关键词:
水污染治理
机器学习
水质检测
传感器
污水评价指标
摘要:
在农业生产过程中,无论是畜牧业还是种植业都离不开河流、雨水、湖泊以及地下水层提供的淡水资源。随着人类文明的发展,各类生产生活所产生的废弃物质正在污染着地球上的淡水资源,而淡水资源的短缺和污染会直接对农业的产出产生直接的影响,有可能引发大面积的粮食危机,进而对人类的生存发展产生极大的危害和影响。水质监测在水资源可持续利用的发展过程中有重大意义,加强对水质监测的力度,不仅有效地控制了水污染,还能观察水质是如何变化的,分析水质问题并且及时处理,进而缓解工业污染带来的水质恶化,提高水资源的质量,增加国家的经济效益。为保障农业生产秩序,推动提高精准控制河水污水治理水平,本文在研究过程中以构建高效的、精准的入河排污口水质检测系统为主要研究目标,通过实地走访、调查研究、查阅文献等形式对当前国内,特别是江苏省、南京市入河口排污水质量检测和治理的的现实状况进行了解和分析,使用KNN算法、M-SVM算法,结合水质检测工作的历史数据对污水质量检测这一问题进行综合分析和研究,提出可以推广使用的、精度较高的入河口水质检测模型,并运用软件设计理论和主流的开发技术对城市入河口水质自动检测系统进行了分析、设计、实现与测试。完成的主要工作包括:一是完成了入河口水质检测系统需求分析与设计。结合我国入河口水质检测和污染治理的的实际情况,对入河口水质检测的现实需求进行实地的调查了解,提出分析结论,运用软件设计技术对平台的可行性、功能性需求、非功能性需求等进行分析研究,形成系统需求分析结论;并基于需求分结论从总体架构、功能模块、数据库等方面确定系统的总体设计方案。二是基于数据挖掘算法对入河口污水水质检测问题进行研究。结合前文需求分析的结论,特别是针对需求分析中系统的核心功能——污水水质检测问题,对照《中华人民共和国地表水环境质量标准》,将检测过程中的水质按由高到低区分为五级,以南京市入河口污水水质检测为主要研究对象进行研究,综合运用了KNN、M-SVM算法建立水质检测评价模型,并运用实际数据对模型进行验证,最终根据验证结论选择更加快速、精准的M-SVM算法对该核心功能进行实现。三是完成了水质采样检测终端设计。根据系统需求分析,确定水质采样检测终端总体结构,并对水质测量节点的设备,对照功能需求和性能要求进行了硬件选型,对核心微处理器的结构、终端水质数据采样业务流程进行了设计,确保了采样检测终端稳定运行,支撑软件系统功能实现。四是完成了系统的实现与测试。对照系统设计方案,采用Flask Web技术、Bootstrap的前端框架,基于Python语言对系统原型进行了实现,并针对南京市入河口水质数据,对照传统的人工检测结果,对自动化水质检测系统进行测试与验证。通过测试和实验,本文所提出的自动化的水质检测方法具有一定的准确性和可操作性,设计实现的入河口排污水质自动检测系统功能完备,性能稳定,可操作性强。本文的研究对于动态监测河水水质变化,控制提高河水水质具有重要意义,同时也能一定程度上为我国污水检测的自动化提供参考依据。