(3.237.178.91) 您好!臺灣時間:2021/03/04 09:21
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:劉宗欣
研究生(外文):Zong-shin Liu
論文名稱:基於自適應神經網路之汙水量預測系統
論文名稱(外文):A Sewer Flow Prediction System Based on Adaptive NeuralNetwork
指導教授:楊浩青楊浩青引用關係
指導教授(外文):Haw-Ching Yang
學位類別:碩士
校院名稱:國立高雄第一科技大學
系所名稱:系統資訊與控制研究所
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:49
中文關鍵詞:異常模式分析適應性網路模糊推論系統污水量預測
外文關鍵詞:Sewage flow forecastabnormal mode analysisANFIS
相關次數:
  • 被引用被引用:1
  • 點閱點閱:102
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
人日常所製造包含洗滌、衛浴、與廚房等污水,均需排放至下水道,經污水管路匯集,以進入污水處理廠處理。污水後經攔污柵,固液分離,再經生物反應以分解有害物質後才行排放出海。其中,若因管線破裂,或異物阻滯未能適時反應實際污水量,將導致生物反應池中菌種因污水濃度變異過鉅而死亡,增加廠區的操作成本。因此,如何預測實際污水量的變化,從而提供處理廠操作為一實務挑戰。
本研究基於適應性網路模糊推論系統(Adaptive Network-Based Fuzzy Inference System, ANFIS)以預測污水流量與可能異常模式,以增加污水處理廠之提前應變時間。在污水量預測上,透過污水管線的流量感測,可建立某感測點的歷史流量資料,經結合實際雨量、與鄰近污水感測量,建立ANFIS為基礎的流量預測模型,用以推估下一時段的可能流量。在異常模式分析上,根據推估污水量與實際量之差異,以分析包含如雜物遮罩、外液混入、或管線破裂等異常模式,作為污水處理廠的後續操作依據。
在研究結果上,經彙整某一污水處理廠近一年的資料與分析後,污水量預測上,可發現所提的適應性網路模糊推論系統其預測之平均相對誤差4.52%,相較於多元迴歸模型的4.64%而言,可獲得較佳之預測能力。在異常模式分析上,短期預測可提供異常模式如雜物遮罩,感測值低於一般流量分布最低5%數值以下可判斷為遮罩。
Daily produced sewage from washing, toilet, and kitchen is discharged into sewers. Before exporting sewage into sea, a sewerage plant treats the collected sewage as follows: filtering debris by fences; separated sewage into solid and liquid; finally, decomposed hazardous substances by biological reaction. If there exists abnormal modes such as a sewer with a leak or blocked by debris, actual volume of sewage could fail to be received. Such that operating cost is increased due to great density variance of sewage causing bacteria in bioreactor death. Hence, a practical challenge of a sewerage plant is how to predict varying of sewage volume and diagnose abnormal modes.
The study predicts sewage flow based on adaptive neural fuzzy inference system (ANFIS) to diagnose abnormal modes for increasing response times of a sewerage plant. In sewage flow prediction, historical flow data sensing from sewers is integrated with actual rainfall and neighboring sensing data to build an ANFIS flow prediction model, which is used to predict flows in the following time. In abnormal analysis, abnormal modes such as debris masking, rain mixture, and pipeline leak can be diagnosed according to differences between predicted and actual sewage volumes, such that corresponding treatments can be taken based on the diagnosed mode.
In results, after collected and analyzed near one year data from a sewerage plant, the proposed ANFIS model presents sewage flow prediction with mean relative error 4.52%, which is better than using a regression model with mean relative error 4.64%. In abnormal analysis, the short-term prediction supports various abnormal modes detection, for example, debris masking can be detected when sensing data is below the lowest 5% of general flow distribution.
摘要……. i
致謝…… iii
目錄……. iv
圖目錄… v
表目錄…. vii
第一章 緒論 1
1.1研究背景 1
1.2研究目的 2
1.3論文架構 4
第二章 理論方法 5
2.1研究方法 5
2.2適應性網路模糊推論系統 6
2.3迴歸分析 ………11
2.3.1迴歸分析……………………………………………………………..11
2.3.2迴歸模型與特性.................................................................................12
2.3.3參數估計…………………………………………………………….13
第三章 實驗架構與應用 14
3.1 實驗系統描述 14
3.1.1實驗環境介紹……………………………………………………….14
3.1.2系統環境與架構…………………………………………………….15
3.1.3系統開發…………………………………………………………….17
3.1.3案例假設與限制…………………………………………………….21
3.2 實驗結果分析 24
3.2.1適應性網路模糊推論系統………………………………………….24
3.2.3多元迴歸分析預測………………………………………………….38
3.3 異常模式分析 41
第四章 結論 47
4.1結論 47
4.2未來研究方向 47
參考文獻 48
摘要…….i
致謝……iii
目錄…….iv
圖目錄…v
表目錄….vii
第一章緒論1
1.1研究背景1
1.2研究目的2
1.3論文架構4
第二章 理論方法5
2.1研究方法5
2.2適應性網路模糊推論系統6
2.3迴歸分析………11
2.3.1迴歸分析……………………………………………………………..11
2.3.2迴歸模型與特性.................................................................................12
2.3.3參數估計…………………………………………………………….13
第三章 實驗架構與應用14
3.1 實驗系統描述14
3.1.1實驗環境介紹……………………………………………………….14
3.1.2系統環境與架構…………………………………………………….15
3.1.3系統開發…………………………………………………………….17
3.1.3案例假設與限制…………………………………………………….21
3.2 實驗結果分析24
3.2.1適應性網路模糊推論系統………………………………………….24
3.2.3多元迴歸分析預測………………………………………………….38
3.3 異常模式分析41
第四章 結論47
4.1結論47
4.2未來研究方向47
參考文獻48
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔