基于相空间重构的SVM江水浊度预报及水厂监控管理系统研究

论文摘要

本文以哈尔滨市某制水厂为例,对制水工艺过程及水厂管理系统进行研究。投药环节作为制水过程中的主要工艺,对其进行预测控制及原水浊度预报将对节省投药量和制水厂成本核算具有促进作用。本文根据江水浊度非线性非平稳、难以准确预报的特点,提出应用基于相空间重构的SVM预报方法对江水浊度进行预报。该研究结果对提高城市自来水制造系统的可靠性、运行效率和经济性具有积极的意义。江水浊度作为水文动力学系统的重要指标,受到大气、环境、地质等多方面影响,具有非线性、非平稳等特点。传统的研究和预报方法不能充分满足对江水浊度预报准确度的要求。本文将相空间重构思想引入江水浊度时间序列的研究中,应用互信息法选取最佳延迟时间,利用虚假邻域法计算最佳嵌入维数,进而重构相空间以重现江水浊度系统的完整信息。支持向量机(Support Vector Machine,简称SVM)是建立在统计学习理论的VC维理论和结构风险最小原理基础上的机器学习方法,针对小样本统计问题,克服了神经网的结构选择和局部极小值等问题,具有良好的泛化能力。本文中应用SVM方法对重构相空间后的时间序列进行预报,并与RBF预报方法和BP网络预报方法进行对比。通过中长期预报、短期冬夏季预报等的结果对比,验证基于相空间重构的SVM预报方法对于江水浊度时间序列预报在预报精度和预报时间上优于其他预报方法,满足实际需要。论文最后构建了基于江水浊度预报的水厂监控管理软件,采用InTouch组态软件和SQL Server数据库,根据用户需求规划软件功能,分别建立了数据库服务器和现场监控管理平台。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及研究的目的和意义
• 1.1.1 本课题研究的目的及意义
• 1.2 江水浊度预测方法发展现状
• 1.2.1 时间序列研究发展现状
• 1.2.2 浊度预报方法的发展现状
• 1.3 国内外水厂监控系统发展现状
• 1.3.1 国外监控系统的发展现状
• 1.3.2 国内监控系统的发展现状
• 1.4 研究对象概况
• 1.5 本文的主要研究内容
• 1.6 本章小结
• 第2章 相空间重构和SVM理论
• 2.1 相空间重构
• 2.1.1 最佳延迟时间
• 2.1.2 最佳嵌入维数
• 2.2 支持向量机
• 2.2.1 支持向量机预报概述
• 2.2.2 支持向量机预报方法
• 2.3 本章小结
• 第3章 基于相空间重构的SVM江水浊度预报
• 3.1 江水浊度序列的相空间重构
• 3.2 江水浊度的SVM预报模型的建立
• 3.3 确定预报误差指标
• 3.4 江水浊度的中长期预报
• 3.4.1 利用基于相空间重构的SVM模型预报
• 3.4.2 SVM模型预报与其他预报方法比较
• 3.5 江水浊度的短期预报
• 3.5.1 冬季江水浊度预报
• 3.5.2 夏季江水浊度预报
• 3.6 本章小结
• 第4章 水厂监控管理软件的开发
• 4.1 水厂监控管理软件设计
• 4.1.1 软件开发原则
• 4.1.2 需求调查及功能模块设计
• 4.2 水厂监控管理软件开发平台
• 4.2.1 InTouch组态开发平台
• 4.2.2 SQL Server数据库服务器
• 4.3 监控管理软件的构建和开发
• 4.3.1 数据库创建
• 4.3.2 监控管理平台的开发
• 4.3.3 江水浊度预报模块的构建
• 4.4 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文
• 致谢
• 作者简介