基于CNN-LSTM的工业出水水质预测模型

工业废水含有多种污染物,提前预测工业废水水质从而快速对其进行相应处理具有重要意义。为此,研究提出了一种新的卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory, LSTM)融合的工业废水水质污染物指标预测模型(CNN-LSTM)。为了更好地捕捉工业废水数据的时序性和动态性,模型设置了多个滑动窗口。使用CNN算法将时间序列数据进行高维特征提取,利用LSTM模型学习时间序列数据的时序特征,建立CNN-LSTM工业废水预测模型,并对废水水质中的化学需氧量(COD_Cr)、氨氮、总磷(TP)3项指标进行预测分析。结果表明,与CNN和LSTM两个基准模型相比,CNN-LSTM预测模型的平均绝对值误差率(MAE)和均方误差率(MSE)均较小,预测效果较优。该模型能较好地实现对工业废水出水水质的准确预测,可为工业废水水质的在线监测和精准控制提供有效的、可行的技术支持和决策依据。     

基于改进误差修正方法的灰色动态模型群水质预测

介绍了一种新的水质预测方法一灰色动态模型群法的基本原理和计算过程。将该方法应用于浑河沈阳段某监测断面的水质预测中,预测所得数值经过一种新的误差修正方法后和实际监测水质数据同时进行水质标识指数法评价,以便得出一个简单直观的结果对其精度进行检验。结论得出,应用新的误差修正方法的灰色动态模型群的预测结果与实际监测的水质结果一致,表明该方法能克服由数据序列随机波动性大而引起的GM（1,1）动态模型群预测精度不高的问题,可以作为水质预测中的一种有效的误善修正方法。     

基于PSO算法的ARMA模型长江化工污染水质预测

针对时间序列分析ARMA模型预测的问题,在研究传统预测方法缺点的基础上,提出了用粒子群优化算法(PSO)确定ARMA(r,m)模型的自回归阶数r和滑动平均阶数m的新方法。首先根据ARMA(r,m)模型对预测值与实际值提出相应的粒子群优化算法的适应度函数;然后选取适当的学习因子、惯性权重、种群大小、粒子速度和迭代次数,通过迭代找到最优解;然后找到最优的ARMA(r,m)模型对长江流域水质进行预测。通过MATLAB进行仿真证明了该方法简单可行,很大程度上提高了对长江水质化学污染的预测精度。     

基于SVR误差补偿技术的神经网络城市污水厂水质预测

城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模.为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法.该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正.为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对...     

基于水质模型的城市河流代谢特征受外源输入的影响

以非汛期低流量条件下的城市河流南淝河为研究对象,以河流新陈代谢速率为指标,探究两种不同类型外源输入对城市河流代谢特征的影响。提出利用水质机理模型(WASP模型)来计算河流代谢速率及其不同影响因素的贡献大小,从生物地球化学过程的角度解释外源输入对河流代谢的影响机制。研究结果表明,典型的生活污水少量排入城市河流使总初级生产速率(GPP)和群落呼吸速率(CR)均有提高。城市污水处理厂达标排放的尾水并非不会造成负面的环境影响,大流量尾水(即占污水处理厂下游河流流量约90%)补入河道,会对水体各生物化学组分产生强烈的稀释作用,改变原有生态系统的结构和功能,导致代谢速率大幅下降,并使河流代谢特征从上游的自养型代谢变化为下游的异养型代谢。随着我国城镇污水集中处理率的提高,城市河流受外源输入的影响将主要表现为污水处理厂的大流量尾水对河流生态系统功能和结构的破坏。     

基于WT和SSA-LSTM的短期天然气负荷预测模型研究

天然气作为一种清洁、高效、稳定的能源,在实现“双碳”目标中发挥重要作用,如何对其负荷进行高精度预测尤为重要。首先,将原始数据进行预处理,将预处理之后的数据利用Coiflets小波进行分解并进行归一化;其次,将归一化后的数据代入经麻雀搜索算法（SSA）优化后的LSTM模型进行训练与预测;接下来,将预测结果进行反归一化并进行重构;然后,以MAPE、RMSE和MAE对模型的预测效果进行评价,指出最优预测结果;最后,实例验证结果表明：最优结果是经过Coiflets小波4阶6层分解之后的组合模型,其预测精度为99.1%,达到了预期效果。此结果可以为天然气工程的在线应用和小波变换在其他预测情景中时间序列分解提供参考。     

基于KPCA-ICS-SVM模型的胶粘复合材料涂层管道外腐蚀速率预测研究

针对埋地管道外腐蚀问题,研究提出了一种基于KPCA-ICS-SVM组合模型的腐蚀速率预测方法,首先对基础数据及设定进行简单介绍,在此基础上,对KPCA(核主成分分析)算法、ICS(改进布谷鸟搜索)算法以及SVM(支持向量机)算法分别进行理论介绍,提出模型的组合方法,并制定模型验证的评估策略,引入实例验证的方式,对本次研究提出的组合模型进行验证,以此证明本次研究所提模型的可行性。研究表明:尽管影响管道外腐蚀问题的因素相对较多,但是土壤的电阻率、含水量、含盐量以及pH值属于影响外腐蚀的主要因素,使用KPCA-ICS-SVM模型对外腐蚀速率进行预测的过程中,其均方根误差仅为0.37%,希尔不等系数仅为0.32%,证明使用该种组合模型进行外腐蚀速率预测具有很强的准确率。本次研究证明可以使用KPCA-ICS-SVM模型对埋地管道的外腐蚀速率进行合理的预测。     

基于稳态模型的自适应预测控制策略及其应用

针对丙烯精馏塔,结合模型预测控制器的设计,提出基于系统稳态模型的自适应模型预测控制策略,利用稳态模型在不同操作点上被控变量对操纵变量及扰动变量的相对变化率的变化,来刷新调整预测模型各通道的增益,以有效提高对丙烯塔塔顶、塔底温度控制的性能.现场应用表明:采用该模型自适应调整方法,其控制温度的波动性降低了一个数量级,有利于产品质量的稳定.     

红外光谱中定量关系的研究:以极化效应指数对碳氧双键振动频率的分子建模与定量预测

系统研究发现 ,烷基化效应指数PEI(R)可用于碳氧双键即羰基 (>C =0 )振动频率 (vCO )的分子建模和定量预测。其定量构谱关系经线性回归得出 :v =a bPEI(a>0 ,b <0 )。结果表明 ,烷基极化效应使羰基频率降低。     

基于Dawson型H_6P_2Mo_(18)O_(62)杂化材料[Ni(2,2'-bipy)_3]_3(P_2Mo_(18)O_(62))的制备及其吸附性能研究

以H_6P_2Mo_(18)O_(62)、[Ni(2,2'-bipy)_3]Cl_2·5.5H_2O为原料,通过化学共沉淀法制备[Ni(2,2'-bipy)_3]_3(P_2Mo_(18)O_(62))复合材料,采用FT-IR、SEM、TG、BET等手段进行表征,并研究其对亚甲基蓝(MB)溶液的吸附性能。探讨了pH、初始浓度、温度等条件对MB溶液吸附效果的影响。结果表明,将H_6P_2Mo_(18)O_(62)与[Ni(2,2'-bipy)_3]Cl_2·5.5H_2O进行复合形成复合物[Ni(2,2'-bipy)_3]_3(P_2Mo_(18)O_(62))后,可有效克服其水溶性,大大提高了其液相吸附能力,且温度对其吸附性能影响不大。从实验结果可知,复合物对MB溶液的吸附分别符合Langmuir等温吸附模型和拟二级动力学模型。热力学参数ΔG~00、ΔH~00和ΔS~00,表明该吸附剂对亚甲基蓝的吸附是自发且放热的,且对其他阳离子染料罗丹明B也有较好的吸附效果。     

河流水环境水质预测模型研究应用及发展

良好的水环境对社会发展和生态保护起着十分重要的作用,提升河流水质、改善水环境问题是我国当前发展的焦点,也是环境环保征程里重中之重的环节。在大量环境参数的基础上,结合机理性水质模型的研究,不仅能准确反应水污染的规律变化和联系,还能预测未来水质变化情况,从而为水环境的提升发展提供科学有效的依据。本文阐述了河流水环境水质预测模型的研究进展、主要水质预测模型的原理及应用情况,并对未来发展趋势进行了分析。     

基于神经网络的污水处理厂水质预测模型

摘要该文针对污水处理厂进水水质变化及处理过程中具有非确定特性、不易精确控制等特点,充分利用神经网络模糊信息处理的优势,结合污水处理工艺过程,以MATLAB为研究平台建立一套具有3层神经网络结构的预测模型并进行仿真验证。结果表明该系统能够预测该污水处理厂12h后处理水质的状况,为运行管理提供可靠的数据支持,是一种预警处理水质的有效方法。     

基于多传感器技术的原油含水率预测模型研究

通过多传感器技术对原油含水率测量有影响的多个参量进行测定,提出基于多元非线性回归和神经网络融合处理两种方法建立原油含水率预测模型,并采用分段建模的方法分别进行改进.评价结果表明:神经网络模型预测效果优于多元非线性回归模型,原油含水率分段预测模型效果优于统一模型.尤其是改进的神经网络分段预测模型具有网络结构简化、收敛速度快,泛化能力强的特点,取得很好的拟合精度和预测效果.     

基于支持向量机的焦炭质量预测模型

采用机器学习方法中的支持向量机技术来预测焦炭质量,不需要了解煤成焦机理,综合考虑配合煤特性和焦炉加热制度的影响,而且克服了人工神经网络预测精度低的缺点,在取得最小拟合误差的同时可以得到最小的预测误差;给出了一种基于组态王6.0与VB6.0的焦炭质量在线预测系统框架.     

基于标识指数法的梅溪河饮用水源水质评价

该文应用标识指数法对2014年梅溪河边三座水厂原水的监测数据进行水质评价。结果表明梅溪河饮用水源水质维持在较好的水平,汛期多为Ⅱ类,其余时间为Ⅰ类,雨季总磷和粪大肠菌群含量偏高,主要是雨水和生活污水的排放造成;上游庵埠水厂取水口的水质总体略优于月浦水厂和东墩水厂。     

基于灰色预测模型的有杆抽油系统工况预测研究

为了能及时跟踪有杆抽油系统在井下作业过程中出现的故障问题,以便进行针对性的处理,对工况进行预测就变得很有意义。通过使用灰色预测模型对泵功图的特征值进行预测,将预测数值与原数值对比,分析其误差。结果表明,该预测模型的拟合程度较高,对有杆抽油系统的工况预测有良好的效果。     

南钢焦炭质量预测模型研究

基于南钢产业发展有限公司配煤炼焦实际生产数据,借助逐步回归法进行数据的分析与处理,建立了适合其自身特点的焦炭质量预测模型,经显著性检验以及预测结果分析,所建立的焦炭质量预测模型能够预测和控制焦炭质量,为优化配煤结构、降低生产成本奠定了理论基础。     

应用灰关联模式识别模型评价枯水期汉江水质

该文采用一种新的水质评价模型：灰关联模式识别模型,对2001年枯水期汉江中下游7个城市的水质进行了评价。水质级别分布从1.00到2.90级,精确而客观地反映了汉江水质现状。     

河流感潮段水环境影响预测评价

长江下游自大通至江阴为感潮河段,该河段主要受长江河口潮汐的影响,而江阴以下属于河口段,是潮流的往复区。根据《环境影响评价技术导则地面水环境》(HJ/T2.3-93)要求,结合长江马鞍山段污水处理厂尾水排放工程,采用河流相应模式,按照潮周平均、高潮平均和低潮平均,分别预测河流感潮段水环境影响。预测结果表明,污水处理厂尾水在低潮时期对水环境影响相对较大。