基于SVR法確定余氯在管網中的衰減系數.pdf

1、隨著生活水平的不斷提高，人們對生活飲用水的水質要求也越來越高。為了滿足人們對于高質量飲用水的需求，各級供水部門都積極致力于提高供水安全性的研究中。在凈水技術不斷發(fā)展完善的同時，城市飲用水安全保障的研究重點開始向管網安全輸配水方向轉移，從而城市給水管網系統(tǒng)的水質檢測與控制已成為該領域的熱門課題。 氯消毒以其突出的優(yōu)勢已成為我國目前各級供水部門普遍采用的一種飲用水消毒方式。這其中一個主要的特點就是氯消毒的后效作用，而這個特點也使得余

2、氯濃度水平成為評價管網水水質安全與否的重要指標。因此目前對管網水質的監(jiān)控主要體現在對管網中余氯濃度值的監(jiān)控。而以現有的檢測手段很難通過實測的方法實現對管網水中余氯濃度的全程適時檢測，所以余氯預測便成為實現管網水質監(jiān)控的關鍵環(huán)節(jié)。 現有的余氯預測方法主要集中為一階衰減模型及以此為基礎的各種演變形式以及人工神經網絡模型。一階衰減模型是基于余氯衰減動力學機理而提出的一種模型，是目前所廣為應用的形式，但是其不足在于，該模型對于起始衰減階

3、段的預測不是很理想；而且管壁衰減系數的確定仍然是個難題。人工神經網絡模型是一種統(tǒng)計學模型不需要對衰減機理進行研究，但在其應用過程當中也存在著一些不足，例如，所得結果不是全局最優(yōu)，存在極值點問題；過于追求擬合精度而造成過學習問題；建模過程對于建模者的經驗要求較高。 針對此現象本文提出一種新的機器學習算法—支持向量回歸機(SVR)方法。該方法基于統(tǒng)計學習理論，借助于最優(yōu)化方法，采用結構分風險最小化原則，所有這些特點使得該方法得以很好

4、地解決了人工神經網絡的諸多不足；而且該方法是一種專門適合于小樣本分析的預測方法。本文的目的就是通過引入該方法實現對管網余氯衰減變化系數的確定，從而使得一階衰減模型的工程應用更加便利化、合理化。 文中以廣義最優(yōu)分類面理論為基礎對SVR的基本思想進行了較為詳細的探討，并從原理上將其與人工神經網絡進行了對比，指出它的優(yōu)勢所在。在模型的實現算法研究中本文引入了目前最為流行的分解算法并重點論述了該算法的一種特殊形式——SMO算法。最后通過