三峡库区水环境实时监测及水质评价算法研究

摘要

三峡库区是全国重要的淡水资源战略储备基地，库区二期蓄水后，流域流速减缓，自净能力下降，将导致水环境问题凸显。因此，三峡库区水环境的监测与水质评估已成为该领域研究的热点问题。研究表明，库区水质因子样本数据具有多因子、高维度、大数据特性，传统的离线水质监测与水质评价方法难以准确表征库区水质的实际情况。为了克服现有技术的不足，本文提出构建一种实时在线监测与离线监测相结合的水质监测方法，在此基础上，建立了面向三峡库区水环境监测的水质评价算法。本文的研究工作，对提升三峡库区的水环境监测与水质评价理论水平，具有重要理论价值和实际意义。本文的主要工作如下：　　①充分利用无线传感器网络(Wireless Sensor Networks，WSN)具备低成本、高容错、广分布、可远程实时监控等特点，结合三峡库区水质监测的特殊应用背景，采用WSN技术、GPRS技术和Internet技术进行融合组网，建立了适用于三峡库区水质监测的大规模WSN实时监测系统，利用该系统实时采集大量的库区监测点水质参数数据，以便通过对这些数据的统计分析，得出库区水环境状况。　　②为了准确评估库区水质状况，需要对实时采集到的大量水质参数进行聚类分析。针对监测到的水质因子样本数据部分样本点出现的单点缺失现象，利用临近均值插补法填补缺失值；针对样本数据多因子、高维度的特点，利用主成分分析法(Principal Component Analysis, PCA)对数据进行降维。最终获得1200组实验样本数据。　　③在研究了现有主流聚类分析算法的基础上，针对 K-均值聚类算法对初始聚类中心依赖性较强的问题，引入临近区域数量比(Proportion of neighboring areas，PNA)，提出了K-均值聚类改进算法，该算法能够确定初始聚类中心且能加速收敛；进而，针对三峡库区水质数据呈现的时间序列性及模糊性特征，引入模糊C-均值(Fuzzy C-means，FCM)聚类算法，解决了硬聚类算法聚类结果非此即彼的问题。　　④针对模糊聚类算法对初始聚类中心敏感、易于陷入局部最优等问题，提出K-FCM聚类算法，该算法利用改进后的K-均值聚类算法对FCM聚类算法的初始聚类中心进行指导，加快了算法的收敛速度。最后通过实验仿真对比分析了三种聚类算法并利用K-FCM聚类算法对样本数据进行聚类分析，构建了新的水质评价标准，对近三年的库区水质情况进行了科学评价。　　⑤对本文的工作进行总结和展望。

目录

1 绪论

1.1课题来源

1.2课题研究背景、目的及意义

1.3相关技术研究现状

1.4本文主要研究内容及结构

1.5本章小结

2 基于无线传感器网络的水质监测系统

2.1引言

2.2无线传感器网络

2.3水质监测系统设计

2.4本章小结

3 三峡库区水质数据预处理

3.1引言

3.2三峡库区水质因子分析

3.3数据预处理理论

3.4三峡库区水环境监测数据清理

3.5三峡库区水环境监测数据归约

3.6本章小结

4 面向三峡库区水环境监测的聚类算法

4.1引言

4.2聚类算法

4.3 改进的K-均值聚类算法

4.4 FCM聚类算法

4.5本章小结

5 K-FCM聚类算法及实验结果分析

5.1引言

5.2 K-FCM聚类算法

5.3算法实现及分析

5.4 K-FCM聚类结果实验仿真分析

5.5近三年库区水质状况分析

5.6结论

6 总结与展望

6.1总结

6.2后期工作的展望

致谢

参考文献

附录

A. 作者在攻读学位期间发表的论文目录

B. 作者在攻读学位期间参与的科研项目

C. 作者在攻读学位期间参与的竞赛项目

D. 经过数据预处理后的部分水质因子样本数据

声明