基于SAE-BP神經(jīng)網(wǎng)絡的水體“三氮”在線預測模型研究
發(fā)布時間:2023-11-04 12:14
氨氮、亞硝酸鹽氮和硝酸鹽氮統(tǒng)稱為“三氮”。“三氮”,特別是氨氮和亞硝酸鹽氮對于水產(chǎn)養(yǎng)殖動物具有很高的毒性,對于其含量的及時監(jiān)控非常重要。傳統(tǒng)的“三氮”檢測法存在價格昂貴、操作繁瑣、耗時長等缺點,難以大面積推廣,因此急需研發(fā)一種能快速的預測養(yǎng)殖水體“三氮”的模型,本文結合物聯(lián)網(wǎng)以及人工神經(jīng)網(wǎng)絡的技術特點,展開了對“三氮”濃度實時預測模型的研究,本文的主要內(nèi)容如下:1、建立水質(zhì)參數(shù)實時監(jiān)控系統(tǒng)。通過鋪設傳感器實時采集水體中水質(zhì)參數(shù)的數(shù)據(jù),建立基于物聯(lián)網(wǎng)的水質(zhì)參數(shù)實時監(jiān)控系統(tǒng)用于溫度、pH值、溶解氧、氧化還原電位的實時測定。2、“三氮”濃度數(shù)據(jù)的采集。本文分別通過納氏試劑光度法、α-萘胺比色法及雙波長紫外分光光度法分別對水中氨氮、亞硝酸鹽氮及硝酸鹽氮濃度進行測定。通過分析不同試驗組中同一時間點的“三氮”濃度,以及四種水質(zhì)參數(shù):pH值、溫度、氧化還原電位、溶解氧的數(shù)據(jù),得到以下結論:pH值的升高會使得水體氧化還原電位下降,溫度下降會使得水中溶解氧濃度升高,“三氮”濃度受pH值、溫度影響較大。3、“三氮”濃度預測模型研究。對“三氮”濃度預測的關鍵在于獲得各種水質(zhì)參數(shù)與“三氮”濃度之間的關聯(lián),即提...
【文章頁數(shù)】:64 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
縮略語表(Abbreviation)
第一章 文獻綜述
1.1 養(yǎng)殖水體“三氮”概述
1.1.1 水體氮的來源以及存在形式
1.1.2 氨氮的危害
1.1.3 亞硝酸鹽的危害
1.1.4 硝酸鹽的危害
1.1.5 影響水體“三氮”含量的因素
1.2 水質(zhì)預測研究概述
1.3 神經(jīng)網(wǎng)絡概述
1.3.1 神經(jīng)網(wǎng)絡概念
1.3.2 傳統(tǒng)BP神經(jīng)網(wǎng)絡
1.3.3 自動編碼器
1.3.4 棧式自動編碼器
1.4 研究目的和意義
第二章 水質(zhì)參數(shù)及“三氮”數(shù)據(jù)采集
2.1 預測模型參數(shù)的選擇
2.2 水質(zhì)參數(shù)監(jiān)測平臺概述
2.2.1 水質(zhì)參數(shù)監(jiān)測系統(tǒng)總體架構與工作原理
2.2.2 前端監(jiān)測設備硬件結構
2.3 “三氮”含量測定方法的選擇
2.4 “三氮”濃度測定及原理
2.4.1 納氏比色法測定氨氮濃度
2.4.2 α-萘胺比色法測定亞硝酸鹽氮濃度
2.4.3 雙波長紫外分光光度法測定硝酸鹽氮濃度
2.4.4 “三氮”測定的標準曲線
2.5 水樣的預處理
2.6 試驗分組及結果
2.6.1 氨氮
2.6.2 亞硝酸鹽氮
2.6.3 硝酸鹽氮
2.7 水質(zhì)參數(shù)與“三氮”之間的相關性
2.7.1 水質(zhì)參數(shù)彼此之間的相關性
2.7.2 pH以及溫度與氨氮濃度之間的相關性
2.7.3 pH值以及溫度與亞硝酸鹽氮濃度之間的相關性
2.7.4 溫度與硝酸鹽氮濃度之間的相關性
第三章 建立基于SAE-BP神經(jīng)網(wǎng)絡的水質(zhì)預測模型
3.1 建模所用軟件的選擇
3.2 原始數(shù)據(jù)的預處理
3.3 訓練樣本集與預測樣本集的選擇
3.4 確定神經(jīng)網(wǎng)絡的各項參數(shù)
3.5 SAE-BP神經(jīng)網(wǎng)絡的網(wǎng)絡結構
3.6 模型的訓練結果
3.6.1 SAE-BP神經(jīng)網(wǎng)絡對氨氮的預測
3.6.2 SAE-BP神經(jīng)網(wǎng)絡對亞硝酸鹽氮的預測
3.6.3 SAE-BP神經(jīng)網(wǎng)絡對硝酸鹽氮的預測
第四章 討論
4.1 與其他“三氮”預測模型的分析對比
4.1.1 氨氮預測模型
4.1.2 亞硝酸鹽氮預測模型
4.2 水質(zhì)參數(shù)選取討論
4.3 模型優(yōu)化討論
4.4 模型應用討論
全文總結
參考文獻
碩士期間發(fā)表論文
致謝
本文編號:3860286
【文章頁數(shù)】:64 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
縮略語表(Abbreviation)
第一章 文獻綜述
1.1 養(yǎng)殖水體“三氮”概述
1.1.1 水體氮的來源以及存在形式
1.1.2 氨氮的危害
1.1.3 亞硝酸鹽的危害
1.1.4 硝酸鹽的危害
1.1.5 影響水體“三氮”含量的因素
1.2 水質(zhì)預測研究概述
1.3 神經(jīng)網(wǎng)絡概述
1.3.1 神經(jīng)網(wǎng)絡概念
1.3.2 傳統(tǒng)BP神經(jīng)網(wǎng)絡
1.3.3 自動編碼器
1.3.4 棧式自動編碼器
1.4 研究目的和意義
第二章 水質(zhì)參數(shù)及“三氮”數(shù)據(jù)采集
2.1 預測模型參數(shù)的選擇
2.2 水質(zhì)參數(shù)監(jiān)測平臺概述
2.2.1 水質(zhì)參數(shù)監(jiān)測系統(tǒng)總體架構與工作原理
2.2.2 前端監(jiān)測設備硬件結構
2.3 “三氮”含量測定方法的選擇
2.4 “三氮”濃度測定及原理
2.4.1 納氏比色法測定氨氮濃度
2.4.2 α-萘胺比色法測定亞硝酸鹽氮濃度
2.4.3 雙波長紫外分光光度法測定硝酸鹽氮濃度
2.4.4 “三氮”測定的標準曲線
2.5 水樣的預處理
2.6 試驗分組及結果
2.6.1 氨氮
2.6.2 亞硝酸鹽氮
2.6.3 硝酸鹽氮
2.7 水質(zhì)參數(shù)與“三氮”之間的相關性
2.7.1 水質(zhì)參數(shù)彼此之間的相關性
2.7.2 pH以及溫度與氨氮濃度之間的相關性
2.7.3 pH值以及溫度與亞硝酸鹽氮濃度之間的相關性
2.7.4 溫度與硝酸鹽氮濃度之間的相關性
第三章 建立基于SAE-BP神經(jīng)網(wǎng)絡的水質(zhì)預測模型
3.1 建模所用軟件的選擇
3.2 原始數(shù)據(jù)的預處理
3.3 訓練樣本集與預測樣本集的選擇
3.4 確定神經(jīng)網(wǎng)絡的各項參數(shù)
3.5 SAE-BP神經(jīng)網(wǎng)絡的網(wǎng)絡結構
3.6 模型的訓練結果
3.6.1 SAE-BP神經(jīng)網(wǎng)絡對氨氮的預測
3.6.2 SAE-BP神經(jīng)網(wǎng)絡對亞硝酸鹽氮的預測
3.6.3 SAE-BP神經(jīng)網(wǎng)絡對硝酸鹽氮的預測
第四章 討論
4.1 與其他“三氮”預測模型的分析對比
4.1.1 氨氮預測模型
4.1.2 亞硝酸鹽氮預測模型
4.2 水質(zhì)參數(shù)選取討論
4.3 模型優(yōu)化討論
4.4 模型應用討論
全文總結
參考文獻
碩士期間發(fā)表論文
致謝
本文編號:3860286
本文鏈接:http://sikaile.net/nykjlw/scyylw/3860286.html
最近更新
教材專著