發(fā)布時間：2020-03-26 17:12

【摘要】：據(jù)《2018年中國漁業(yè)統(tǒng)計年鑒》可知中國漁船總數(shù)量已達94.62萬艘,其中以機動漁船為主,漁船的作業(yè)時不可避免地會在機器處所產(chǎn)生含油污水。雖然漁船的含油污水對水域環(huán)境的危害沒有事故性的污染觸目驚心,但也因為其排放的隱蔽性和長期性使海洋環(huán)境正遭受到油類慢性污染�，F(xiàn)在正是我國由傳統(tǒng)漁業(yè)大國走向現(xiàn)代漁業(yè)強國的關(guān)鍵時期,加大漁船防污染方面的研究投入顯得極為重要。漁船在營運過程中造成的水污染物包括生活污水和機器處所的油污水,其中以排放油污水的危害最大。國內(nèi)外對船舶油污水的排放主要是對商船進行嚴格規(guī)范管理的,對漁船的重視相對不足。本文研究制訂的《沿海漁船油污水排放信息采集表》中囊括了眾多影響漁船油污水中石油排放量的指標(biāo),在三個省市、七處水域和八個漁港進行漁船含油污水的排放現(xiàn)狀的實地調(diào)研,共采集97份漁船樣本信息,在實船上運用全層采樣方法采集到的81份漁船含油污水的樣品,運用紫外分光光度法和重量法進行了石油密度的檢測。通過灰色關(guān)聯(lián)理論篩選出便于量化的重要指標(biāo)。建立支持向量回歸機(SVR)的漁船油污水中石油質(zhì)量的基本數(shù)學(xué)模型,為提高預(yù)測精度,引入粒子群算法(PSO)優(yōu)化支持向量回歸機(SVR)的懲罰因子C和核參數(shù)g,建立PSO-SVR預(yù)測模型。為了更進一步提高預(yù)測模型的求解精度和收斂速度,在PSO算法中引入動態(tài)調(diào)整的線性遞減權(quán)重、非線性遞減權(quán)重、基于粒子自適應(yīng)權(quán)重、異步學(xué)習(xí)因子以及三角函數(shù)變換學(xué)習(xí)因子。通過MATLAB仿真實驗計算,將PSO-SVR模型與BP和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型仿真結(jié)果進行對比分析,證明了該模型的可行性和優(yōu)越性。改進成12組參數(shù)不同方式調(diào)節(jié)下的PSO-SVR預(yù)測模型,在12組PSO-SVR預(yù)測模型應(yīng)用于測試集數(shù)據(jù)的仿真結(jié)果中優(yōu)選出預(yù)測精度最高的模型為最終的數(shù)學(xué)模型,增強對漁船油污水中石油年排放量預(yù)測結(jié)果的合理性�；诙喾N改進PSO-SVR的預(yù)測模型可以解決操作者對參數(shù)設(shè)置經(jīng)驗的不足問題,可以有效地減少實地調(diào)研和檢測費用,該模型為漁船含油污水中石油排放量預(yù)測提供了新思路及有效方法。本研究最后在訓(xùn)練集樣本來源地區(qū)選擇了某小漁港內(nèi)常年出海的27艘漁船信息作為測試集,作為一個算例,預(yù)測精度最高的一組算法計算出該港內(nèi)的漁船含油污水中石油年排放量為166.5674kg。在訓(xùn)練集樣本量一定的情況下,測試集樣本量不會影響預(yù)測精度,只會影響計算時間。在獲取足夠多的相關(guān)測試集數(shù)據(jù)就可以預(yù)測出我們需要掌握的區(qū)域內(nèi)的漁船含油污水中的石油排放量。本研究對我國漁船污染狀況進行客觀、全面、深入的調(diào)查,對于準(zhǔn)確掌握我國漁船水污染狀況,對含油污水中石油排放量的預(yù)測,發(fā)展可持續(xù)漁業(yè)經(jīng)濟,改善漁船有害排放具有重大意義。
【圖文】：

但對水庫的水質(zhì)環(huán)境破壞力度較小。該水庫中的掛機漁船和掛機見下圖3-1 和 3-2。圖 3-1 �？吭诎哆叺膾鞕C漁船 圖 3-2 掛機展示Fig. 3-1 Hanging fishing boat docked on the shore Fig. 3-2 Hanging up display2017 年 9 月，，對某漁港 3 艘沿海地區(qū)木質(zhì)海洋機動漁船見圖 3-3，進行了水污染狀況調(diào)研；通過調(diào)研發(fā)現(xiàn)，漁船回港后幾乎沒有艙底含油污水或是存量不多見圖 3-4，漁船主要在出海作業(yè)期間進行艙底含油污水排放。

掛機展示Fig.3-1HangingfishingboatdockedontheshoreFig.3-2Hangingupdisplay
【學(xué)位授予單位】：大連海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U674.4;X736.3

【參考文獻】

相關(guān)期刊論文 前10條

1 沈浩;黃洪瓊;;基于PSO優(yōu)化SVM的船舶流量預(yù)測算法[J];微型機與應(yīng)用;2015年05期

2 蔡歐晨;;國際新形勢下關(guān)于我國船舶油污染問題的分析與思考[J];中國水運(下半月);2015年01期

3 張向輝;;綠色船舶的“福利”誘惑[J];中國船檢;2013年06期

4 劉洛霞;;基于SVM的多變量函數(shù)回歸分析研究(英文)[J];電光與控制;2013年06期

5 李遠;劉建霞;苗卉;蔡冬梅;王芳;;一種新型混合布爾PSO算法的研究[J];太原理工大學(xué)學(xué)報;2013年03期

6 程珩;黃超勇;張永剛;;基于粒子群優(yōu)化決策樹的齒輪箱故障診斷[J];振動.測試與診斷;2013年01期

7 楊海燕;汪志群;冷駿;;船舶油污水總量和設(shè)備處理能力的分析及建議[J];船海工程;2010年06期

8 張喬斌;;基于灰色關(guān)聯(lián)度和SVM艦船設(shè)備維修費用預(yù)測[J];計算機與數(shù)字工程;2010年10期

9 劉曉東;姚琪;王鵬;湯露露;王勝艷;胡進;;太湖流域內(nèi)河船舶污染負荷估算[J];環(huán)境科學(xué)與技術(shù);2009年12期

10 周曉波;;貴港船舶污染現(xiàn)狀及對策[J];中國水運(下半月);2009年09期

相關(guān)會議論文 前2條

1 廖朋;王久良;郭達偉;盛平;;休閑漁業(yè)現(xiàn)狀及其管理的初步構(gòu)想[A];中國漁船檢驗60周年論文集[C];2017年

2 尚朝奇;王輝;;基于SVM污水處理過程BOD的智能預(yù)測[A];2011第十六屆全國自動化技術(shù)與應(yīng)用學(xué)術(shù)年會專輯[C];2011年

相關(guān)博士學(xué)位論文 前2條

1 段會川;高斯核函數(shù)支持向量分類機超級參數(shù)有效范圍研究[D];山東師范大學(xué);2012年

2 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前9條

1 馬雪姣;基于支持向量回歸機模型的價格預(yù)測[D];鄭州大學(xué);2018年

2 曾雨虹;長江上游宜賓—萬州段水質(zhì)規(guī)律分析及評價[D];重慶交通大學(xué);2017年

3 邢棟;煉鋼電弧爐供電曲線的迭代優(yōu)化[D];東北大學(xué);2014年

4 何小二;基于粒子群算法和支持向量機的船舶結(jié)構(gòu)優(yōu)化[D];上海交通大學(xué);2014年

5 胡道生;喀斯特城市地表熱場空間信息提取及分析[D];廣西師范大學(xué);2013年

6 馮海濤;輪槽銑削加工中表面質(zhì)量預(yù)測技術(shù)研究[D];蘭州理工大學(xué);2012年

7 徐進華;基于灰色系統(tǒng)理論的數(shù)據(jù)挖掘及其模型研究[D];北京交通大學(xué);2009年

8 呂建明;基于模糊FMEA的船舶含油污水排放狀況研究[D];大連海事大學(xué);2008年

9 周俊峰;船舶操作性污染的人為因素分析與評價[D];上海海事大學(xué);2006年

本文編號：2601718