声明
摘要
第1章绪论
1．1课题研究背景及意义
1．2基于物联网、机器学习的水环境监测研究现状
1．2．1基于物联网的水环境监测系统研究
1．2．2基于机器学习的水环境监测方法研究
1．3农村区域水环境自动监测需求
1．3．1农村区域水环境存在的问题
1．3．2农村区域水环境自动监测需求分析
1．4农村水环境监测指标体系
1．4．1水环境监测指标
1．4．2农村水环境监测指标类型及选取原则
1．4．3农村水环境自动监测指标
1．5本论文的研究内容
1．6本章小结
第2章智慧水务背景下的水环境监测网络体系结构研究
2．1智慧水务总体架构设计
2．2基于物联网的智慧水环境监测网络体系结构设计
2．2．1 智慧水环境监测网络面临的潜在挑战
2．2．2智慧水环境监测网络体系结构研究
2．3本章小结
第3章水环境监测WSN建模与性能分析方法研究
3．1农村区域水环境监测WSN结构设计
3．1．1水环境WSN部署策略
3．1．2水环境监测WSN覆盖要求
3．1．3面向农村区域水环境监测的WSN网络模型
3．2水环境监测WSN形式化建模与性能分析
3．2．1随机进程代数
3．2．2 PEPA建模方法
3．2．3基于PEPA的水环境监测WSN建模与性能分析
3．3基于PEPA的ITS建模和工作流程评价
3．3．1 ITS中的实时定位和路径规划系统及其工作流程
3．3．2 ITS的PEPA建模
3．3．3系统参数设定
3．3．4性能指标提取及分析
3．4本章小结
第4章基于TD-LTE专网的水环境监测系统及方法研究
4．1基于TD-LTE专网的水环境监测系统
4．1．1水环境监测终端
4．1．2 TD-LTE基站
4．1．3水环境监控中心
4．1．4智能移动终端
4．1．5 TD-ITE终端和卫星终端
4．2基于TD-LTE专网的水环境监测方法
4．3本章小结
第5章基于递推最小二乘的水环境监测WSN数据融合算法研究
5．1水环境监测网络中的数据融合
5．2基于最小二乘的水环境监测WSN数据融合
5．2．1最小二乘估计
5．2．2基于最小二乘的水环境监测WSN数据融合模型
5．3基于递推最小二乘的水环境监测WSN数据融合
5．3．1问题的提出
5．3．2递推最小二乘的前推和后推算法
5．3．3基于递推最小二乘的数据融合算法
5．3．4算法分析
5．4本章小结
第6章基于LSTM深度神经网络的水质预测模型研究
6．1数据预处理
6．1．1数据来源
6．1．2数据预处理
6．2基于LSTM深度神经网络的水质单参数预测模型研究
6．2．1水质单参数时间序列预测
6．2．2 LSTM神经网络
6．2．3基于LSTM深度神经网络的水质预测模型及其工作流程
6．2．4实验仿真
6．2．5三种时间序列预测模型比较
6．3基于LSTM深度神经网络的水质多参数预测模型研究
6．3．1水质多参数时间序列预测
6．3．2基于LSTM深度神经网络的水质多参数预测模型
6．3．3实验仿真
6．3．4水质单参数预测模型与多参数预测模型对比
6．4本章小结
第7章总结与展望
7．1总结
7．2主要创新点
7．3展望
参考文献
攻读博士学位期间取得的主要学术成果
致谢
扬州大学;
