基于相空間重構的SVM江水濁度預報及水廠監(jiān)控管理系統(tǒng)研究.pdf

1、本文以哈爾濱市某制水廠為例，對制水工藝過程及水廠管理系統(tǒng)進行研究。投藥環(huán)節(jié)作為制水過程中的主要工藝，對其進行預測控制及原水濁度預報將對節(jié)省投藥量和制水廠成本核算具有促進作用。本文根據(jù)江水濁度非線性非平穩(wěn)、難以準確預報的特點，提出應用基于相空間重構的SVM預報方法對江水濁度進行預報。該研究結果對提高城市自來水制造系統(tǒng)的可靠性、運行效率和經(jīng)濟性具有積極的意義。
　　江水濁度作為水文動力學系統(tǒng)的重要指標，受到大氣、環(huán)境、地質(zhì)等多方面影響

2、，具有非線性、非平穩(wěn)等特點。傳統(tǒng)的研究和預報方法不能充分滿足對江水濁度預報準確度的要求。本文將相空間重構思想引入江水濁度時間序列的研究中，應用互信息法選取最佳延遲時間，利用虛假鄰域法計算最佳嵌入維數(shù)，進而重構相空間以重現(xiàn)江水濁度系統(tǒng)的完整信息。
　　支持向量機(Support Vector Machine，簡稱SVM)是建立在統(tǒng)計學習理論的VC維理論和結構風險最小原理基礎上的機器學習方法，針對小樣本統(tǒng)計問題，克服了神經(jīng)網(wǎng)的結構選擇

3、和局部極小值等問題，具有良好的泛化能力。本文中應用SVM方法對重構相空間后的時間序列進行預報，并與RBF預報方法和BP網(wǎng)絡預報方法進行對比。通過中長期預報、短期冬夏季預報等的結果對比，驗證基于相空間重構的SVM預報方法對于江水濁度時間序列預報在預報精度和預報時間上優(yōu)于其他預報方法，滿足實際需要。
　　論文最后構建了基于江水濁度預報的水廠監(jiān)控管理軟件，采用InTouch組態(tài)軟件和SQL Server數(shù)據(jù)庫，根據(jù)用戶需求規(guī)劃軟件功能，