城市污水处理厂数据挖掘及相关技术研究
城市污水处理厂论文 数据挖掘论文 非线性动力学分析论文 城市污水量预测论文 异常检测论文 异常征兆模
论文详情
城市污水处理厂存在着“数据丰富,但信息贫乏”的现象。同时污水处理过程作为一个复杂的工业过程,它的数据跟商业、金融、生物学等领域的数据相比具有不同的特点:1.数据量巨大、高维且有较强的耦合性;2.工业噪声和过程中的不确定性;3.动态性与数据类型的多样性;4.多时标性与不完整性;5.多模态性。基于这样一个事实,本文从数据预处理技术、城市污水量的非线性动力学分析和预测、城市污水处理厂异常检测与异常征兆模式挖掘、活性污泥工艺仿真平台的构建和扩展等多个方面研究了城市污水处理厂数据挖掘的理论和方法,主要工作和创新总结如下:1.在数据预处理技术方面,对数据集成、数据清洗、数据转换和数据归约等一系列的数据预处理技术进行了研究,并给出了相应的一系列算法。在这些研究的基础上,提出主题和应用双层导向的数据预处理技术,并利用这种技术设计了三个不同主题应用的数据预处理过程。2.在城市污水量的非线性动力学分析和预测方面,首先对Grassberger & Procaccia(GP)算法、虚假近邻法、Cao方法、自相关函数法、互信息量法和CC算法等相空间重构技术进行了研究,并用这些技术进行了相空间重构。在此基础上,通过最大Lyapunov指数、邻近返回点图分析(CRP,Close returns plot)和替代数据法分析判断城市污水水量时间序列存在混沌。基于这一结论对时间序列进行预测。利用神经网络对相空间重构的输入、输出矢量进行学习和训练得到一个能拟合输入、输出的神经网络模型。然后利用此模型对城市污水水量进行短时预测,取得了较为满意的预测效果。3.在城市污水处理厂异常检测与异常征兆模式挖掘方面,针对污水处理厂数据类分布极不平衡和代价敏感等特点,利用RWLOO(α)对支持向量机(Support Vector Machine,SVM)进行改进,用于污水处理过程的异常检测。利用遗传算法(Genetic Algorithm,GA)对改进支持向量机的全局最优化问题进行求解。此外为这种改进的支持向量机设计了一种简化算法,提高了运算速度。实际的运算结果显示,这种改进的支持向量机与标准的SVM和神经网络比较,对城市污水处理厂的异常的检测可以取得较好的效果。异常产生前会出现一些征兆,为了尽早地识别这些征兆以便及时的采取相应措施,避免异常的产生,本文利用异常征兆模式挖掘的方法来解决这一问题。首先定义序列模式相异度来区别正常模式与异常征兆模式,在此基础上提出基于滑动窗口的异常征兆模式挖掘算法。实际应用的结果表明,该算法可以提前识别出异常的征兆模式。4.在活性污泥工艺仿真平台的构建和扩展方面,首先对国际水协会(International Water Association,IWA)和欧洲科学技术研究合作组织(European Co-operation in the field of Scientific and Technical Research,COST 624)提出的污水仿真标准平台进行了研究。在此基础上,对COST的污水仿真标准平台进行扩展,使扩展后的平台能够对处理过程的异常进行仿真。其中扩展的重点是活性污泥膨胀模型:生物反应器的部分用模型概括了动力学选择理论、微生物衰减理论、营养物扩散理论和有机物贮存理论,二沉池部分根据丝状菌骨架理论对双指数沉降模型进行了改进。整个模型能够模拟污水量、曝气量、底物浓度和氮浓度四个变量引发的污泥膨胀。模拟结果跟理论分析是一致的。此外模型还在传感器故障和执行装置故障等方面进行了扩展,使扩展后的平台能仿真污水处理过程的大部分异常。扩展后的仿真平台在过程模型化、控制策略构造和评价、员工培训、趋势预报、环境风险评测等方面有广泛的应用前景。
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-37页 |
1.1 课题背景 | 第12-13页 |
1.2 活性污泥工艺控制研究概况 | 第13页 |
1.3 城市污水处理厂数据挖掘技术综述 | 第13-34页 |
1.3.1 数据挖掘概述 | 第14-18页 |
1.3.2 数据挖掘的模式和算法 | 第18-26页 |
1.3.3 数据挖掘的应用与发展趋势 | 第26-28页 |
1.3.4 城市污水处理厂数据挖掘的研究现状 | 第28-33页 |
1.3.5 数据挖掘对城市污水处理厂的意义 | 第33-34页 |
1.4 论文的主要工作和组织结构 | 第34-37页 |
第2章 数据预处理技术研究 | 第37-56页 |
2.1 数据预处理的主要算法 | 第37-51页 |
2.1.1 数据集成 | 第37-38页 |
2.1.2 数据清洗 | 第38-49页 |
2.1.3 数据转换 | 第49-50页 |
2.1.4 数据归约 | 第50-51页 |
2.2 主题和应用双层导向的数据预处理技术 | 第51-55页 |
2.3 本章小结 | 第55-56页 |
第3章 城市污水量的非线性动力学分析和短时预测 | 第56-89页 |
3.1 研究对象 | 第56-57页 |
3.2 混沌概述 | 第57-60页 |
3.2.1 混沌产生的原因 | 第57-59页 |
3.2.2 混沌研究的历史与现状 | 第59-60页 |
3.3 混沌时间序列的识别 | 第60-87页 |
3.3.1 时间序列滤波处理 | 第60-63页 |
3.3.2 相空间重构 | 第63-78页 |
3.3.3 时间序列混沌性的识别 | 第78-87页 |
3.4 城市污水量短时预测 | 第87-88页 |
3.5 本章小结 | 第88-89页 |
第4章 城市污水处理厂异常检测及异常征兆模式挖掘研究 | 第89-108页 |
4.1 支持向量机 | 第89-91页 |
4.2 改进的支持向量机 | 第91-93页 |
4.2.1 非线性软间隔分类的改进 | 第91页 |
4.2.2 多类分类的改进 | 第91-92页 |
4.2.3 R_(WLOO)(α)对支持向量机的改进 | 第92页 |
4.2.4 R_(WLOO)(α)的简化计算 | 第92-93页 |
4.2.5 特征的选择 | 第93页 |
4.3 遗传算法 | 第93页 |
4.4 异常检测应用 | 第93-100页 |
4.4.1 基本资料 | 第93-94页 |
4.4.2 数据基本特征 | 第94-95页 |
4.4.3 训练数据和测试数据的挑选 | 第95页 |
4.4.4 异常检测结果和讨论 | 第95-100页 |
4.5 污水处理厂异常征兆模式挖掘 | 第100-107页 |
4.5.1 序列模式相异度 | 第101-102页 |
4.5.2 异常征兆模式挖掘算法 | 第102-105页 |
4.5.3 异常征兆模式挖掘应用实例 | 第105-107页 |
4.6 本章小结 | 第107-108页 |
第5章 活性污泥工艺仿真平台的构建 | 第108-143页 |
5.1 COST的仿真标准平台 | 第108-117页 |
5.1.1 COST标准平台的基本框架 | 第108-109页 |
5.1.2 活性污泥1号模型 | 第109-111页 |
5.1.3 二沉池双指数沉降模型 | 第111-113页 |
5.1.4 COST标准平台的仿真结果 | 第113-117页 |
5.2 基于COST标准平台的活性污泥膨胀仿真 | 第117-138页 |
5.2.1 活性污泥膨胀机理 | 第117-120页 |
5.2.2 污泥膨胀模型 | 第120-127页 |
5.2.3 污泥膨胀模型仿真结果 | 第127-138页 |
5.3 COST标准平台的异常仿真扩展模型 | 第138-142页 |
5.3.1 泵故障仿真 | 第138-140页 |
5.3.2 传感器故障仿真 | 第140-142页 |
5.4 本章小结 | 第142-143页 |
结论与展望 | 第143-145页 |
参考文献 | 第145-162页 |
附录 A 攻读博士学位期间发表的论文 | 第162-163页 |
附录 B 攻读博士学位期间发表的著作目录 | 第163-164页 |
附录 C 攻读博士学位期间参与的研究课题 | 第164-165页 |
致谢 | 第165页 |
论文购买
论文编号
ABS1948385,这篇论文共165页
会员购买按0.30元/页下载,共需支付
49.5。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
82.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文