[01808682]水质污染远程监控关键技术及应用

水源地保护不仅关系到经济发展,而且更是与广大人民群众的身体健康和生命安全密切相关,加强对水源的保护,构建水源地实时安全监控网络体系对人民身体健康、经济建设及社会稳定十分重要,也十分迫切。基于此,上海市科学技术委员会对“水源地水质污染无线远程监控技术与系统”进行资助,立项展开研究。本课题研究水源地水质污染无线远程监控技术与系统中涉及的几个主要问题,具体包括以下内容： 1)提出一种基于改进Q学习的多Agent水质动态评价模型,实现水质的动态评价。在该模型中,提出一种新的模糊隶属度函数和奖惩机制,提高Q学习算法的学习速度。利用交互因子实现了不同地区水质的动态评价和预警。 2)针对传统模糊-集对分析法中主、客观权重确定方法的片面性,利用基于博弈论的综合集成赋权法将序关系分析法（G1法）和熵值法相结合进行权重优化,优化后的权重克服了单方法权重确定的片面性,提高了权重确定的精度;针对传统模糊-集对分析法中复合算法易出现信息丢失、评价结果趋于均化的缺陷,将加权内梅罗指数思想引入到复合算法中,改进后的复合算法将某些浓度小但影响大的评价指标作用充分体现出来,使得指标权重作用得到充分发挥。并将改进的模糊-集对分析法应用于金山区监测断面水质评价中,利用单因子指数法对断面主要污染因子及污染程度进行了简要分析。 3)针对BP神经网络模型收敛速度慢,对隐层结点选取缺乏有效的手段等问题,引入了遗传算法优化BP模型的拓扑结构和权值、阈值,提出了一种基于改进的实数编码遗传算法优化的BP神经网络（MGA-BP）模型并用于水质预测,以安徽蚌埠蚌埠闸逐周水质监测的PH值为例,分别使用BP神经网络模型和MGA-BP模型进行预测。 4)采用一种基于核主元分析（KPCA）和支持向量机（SVM）的方法,并结合物理冗余的方法来进行突发事件监测。一种信任机制被引入到所提方法中,用来减少外部噪声的干扰,提高对突发事件的快速响应性。通过建立一个备用数据区,来存储KPCA建模所需的数据。备用数据区中的数据不断进行更新,用于突发事件监测的KPCA模型也相应得到不断更新,这样可以提高KPCA模型的适应性。 5)讨论了决定着SVM分类性能的关键因素,分析了惩罚参数和核参数的选取对其最终学习效果的影响,用遗传算法对SVM进行参数优化。提出了基于SVM的水质监测系统设备故障诊断方法,用KPCA方法建立异常检测模型,并用参数优化后的支持向量机训练异常样本建立异常分类器,进行异常的判定,用基于支持向量机的二叉树多类分类器实现对出现故障的设备的判断,从而实现水质监测系统的故障诊断。 6)通过离散化ART2网络的慢速学习方法,模拟慢速学习方法下ART2网络的学习过程,理论推导出比较层到识别层的反馈参数对于学习结果的影响,并对于反馈参数取值接近于1时产生的学习速率过慢问题,提出一种放大机制进行改进,通过实验的测试,验证该改进方法的有效性。结合不同应用领域的具体情况,讨论了基于ART2神经网络的聚类方法在水质评价、网络入侵检测、文本聚类等领域中的具体应用。 7)分析了水质监测网络系统的业务需求,讨论了系统结构和功能设计等问题,并开发出水质监测网络系统及相关的系统进行水质污染监测管理。 目前,通过与企业的技术合作,相关技术与系统已经获得一定范围的应用,随着研究和应用的不断深入,预期可以作进一步的推广应用。