基于svr法确定余氯在管网中的衰减系数

《基于svr法确定余氯在管网中的衰减系数》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、竺：：鎏三些銮兰三兰罂圭主竺鲨兰regressionmachine(SVR)．nlcmethodbasedonthestatisticlearningtheoryconquerstheshortcomingsofANN．andissuitforthelittlesampleprediction．TheaimofthearticleistointroducetheSVRtopredicttheresidualchlorinedecaycoe艏cient．andtocombineSVRwithdynamichyd

2、ranlicmodelinordertoestablishthedynamicwater’qualitymodel．Inaddition，SVRmodelCanalsoanalyzethemainfactorofeffectingresidualchlorinedecayinthewatersupplynetwork．Inthearticle，thebasictheoryofSVRwasdiscussedinparticularbasedongeneralizedoptimizedclassification

3、side．BycontrastingitwithANN．pointouttheadvantage．Intherealizationarithmeticthearticleintroducedthepoplurdecomposedmethod-sequentialminimaloptimizationalgorithm(SMO)．tnfinal，usingLabVIEWproceduresrealizetheSM0．KeywordsWaterdistributionsystem；Residualchlorine

4、prediction；Suppoavectorregressionmachines；Sequentialmimmaloptimizationalgorithm—IV-竺兰鎏王些奎：三兰璺老兰堡鎏耋1．1课题背景第1章绪论随着我国科学技术的进步、社会经济的发展以及人民生活水平的提高，人们对于生活饮用水水质的要求也越来越高。如今随着各项新技术、新理论在水处理环节的应用，使得水厂出水的水质得到很大程度的提高。但是从水厂出水到用户还需要通过庞大复杂的管网输配水系统。途经管线长度可达数十公里，水在管网中的滞留时间从数小

5、时到数日。例如，哈尔滨市水在管网内平均滞留时间为5小时以上，天津市水从水厂到最不利用户最长滞留时间可达两天以上。城市给水管网就如同庞大的“管式反应器”，水经管网输送过程中有足够的时间进行生物、化学、物理等反应，使水受N--次污染，致使达标的水经管网输送到用户时，往往达不到国家饮用水水质标准【1l。因此，维护管网水质也成为给水管网调度和管理工作的主要任务之一。氯作为给水处理中使用最广泛的消毒剂，除价格便宜管理方便外，它还具有后效作用。在管道水中维持一定量的余氯，不仅可以有效抑制水中细菌的再繁殖，而且当水在输送过

6、程中受到二次污染时，还可以起到“卫士”的作用。因此余氯作为管网水质的一项重要的水质指标，它的大小直接反映了管网水质的安全状况。为了保证生活饮用水的安全输配，优化管网水质的管理调度，需要及时掌握管网中各点的余氯分布情况。目前，各水司大多采用人工巡检的办法，在管网中选取一些代表性的点位，进行余氯值的人工采样测试；此外，杭州、天津等～些大的水司已经或准备建立给水管网水质的在线监测系统，以能够更加准确及时的掌握管网中一些控制点的水质情况。但即使这样也无法对庞大复杂的管网系统形成一个全面的掌握和控制。因此管网水质的预测

7、、建模便成为实现管网水质控制、管理的一条必经之路。在管网水质的预测、建模过程中余氯的预测是其中最为关键的一环。近几年，一些统计方法被应用于管网余氯预测，如人工神经网络、多元线性回归等。这些方法的优点是，不需进行管网余氯消耗的机理性研究，而是将管网作为～个灰箱系统，依靠大量的基础数据来推测判断出余氯消耗的内在规律性。因而，这些方法都需要大量的数据资料，但在现实水质数据收集过程中，所取得的余氯样哈尔滨工业大学工学硕士学位论文本数据很有限，致使现有的预测方法难以取得理想的效果，因此需要开发一种适用于小样本预测的余氯

8、预测分析方法。支持向量机(SupportVectorMachincSVM)是20世纪90年代中期由Vapnik等人针对模式识别问题所提出的一种小样本通用的学习算法【2]。该算法是建立在统计学习理论基础上，借助于最优化方法解决机器学习问题的新工具。目前，该算法不仅成功处理了模式识别、判别分类等问题，而且随着Vapnik对e一不敏感损失函数的引入，SVM己推广到解决非线性回归估计问题，并开始用于预测、预