地表水质监测模型中的几种人工智能方法

doi:10.11894/1005-829x.2007.27(2).13

工业水处理 ›› 2007, Vol. 27 ›› Issue (2): 13-16. doi: 10.11894/1005-829x.2007.27(2).13

地表水质监测模型中的几种人工智能方法

王志红^{1, 2}, 孙超³

1. 广东工业大学建设学院, 广东广州 510006;
2. 华南理工大学环境科学研究所, 广东广州 510641;
3. 广东省水利电力勘察设计研究院, 广东广州 510170

收稿日期:2006-06-05 出版日期:2007-02-20 发布日期:2010-10-01
作者简介:王志红(1975- )，2004年毕业于哈尔滨工业大学，获工学博士，现工作于华南理工大学化学科学与工程博士后流动站。电话:020-38457309，13560187036,E-mail: gdwzhihong@126.com。
基金资助:
广东省自然科学基金资助项目(06021461);广东省教育厅自然科学基金重点项目(05J011);华南理工大学青年基金资助项目(E5050770);广东工业大学博士启动基金项目(043036)

Several artificial intelligent methods forsurface water quality monitoring models

Wang Zhihong^{1, 2}, Sun Chao³

1. School of Construction, Guangdong University of Technology, Guangzhou 510006, China;
2. Institution of Environmental Science, South China University of Technology, Guangzhou 510641, China;
3. Guangdong Research Institute of Investigation and Design of Water Conservancy and Power, Guangzhou 510170, China

Received:2006-06-05 Online:2007-02-20 Published:2010-10-01

摘要/Abstract

摘要：

重点对地表水质预测模型的几种人工智能方法进行了评述，具体说明了BP神经网络水质预测模型、地表水COD灰色预测模型、时间数列预测方法及WASP5模型系统等方法的原理和特点。并提出地表水质预测模型WASP5与GIS系统集成的趋势,建立水质自动监测系统是我国水质现状和社会发展的需要,并分析了发展水质自动检测系统的方法及可行性。

关键词: 地表水, 水质监测模型, 人工智能

Abstract:

Several artificial intelligent methods for surface water quality monitoring are discussed. The principlesand characteristics of suchmodels, suchas B Pneural web water qualitypredicting model, greypredicting modelof COD of surface water, time-arraypredicting method and WASP5model system, etc., are expounded concretely.The trendof the integrationof WASP5andGISsystemis put forward. Establishingwater qualityautomaticmonitoring system is thepresent statusand social development needinChina. The methods and their feasibilitiesof developing water quality automatic monitoring system are analysed.

Key words: surfacewater, water qualitymonitoningmodels, artifical intelligence

中图分类号:

王志红, 孙超. 地表水质监测模型中的几种人工智能方法[J]. 工业水处理, 2007, 27(2): 13-16.

Wang Zhihong, Sun Chao. Several artificial intelligent methods forsurface water quality monitoring models[J]. INDUSTRIAL WATER TREATMENT, 2007, 27(2): 13-16.

https://www.iwt.cn/CN/Y2007/V27/I2/13

[1]	薛晓强, 李杰, 贺高峰, 王志慧, 王艳兵, 夏天飞, 杨光, 张亚宾. AI人工智能加药技术在采煤废水重介速沉工艺中的应用[J]. 工业水处理, 2024, 44(7): 190-196.
[2]	杨军, 周婕, 张楠, 徐海波. 混凝剂后絮凝对超滤反渗透膜系统影响的研究[J]. 工业水处理, 2022, 42(9): 155-159.
[3]	孙娜, 黄勇, 李学艳. 吹脱捕集-离子色谱法测定水中金属硫化物的研究[J]. 工业水处理, 2015, 35(8): 92-94,100.
[4]	任洪艳,郑丽银,缪恒锋,阮文权. 适用于地表水反硝化的淀粉碳源选择[J]. 工业水处理, 2011, 31(12): 25-28.
[5]	聂明, 陈爱民. 反渗透法处理地表水存在的问题及解决方案[J]. 工业水处理, 2010, 30(11): 80-83.
[6]	曹国凭, 马浩, 关会玲. 超滤技术在地表水处理中的应用和研究进展[J]. 工业水处理, 2009, 29(2): 6-9.
[7]	曾植, 杨春平. 炭砂滤池与砂滤池处理稳定性微污染地表水对比试验[J]. 工业水处理, 2008, 28(9): 43-46.
[8]	王威, 陈忠林, 田家宇, 于莉君, 陈伟雄, 李圭白. 高锰酸盐复合药剂预氧化处理微污染水[J]. 工业水处理, 2007, 27(5): 48-50.
[9]	王利林. 反渗透系统处理地表水的工艺设计[J]. 工业水处理, 2005, 25(7): 72-73.
[10]	陈忠林, 牛晚扬, 马军, 王东田, 李圭白, 焦明书. 高锰酸盐复合药剂强化混凝处理高有机物含量的地表水[J]. 工业水处理, 2001, 21(5): 15-16,26.
[11]	王景. 影响原水处理效果的研究分析[J]. 工业水处理, 1992, 12(3): 38-38,24.

选择文件类型/文献管理软件名称

选择包含的内容

地表水质监测模型中的几种人工智能方法

Several artificial intelligent methods forsurface water quality monitoring models

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

地表水质监测模型中的几种人工智能方法

Several artificial intelligent methods forsurface water quality monitoring models

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价