基于相空间重构的SVM江水浊度预报及水厂监控管理系统研究

摘要

本文以哈尔滨市某制水厂为例，对制水工艺过程及水厂管理系统进行研究。投药环节作为制水过程中的主要工艺，对其进行预测控制及原水浊度预报将对节省投药量和制水厂成本核算具有促进作用。本文根据江水浊度非线性非平稳、难以准确预报的特点，提出应用基于相空间重构的SVM预报方法对江水浊度进行预报。该研究结果对提高城市自来水制造系统的可靠性、运行效率和经济性具有积极的意义。
　　江水浊度作为水文动力学系统的重要指标，受到大气、环境、地质等多方面影响，具有非线性、非平稳等特点。传统的研究和预报方法不能充分满足对江水浊度预报准确度的要求。本文将相空间重构思想引入江水浊度时间序列的研究中，应用互信息法选取最佳延迟时间，利用虚假邻域法计算最佳嵌入维数，进而重构相空间以重现江水浊度系统的完整信息。
　　支持向量机(Support Vector Machine，简称SVM)是建立在统计学习理论的VC维理论和结构风险最小原理基础上的机器学习方法，针对小样本统计问题，克服了神经网的结构选择和局部极小值等问题，具有良好的泛化能力。本文中应用SVM方法对重构相空间后的时间序列进行预报，并与RBF预报方法和BP网络预报方法进行对比。通过中长期预报、短期冬夏季预报等的结果对比，验证基于相空间重构的SVM预报方法对于江水浊度时间序列预报在预报精度和预报时间上优于其他预报方法，满足实际需要。
　　论文最后构建了基于江水浊度预报的水厂监控管理软件，采用InTouch组态软件和SQL Server数据库，根据用户需求规划软件功能，分别建立了数据库服务器和现场监控管理平台。