基于机器学习的深圳湾水质预报

基于深圳湾浮标在线监测系统采集的高频监测数据,测试人工神经网络(Artificial Neural Network,ANN)、支持向量回归(Support Vector Regression,SVR)和随机森林(Rendom Forest,RF)等机器学习方法,对溶解氧(DO)、叶绿素a(Chl.a)、总氮(TN)和总磷(TP)等水质参数进行短期预报。研究结果表明:利用高频原位水质监测数据,机器学习可实现深圳湾24 h内水质的准确预报,其中,ANN最适合DO、Chl.a和TN的预报,24 h内预报结果的纳什系数(NSE)值均大于0.60,而RF模型最适合TP的预报,24 h内的NSE值均大于0.76。研究结论为粤港澳大湾区的水污染精准防治提供了方法支撑。

基于内外回流污泥形态参数的水质预报

水质监测是污水厂至关重要的环节。为快速、准确地获取实时水质数据,以内、外回流污泥为研究对象,通过显微镜图像结合软件分析,分别得到内、外回流污泥各自絮体的形态参数,并结合污水处理厂运行参数,采用偏最小二乘(PLS)法对内、外回流污泥絮体形态参数与好氧池出水水质指标(CODe、BODe、TNe和TPe)进行了回归分析,建立内回流污泥回归模型(PLS1模型)和外回流污泥回归模型(PLS2模型),通过分析两个回归模型中活性污泥絮体形态参数与出水水质指标之间的相关性,比较了两个回归模型的拟合效果和预测效果。试验结果表明:PLS2模型的拟合效果和预测效果要优于PLS1模型,该模型对好氧池出水中CODe、BODe、TNe和TPe的预测系数Q2分别为0.736、0.665、0.753、0.716;出水污染物浓度与内回流污泥絮体密实度参数呈正相关关系,而其与外回流污泥絮体密实度参数呈负相关关系。本试验建立了污水处理厂宏观系统与活性污泥絮体微观性质之间的相关关系,为污水处理厂的水质监测提供了一种新的方法。

基于小波分解的LSTM-Prophet水质预报方法研究

以耒水水质自动监测数据为分析对象,以实现水质短临预报为目标,探索基于小波变换去噪水质数据,开展LSTM+Prophet联合模型的短临预报研究。研究结果表明:(1)经小波变换去噪后,LSTM模型30天预报误差率降低了9.53%,Prophet模型30天预报误差率降低了2.11%。(2)在数据平稳情况下,LSTM次日临近预报误差率最低为15.12%,存在数据陡变时,LSTM模型预报精度大幅度降低;(3)LSTM-Prophet联合30天预报,相比LSTM和Prophet模型误差率平均降低5%左右。

马尔科夫过程在河流综合水质预报中的应用

本文运用随机理论，建立了一个马尔科夫链综合水质预报模型。并通过实例的应用分析，证明了模型的可靠性，从而为水质预报的科学化提供了依据。

动态系统物元模型在综合水质预报中的研究和应用

在研究物元分析理论的基础上，以不同时段的水体综合水质建立动态系统物元，运用综合评判模型对其进行综合水质评定，并通过建立回归预警模型进行综合水质预报。在实例应用中取得了较满意的结果，论证了该方法的合理性和可靠性，为环境质量预测提供了一种全新的思路和方法。

基于递归神经网络的焦化废水水质预报

采用铁碳电池预处理-厌氧-好氧-好氧-缺氧多级SBR工艺处理焦化废水实现了稳定的亚硝化反硝化生物脱氮。好氧、缺氧反应器的水质波动大,若能对其水质进行准确预报,对于指导生产操作及工艺流程实现计算机控制具有重要意义。本文建立了一个三层递归神经网络模型,对一级好氧、二级好氧、缺氧反应器的主要水质指标实现了准确预测,预报平均相对误差分别为2.86%、4.99%、4.2%。

污水处理过程的QSOM出水水质预报

针对活性污泥污水处理过程中微生物活动的不确定性、生化反应的复杂性及工艺参数的强耦合和大滞后等特性,提出一种量子自组织特征映射神经网络(QSOM)方法来进行出水水质预报。该方法将出水水质在异常情况下所对应的进水数据样本转换成量子态形式提交给网络输入层,通过计算量子输入与相应权值的相关系数作为网络的最佳输入匹配,学习规则中采用量子门更新网络权值。最后通过某污水处理厂生化处理过程中的实际运行数据的实验表明所提预报方法是有效的。

淮河沙颖河段水质预报系统的设计与实现

沙颖河流域两岸的小工业企业很多，水质指标ＣＯＤ、ＢＯＤ、ＮＨ３－Ｎ、ＮＯ３－Ｎ、ＤＯ平均浓度大大超过了国家《污水综合排放标准》三级标准，是淮河水系污染最为严重的的一级大支流，也是我国水质预报难点之一。该文利用已有的数据和经验，参考 ＭＩＫＥ１１－河流和水道模型系统，珠江口三角洲网河与伶仃洋多口门衔接水利计算等模型，根据沙颖河具体的水质特点，提出了一个水质模型，并在此基础上设计和实现了沙颖河段水质预报系统。其目的是通过预报，制定因沙颍河污水突然下泄时下游应采取的相应措施，为防污决策人员提供科学的数据，以便下游采取措施进行防范，减轻淮河干流水质污染。实践证明，该系统达到了设计要求。

马尔科夫链在鄱阳湖入湖河流水质预报中的应用

论文运用随机过程理论,结合水质监测资料,建立了马尔科夫链水质预测模型,并通过实例分析,将预测值与实测值进行对比,验证了模型的可靠性和有效性,为水质预报的科学化提供依据。

水质预报系统中垂向湍扩散并行算法实现研究

为了能更好地提高水质预报模式中物质输运方程的计算速率,以胶州湾数值预报系统中垂向扩散的串行算法为基础,提出了一种主要针对物质输运方程中的垂向扩散的MPI(message-passinginterface)并行算法。该算法将计算分解为多个子任务,并在基于MPI消息传递模式的集群系统中进行运算。与原串行算法进行比较,并行的加速比提高了33%以上,且并行效率最大可达90%,该结果表明了MPI技术在海洋数值模拟领域应用的潜力。

MPI技术在胶州湾水质预报系统的应用研究

为了能够更高效的提高胶州湾水质预报系统的运行速度,在原有基于串行模式的预报系统中引入了消息传递接口MPI(message-passing interface)并行处理技术,并在该系统中分别采用组通信模式和非阻塞通信模式,把整个水质预报系统分解为多个子任务,在基于MPI消息传递模式的集群系统中分别进行运算,通过实验表明了两种通信模式在运算速度上的差异,在预报系统中非阻塞通信模式比组通信模式更加优化。因此,非阻塞通信模式对水质预报模式的改进具有很大的潜力。

水质预报系统的MPI+OpenMP并行优化研究

OpenMP(Open Multi-Processing)能够在共享存储环境中获得理想的并行性能,MPI+OpenMP混合并行编程模型更贴近于多核心集群的体系结构。在多核心集群上进行实验,混合模型相对串行程序可缩短95%的运算时间,加速比超过20。实验结果表明,该混合模型比纯MPI并行的系统具有更优的加速比和扩展性,是对纯MPI并行系统的一种改进。

数据网格技术在淮河水质预报系统中的应用

数据网格是网络环境下有效共享和管理存储资源和分布式数据资源的大规模、可扩展的框架结构,它适应数据密集型应用对网络环境下数据共享和处理的需要,并给用户提供透明访问远程异构数据资源的机制。论文将数据网格技术应用到水质预报系统中,有效解决了水质预报系统中有效获取、处理淮河流域Tb、Pb的水情、水质数据等难题,并获得了较好的实用效果。

淮河沙颍河支流水质预报模型的参数率定

水质模型的参数率定一直是水质预报的难点。由于要求模型计算结果准确，故必须对每个参数反复多次计算才能给出一个较为可用的参数值。用传统的串行计算方法来处理参数率定问题，其计算时间过长，无法快速给出准确的模型。文章利用已有的数据和经验，根据沙颖河具体的水质和应用特点，在国内首次提出了采用基于并行计算技术的高性能计算方法，对沙颖河支流水质模型进行多参数率定的方案，并在曙光系列并行机上得以实现。结果表明：其率定的准确性大大优于常规率定，并缩短了整个模型的建模时间，由此为模型的快速应用提供了可靠的参数依据。

中长期地下水质预报的准确性探讨──以西安南为例

２０００年地下水资源和水环境预测已在全国７７个城市中开展（其中有１９９０年和１９９５年的阶段性预报）。本文以西安市为例对影响水质预测准确性的主要因素及方法进行了讨论。

平顶山市湛河水水质预报模型研究

运用随机理论——马尔科夫过程预报平顶山市湛河水质 ,并通过平顶山市湛河近十年的水质监测数据验证了模型的可靠性 ,对 2 0 0 0年前后湛河水质进行预报 ,为使 2 0 0 0年淮河流域水质变清 ,给平顶山市的管理层提供了一定的理论依据。

南水北调中线水源区水质预报方法研究

提出了对丹江口水库水质进行预报的方案。首先对水源区的污染物总量进行准确测算,其次对进入库区的水量进行预报,最后根据预报水量和预测的污染物总量,采用水库水质数学模型计算预报日期的污染物含量,从而预报坝前水质状况。

建立浑河闸灌溉供水及水质预报模型之探讨

新时期,灌溉供水不仅要满足用水量的需要,而且要保证水质达到灌溉标准,我们尝试建立灌溉供水和水质相统一的预报模型,从而达到优化调度、合理利用水资源、提高水质标准、满足农业供水需求之目的。

浑河闸灌溉供水及水质预报模型的探讨

本文就建立浑河闸灌溉供水及水质预报模型进行了探讨。尝试建立灌溉供水和水质相统一的预报模型,使灌溉供水不仅要满足用水需要,而且要保证达到灌溉标准,从而达到优化调度,合理利用水资源,提高水质标准,满足农业供水需求之目的。