学位论文 > 优秀研究生学位论文题录展示

地表水水质自动监控系统设计

作　者: 孙继洋
导　师: 王晓萍
学　校: 浙江大学
专　业: 光学工程
关键词: 环境监测水质监控系统软件设计水质预测神经网络
分类号: X84
类　型: 硕士论文
年　份: 2006年
下　载: 380次
引　用: 2次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  2-3
ABSTRACT  3-7
第一章绪论  7-13
  1.1 水质监测的意义  7-9
    1.1.1 中国水环境的现状  7
    1.1.2 水质监测的意义  7-9
  1.2 水质监测的现状  9-10
    1.2.1 水环境监测的现状  9-10
    1.2.2 水环境监测的发展趋势  10
  1.3 论文研究的内容和目标  10-13
    1.3.1 论文研究的内容  10-11
    1.3.2 论文研究的目标  11-13
第二章水质自动监控系统结构设计  13-26
  2.1 水质自动监控系统设计规划  13-18
    2.1.1 系统化的设计思想  13-14
    2.1.2 网络化的结构体系  14-16
    2.1.3 智能化的监控系统  16-17
    2.1.4 标准化方法的运用  17-18
  2.2 水质检测指标与检测原理  18-20
    2.2.1 水质常规检测指标  18
    2.2.2 水质常规检测指标的检测原理  18-20
  2.3 水质自动监控系统功能分析  20-26
    2.3.1 现场自动监控系统功能  20-25
    2.3.2 远程管理中心监控系统功能  25-26
第三章水质自动监控系统软件设计  26-48
  3.1 软件开发的基本原则  26-27
  3.2 程序设计方法  27-28
  3.3 软件的需求分析  28-33
    3.3.1 性能需求  28
    3.3.2 运行环境需求  28-29
    3.3.3 可靠性需求  29
    3.3.4 数据管理能力需求  29
    3.3.5 其他专门需求  29
    3.3.6 编程语言的选择  29-30
    3.3.7 LabVIEW图形化编程语言  30-31
    3.3.8 LabVIEW程序开发机制  31-33
  3.4 水质监控系统软件总体设计  33-34
    3.4.1 前台人机交互程序的总体设计  33-34
  3.5 后台运行程序总体设计  34-35
  3.6 水质监控系统功能模块设计  35-48
    3.6.1 初始化模块  35-36
    3.6.2 数据通讯模块  36-37
    3.6.3 数据处理模块  37-40
    3.6.4 系统运行状态监测模块  40
    3.6.5 UPS监测模块  40-41
    3.6.6 数据压缩模块  41-42
    3.6.7 远程控制响应模块  42-43
    3.6.8 FTP上传模块  43-44
    3.6.9 水质监测站实景照片  44-48
第四章水质监控系统的软件实现与测试  48-61
  4.1 水质监控系统的现场站软件实现  48-55
    4.1.1 系统主界面  48-49
    4.1.2 显示界面  49-50
    4.1.3 查询界面  50-53
    4.1.4 控制界面  53
    4.1.5 参数设置界面  53-54
    4.1.6 报表界面  54-55
  4.2 水质监控系统的远程中心站软件实现  55-58
    4.2.1 站点信息  56-57
    4.2.2 站点访问  57-58
  4.3 水质监测软件的测试  58-61
    4.3.1 软件测试的基本方法  58-59
    4.3.2 水质监测软件的单元测试  59
    4.3.3 水质监测软件的综合测试  59-61
第五章水质指标的预测研究与模型建立  61-77
  5.1 常用预测方法介绍  61-65
    5.1.1 时间序列预测法  62
    5.1.2 灰色系统预测法  62-63
    5.1.3 神经网络预测法  63-64
    5.1.4 不同预测方法的特点  64-65
  5.2 BP神经网络的基本原理  65-66
  5.3 预测模型的研究与建立  66-71
    5.3.1 BP神经网络的优化算法  66-67
    5.3.2 水质预测 BP神经网络结构的确定  67-68
    5.3.3 样本的选取与预处理  68-71
  5.4 预测结果与讨论  71-77
第六章结论与展望  77-79
参考文献  79-81
研究生期间收录的论文  81-82
致谢  82

地表水水质自动监控系统设计

内容摘要

全文目录

相似论文