学位论文 > 优秀研究生学位论文题录展示

新薛河人工湿地污染物净化效果与水质预测应用研究

作　者: 谭晓慧
导　师: 苗群
学　校: 青岛理工大学
专　业: 环境工程
关键词: 新薛河人工湿地污染物净化 BP神经网络水质模拟预测
分类号: X703
类　型: 硕士论文
年　份: 2010年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

水质预测是水污染防治工作的重要内容,其预测结果可以为环保部门提供重要的研究依据。目前水质预测模型仍局限于机理模型,然而水环境污染过程的非确定性和高度非线性性,使得机理模型难以精确模拟污染物降解的复杂过程。人工神经网络属于复杂非线性科学和人工智能科学的前沿,进行复杂非线性系统模拟可以取得较好的预测效果,但其在水质预测方面的应用研究,在国内外尚处于初级阶段。本课题组在前期的工作中应用人工神经网络进行了南四湖、墨水河水质模型和水质预测的研究,结果表明应用人工神经网络可以取得较好的预测结果,为本文的研究积累了成功的学习经验。本文以南四湖新薛河人工湿地为研究对象,首先通过试验监测了人工湿地进出水主要污染物浓度,研究了人工湿地对污染河水的净化效果,为人工湿地水质预测模型的建立提供了数据基础。然后,从系统理论的角度出发,进行了基于BP神经网络的人工湿地水质模型的研究,并应用模型预测在《地表水环境质量标准》(GB3838-2002)Ⅲ类标准约束条件下新薛河人工湿地的最大进水负荷,水质预测结果的研究为水质水量调度方案的研究奠定了坚实的基础。本文获得的主要研究成果如下:(1)通过在新薛河人工湿地进行试验研究,监测了人工湿地导流渠进水CODCr、氨氮、TN和TP等污染物指标,以及各处理单元出水CODCr和氨氮浓度等,研究了人工湿地的污染物去除效果,得到了污染物净化负荷与有机负荷之间的关系。研究表明,人工湿地具有良好的污染物净化能力,人工湿地的建设大大改进了新薛河的河水水质。(2)在充分研究神经网络机理和国内外研究现状的基础上,建立了基于BP神经网络的人工湿地水质预测模型。模型建立过程中,为了增强网络的泛化能力,提高训练效率和精度,进行了一系列的优化设计。然后通过不断试算,分析不同隐含层节点数和不同训练方法时网络模型的性能,从而选择合理的网络结构及训练方法。最终确定网络的拓扑结构为:一个输入层、一个隐含层、一个输出层的三层神经网络。夏季模型隐含层节点数为9,网络训练函数采用量化共轭梯度法trainscg函数,冬季模型隐含层节点数为14,网络训练采用有自适应lr的梯度下降法traingda函数。(3)训练参数确定后,分别将人工湿地夏季和冬季样本数据中的前11组数据作为训练样本对网络进行训练,将第12组数据作为检验样本对网络进行验证。验证结果表明,夏季模型CODCr、氨氮、TN、TP的预测相对误差分别为1.5%、2.4%、7.7%、8.3%,冬季模型CODCr、氨氮、TN、TP的预测相对误差分别为11.7%、30.6%、3.3%、27.3%。经查阅文献可知,预测误差在可接受范围内,表明网络的训练是成功的,可以取得满意的预测结果,网络性能可以满足实际应用的要求。(4)将建立的人工湿地水质预测模型进行应用,经预测可知,在保证新薛河人工湿地出水达到地表水Ⅲ类水质标准要求时,人工湿地夏季进水负荷为:CODCr浓度≤48.8 mg/L、氨氮浓度≤2.23 mg/L,冬季进水负荷为:CODCr浓度≤26.1mg/L、氨氮浓度≤1.17mg/L。

全文目录

摘要  7-9
Abstract  9-11
第1章绪论  11-22
  1.1 研究背景及意义  11-12
  1.2 人工湿地国内外应用研究现状  12-17
    1.2.1 人工湿地的国内外发展历史  13-14
    1.2.2 人工湿地的国内外研究重点  14-15
    1.2.3 人工湿地数学模型  15-17
  1.3 基于人工神经网络的水质模拟研究进展  17-19
    1.3.1 人工神经网络水质模拟预测发展概况  18-19
    1.3.2 人工神经网络应用于人工湿地水质预测的可行性  19
  1.4 论文研究内容、来源及技术路线  19-22
    1.4.1 研究内容  19-20
    1.4.2 论文研究来源  20-21
    1.4.3 论文研究技术路线  21-22
第2章人工湿地污水净化原理  22-30
  2.1 人工湿地分类  22-24
    2.1.1 自由表面流人工湿地处理系统  22-23
    2.1.2 潜流人工湿地处理系统  23-24
  2.2 人工湿地的主要组成部分及作用  24-26
    2.2.1 基质  24-25
    2.2.2 微生物  25-26
    2.2.3 植物  26
  2.3 人工湿地的污染物降解机理  26-30
    2.3.1 净化作用机理  27
    2.3.2 污染物去除机理  27-30
第3章人工湿地试验研究  30-44
  3.1 试验研究目的  30
  3.2 人工湿地设计概况  30-34
    3.2.1 人工湿地选址  30
    3.2.2 工艺方案、流程  30-34
    3.2.4 植物选择与搭配  34
  3.3 水质监测项目与方法  34-36
    3.3.1 监测项目  34-35
    3.3.2 监测时间  35-36
    3.3.3 监测方法与仪器  36
  3.4 结果分析与讨论  36-42
    3.4.1 人工湿地进出水水质  36-39
    3.4.3 人工湿地净化效果  39-41
    3.4.4 污染物净化负荷与有机负荷的关系  41-42
  3.5 本章小结  42-44
第4章人工神经网络原理及模型构建机理  44-58
  4.1 神经网络模型概况  44-47
    4.1.1 神经元结构模型  44-45
    4.1.2 神经网络分类  45
    4.1.3 神经网络的互连模式  45-47
    4.1.4 神经网络的学习方式  47
  4.2 BP 神经网络的结构  47-48
  4.3 BP 网络的学习算法  48-54
    4.3.1 指导思想  48
    4.3.2 BP 网络的数学描述  48-52
    4.3.3 BP 网络学习算法的改进  52-54
  4.4 神经网络模型的建立  54-57
    4.4.1 样本选择与预处理  54-55
    4.4.2 隐含层节点数的确定方法  55-56
    4.4.3 BP 网络的激活函数  56-57
  4.5 应用MATLAB 软件进行神经网络模型的建立  57-58
第5章新薛河人工湿地系统水质预测模型构建  58-76
  5.1 人工神经网络进行水质预测的优越性  58-59
  5.2 人工湿地水质预测模型的原理  59
  5.3 原始样本的确定  59-62
  5.4 网络模型拓扑结构的设计  62-67
    5.4.1 输入输出层数的确定  62
    5.4.2 隐含层节点数的确定  62-66
    5.4.3 人工湿地模型的拓扑结构  66-67
  5.5 网络参数的确定  67-70
    5.5.1 节点转移函数的确定  67
    5.5.2 网络初始值的确定  67
    5.5.3 网络学习算法的确定  67-70
  5.6 神经网络模型训练检验结果  70-73
    5.6.1 人工湿地夏季模型  70-71
    5.6.2 人工湿地冬季模型  71-73
    5.6.3 神经网络检验结果分析  73
  5.7 神经网络模型的应用  73-74
    5.7.1 人工湿地进水水质预测  73-74
    5.7.2 预测结果分析  74
  5.8 本章小结  74-76
第6章结论与建议  76-79
  6.1 结论  76-77
  6.2 建议  77-79
参考文献  79-85
攻读硕士学位期间发表的学术论文及参与的科研工作  85-86
致谢  86-87
附件  87-89

新薛河人工湿地污染物净化效果与水质预测应用研究

内容摘要

全文目录

相似论文