城市给水管网水质安全性评价体系研究

论文摘要

城市给水管网的水质安全评价对于提高供水调度与管理水平十分重要,是向各类用户提供符合国家相应水质标准水的有力保障。水在传输过程中由于在管内滞留,很容易在管道中发生的物理、化学变化以及生物作用,导致水质监测指标结果的严重恶化,因此有必要建立相对安全的城市给水管网水质评价体系。本文对水质管网模型进行了研究,通过对给水管网中余氯、水龄、三卤甲烷和微生物水质模型的分析,为采用何种评价方法对给水管网水质进行评价提供了理论基础和保证。在对给水管网的水质评价体系构建中,首先对模糊聚类进行了理论分析,并在计算机上设计了一个将其应用于给水管网水质分析的模型,此方法很好地提高了给水管网水质评价的有效性和客观性,加快了评估的速度。由于模糊聚类的结果单一性,不能直观形象的反映水质状况,故研究中尝试性地构建自组织特征映射网络（Self-Organizing Feature Map,简称SOM）聚类评价体系对管网进行水质评价。较目前国内外已有水质状况评价模型及多采用的等级评价而言聚类评价人为干预少评价结果更为客观。通过实测给水管网运行数据并结合计算机模拟,以前文介绍的给水管网中各节点和管段的水质指标1h数据为基础,使用MATLAB高级语言编写聚类评价程序。将SOM算法应用于哈尔滨市给水管网的水质聚类评价体系中,以节点将水质状况划分为5种类型,第5类水质最差,不能满足水质标准要求。与单指标评价相比,SOM网络能兼顾对单个水质指标监测数据和整体数据的分析,客观反映水质在整个管网中的格局分布。得到的分类结果与实际供水状况相符,对合理布置水质监测点,指导水质运行安全调度、优化改扩建等供水水质安全的高层次管理有重要意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 给水管网水质评价的目的
• 1.1.1 给水管网水质评价的重要性
• 1.1.2 给水管网水质存在的问题
• 1.1.3 给水管网的二次污染
• 1.2 给水管网水质评价方法
• 1.3 给水管网水质评价的研究进展
• 1.4 课题来源
• 第2章 给水管网水质模型研究
• 2.1 给水管网水质模型概述
• 2.2 给水管网水质模型的作用
• 2.3 给水管网水质模型及仿真系统的研究
• 2.3.1 水质模型——稳态模型
• 2.3.2 水质模型——动态模型
• 2.3.3 管网水质仿真系统的研究
• 2.4 给水管网中余氯消耗的水质模型分析
• 2.4.1 管道主体水中余氯的消耗
• 2.4.2 管壁表面与管壁生长环物质反应引发的余氯消耗
• 2.4.3 给水管网中余氯衰减的动力学方程
• 2.4.4 以余氯为水质指标的哈尔滨市给水管网水质评价
• 2.5 给水管网中水龄的水质模型
• 2.5.1 水龄概念
• 2.5.2 节点水龄的计算分析
• 2.6 给水管网中三卤甲烷的水质模型分析
• 2.6.1 给水管网中三卤甲烷生成的动力学机制
• 2.6.2 管网中三卤甲烷的水质模型
• 2.7 给水管网重要微生物学水质模型分析
• 2.8 本章小结
• 第3章 给水管网模糊聚类评价体系分析
• 3.1 模糊聚类评价概述
• 3.1.1 模糊聚类技术的特点
• 3.1.2 模糊聚类分析理论的发展概况
• 3.1.3 模糊聚类分析理论的研究现状
• 3.1.4 模糊集合理论基础
• 3.2 给水管网水质评价应用模糊聚类方法
• 3.2.1 模糊聚类算法概述
• 3.2.2 模糊C-均值聚类算法的实现原理
• 3.2.3 给水管网应用模糊聚类算法的具体步骤
• 3.3 本章小结
• 第4章 给水管网自组织神经网络聚类评价体系分析
• 4.1 给水管网自组织神经网络算法
• 4.1.1 自组织神经网络结构
• 4.1.2 自组织特征映射网络的数学模型
• 4.1.3 自组织神经网络竞争学习规则
• 4.1.4 给水管网自组织特征映射网络模型的学习过程
• 4.1.5 自组织特征映射网络学习的具体步骤
• 4.1.6 自组织特征映射网络算法较其它非监督式分群方法的优点
• 4.2 K-均值聚类算法
• 4.2.1 K-均值算法思想
• 4.2.2 K-均值在自组织特征映射网络算法中的应用
• 4.2.3 K-均值算法步骤
• 4.3 效能指标
• 4.4 本章小结
• 第5章 哈尔滨市给水管网水质聚类评价
• 5.1 对哈市给水管网水质的模糊聚类评价
• 5.1.1 哈尔滨市供水管网概况
• 5.1.2 哈尔滨市供水管网水质模糊聚类分析
• 5.2 对哈市给水管网水质的自组织神经网络聚类评价
• 5.2.1 自组织特征映射网络算法的构建及相关参数的初始化设定
• 5.2.2 自组织特征映射网络的训练及聚类过程
• 5.2.3 样本分类结果
• 5.2.4 评价结果应用
• 5.3 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