水质预测
水质预测的相关文献在1984年到2022年内共计610篇,主要集中在环境质量评价与环境监测、环境污染及其防治、自动化技术、计算机技术
等领域,其中期刊论文436篇、会议论文43篇、专利文献124649篇;相关期刊253种,包括中国海洋大学学报(自然科学版)、水文、安徽农业科学等;
相关会议40种,包括2017(第五届)全国水利信息化论坛 、中国电工技术学会水工业电工专委会2015年年会暨技术交流会、2014江西省地质学会成立五十周年学术年会等;水质预测的相关文献由1626位作者贡献,包括岳峻、李振波、李道亮等。
水质预测—发文量
专利文献>
论文:124649篇
占比:99.62%
总计:125128篇
水质预测
-研究学者
- 岳峻
- 李振波
- 李道亮
- 吴静
- 张新政
- 程万里
- 周剑
- 朱玲
- 李亦芳
- 李强
- 郝伏勤
- 卢金锁
- 王国胤
- 王小艺
- 许继平
- 赵峙尧
- 邹志红
- 黄廷林
- 于家斌
- 傅剑宇
- 刘文
- 周宇琴
- 徐伟刚
- 李如忠
- 李晨
- 杜庆治
- 王永桂
- 王立
- 赵继东
- 逄勇
- 邹劲松
- 何文杰
- 冀海峰
- 冯民权
- 夏鸿鸣
- 张颖
- 李海青
- 李进
- 李鸿
- 树锦
- 王保良
- 王嫄嫄
- 王晶
- 王超
- 石为人
- 程银行
- 苟光磊
- 赵英
- 邹轩
- 郭亮
-
-
袁金;
徐宪根
-
-
摘要:
与传统的机理性水质预测模型和机器学习算法相比,深度学习模型依靠自身的激活函数,能够更好的处理水质因子时序性和非线性等特点,一定程度上解决了传统水质模型预测精度低的问题。在满足一定的精度情况下,预测未来较长时间的水质状态,为水质预测预警提供了新的机遇与途径。本文回顾了深度学习模型预测原理、预测对象以及水质预测预警的研究进展,主要分析了近年来深度学习模型在水质预测上的应用,并分析了影响深度学习模型预测精度的因素。在此基础上对深度学习模型预测水质进行了展望,提出了要发展天地空一体化的水质监测预测系统。
-
-
袁金;
徐宪根
-
-
摘要:
实时准确监测河流水质是城市水管理战略的首要任务。溶解氧浓度是评价河流水质优劣的重要指标之一,也是维持水中高等生物生存的重要条件。因此获得准确可靠的溶解氧预测结果对于河流水体的管理和预警至关重要。首先,通过灰色关联度分析得到影响水体溶解氧含量的关键水质因子,即总磷、氨氮、高锰酸盐含量和pH值,进而卷积长短记忆神经网络(CNN;STM)的提出是为了提取溶解氧和其它水质因子之间深层复杂的相关特征,降低了不同信息之间特征的耦合,提高模型的预测精度并降低了模型训练时间。以实际采集京杭运河常州段溶解氧数据为研究对象进行了模拟实验,并从预测精度和训练时间两方面进行评价。实验表明:该模型的评价指标均方根误差(RMSE)和决定系数(R;)分别为0.429和0.953,其评价指标均优于其他对比模型。CNN;STM模型能够以较短的训练时间得到较高的预测精度,能为城市水管理提供技术支撑。
-
-
赵贵章;
王淑丽;
李志萍;
龚建师;
王赫生
-
-
摘要:
以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。
-
-
王昱文;
杜震洪;
戴震;
刘仁义;
张丰
-
-
摘要:
长江流域在我国水资源配置体系中具有重要地位,对其进行水质预测尤为重要。基于现有研究结果,结合循环神经网络(recurrent neural network,RNN)中的门控循环单元(gate recurrent unit,GRU)模型与全连接神经网络(fully connected neural network,FCNN),提出了改进的多元水质指标预测(MWQPP)模型,并用其预测长江流域水体的pH、溶解氧(DO)、高锰酸盐指数(CODMn)、氨氮(NH_(3)-N)。基于长江流域2011—2018年23个水质监测点7 566条原始数据,经对比实验,证明了用MWQPP模型预测得到的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R^(2))均优于传统水质预测模型,有效提升了水质预测的精度,具有较好的鲁棒性,为水质预测和流域管理提供了科学支撑。
-
-
杨云;
杨继海
-
-
摘要:
改进类电磁机制算法,优化一种新的神经网络预测模型,应用于求解复杂的水质预测实际问题。实验数据采集黄河兰州段新城桥监测断面177组监测数据,其中前154组为模型训练数据,后23组为模型测试数据,与经典预测模型对比,改进算法优化的新模型预测结果均方误差较小,误差稳定性好,预测结果更准确。
-
-
王亚芹;
仇茂龙;
陆一奇
-
-
摘要:
以振浔污水处理厂入河排污口设置论证为例,通过对入河排污口的设置方案、所在河道的水质现状、水域管理要求和现有取排水情况调查研究,计算区域河网纳污能力。建立一维河网非恒定流水动力水质模型,验证模型水动力、水质参数,计算确定入河排污口对所在水域水功能区水质和水生态环境的影响程度及影响范围,结果可作为建设项目排污口设置论证的科学依据,对平原河网地区开展排污口设置论证工作具有一定的借鉴意义。
-
-
王亚芹;
仇茂龙;
陆一奇
-
-
摘要:
旧馆污水处理厂入河排污口需进行设置论证。通过对所在河道水质现状、水域管理要求和现有取排水情况的调查,计算区域河网纳污能力。建立一维河网非恒定流水动力水质模型,计算结果显示在正常排放工况下,入河排污口对河道沿线水质的影响有限,水质保持在Ⅲ类;事故工况下,对河道沿线水质影响较大。建议加强工程运行管理,建立应急预案,避免事故工况的发生,研究结果表明,运用一维水动力水质换型对平原河网地区开展排污口设置论证工作具有一定的借鉴意义。
-
-
周伏虎;
张曾;
周迅;
陈镜先
-
-
摘要:
水质预测模型类型繁多,结构复杂,不同的模型有不同的特点,适用于不同的情况。针对中电建夹江青衣水厂取水口的实际情况,采用不同的神经网络模型和不同的特征选择方法对水质数据进行预测,经对比发现:对于该厂取水口的水质预测问题,采用单层LSTM网络预测效果最好,对同一网络模型不对数据进行特征降维而用尽可能多的特征进行预测效果更好。该工作为后续更准确地预测提供了依据和研究方向。
-
-
唐亦舜;
徐庆;
刘振鸿;
高品
-
-
摘要:
针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(DO)质量浓度和浊度3项水质指标的变化趋势。结果表明:优化后的NAR神经网络模型具有较好的非线性处理能力;当输入数据量为180,pH、DO质量浓度和浊度的神经网络模型的延迟阶数分别为2、3、9,隐含层神经元数为10时,NAR神经网络模型对pH、DO质量浓度和浊度的预测均方根误差分别为0.053、0.382 mg/L和17.300 NTU,平均绝对百分比误差分别为0.53%、3.97%和18.01%,预测效果较好。
-
-
袁梅雪;
魏守科;
孙铭;
赵金东
-
-
摘要:
建立水质模型预测水质变化是保障饮用水安全、人类健康和维持生态平衡的关键.本文提出了基于小波分解去噪和LSTM的双层双向Seq2Seq混合模型(W-Bi2Seq2Seq)来预测水质的变化.使用Daubechies5 (db5)小波将数据集分解为低频序列和高频序列,高频序列作为噪声去除,仅保留低频信号用作所提出模型的输入.选取了烟台市门楼水库的4项水质指标数据(pH、氨氮、电导率和浊度)用于模型的训练,验证和测试.所提出的小波双层双向模型(Bi2)与小波单层单向模型(Uni1)、小波单层双向模型(Bi1)、小波双层单向模型(Uni2)、传统的LSTM模型以及基于小波分解的LSTM模型(W-LSTM),进行比较实验.其实验结果显示,在训练过程中, 4个Seq2Seq模型都具有很好的性能,都能够很好拟合4项水质指标的历史数据集.然而,测试结果表明, Bi2在预测精度和泛化能力方面优于其他5个模型,并且显著提高复杂度较高的水质数据的预测精度.
-
-
刘飞翔;
李汉卿;
徐向成
- 《2017(第五届)全国水利信息化论坛》
| 2017年
-
摘要:
将GM(1,1)灰色模型和改进的GM(1,1)残差修正模型应用于淮河流域鹿邑东孙营闸测站的水质预测中,分别对高锰酸盐指数和氨氮浓度进行拟合预测.结果表明,传统的GM(1,1)灰色模型在高锰酸盐指数上的拟合与预测精度较高,而改进的GM(1,1)残差修正模型在氨氮浓度的预测上要优于传统的GM(1,1)模型,能够更加精确地对水质未来情况进行预测.
-
-
Zhang jie;
张洁;
Yang Qing;
杨庆;
Zhao JIE;
赵杰
- 《北京市水工环地质工作60年学术研讨会》
| 2015年
-
摘要:
地下水水质预测的方法各式各样,每个方法都有各自的适应性.灰色系统法和线性回归法均有其各自的适宜性.为了便捷的选择合适的方法,本文利用最小二乘法处理对原始数据进行拟合,通过R2值以选取合适的预测方法.本文以北京市石景山区某地地下水监测点多年监测数据为例,进行适宜性预测方法的验证.其中,总硬度灰色预测值的平均相对误差为2.62%比线性预测低5.65个百分点;溶解性总固体线性预测值的平均相对误差为2.33%比灰色预测低0.61个百分点,与通过拟合度R2值大小选取的最优预测方法一致,表明通过拟合度R2值大小来选取合理的预测方法是一种便捷、合理的技术手段.
-
-
王玉芬;
薛东玮
- 《中国环境科学学会2020科学技术年会》
| 2020年
-
摘要:
以吕梁市三川河寨东桥断面的水质监测数据为基础,选取氨氮和COD指标进行短期预测.采用拟合季节的时间序列ARIMA(1,1,0)模型和改进算法的BP神经网络分别进行预测并比较,预测结果显示ARIMA模型氨氮和COD的平均误差为1.58和5.83,BP神经网络模型的平均误差为0.898和1.33,神经网络模型预测的精度更高.分析可知三川河的氨氮水平严重超标,氨氮的污染程度短期内将持续加重,COD指标逐渐下降,提高三川河水环境质量的关键在于降低三川河的氨氮污染,从而有助于黄河流域的生态保护与高质量发展.
-
-
陆超;
张峻;
赵俊
- 《中国土木工程学会水工业分会水系统智能化技术研究会2016年年会》
| 2016年
-
摘要:
本文针对污水处理厂进水水质变化及处理过程中具有非确定特性、不易精确控制等特点,充分利用神经网络模糊信息处理的优势,结合污水处理工艺过程,以MATLAB为研究平台建立一套具有3层神经网络结构的预测模型并进行仿真验证.结果表明该系统能够预测该污水处理厂下一阶段处理水质的状况,为运行管理提供可靠的数据支持,是一种预警处理水质的有效方法.
-
-
-
叶斌;
张华;
张威;
夏顺利;
杨大赉;
毛仁杰
- 《全国水环境污染控制与生态修复技术高级研讨会暨中国环境科学学会水环境分会2019年学术年会》
| 2019年
-
摘要:
所有的污水处理装置,都有一套科学的工艺处理流程,运转使用过程中,需按照设计的工艺流程,且每个组件都处于正常的工作状态来满足设计要求.对污水处理装置实施全过程监控,是通过对关键工艺流程节点,组件运行的工况的状态,以及影响水质变化的其他周边环境因素的多数据信息采集,并结合整个污水处理工艺流程,通过大数据的方法对采集到的运行数据进行综合分析比对,达到对水质进行预测的目的.
-
-
叶斌;
张华;
张威;
夏顺利;
杨大赉;
毛仁杰
- 《全国水环境污染控制与生态修复技术高级研讨会暨中国环境科学学会水环境分会2019年学术年会》
| 2019年
-
摘要:
所有的污水处理装置,都有一套科学的工艺处理流程,运转使用过程中,需按照设计的工艺流程,且每个组件都处于正常的工作状态来满足设计要求.对污水处理装置实施全过程监控,是通过对关键工艺流程节点,组件运行的工况的状态,以及影响水质变化的其他周边环境因素的多数据信息采集,并结合整个污水处理工艺流程,通过大数据的方法对采集到的运行数据进行综合分析比对,达到对水质进行预测的目的.
-
-
叶斌;
张华;
张威;
夏顺利;
杨大赉;
毛仁杰
- 《全国水环境污染控制与生态修复技术高级研讨会暨中国环境科学学会水环境分会2019年学术年会》
| 2019年
-
摘要:
所有的污水处理装置,都有一套科学的工艺处理流程,运转使用过程中,需按照设计的工艺流程,且每个组件都处于正常的工作状态来满足设计要求.对污水处理装置实施全过程监控,是通过对关键工艺流程节点,组件运行的工况的状态,以及影响水质变化的其他周边环境因素的多数据信息采集,并结合整个污水处理工艺流程,通过大数据的方法对采集到的运行数据进行综合分析比对,达到对水质进行预测的目的.
-
-
叶斌;
张华;
张威;
夏顺利;
杨大赉;
毛仁杰
- 《全国水环境污染控制与生态修复技术高级研讨会暨中国环境科学学会水环境分会2019年学术年会》
| 2019年
-
摘要:
所有的污水处理装置,都有一套科学的工艺处理流程,运转使用过程中,需按照设计的工艺流程,且每个组件都处于正常的工作状态来满足设计要求.对污水处理装置实施全过程监控,是通过对关键工艺流程节点,组件运行的工况的状态,以及影响水质变化的其他周边环境因素的多数据信息采集,并结合整个污水处理工艺流程,通过大数据的方法对采集到的运行数据进行综合分析比对,达到对水质进行预测的目的.
-