【摘要】：中國(guó)城鎮(zhèn)化建設(shè)的快速發(fā)展帶來了國(guó)內(nèi)建筑行業(yè)的迅猛發(fā)展,但是在城市的建設(shè)過程中也伴隨著大量污染物的產(chǎn)生,這給居民生活環(huán)境和城市自然環(huán)境帶來一定影響。研究表明建筑施工產(chǎn)生的揚(yáng)塵是城市大氣顆粒污染物的重要來源,產(chǎn)生的噪音是城市噪音污染的主要來源。因此對(duì)噪音和揚(yáng)塵進(jìn)行監(jiān)測(cè)和管理能夠有效防治揚(yáng)塵污染和噪音污染,從而間接地保護(hù)城市環(huán)境。同時(shí)利用數(shù)據(jù)挖掘技術(shù)挖掘和分析歷史數(shù)據(jù),從中得到的有效信息對(duì)施工監(jiān)管工作也有一定的指導(dǎo)意義。基于此背景,本文整理分析了現(xiàn)階段噪音揚(yáng)塵監(jiān)管過程中存在的問題,確定了系統(tǒng)的功能模塊,系統(tǒng)的主要功能有:區(qū)域管理功能,其作用是在業(yè)務(wù)層面對(duì)監(jiān)管區(qū)域進(jìn)行縱向劃分,保證不同區(qū)域間業(yè)務(wù)的相互獨(dú)立性;項(xiàng)目管理功能,是管理市政項(xiàng)目詳細(xì)信息的功能模塊;設(shè)備管理功能,是管理和配置硬件監(jiān)測(cè)設(shè)備的功能模塊;任務(wù)管理功能,其目的是針對(duì)長(zhǎng)期超標(biāo)的監(jiān)測(cè)項(xiàng)目自動(dòng)或手動(dòng)生成處理任務(wù)以實(shí)現(xiàn)對(duì)監(jiān)測(cè)項(xiàng)目的異地監(jiān)管;GIS全局地圖及視頻監(jiān)控功能,基于GIS地理信息服務(wù)和網(wǎng)絡(luò)視頻監(jiān)控設(shè)備實(shí)現(xiàn)了對(duì)監(jiān)測(cè)項(xiàng)目的統(tǒng)計(jì)分析功能和視頻監(jiān)控功能,運(yùn)用可視化技術(shù)直觀地把監(jiān)測(cè)數(shù)據(jù)展示給監(jiān)管人員以協(xié)助監(jiān)管人員開展工作。本系統(tǒng)采用當(dāng)前業(yè)界流行的J2EE架構(gòu)作為整體方案的技術(shù)框架;系統(tǒng)性能優(yōu)化方案采用了Nginx服務(wù)配合Tomcat集群實(shí)現(xiàn)負(fù)載均衡,提升了系統(tǒng)的并發(fā)能力;系統(tǒng)應(yīng)用了Redis緩存集群服務(wù),對(duì)一致性較弱但查詢頻繁的數(shù)據(jù)進(jìn)行緩存,且Redis集群也避免了單點(diǎn)故障問題的發(fā)生;系統(tǒng)采用了MySQL集群方案,應(yīng)用了keepalived故障自動(dòng)解除服務(wù),從而避免數(shù)據(jù)異常丟失和單點(diǎn)故障問題,提升了系統(tǒng)可用性。同時(shí)本課題研究了基于常見空氣污染物的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)PM_(10)濃度的預(yù)測(cè)。這部分的主要工作有以下六個(gè)方面:1.研究常見的空氣污染物濃度預(yù)測(cè)模型,選擇合適的模型作為本次研究的預(yù)測(cè)模型;2.獲取和整理空氣質(zhì)量歷史數(shù)據(jù)和系統(tǒng)內(nèi)的歷史數(shù)據(jù);3.原始數(shù)據(jù)預(yù)處理,包括數(shù)據(jù)缺失處理、數(shù)據(jù)歸一化等;4.確定模型的輸入因子和輸出結(jié)果;5.設(shè)計(jì)并訓(xùn)練基于常見空氣污染物的BP神經(jīng)網(wǎng)絡(luò);6.對(duì)模型的重要參數(shù)進(jìn)行調(diào)整優(yōu)化使模型達(dá)到較優(yōu)的預(yù)測(cè)精度。最后通過實(shí)驗(yàn)分析證明,本預(yù)測(cè)模型具備一定預(yù)測(cè)能力。截至目前本系統(tǒng)在西安某政府部門穩(wěn)定運(yùn)行時(shí)間已達(dá)兩年,實(shí)現(xiàn)了對(duì)建筑施工過程中產(chǎn)生的揚(yáng)塵和噪音進(jìn)行自動(dòng)監(jiān)測(cè)的功能,滿足了部門監(jiān)管需求,提高了部門監(jiān)管效率。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：X830;TP311.52
【圖文】：

第五章 基于 BP 神經(jīng)網(wǎng)絡(luò)的揚(yáng)塵濃度預(yù)測(cè)研究51圖5.4 實(shí)際值與預(yù)測(cè)值對(duì)比圖5.6 本章小結(jié)本章首先確定了所使用的預(yù)測(cè)算法模型，然后通過對(duì)數(shù)據(jù)集的預(yù)處理得到符合模型輸入輸出的訓(xùn)練樣本集，再建立了基于空氣污染物的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并對(duì)模型的相關(guān)參數(shù)進(jìn)行調(diào)整得到最佳的網(wǎng)絡(luò)模型，最后對(duì)模型的預(yù)測(cè)結(jié)果進(jìn)行了分析，結(jié)果表明基于空氣污染物的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果一定程度上可以反應(yīng)出實(shí)際PM10濃度。

7.3.1 數(shù)據(jù)可視化及統(tǒng)計(jì)分析模塊數(shù)據(jù)可視化及統(tǒng)計(jì)分析模塊主要實(shí)現(xiàn)了項(xiàng)目監(jiān)測(cè)值曲線圖、項(xiàng)目狀態(tài)餅狀圖和項(xiàng)目狀態(tài)排名列表等可視化圖表。如圖7.1所示，此圖是系統(tǒng)統(tǒng)計(jì)管理頁(yè)面的運(yùn)行截圖，圖中上方的折線圖表示監(jiān)測(cè)點(diǎn)采集值的走勢(shì)，其中紫色線代表本項(xiàng)目監(jiān)測(cè)點(diǎn)的監(jiān)測(cè)值，綠色線表示國(guó)家監(jiān)測(cè)標(biāo)準(zhǔn)值，從圖中可以看出兩條線間較為吻合，表明施工現(xiàn)場(chǎng)揚(yáng)塵濃度正常；圖中的左下側(cè)的餅狀圖中的圖例有 4 中顏色，分別表示正常、輕度超標(biāo)、重度超標(biāo)和異常四種項(xiàng)目狀態(tài)的項(xiàng)目數(shù)量占比。圖中右下方的表格主要記錄了監(jiān)測(cè)項(xiàng)目揚(yáng)塵濃度重度超標(biāo)、輕度超標(biāo)、正常和異常的項(xiàng)目監(jiān)測(cè)點(diǎn)的具體信息，包括是時(shí)間、項(xiàng)目名、揚(yáng)塵濃度、國(guó)測(cè)點(diǎn)濃度和超標(biāo)情況等。圖7.1 數(shù)據(jù)可視化運(yùn)行截圖

10濃度均值未超標(biāo)，紅色點(diǎn)標(biāo)記說明此項(xiàng)目監(jiān)測(cè)到的揚(yáng)塵濃度存在超標(biāo)現(xiàn)象。圖7.2 全局地圖界面如圖 7.3 所示，此圖是項(xiàng)目視頻實(shí)時(shí)監(jiān)控畫面，在系統(tǒng)中只要點(diǎn)擊項(xiàng)目詳情頁(yè)面某項(xiàng)目的攝像頭圖標(biāo)，會(huì)彈出此視頻監(jiān)控窗體，并自動(dòng)播放監(jiān)控畫面。圖7.3 施工工地實(shí)時(shí)監(jiān)控畫面

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志軍;;人工神經(jīng)網(wǎng)絡(luò)在軋鋼中的應(yīng)用綜述[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2018年04期

2 魏曉丹;;人工神經(jīng)網(wǎng)絡(luò)在自動(dòng)化領(lǐng)域的應(yīng)用[J];科技風(fēng);2019年15期

3 杜秉航;;人工神經(jīng)網(wǎng)絡(luò)初探[J];科技傳播;2018年02期

4 宋子航;;深度學(xué)習(xí)技術(shù)及其在醫(yī)療領(lǐng)域中的應(yīng)用[J];科技傳播;2018年12期

5 彭驛茹;;人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史與訓(xùn)練算法概述[J];科技傳播;2018年21期

6 馬衛(wèi)東;;電氣控制線路和人工神經(jīng)網(wǎng)絡(luò)關(guān)系初探[J];電子世界;2017年02期

7 宋泓陽(yáng);孫曉巖;項(xiàng)曙光;;人工神經(jīng)網(wǎng)絡(luò)在化工過程中的應(yīng)用進(jìn)展[J];化工進(jìn)展;2016年12期

8 宋雨o

本文編號(hào)：2796652