【摘要】：中國城鎮(zhèn)化建設(shè)的快速發(fā)展帶來了國內(nèi)建筑行業(yè)的迅猛發(fā)展,但是在城市的建設(shè)過程中也伴隨著大量污染物的產(chǎn)生,這給居民生活環(huán)境和城市自然環(huán)境帶來一定影響。研究表明建筑施工產(chǎn)生的揚(yáng)塵是城市大氣顆粒污染物的重要來源,產(chǎn)生的噪音是城市噪音污染的主要來源。因此對噪音和揚(yáng)塵進(jìn)行監(jiān)測和管理能夠有效防治揚(yáng)塵污染和噪音污染,從而間接地保護(hù)城市環(huán)境。同時利用數(shù)據(jù)挖掘技術(shù)挖掘和分析歷史數(shù)據(jù),從中得到的有效信息對施工監(jiān)管工作也有一定的指導(dǎo)意義�；诖吮尘�,本文整理分析了現(xiàn)階段噪音揚(yáng)塵監(jiān)管過程中存在的問題,確定了系統(tǒng)的功能模塊,系統(tǒng)的主要功能有:區(qū)域管理功能,其作用是在業(yè)務(wù)層面對監(jiān)管區(qū)域進(jìn)行縱向劃分,保證不同區(qū)域間業(yè)務(wù)的相互獨立性;項目管理功能,是管理市政項目詳細(xì)信息的功能模塊;設(shè)備管理功能,是管理和配置硬件監(jiān)測設(shè)備的功能模塊;任務(wù)管理功能,其目的是針對長期超標(biāo)的監(jiān)測項目自動或手動生成處理任務(wù)以實現(xiàn)對監(jiān)測項目的異地監(jiān)管;GIS全局地圖及視頻監(jiān)控功能,基于GIS地理信息服務(wù)和網(wǎng)絡(luò)視頻監(jiān)控設(shè)備實現(xiàn)了對監(jiān)測項目的統(tǒng)計分析功能和視頻監(jiān)控功能,運(yùn)用可視化技術(shù)直觀地把監(jiān)測數(shù)據(jù)展示給監(jiān)管人員以協(xié)助監(jiān)管人員開展工作。本系統(tǒng)采用當(dāng)前業(yè)界流行的J2EE架構(gòu)作為整體方案的技術(shù)框架;系統(tǒng)性能優(yōu)化方案采用了Nginx服務(wù)配合Tomcat集群實現(xiàn)負(fù)載均衡,提升了系統(tǒng)的并發(fā)能力;系統(tǒng)應(yīng)用了Redis緩存集群服務(wù),對一致性較弱但查詢頻繁的數(shù)據(jù)進(jìn)行緩存,且Redis集群也避免了單點故障問題的發(fā)生;系統(tǒng)采用了MySQL集群方案,應(yīng)用了keepalived故障自動解除服務(wù),從而避免數(shù)據(jù)異常丟失和單點故障問題,提升了系統(tǒng)可用性。同時本課題研究了基于常見空氣污染物的人工神經(jīng)網(wǎng)絡(luò)模型對PM_(10)濃度的預(yù)測。這部分的主要工作有以下六個方面:1.研究常見的空氣污染物濃度預(yù)測模型,選擇合適的模型作為本次研究的預(yù)測模型;2.獲取和整理空氣質(zhì)量歷史數(shù)據(jù)和系統(tǒng)內(nèi)的歷史數(shù)據(jù);3.原始數(shù)據(jù)預(yù)處理,包括數(shù)據(jù)缺失處理、數(shù)據(jù)歸一化等;4.確定模型的輸入因子和輸出結(jié)果;5.設(shè)計并訓(xùn)練基于常見空氣污染物的BP神經(jīng)網(wǎng)絡(luò);6.對模型的重要參數(shù)進(jìn)行調(diào)整優(yōu)化使模型達(dá)到較優(yōu)的預(yù)測精度。最后通過實驗分析證明,本預(yù)測模型具備一定預(yù)測能力。截至目前本系統(tǒng)在西安某政府部門穩(wěn)定運(yùn)行時間已達(dá)兩年,實現(xiàn)了對建筑施工過程中產(chǎn)生的揚(yáng)塵和噪音進(jìn)行自動監(jiān)測的功能,滿足了部門監(jiān)管需求,提高了部門監(jiān)管效率。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：X830;TP311.52
【圖文】：

第五章 基于 BP 神經(jīng)網(wǎng)絡(luò)的揚(yáng)塵濃度預(yù)測研究51圖5.4 實際值與預(yù)測值對比圖5.6 本章小結(jié)本章首先確定了所使用的預(yù)測算法模型，然后通過對數(shù)據(jù)集的預(yù)處理得到符合模型輸入輸出的訓(xùn)練樣本集，再建立了基于空氣污染物的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并對模型的相關(guān)參數(shù)進(jìn)行調(diào)整得到最佳的網(wǎng)絡(luò)模型，最后對模型的預(yù)測結(jié)果進(jìn)行了分析，結(jié)果表明基于空氣污染物的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測結(jié)果一定程度上可以反應(yīng)出實際PM10濃度。

7.3.1 數(shù)據(jù)可視化及統(tǒng)計分析模塊數(shù)據(jù)可視化及統(tǒng)計分析模塊主要實現(xiàn)了項目監(jiān)測值曲線圖、項目狀態(tài)餅狀圖和項目狀態(tài)排名列表等可視化圖表。如圖7.1所示，此圖是系統(tǒng)統(tǒng)計管理頁面的運(yùn)行截圖，圖中上方的折線圖表示監(jiān)測點采集值的走勢，其中紫色線代表本項目監(jiān)測點的監(jiān)測值，綠色線表示國家監(jiān)測標(biāo)準(zhǔn)值，從圖中可以看出兩條線間較為吻合，表明施工現(xiàn)場揚(yáng)塵濃度正常；圖中的左下側(cè)的餅狀圖中的圖例有 4 中顏色，分別表示正常、輕度超標(biāo)、重度超標(biāo)和異常四種項目狀態(tài)的項目數(shù)量占比。圖中右下方的表格主要記錄了監(jiān)測項目揚(yáng)塵濃度重度超標(biāo)、輕度超標(biāo)、正常和異常的項目監(jiān)測點的具體信息，包括是時間、項目名、揚(yáng)塵濃度、國測點濃度和超標(biāo)情況等。圖7.1 數(shù)據(jù)可視化運(yùn)行截圖

10濃度均值未超標(biāo)，紅色點標(biāo)記說明此項目監(jiān)測到的揚(yáng)塵濃度存在超標(biāo)現(xiàn)象。圖7.2 全局地圖界面如圖 7.3 所示，此圖是項目視頻實時監(jiān)控畫面，在系統(tǒng)中只要點擊項目詳情頁面某項目的攝像頭圖標(biāo)，會彈出此視頻監(jiān)控窗體，并自動播放監(jiān)控畫面。圖7.3 施工工地實時監(jiān)控畫面

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志軍;;人工神經(jīng)網(wǎng)絡(luò)在軋鋼中的應(yīng)用綜述[J];上海工程技術(shù)大學(xué)學(xué)報;2018年04期

2 魏曉丹;;人工神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域的應(yīng)用[J];科技風(fēng);2019年15期

3 杜秉航;;人工神經(jīng)網(wǎng)絡(luò)初探[J];科技傳播;2018年02期

4 宋子航;;深度學(xué)習(xí)技術(shù)及其在醫(yī)療領(lǐng)域中的應(yīng)用[J];科技傳播;2018年12期

5 彭驛茹;;人工神經(jīng)網(wǎng)絡(luò)發(fā)展歷史與訓(xùn)練算法概述[J];科技傳播;2018年21期

6 馬衛(wèi)東;;電氣控制線路和人工神經(jīng)網(wǎng)絡(luò)關(guān)系初探[J];電子世界;2017年02期

7 宋泓陽;孫曉巖;項曙光;;人工神經(jīng)網(wǎng)絡(luò)在化工過程中的應(yīng)用進(jìn)展[J];化工進(jìn)展;2016年12期

8 宋雨o

本文編號：2796652