABCBDB?@ BEA<@@BF KL>C?D< M?A<> NL?@BAO GIEBAI>BEF ?>< JBKDLKKBEDBP@?DA<>BKABDK IC KLDH GIJ<@K!KLDH ?K +, E?@ M NL?@BAO P>C?D< M?A<>!ABG<*?>>?O P>< ?ABIE IC 012,# ?EJ 342 KOKAM?>J8 SKA?Q@BKHBEF M?A<> NL?@BAO ?LAIG?ABD GIEBAI>BEF KOKA C NL?@BAO ?LAIG?ABD GIEBAI>BEF KOKA< ?E?@OKC?D< M?A<>% M?A<> NL?@BAO GIEBAIEBEF GIJ<@K% ?>ABCBD?@ BEA<@@BF$?4+! .,/(07#$, #!$!*$!’#-(/’ !基金项目" 广东省自然科学基金资助项目&$%$&!(%!’%广东省教育厅自然科学基金重点项目&$#U$!!’%华南理工大学青年基金资助项目 &S#$#$**$’%广东工业大学博士启动基金项目&$()$)%’ 随着我国对环境问题的日益关注! 地表水质的变化也成为了众多研究的焦点$ 由于人民生活水平和社会经济的快速发展!污废水排放总量大大增加! 我国地表水水质有恶化的趋势$ 水质模型描述了污染物质在水中的物理"化学"生物作用过程的规律! 可以很好地对地表水水质的变化趋势进行预测$ 已有的水质模型定量预测多采用水体水质模拟来进行! 但由于大多水质模型在建立的过程中进行了一些简化和假设! 影响了模型与实体之间的模拟精确度!应用具有一定的限制$如今将人工智能计算引入水质预测模型是研究的热点! 数据的处理和统计分析甚至建模计算的大规模工作量都由计算机完成!提高了建模的精度和效率$ ! 水质预测模型中的数学方法 !8! +,神经网络水质预测模型及其改进 +, 神经网络是指基于误差反向传播 &+?DV ,>IP?F?ABIE’算法的多层次向前神经网络$ 神经网络具有大规模并行处理"连续时间非线性动力学"全局集体作用"高度的容错性和鲁棒性"冗余性"自学习及突时处理等许多优良特性$ 将神经网络技术引入水质预测! 通过样本的自学习来识别影响因子与水质指标之间复杂的非线性映射关系! 可很好地提高第 ’*卷第 &期 ’##*年 &月工业水处理 +,-./01234 53061 7163086,0 9:4;’* <:;& W&’但常规 0=1*9$模型不适应具有阶跃趋势的灰色动态序列"而在环境系统的建模,分析和预测中常会出现动态序列中具有阶跃趋势的情况’ 若结合某水域地面水 &./)的预测实践" 通过引入阶跃函数"给出一种带有阶跃函数的 0=1*9$参数的估计方法"则误差小,精度高,预测值呈非线性变化" 符合客观事物的发展规律"扩大了 0=1*9$灰色模型在环境系统中的应用范围’ 因此在应用灰色系统理论处理复杂,多样的环境系统时"必须选择与其相适应的合理模型’ 9,% 时间数列预测法时间数列又称动态数列" 它是将某种统计指标值按时间先后顺序排列起来" 以便研究其发展变化的水平和速度"来预测未来的一种统计方法"具有丰富的内涵’ 时间数列预测法按数列动态折线的特点分为直线趋势和非直线趋势" 所用的统计方法亦多种多样%?&’ 用于地表水质监测时"具有如下特点) *9$适合水质受被迁移物质的污染负荷量的变化以及迁移媒介体的流量的变动所支配" 污染情况十分复杂的地区地表水预测’若用物理模型进行预测" 则相当繁杂’ **$适合间隔长的一组延续的时间数列"特别是时间较长的往往存在着某种结构的长期趋势的年度资料"给它配合一条趋势线以作外推预测"往往收到事半功倍的效果’ *%$必须满足具备一定数量的数列项数,动态变化存在着某种发展规律, 数列令各指标值之间具有可比性的条件才能用该方法进行预测’ 专论与综述工业水处理 !""? # @A"!?*A$ 9( !"# $%&’(模型系统 $%&’( 模型系统!水质分析模拟模型系统"是由美国国家环保局暴露评估中心提出的一种多箱式水质模型#它通过模拟地表水中污染物运移和转化$ 采用一系列微分方程$ 可更为细致地进行污染物在水体中的运移和转化的动态描述#$%&’(模型研究的问题包括 )*+%+* 动力学%营养物 !富营养化%有毒化学成分运移等# 此模型在国外被广泛地用于预测水质对自然和人为污染的反应&,’$其特点在于(!!" 可用于一维%二维和三维的水质模拟问题$如分析池塘%湖泊%水库%河流%河口和沿海水域的一系列水质问题)!-"擅长数学模型数值计算)!."在数据管理和维护 % 模拟结果表现及空间分析上能力有限 # $%&’(模型由于综合考虑了多种生态条件的影响$ 对于水体的描述和模拟能力大大加强# !"( /0&系统在水质监测中的应用地理信息系统!/0&"$是在计算机软件和硬件支持下$ 运用系统工程和信息科学的理论综合处理和分析空间数据的一种技术系统$ 是水资源动态四维时空信息的储存%处理%复合%分析与计算评价的好方法&1’# /0&具有较强的空间分析能力$能够突出空间信息$可利用 /0&的空间分析特性$将预测结果做成数字化图$实现预测信息的可视化$使其清楚地反映水质的优劣和水质的空间变化规律$ 并以此结果来指导水资源的开发利用# 由于没有进行水质预测的功能$因此$需自行编制水质预测的程序并设置它与 /0&的接口$ 采用共享文件的方式$ 把水质预测的结果直接输入到地理信息系统中$ 然后利用 /0&强大的空间数据处理功能$绘制预测结果图$并叠加有意义的地理信息$可以为水体水质的动态%实时监测提供良好的参考# - 预测模型的发展趋势 -"! 水质预测模型的集成趋势每种预测模型都存在自己的优点和缺点$ 如数学模型擅长于数值计算$但在数据管理和维护%模拟结果表现及空间分析上能力有限)/0& 具有较强的空间分析能力$但没有进行水质预测的功能#可考虑将它们进行互补集成以提高水质模型的预测% 模拟能力及易用性# 例如把水质模型 $%&’( 与 /0& 技术进行集成$ 利用 /0&的空间建模功能强化水库水质模型# 清华大学的贾海峰等 &!2 ’以密云水库为背景$建立了两者之间的集成系统# 在该集成系统中$ $%&’(负责水质的模拟$ 而 /0& 负责 $%&’( 所需空间和属性数据的管理和分析# /0& 除可以直接提供 $%&’( 模型模拟所需数据外$ 还可在模拟前和模拟后$辅助用户的模拟的设计和分析# $%&’( 模型与 /0& 之间的集成$按照集成的紧密程度一般可分为 .种形式( !!"外联式集成# 它是一种松散的集成$即被集成的各部分通过外部接口进行联结$ 各个部件并没有融合在一起$ 它们之间集成的目的是为了利用各自的功能$ 集成的方式是通过文件交换机制来实现它们之间的数据交换# 其特点是集成较容易实现$但集成水平低%效率低$ 不能保证用户界面和数据结构一致性并且需人为地设定软件之间的数据流向$ 不能对模型进行灵活的开发和修改$缺少与仿真事件的交互# !-"半紧密内嵌式集成#各个系统软件的核心模块不变$ 但需要通过宏语言或其他编程语言编制各个部分之间的接口程序$设计一个统一的用户界面$ 在表面上看似一个集成的模型系统$如图 !所示# 图 ! /0&与 $%&’(模型的半紧密内嵌式集成示意其特点是这种方式的集成水平和工作效率均高于外联式集成$也不需要太多的软件开发工作$使用起来也比较方便$ 然而它的效率和对模型的修改和仿真事件的交互仍然缺乏灵活性# !."紧密内嵌式集成#集成后的系统应该能够在无缝的%友好的环境中进行工作# 此外$在紧密式内嵌的地理模拟%仿真信息系统中$用户还可以实时地将仿真结果可视化$ 根据查询要求干预或中断决策过程$查清关键的时空因子$并修改底层仿真模型# 但它要求大量的软件开发工作$ 非一般用户所能完成$需专业软件开发人员和领域专家合作$花费较多的人力和物力进行开发# 上述各种集成方式各有优缺点$ 对它们的选择要看具体应用的需求及所具备的条件# -"- 建立水质自动监测系统的趋势目前$ 对于地表水监测通常采用的方法是在河王志红!等"地表水质监测模型中的几种人工智能方法工业水处理 "#$3 % 4-$"3!-" !( !作者简介" 王志红!!"!"" #$#$$% 年毕业于哈尔滨工业大学$获工学博士$现工作于华南理工大学化学科学与工程博士后流动站% 电话&$#$&’(%"!’$)$*’"+$*(!$’+$#$,-./& 01234.45607*#+895,% !收稿日期" #$$% & $+ & ’" 流的某些断面定点定时取样$然后带回实验室分析$ 一般都是’离线(检测% 这种监测一般都是采用化学分析的方法%为了保证准确度$水质化学分析需要相当长的时间% 由于地表水的水质经常受沿岸污染源的排放)气象条件及季节变化等因素的影响$水质是随时间)空间变化的$因此从现场取样回实验室分析的方法不能全面)及时反映水质的异常变化$故出现了通过建立水质自动监测系统来弥补水质监测不足的趋势% 建立水质自动监测系统$ 可以全面了解水质污染现状$及时反映水质异常变化$追踪污染源$更好地为总量监测提供可靠的依据%目前$水质连续自动监测技术主要是用于连续自动监测那些能够反映水质污染综合标度的项目$如 :;)电导)<=)浊度)>=< 等$ 以便及时发现水质是否已经污染或是否出现异常$ 今后需逐步增加具体污染物项目的连续自动监测$以确定具体污染物的污染程度% 在后一步未能实现前$仍须采用实验室方法取样测定% 即使是连续监测$实际上也是现场取样回实验室分析的手段的一种补充$而不是取代% 水质连续自动监测系统由监测子站"数据通信"计算机控制中心组成% 当某子站监测的污染物指标超过设定的值时$ 立即指令该子站的采样装置启动$采集并存贮此时的水样%中心站定时向子站发送指令$数据记录及处理采用计算机处理收集$通过电话线和 ,51?, 的传送方式进行传送% 水质连续自动监测在使用中也存在一定的问题&!*#对水质污染的连续自动监测一般要比对空气污染的连续自动监测困难得多$ 这是由于污染水质的污染物种类繁多)成分复杂)干扰严重$经常需要前处理操作$而且水质污染物又往往是痕量的$需要建立各种提取方法及各种痕量分析方法$ 所有这些均为连续自动监测技术的开发带来一系列麻烦*!## 水质污染分析仪器是在实验室里发展起来的$ 这些分析仪器虽然原则上可用于无人操作的连续监测系统中$ 但实际上水质连续监测仪器长期运行的可靠性差$经常出现故障$传感器易沾污$采样器)样品流路易堵塞$不能适应恶劣的环境条件$可监测的项目有限$ 并且测量系统的校准以及经济投资等方面均存在一系列需要解决的问题% ’ 结论多年来由于人员)技术和经济水平的限制$水质自动监测系统在我国应用不普遍$ 我国的环境监测尚处于初级发展阶段$监测频次仅能做到枯)平)丰水期监测 #次$这对于水量)水质变化较大的河流来说$远不能满足管理的需要% 因此$建立水质自动监测已势在必行$但从技术角度讲$建立水质自动监测系统是一个复杂的系统工程$ 可以先从国外引进少量水质监测系统$经过消化吸收后再加以推广% !参考文献" +*,崔玉波$王进宝8 水环境质量综合评价的 @A 网络及层次分析法 +B,8太原理工大学学报$*))($#)!%#&%%*&%%%8 +#,黄胜伟$董曼玲8自适应变步长 @A 神经网络在水质评价中的应用 +B,8水利学报$#$$#$’’!*$#&**)&*#’8 +’,杨宇川$唐婉莹$黄刚8人工神经网络预测地表水中有机污染物浓度的研究+B,8 计算机与应用科学$#$$#$*)!%#&%’%&%’!8 +%,陈丽华$马德山8黄河水质综合评价的人工神经网络模型+B,8 西北民族学院学报!自然科学版#$#$$#$#’!’#&#(&’#8 +",常沁春8 @A 神经网络改进算法预测水质浓度的应用+B,8 甘肃环境研究与监测$#$$#$*"!’#&*(+&*((8 ++,郝毓灵$霍勇8 用灰色系统理论对新疆主要河流水质进行预测和分析+B,8 干旱环境监测$*))*$"!##&**(&**#8 +!,李世本$朱芳8’时间数列预测法(在地表水水质污染预测中的应用+B,8 江苏环境科技$*))*$(!%#&#’&#+8 +(,王有乐$张庆芳8 利用历史监测数据建立河流水质数学模型的研究+B,8 甘肃环境研究与监测$*))*$*"!*#&+&(8 +),董志颖$汤洁$杜崇8 地理信息系统在水质预警中的应用+B,8 水土保持通报$#$$#$##!*#&+$&+#8 +*$,贾海峰$程声通$杜文涛8 CDE 与地表水水质模型 FGEA" 的集成 +B,8清华大学学报!自然科学版#$#$$*$%*!(#&*#"&*#(8 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 工业用杀菌剂###加藤义晃8 BA #$$+#’#!%( 本发明提供了药剂稳定性优良$从制造到使用可长时间保存$而且容易添加的工业用杀菌剂% 该杀菌剂含有式!*#所示卤化醋酸酯和二氢&#&呋喃酮% 卤化醋酸酯与二氢&#&呋喃酮的质量比为 *())H*($8*% I&>;#>==&G&=>=>;#&I !*# 式中&I 为卤原子*G 为碳数 #H( 的亚烷基% !张淑云供稿" 专论与综述工业水处理 )’’!* $#$)!!## $国外技术信息$ *+

                    本文档为【地表水质监测模型中的几种人工智能方法】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
                    图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。 
 该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。

                    [版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。

                    本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。

                    网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
                

下载需要：免费已有0 人下载

立即下载

地表水质监测模型中的几种人工智能方法

你可能还喜欢