基于数据挖掘的水厂计算机监测网络的研
VIP免费
摘 要
随着城市人口的增长和城市地域的扩大，新规划建设的城市自来水厂的规模
越来越大；另一方面，人口的迅猛增长和城市化的推进所带来的环境污染及生态
恶化，尤其是水污染问题越来越严重，各国对生活用水的安全越来越重视，从而
对自来水厂计算机监测网络系统的规模、安全性和可靠性提出了更高的要求。现
有的水厂计算机监测网络系统只提供简单的视频监测和生产工艺监测，已经不能
满足新的要求，新型水厂的计算机监测网络系统已经发展为能对包括员工考核、
工艺流程、水质实时监测和生产安全等方面在内进行实时监测的大型信息系统。
数据挖掘（Data Mining）这一概念首次提出于上世纪80年代，随后越来越多
的学者投身于数据挖掘的研究工作中，使得该领域在短短的30年内取得了飞速的
发展。随着人工智能理论的发展，出现了知识发现这一新学科，而数据挖掘可以
看成是基于人工智能理论中的机器学习方法，从数据库和数据仓库中存储的海量
数据中挖掘出潜在的有用知识，因此，数据挖掘和知识发现在本质上是相同的，
它们的研究方向也相近。
通过对水厂处理过程的详细调查与研究，我们注意到，存储于水厂计算机监
测网络系统中的数据量是非常巨大的，这为数据挖掘方法的应用提供了前提条件。
本文所做的研究工作主要包括应用数据挖掘技术，结合灰色系统理论对自来水厂
计算机监测网络系统的安全进行评估以及对出厂水质进行预测，研究结果可为自
来水厂改进生产流程以及提高出水水质提供决策参考。
关键词：数据挖掘 水质监测 聚类分析 灰色理论 信息系统
ABSTRACT
With the rapid growth of population and size for cities, the scale of the waterworks
is larger than before. On the other hand, the rapid growth of population and the
urbanization acceleration bring issues such as environment pollution and ecological
degradation, especially water pollution become more and more serious. Countries
around the world pay more attention to the safety of domestic water. When a new
waterworks is planted to build, the scale, security and reliability take an important role
on the design work for its computer monitoring network system. The computer
monitoring network systems for current waterworks only provide functions such as
video surveillance and process monitoring, and they can no longer meet the new
functions. The computer monitoring network systems for latest waterworks are the
time-to-time information systems, which are in large scale and with the functions such
as employee assessment, process monitoring and monitoring water quality in
time-to-time, etc. Our research work presented in this paper including evaluating the
security levels of computer monitoring network systems and water quality forcast, our
study is based on Data Mining technology and the combination of grey systems.
The conception of Data Mining was first proposed in the 80s of the last century,
from then on, more and more scholars engaged in the research work in the Data Mining
area, and they have made considerable progress for this area. With the development of
the theory in artificial intelligence and database technology, a new subject named
Knowledge Discovery from Database was proposed. Data Mining can be viewed as a
machine learning method based on artificial intelligence theory, it mining potential
knowledge from vast amounts data which stored in database and data warehouse.
Therefore, Data Mining and Knowledge Discovery from Database are the same in
nature, and their research is also similar.
Based on a detailed understanding of water treatment process, we note that the data
sets stored in computer monitoring network systems are in large scale, they provide
preconditions for the application of Data Mining technology. We take into account each
process in waterworks, especially the part of the new technology application; we
combine data mining techniques such as clustering algorithm, and measure the related
indicators to achieve the entire treatment process the full range of monitoring. Our
research work including evaluating the security levels of computer monitoring network
systems and water quality forcast, our study is based on Data Mining technology and
the combination of grey systems.
Key word: Data Mining; Water Quality Monitoring; Cluster Analysis;
Grey Theory; Information System.
目 录
中文摘要
ABSTRACT
第一章 绪论.....................................................................................................................1
§1.1 论文研究的背景及意义....................................................................................1
§1.2 国内外研究现状................................................................................................2
§1.3 论文研究的内容................................................................................................3
§1.4 论文的组织结构................................................................................................3
第二章 奉贤第三水厂生产流程与水质监测网络简介.................................................5
§2.1 自来水厂水处理工艺简介...............................................................................5
§2.2 计算机监测网络总体设计...............................................................................8
第三章 数据挖掘理论概述...........................................................................................10
§3.1 数据挖掘技术概述..........................................................................................10
§3.1.1 数据挖掘技术的出现............................................................................10
§3.1.2 数据挖掘的研究内容............................................................................11
§3.1.3 知识发现的步骤....................................................................................12
§3.1.4 数据挖掘技术的发展趋势....................................................................13
§3.2 数据挖掘算法..................................................................................................14
§3.2.1 关联规则挖掘算法................................................................................14
§3.2.2 分类方法................................................................................................15
第四章 数据挖掘中的聚类分析...................................................................................17
§4.1 聚类分析中的数据结构和数据类型..............................................................17
§4.1.1 聚类分析中的数据结构........................................................................17
§4.1.2 聚类分析中的数据类型........................................................................18
§4.2 聚类准则的确定..............................................................................................20
§4.3 聚类分析算法的分类......................................................................................21
§4.3.1 基于划分的分析方法............................................................................21
§4.3.2 基于密度的分析方法............................................................................23
§4.3.3 基于层次的分析方法............................................................................24
§4.3.4 基于网络的分析方法............................................................................25
第五章 灰色聚类理论在水厂监测网络中的应用.......................................................27
§5.1 水厂计算机监测网络系统安全评价指标的选取..........................................27
§5.2 灰色聚类方法..................................................................................................29
§5.3 基于灰色聚类方法的水厂计算机监测网络安全评价..................................32
§5.4 小结..................................................................................................................35
第六章 基于灰色数据挖掘模型的水质预测...............................................................36
§6.1 我国生活用水相关标准..................................................................................36
§6.1.1 生活用水卫生的基本要求....................................................................36
§6.1.2 我国现行的生活用水国家标准............................................................37
§6.2 基于数据挖掘的灰色预测模型......................................................................38
§6.2.1 灰色预测模型的数据仓库设计............................................................39
§6.2.2 常见的灰色数据挖掘模型....................................................................40
§6.3 灰色数据挖掘模型在水质预测中的应用.....................................................43
§6.4 小结.................................................................................................................48
第七章 总结与展望.......................................................................................................49
§7.1 本文研究总结.................................................................................................49
§7.2 进一步工作的展望.........................................................................................49
参考文献.........................................................................................................................51
在读期间公开发表的论文和承担科研项目及取得成果.............................................56
致 谢.............................................................................................................................57
第一章 绪论
1
第一章 绪论
§1.1 论文研究的背景及意义
在社会经济的发展过程中，随着城市规模不能扩大以及城市化的推进，包括
水资源在内的自然资源受到越来越严重的破坏，由此带来的水资源短缺及水污染
问题不断加剧；另一方面，随着生活条件的提高，人们对包括自来水等生活必备
资源的安全性要求也越来越高。常规水处理工艺对水源的净化处理已经不能满足
现状，研究者们一方面努力改造和强化常规水处理工艺，另一方面积极研究和发
展深度处理技术，以提高净水工艺水平来满足不断提高的饮用水水质标准。依靠
现代技术手段对生产过程进行控制和管理,提高设备运行效率,节省资源是水工业
技术发展的必然趋势[1]。随着自动化控制技术以及网络技术的迅猛发展,供水行业
里的许多水厂建立起传统工艺的计算机监测系统。通过调查发现，常规处理工艺
目前在国内大中型水厂的工艺设计中仍然是主要的处理工艺，其流程中各单元处
理设施有多种形式并各有其优势和局限性。新型工艺在水处理中的应用，对整个
监测系统提出了新的要求，在本论文中，将运用数据挖掘理论中的聚类算法来分
析解决新工艺过程中的实际问题。
数据挖掘[2]（Data Mining）这一概念首次提出于上世纪80年代，随后越来越
多的学者投身于数据挖掘的研究工作中，使得该领域在短短的30年内取得了飞速
的发展[3]。随着人工智能理论的发展，出现了知识发现这一新学科，而数据挖掘可
以看成是基于人工智能理论中的机器学习方法，从数据库和数据仓库中存储的海
量数据中挖掘出潜在的有用知识，因此，数据挖掘和知识发现在本质上是相同的，
它们的研究方向也相近[4]。通过对水厂处理过程的详细了解，我们注意到，在监控
系统的数据集中的数据量是非常巨大的，这为应用数据挖掘方法的应用提供了前
提条件。因此，我们考虑到，在水厂各个环节，尤其是应用了新工艺的环节中，
我们主要结合数据挖掘技术中的聚类算法，及时衡量各项参数(指标)，以期达到对
整个水处理过程的全方位监测，组成一个监测网络，在提高生产安全系数的同时，
确保出水符合预定目标。
摘要：
展开>>
收起<<
摘要随着城市人口的增长和城市地域的扩大，新规划建设的城市自来水厂的规模越来越大；另一方面，人口的迅猛增长和城市化的推进所带来的环境污染及生态恶化，尤其是水污染问题越来越严重，各国对生活用水的安全越来越重视，从而对自来水厂计算机监测网络系统的规模、安全性和可靠性提出了更高的要求。现有的水厂计算机监测网络系统只提供简单的视频监测和生产工艺监测，已经不能满足新的要求，新型水厂的计算机监测网络系统已经发展为能对包括员工考核、工艺流程、水质实时监测和生产安全等方面在内进行实时监测的大型信息系统。数据挖掘（DataMining）这一概念首次提出于上世纪80年代，随后越来越多的学者投身于数据挖掘的研究工作中...
相关推荐
-
跨境电商商业计划书模版VIP免费
2025-01-09 4 -
跨境电商方案范文VIP免费
2025-01-09 4 -
创业计划书VIP免费
2025-01-09 4 -
xx生鲜APP计划书VIP免费
2025-01-09 4 -
跨境电商创业园商业计划书(盈利模式)VIP免费
2025-01-09 4 -
跨境电商计划书VIP免费
2025-01-09 5 -
绿色食品电商平台项目计划书VIP免费
2025-01-09 4 -
农产品电子商务商业计划书VIP免费
2025-01-09 4 -
农村电商平台商业计划书VIP免费
2025-01-09 5 -
生鲜商城平台商业计划书VIP免费
2025-01-09 4
作者：牛悦
分类：高等教育资料
价格：15积分
属性：60 页
大小：1.03MB
格式：PDF
时间：2024-11-19
