远程水质氨氮监测系统的研究与设计

摘要

氨氮含量是评价水质的重要因素，水中氨氮含量过高会影响水生物生长，造成水体污染。在长江、钱塘江等流域的氨氮含量多次超标引发蓝藻污染，导致周边的生产、生活用水无法正常使用。因此，水质环保部门开始加大对氨氮含量的监测力度。
　　传统氨氮监测系统虽然可以实现远程实时监测，但是由于开发成本较高、智能化水平较低，无法普遍应用于水质监测领域。针对上述问题，依托陕西省工业科技攻关项目2016GY-044，课题组研发了一套远程水质氨氮监测系统。本论文主要工作是在实验室现有的现场水质氨氮检测系统基础上，实现对水质氨氮的远程实时监测、数据管理分析。同时为了对氨氮污染做到积极预防，本论文提出了一种预测氨氮含量的可行性算法。
　　本系统由现场检测站和远程监测中心两部分组成。现场检测站实现数据的采集、显示和上传。在数据传输部分，系统采用VPN隧道技术保证数据传输过程中的安全性。基于MFC框架和C/S网络架构进行远程监测软件开发，在功能设计方面分为数据传输设计、实时监测设计和数据管理分析设计。本论文基于BP神经网络搭建了水质氨氮预测模型，并通过遗传算法对BP神经网络氨氮预测模型进行优化，通过Matlab仿真，验证了预测算法的可行性。最后，借助实验室平台进行了系统的整体调试，整个系统能够稳定工作。

目录

摘要

1 绪论

1．1 课题研究的背景及意义

1．2 国内外发展现状

1．2．1 国外发展现状

1．2．2 国内发展现状

1．3 课题来源

1．4 论文研究的主要内容及安排

1．4．1 论文研究的主要内容

1．4．2 论文的章节安排

2．1 监测系统需求分析

2．2 监测系统总体架构

2．2．1 系统硬件平台

2．2．2 系统软件平台

2．3 监测系统可行性分析

2．4 本章小结

3 氨氮监测系统整体设计

3．1 监测系统总体框图

3．2 数据安全传输模块设计

3．2．1 网络拓扑结构设计

3．2．2 TCP网络连接设计

3．2．3 远程通信协议设计

3．2．4 网络连接保障设计

3．3 实时监测管理模块设计

3．3．1 水质监测项目管理

3．3．2 报警信息管理设计

3．4 氨氮数据管理模块设计

3．4．1 氨氮数据库管理设计

3．4．2 氨氮数据库访问设计

3．5 本章小结

4 氨氮预测模型初步研究和仿真

4．1 氨氮预测研究必要性

4．1．1 水质氨氮环境特性分析

4．1．2 氨氮预测方法对比和选择

4．2 神经网络和氨氮预测结合优势

4．3 氨氦预测模型的建立与仿真

4．3．1 神经网络基本原理

4．3．2 BP神经网络模型设计与实现

4．4 预测算法的改进和仿真

4．4．1 遗传算法原理

4．4．2 遗传算法优化BP神经网络模型设计与实现

4．5 本章小结

5 氨氮监测系统功能实现与测试

5．1 监测软件开发技术

5．1．1 GDI编程设计

5．1．2 对话框功能设计

5．2 数据传输实现与测试

5．3 实时监测实现与测试

5．4 数据管理实现与测试

5．5 本章小结

6 总结

参考文献

攻读硕士学位期间发表的论文

致谢

声明