多参数水质分析说明书（通用9篇）
篇1：多参数水质分析说明书
多参数水质分析仪溶解氧电极使用说明
1.多参数水质分析仪的氧气校准是百分含量的两点直线方程，其中百分含量是参考值，限定零浓度点的响应百分值，0.1%>响应值>5%；不限定满度点的响应百分值，但校准时将小于或大于100%的响应百分值重置为100%；校准曲线中，零浓度点0.00mg/L氧对应值为5-25uA电流，满度浓度点8.65mg/L氧对应值为860-1200uA电流。
2.多参数水质分析仪的氧气校准是浓度含量的两点直线方程，浓度点为4-50mg/L的多点校准曲线。
3.配制零浓度点溶液，以所测百分含量大于0.1%而小于5%的亚硫酸钠溶液为宜，也可以参考百分含量的响应时间，如果不是缓慢的从0.5%-0.4%-0.3%-0.2%-0.1%-0.0%而直接到达0.0%，可以确定该零浓度点溶液已大大的超出了曲线范围，应重新配制更低浓度的亚硫酸溶液作为零浓度点校准溶液。
4.也可以配制4mol/L（298g/L）的经超声波除氧后的氯化钾溶液作为零浓度点溶液，以纯净水为恢复响
应速度的清洗剂，反复多次的校准溶解氧电极。
5.50%甲醇溶液浓度为21.9mg/L.6.百分含量为两点校准，0.0%、100.0%；浓度含量校准从4.00mg/L-50.0mg/L的多点校准。
7.不能使用大于2%的亚硫酸钠溶液或纯氮气校准做0.0%的零浓度点校准，应从低浓度到高浓度使用
0.2-1.5%的亚硫酸钠溶液且百分含量大于0.1%的溶液校准多次进行校准。
8.百分含量大于5%的零浓度点溶液不能校准0.0%，大于2%的亚硫酸钠溶液使用使电流值偏大，从而使
低浓度的样品测试结果偏小；由此可知，使用亚硫酸钠溶液作为零浓度点的校准液，根据其浓度会有一个U型的电流响应值，校准时应努力寻找该U型的最低点或偏右的低浓度的亚硫酸钠溶液作为校准液。
9.与溶解氧仪作比对校准和测试，确定仪器的响应时间，响应时间应小于3min，与化学测试方法比对可
以验证准确度。
10.没有电极的电流值高于有电极的电流值。
11.用哈纳原装的内充液，应注意有效期，如测定结果不稳定，则可能该内充液已失效；可以使用其它公
司的内充液，如上海精科；应记录内充液的pH，EC值作为内充液是否失效的凭据。
篇2：多参数水质分析说明书
运用灵敏度与线性回归的方法,分析了松花江哈尔滨段二维水质模型中参数的敏感性.结果可知:污水排放量(Qp)= 污水排放浓度(Cp)>河流本底浓度(Ch)>流速(u)>横向扩散系数(My)>降解系数(K1);污水流量(Qp)、污水排放浓度(Cp)、河流本底浓度(Ch)与预测断面污染物浓度均呈正向完全线性相关;降解系数(K1)与预测断面污染物浓度呈负向完全线性相关;流速(u)和横向扩散系数(My)均与预测断面污染物浓度满足幂函数方程,且呈负向完全线性相关;在搜集资料时,要特别注意对流速小数位数的保留.
作 者：王英伟 闫妍 谢新宇 Wang Yingwei Yan Yan Xie Xinyu 作者单位：东北林业大学,黑龙江,哈尔滨,150040 刊 名：环境科学与管理 英文刊名：ENVIRONMENTAL SCIENCE AND MANAGEMENT 年，卷(期)：2008 33(12) 分类号：X824 关键词：二维稳态衰减模式 参数 敏感性★ 黄浦江作文
★ 水质证明范文
★ 水质调查报告
★ 小学作文黄浦江
★ 夜游黄浦江散文
★ 信息报送范文水质
★ 水质分析报告
★ 利用蚕豆根尖微核技术监测长江南京段水质
★ 年终双薪个人所得税计算方法
篇3：艾默生新型多参数水质分析仪
艾默生过程管理发布的56型分析仪是首台工业高分辨率彩色屏幕分析仪, 能提供大量的全彩色趋势图、先进的控制功能、大容量数据记录器、审查跟踪事件记录器和数字通讯功能。受益于这些先进功能的具体应用包括:电力行业的冷却器、水处理行业的反渗透、饮用水行业的废水处理、食品加工行业的在线清洗以及许多其它应用。
为了将数据传输到工厂的PLC、SCADA或DCS系统, 56型分析仪具有HART或Profibus DP数字通讯功能, HART通讯版本5和版本7协议为所有配置的标配。HART还可以通过无线智能THUM适配器, 轻松加入到WirelessHART网络, 从而实现在难以达到位置进行过程变量和诊断信息的无线传输。56型分析仪的模块化设计可实现在单输入仪器上添加测量通道, 只需简单接线和快速启动, 便可对现场仪器进行重新配置。快速启动编程屏幕可自动识别每个测量输入的类型, 并提示用户对每个传感器回路进行组态, 只需几个简单步骤, 即可实现快速调试。其测量能力包括单输入/双输入, 可以测量:pH值、ORP、ISE (离子选择性电极) 、电阻率/点导率、百分比浓度、总氯、余氯、一氯胺、溶解氧、气态氧、溶解臭氧、浊度、脉冲流量和温度, 接收和处理来自任何设备 (带供电或不带供电) 的4～20mA电流输入信号。
篇4：多参数水质分析说明书
基于多指标正交实验的并联混合动力汽车控制策略参数分析
作者：杨观赐 李少波 唐向红 璩晶磊 钟勇
来源：《计算机应用》2012年第11期
摘要：针对并联式混合动力汽车电辅助控制策略的参数优化问题，基于多指标正交优化设计理论，以混合动力汽车的燃油消耗、CO排放量、HC和的总排放量为实验指标，设计了正交优化实验表。运用直观分析法分析了18组实验结果，量化研究了控制策略参数对并联式混合动力汽车整车性能的影响，找出了各个指标的显著性影响因素。
关键词：正交实验；混合动力汽车；多目标进化算法；控制策略
篇5：多参数水质分析说明书
摘要：利用具有大范围收敛的同伦参数反演方法对水质模型参数进行计算,并应用于北京密云水库总磷的参数反演计算中.通过同伦与遗传反演两种方法分别计算沉降率的.误差并进行对比表明,同伦参数反演方法具有良好的稳定性,计算速度快,且初值的选取即使远离目标函数,解仍具有很好的收敛性.作 者：马瑞杰 高彦伟 王学双 李欣 MA Rui-jie GAO Yan-wei WANG Xue-shuang LI Xin 作者单位：马瑞杰,高彦伟,MA Rui-jie,GAO Yan-wei(吉林大学,数学学院,长春,130026)
王学双,WANG Xue-shuang(吉林钻井工程服务公司,吉林,松原,138000)
李欣,LI Xin(吉林大学,建设工程学院,长春,130026)
篇6：多参数水质分析说明书
基于MCMC法的水质模型参数不确定性研究
参数识别是数学模型应用的前提.鉴于常用贝叶斯离散化方法在搜索复杂模型参数后验分布时的计算限制的原因,本文引入了MCMC采样法.为考察MCMC法对参数后验分布的`搜索性能和效率,进行了2个案例研究.结果表明,MCMC法对参数后验分布的搜索,无论是搜索性能还是搜索效率,均表现出了独特的优越性同时,Gelman收敛判别准则计算表明,MCMC采样序列均能稳定收敛到参数的后验分布上.可见,MCMC法适用于复杂环境模型的参数识别和不确定分析研究.
作 者：王建平程声通 贾海峰 WANG Jian-ping CHENG Sheng-tong JIA Hai-feng 作者单位：清华大学环境科学与工程系,北京,100084 刊 名：环境科学 ISTIC PKU英文刊名：ENVIRONMENTAL SCIENCE 年，卷(期)： 27(1) 分类号：X192 关键词：马尔科夫链蒙特卡罗法 水质模型 不确定分析 参数识别篇7：多参数水质分析说明书
比色法多参数水质分析仪是根据光电比色原理来测量液体中某种特定化学成分的仪器,被广泛应用于微量组分的测定,通常测定含量在10-1~ 10-4mg/L的痕量组分。近年来由于新的特效有机显色剂和络合掩蔽剂不断被采用,可以在未经分离条件下直接进行比色测定,使得其分析范围更加广泛, 分析效率更高。
目前,实验室使用的比色法多参数水质分析仪都是依据物质分子对可见光产生的特征吸收光谱及光吸收定律(朗伯- 比尔定律)的原理,用未知浓度样品与已知浓度标准物质比较的方法进行定量分析。
朗伯- 比尔定律的表达式见公式(1):
式中:A——物质的吸光度;
T——物质的透射比;
a——物质的吸收系数;
b——光路长度;
c——物质的量浓度。
2计量特性
多参数水质分析仪各项技术指标见表1
3校准条件
3.1实验室环境
(1)仪器室内无强烈的机械振动和电磁电场干扰,无强光直射,不得存放与实验无关的易燃、易爆和强腐蚀性气体或试剂;
(2)实验室温度:15~35℃;
(3)实验室湿度:≤80%RH。
3.2标准物质和试剂
(1)重铬酸钾:纯度标准物质;
(2)氯化钴:标准溶液;
(3)硫酸铜:分析纯级。
3.3校准设备
(1)移液管:1m L ;
(2)容量瓶:100m L ;
(3)干燥箱:测量范围0~300℃;
(4)分析天平:测量范围0~200g;
(5)可见光透射比标准滤光片:测量范围透射比10%、 20%、30%。
4校准项目和校准方法
4.1外观检查
仪器不能有外观缺陷,按键开关、调节旋钮等个部件工作正常。
4.2稳定度
4.2.1零点稳定度
仪器在不受光的条件下,调节仪器至零点,观察3min内透射比示值的最大变化,即为零点稳定度。
4.2.2光电流稳定度
仪器校正零点后,打开光门,使接收元件受光,将仪器透射比调至100% 或吸光度0.000Abs处,观察3min内透射比或吸光度示值的最大变化,即为光电流稳定度。如仪器仅有浓度显示,观察浓度变化值。
4.3透射比或吸光度的示值误差
当已知仪器的测量波长并有透射比或吸光度显示时,仪器调好光电流后,用可见透射比标准滤光片进行测量,测量3次,其平均值与标准值之差为其示值误差。如仪器仅有浓度显示,此步可省略。
4.4线性示值误差
根据测量不同物质,查相关资料确定其大概波长范围, 配制其相关对应有吸收的系列溶液,各浓度溶液重复测量3次, 取其平均值。按线性回归法求出工作曲线的截距和斜率,并列出工作曲线的直线方程(2),按公式(3)计算第i点按直线方程计算测得值,按公式(4)计算仪器的线性示值误差, 取误差最大值为仪器的线性示值误差。
直线方程:Ai=a+bxi(2)
a——斜率;
b——截距;
xi——第i点按直线方程计算测得值;
xsi——第i点标准浓度值;
△ xi——第i点测得值的误差。
4.5线性相关系数
根据测量不同物质,查相关资料确定其大概波长范围, 配制其相关对应有吸收的的系列溶液,各浓度溶液重复测量3次,取其平均值。用最小二乘法对曲线进行处理,得到线性相关系数。
4.6测量重复性
用其中一个可见光区透射比滤光片连续测量6次,其最大值与最小值之差为吸光度重复性RA或透射比重复性RA。或用其波长下的中间浓度溶液连续测量6次,计算相对标准偏差(RSD)作为重复性。RA按公式(5)或相对标准偏差(RSD) 按公式(6)计算:
式中:A最大——吸光度或透射比最大值;
A最小——吸光度或透射比最小值。
式中:RSD——相对标准偏差;
I_i——单次测量值;
I——测量平均值;
n——测量次数。
5校准的意义和周期
通过对比色法多参数水质分析仪的校准可以很好地控制在使用比色法多参数水质分析仪进行实验分析过程中带来的分析误差,提高实验数据的真实性和准确性。
比色法多参数水质分析仪的校准一般委托有相应资质的第三方校准机构进行校准。一般校准周期不超过1a。仪器使用维护人员可根据实际使用情况对周期进行调整。在更换重要部件、维修或对仪器性能有怀疑时,应随时校准。
摘要：随着水质分析技术的不断发展,比色法多参数水质分析仪被广泛应用于环境污染中的水质分析、工业生产中的废水水质分析。通过对比色法多参数水质分析仪的校准,可以很好地控制在使用比色法多参数水质分析仪进行实验分析过程中带来的分析误差。结合平时的工作积累,就比色法多参数水质分析仪计量特性校准方法进行讨论。
关键词：比色法多参数水质分析仪,计量,校准,方法
参考文献
篇8：多参数水质分析说明书
随着城市化和工业化加速,我国河流水污染问题日趋严重。近10年来汉江水质总体情况基本良好,但汉江中下游水质污染比上游严重,尤其下游污染最严重,而且水质污染状况有逐年加剧的趋势,因此,对汉江水环境进行监测,为有关部门对汉江水环境的治理提供依据是十分必要的。
多年来由于人员、技术和经济水平的限制,水质自动监测系统在我国应用不普遍,我国的水质环境监测尚处于初级发展阶段,监测频次仅能做到枯、平、丰水期各监测一次,这对于水量、水质变化较大的河流来说,远不能满足管理的需要。因此,建立水质自动监测已势在必行。但从技术角度讲,建立水质自动监测系统是一个复杂的系统工程,可以先从国外引少量水质监测系统,经过消化吸收后再加以推广。武汉大学动力与机械学院承担水利部引进国际先进水利项目(“948”项目)开发了一套汉江水质多参数在线监测系统,本文将对该系统开发进行详细介绍。
1 系统简述
汉江水质自动监测系统主要由取水系统、预处理系统、分析系统、辅助系统、自动控制系统、系统集成软件、通讯单元共7个部分组成。其中,取水系统采用滑道取水的模式,本文不作详细介绍。预处理系统主要包括沉沙、过滤、配水等内容;分析系统主要包括各类分析仪表和设施;辅助系统包括反吹清洗、除藻、供电、留样、纯水、防雷等;自动控制系统包括PLC、嵌入式工控机、控制部件等;系统集成软件包括控制和应用软件;通讯系统主要包括通讯设备等。水质自动在线监测系统的基本组成如图1所示。
2 在线监测系统的建立
2.1 在线监测点的选取
监测点的选取是建立在线监测系统的核心,所选取的监测点应能够比较全面、真实地反映汉江的水质状况。经综合考虑各种因素后,选择的在线监测点位于武汉市城乡结合部的舵落口河段,利用原武汉市水务局的水文监测点改造成新的连续在线监测站。
2.2 在线水质监测指标的选取
以目前我国水体监测的常规5项(温度、pH值、浊度、溶解氧、电导率)、COD、总氮、总磷、氨氮、蓝绿藻、叶绿素等11项指标为本系统的主要监测指标。
2.3 在线监测仪器的选择
选取EMM700型浮标、6920型多参数仪、SERES 2000总磷在线测定仪、氨氮监测仪、总氨监测仪、高锰酸盐指数监测仪和蓝绿藻监测仪,这些仪器测量范围广、精密度高、反应时间短、线性与重复性好、检测限低、性能稳定、操作简单、运行维护方便、性价比高。
2.4 在线监测数据传输方式的选择
一般在在线监测系统中监测点信号的传输方式分有线和无线2种。有线传输方式主要是租用电信公司的电话线,通过拨号上网进行数据传输,其优点是传输的可靠性较高,缺点是监测点位置受一定限制,运行费用高,且当监测点不断增多时询问周期较长,因此有线传输方式的应用已越来越少。
无线传输方式主要有:超短波传输、电信CDPD传输、移动GPRS (或联通CDMA1X)传输、移动(或联通)短信传输等。通过对中国移动GPRS传输方式、中国移动短信传输方式和超短波传输方式的对比,并考虑到本系统的先进性,对数据实时性、传输安全性的要求较高,最终选用了GPRS传输方式。
本系统采用无线通讯(GPRS、GSM或CDMA)为主,有线通讯为辅的一备一用数据远传通讯方式。在本系统中,一方面需要通过GPRS与浮标水质站进行数据通讯,另一方面需要通过无线或有线方式与2个中心站进行双向数据传输。系统通讯网络结构如图2所示。
3 在线水质分析预测模型的建立
在线监测系统建立后,每分钟回传一次数据,通过一段时间的运行,积累了大量的在线数据。在此时间段内,课题组获得了大量的人工监测数据,为水质模型的建立奠定了坚实的基础。
3.1 在线监测点水质变化趋势的预报
通过对在线监测点水质数据的分析,发现其以7 d为一个周期呈规律性的变化。这个特点与时间序列法的建模条件相吻合,故采用时间序列法对水质变化进行模拟。
3.2 考虑停留时间的在线-人工耦合模型
根据水质预测模型应达到的目标、实际应用的要求及在线监测系统的现状,建立了在线-人工耦合系统预测模型,以达到用少量的在线监测点预测整个汉江下游水质变化的目的。
对监测点进行连续取样测定,获得了60组水质数据。通过水力分析,得到了各在线监测点到与其对应的人工监测点的停留时间,从而可以用在线监测点的水质指标值来预测人工监测点的水质指标值(采用多元线性回归和人工神经网络进行预测)。
利用该模型不仅能得到满足工程精度要求的人工采样点水质数据,还可做到提前预报,以便管理者及时采取措施。此外,还可利用人工采样点的数据对模型进行修正(2次/月) ,使之不断得到完善。
4 系统开发与实现
4.1 系统的运行环境
(1)软件平台。
根据系统总体结构设计,汉江水质在线管理系统采用C/S结构进行组件方式开发,保存并使用本地数据库。其中操作系统:Windows XP;数据库: SQL Server 2000;服务器端平台:Windows 2000 Server关系型数据库;客户端操作系统:Windows XP;编程语言: Delphi 7.0。
(2)硬件配置。
服务器端采用HP的高性能的专业服务器,客户端采用DELL的PC机。
(3)数据库的结构。
服务器数据库主要是以md作为前缀的表,并以月份作为分类,例如md200806表示2008年6月的所有数据。
4.2 系统流程(见图3)
4.3 系统软件功能
系统设置了5大主要功能模块,分别具有查询、报表输出、实时监测与水质数据显示、在线预测及系统维护等功能。
4.3.1 查询功能
查询可通过列表和图形2种方式进行。当使用列表查询时,需首先设定查询时间段、查询时间单位(以分钟为单位称为分查询,以小时为单位称为时查询) 、查询的水质指标及超标和异常标准,当所有参数都设定好后,点击查询按钮便可以得到所需的查询结果。
当使用图形查询时,先将需要查询的项目在界面右侧的复选框内打上钩(可选择需要查询的站点,也可选择显示超标线或异常线),并设定查询的时间段和时间单位,点击查询按钮后便可得到所需的数据图形。从图形中可以清晰地看到某站点的水质指标值在查询时间段内的变化情况,也可对不同站点的数据进行比较。
此外,通过点击(拖动)鼠标还可对图形进行放大或者缩小,便于工作人员查看图形的变化趋势。
4.3.2 报表输出功能
统计报表是为了部门进行数据的月统计而设计的,在时间参数设置选项框里输入年、月后,点击查询按钮即可得到所需的报表。该报表依次输出日期、站点编号、每天各站点测量个数、无效个数、无效率、超标个数、超标率、异常个数、异常率、最大值、最小值、平均值。
4.3.3 实时监测功能
将各实时监测参数(包括超标限、异常限、超标及异常报警声音等)设定好后点击实时监测按钮,程序便会按照用户设置的时间间隔进行实时的数据传输显示,再次点击该按钮则实时监测关闭。
在实时监测数据传输的过程中,如果出现水质超标的情况,系统便会根据之前的设定在管理人员的计算机上进行报警,管理人员可立刻判断出是监测点出现了何种水质参数异常,并据此迅速采取相应的应急方案。
4.3.4 在线预测功能
包括3个预测模块,即时间序列、线性回归和人工神经网络预测模块。
时间序列法预测采用7阶自回归时间序列模型,它用前7 d的水质数据来预测当天的水质指标值。具体操作如下:
(1)点击出现时间序列预测选项框后,选择想要进行时间序列分析的站点和预测指标(预测时间默认为当天的时间,也可以自行更改)。
(2)确定了预测时间后点击计算参数,系统便自动将前7 d的数据写成时间序列预测矩阵到一张Excel表格里,关掉表格后点击显示参数,系统便将参数显示到参数框中(7个参数分别为7阶的每一阶系数)。点击保存则参数被自动保存到名为参数的Excel表里(其意义为:时间序列模型每月更新1次,参数只用在当月的第1次计算,之后便可使用保存好的参数)。
(3)准备工作完成后点击“预测”按钮,系统便开始计算,并将结果显示在“预测值”文字框中。
线性回归预测模块的操作与时间序列法差不多,不同之处在于线性回归选择的站点是人工监测点,而时间序列法所选择的站点是在线监测点。
人工神经网络算法采用MATLAB编写,并利用M文件与在线监测管理系统进行数据中转。使用时点击预测选项框中的神经网络按钮即弹出神经网络选项框,在选择了所要预测的人工监测点和指标后,系统便自动寻找与该人工监测点相关联的在线监测点,并将寻找到的在线监测点的地名写入地名选项框,同时实时查找该在线监测点当前的参数值,并将其写入左边的文本框中。此时点击预测按钮,系统将在后台自动完成M文件的生成(MATLAB隐式启动),并将结果显示在“预测结果”的文本框中。预测完成之后,点击返回按钮即回到主界面。
4.3.5 系统维护功能
系统维护包括实时监测参数设定和超标异常指标设定。超标参数可以在查询选项框中设定,也可以在系统维护中设定。
5 结 论
本文所介绍的汉江多参数水质连续在线监测系统是在水利部引进国际先进水利水电技术项目和国家重点实验室开放基金的资助下,消化和吸收国外的先进监测设备及技术,研究水质连续在线监测系统的关键技术,系统可在无人值班的情况下,自动完成水样采集、整理分析、数据处理、数据传送、水质预测等一系列过程,并实现了水质数据网内资源共享,从而为建立汉江流域的水环境数据库,分析汉江水环境变化趋势打下了基础,为环境部门和其他政府相关管理部门提供了决策依据。
摘要：介绍了汉江多参数水质在线监测系统的研制开发,分析了系统的基本原理和整体设计方案,介绍了系统硬件设计方案以及软件设计。水质参数数据经过存储和网络传送以及基于人工智能的预测分析,相互传输数据,实现了对汉江水质的监控和预测,为建立完备的汉江水质监测数据库打下基础,同时为有关部门对汉江水环境的治理提供依据。
篇9：多参数水质分析说明书
天然循环冷却水松花江水是东北地区经济社会发展所依赖的重要水资源之一,它是沿江电厂主机凝汽器、主机冷油器,闭式循环水板式冷却器等冷却水的重要来源。冷却水污垢的形成是极其复杂的动量、能量和质量传递过程[3]。它随水质参数和时间的变化具有强非线性和强时变性的特征,造成理论分析预测污垢极为困难。而BP网络因其具有通过学习逼近任意非线性影射的能力,可以不受非线性模型的限制,所以它在水文分析和水文预测中的应用越来越广泛[4,5,6,7]。
本文作者搭建了污垢监测系统在线检测污垢热阻的变化,对污垢特性影响较大的电导率、硬度、Cl-、铁离子、溶解氧、化学耗氧量(COD)、细菌总数、pH值、碱度、浊度等水质参数做同周期的离线检测,采用多项式拟合的方法筛选出与污垢热阻关联度强的水质参数以及时间作为输入量,污垢热阻作为输出量,建立基于BP神经网络的板式换热器冷却水污垢热阻预测模型。
1 冷却水污垢动态模拟实验
如图1,管内流动的实验工质为天然循环冷却水(松花江水),工质和热水在板式换热器内进行换热,在其进出口处分别安装有Pt100电阻温度计和压差计,用来测量换热器两端的进、出口温度和压差,流量计测量管路的流量;各测量信号通过Agilent数据采集仪,存储到电脑上。实验时工质由水泵抽送流经电磁流量计进入板式换热器与热水进行换热(温度升高),然后在流回工质水箱通过冷却系统对其进行冷却。在工质环路开设有旁通阀,以此来调节管路的流量和压差。与此同时,换热后的热水重新流回恒温水箱通过加热系统进行再加热,依次循环往复。
根据在线测得的流量及换热器两端的进出口温度,采用污垢热阻法[3]计算冷却水污垢热阻。试验中保持工质、热流体的流速及进口温度恒定,这样只有水质参数和时间的变化影响污垢热阻。
2 神经网络预测模型的建立
2.1 特征参数的选取
根据冷却水污垢的抑制策略[3],作者测出了与污垢形成过程密切相关的上述10种水质参数。水质参数的测定方法见文献[8]。
但是自变量pH值与碱度,溶解氧、COD与细菌总数,Cl-与铁的腐蚀速率,电导率与硬度之间相互影响,根据神经网络输入层神经元输入时相互影响较大的特征参数只能取其一的原则,采用多项式拟合的方法,比较了不同自变量与因变量(污垢热阻Rf)之间关联度的大小。下面仅以电导率(cond)为例进行说明。
如图2,采用多项式拟合:
undefined
R-square=0.981,它是方程的确定系数,0-1之间,越接近1,表明方程的自变量对因变量的解释能力越强。由表1可知,选取电导率、铁离子、细菌总数、pH值、浊度和时间作为输入层的特征参数较为合理。
2.2 BP神经网络介绍
BP网络是基于误差反向传播算法(BP算法)的多层前向网络,其中以单隐层网络最为普遍,它包括输入层、隐含层和输出层。同层节点中没有任何耦合,输入信号从输入层节点依次传过各隐含层节点,然后传到输出层,每一层节点的输出只影响下一层节点的输出,相邻层每个节点通过适当的连接权值向前连接[9]。BP算法的基本形式为:
undefined
式中:W(k)为时刻的权值; D(k)=-∂E/∂W(k)为时刻的负梯度; a为学习率。网络训练目标是使误差函数E最小,E的定义式:
undefined
式中:i代表第i个样本;j代表输出单元数;tji为单元实际输出;Oji为单元期望输出;(tji-Oji)2为输出层第j个神经元在模式i作用下的实际输出和期望输出之差的平方。
2.3 输入输出数值的归一化处理
为消除量纲的影响,并减少输出值的绝对误差,同时使权和阈值的变幅缩小,采用下面变换式将输入输出数据变换为[0,1]区间的值:
undefined
式中:xi代表输入或输出数据;xi,min、xi,max分别代表各单一指标中数据的最小值和最大值。权和阈值的初始值取0～1之间的随机数。
2.4 隐含层节点数的确定
BP网络结构为3层,输入层6个节点,输出层1个节点。学习速率Ir=0.01,训练次数epochs=5 000,训练目标goal=0.000 01。选择2.88、20.71、33.19、50.75、69.00、81.62、98.30、116.37、128.59时刻的9个数据组为测试样本,其他10个数据组为训练样本。
隐含层节点数太少,难以满足收敛条件;隐含层节点数过多,网络失去概括能力[10]。本文采用试错法(Trial-Error)[11],分别对5～13以内的节点个数依次进行训练和测试,其训练结果如图3所示。从图中可以看出,隐含层结点选10最佳,其训练出来的平均误差最小。
3 结果分析
3.1 预测值(Oji)与测量值(tji)的绝对误差(δ)分析
由表3知,所得的绝对误差比污垢测量值至少小一个数量级,这在工程上是可以接受的。此外,误差较大值主要集中在运行前期,原因为:①此时水质参数变化较大,污垢热阻迅速上升,从样本采集(包括训练样本和测试样本的采集)角度则,应该缩短采样时间间隔;②从刻画和描述事物特征角度,也需要尽量多地采集能确切描述板式换热器冷却水污垢本质特征的样本,才能更全面、更准确的预测板式换热器内的冷却水污垢。
3.2 预测值(Oji)与测量值(tji)相对误差可靠性估计
undefined
式中:εi可视为随机变量,εi×100%为预测值的相对误差,本预测中j=1;i=1,2,…,9。
则下式为期望和方差的无偏点估计:
undefined
令εi～N(μ,σ2)分布,则知:
undefined
当给定置信水平(1-a)时(a为小值概率,通常取0.01～0.05),μ和σ的置信区间见式(7)。μ和Δμ愈小,说明预测的精度愈高;σ和Δσ愈小,说明泛化的可靠性愈强。其中,若期望的置信区间包括坐标原点,则证明不存在系统误差;否则,宜重新调整网络状态。
undefined
由式(5)～(7)知:预测样本相对误差均值的点估计为0.023 2,置信区间(a=0.05)为(-0.142,0.188);方差的点估计为0.046 2,置信区间(a=0.05)为(0.021,0.170) ,模拟的精度和可靠性均符合工程要求,且不存在系统误差。
3.3 模型的适用条件
本预测模型的特征参数是在特定时间(2010年3月25日)、固定取水点(松花江上游某取水点)、固定运行参数(实验工质进口温度35～36 ℃,流速0.104 m/s)、特定板式换热器等条件下获取的。
若这些条件发生改变,比如:①若在其他季节或其他地点取水,初始水质参数会有较大变化;②因特殊原因,需要突然改变运行参数,例如工质的流速由0.104 m/s跃变为0.200 m/s,而且在相当长一段时间内保持不变;③改用其他形式的板式换热器,此时换热器特性参数会发生改变,如人字形板片改成直板型,此时污垢热阻变化。以上3种情况,均可用本模型进行污垢热阻的预测,只是预测前需重新采集训练的样本。
4 结 语
(1)搭建了污垢监测平台,通过多项式拟合的方法,找出了与污垢形成过程密切相关的水质参数:电导率、铁离子、细菌总数、pH值、浊度。
(2)采用“试错法”比较了不同隐含层节点数对BP网络预测结果的影响,本训练中最佳隐含层节点数为10。
(3)通过对预测结果绝对误差和相对误差的分析知:本预测模型精度高,泛化的可靠性强。
(4)与美国管式换热器制造商协会(TEMA)推荐数据相比,BP网络法所得污垢热阻数据热阻除其渐近值,还有时变性;逼真度高,可操作性强。
摘要：搭建了板式换热器污垢热阻实时监测系统平台,采用多项式拟合的方法分析出松花江水中电导率、铁离子、细菌总数、pH值、浊度等水质参数与污垢的形成过程密切相关;将其和时间作为输入量,污垢热阻作为输出量,建立基于BP神经网络的冷却水污垢热阻预测模型。结合绝对误差和相对误差的分析知:预测值准确率达到90%以上,网络泛化能力的可靠性强;分析比较多次预测结果表明,该模型不但适用于流速、换热器特性参数等为定值的情况,而且当这些参数发生改变时,该模型也适用。
关键词：水质参数,板式换热器,污垢热阻,神经网络
参考文献
[1]Bansal B,Müller-Steinhagen H.Crystallization fouling in plateheat exchangers[J].ASME Journal of Heat Transfer,1993,115(33):584-591.
[2]冯志良,常春梅.当代国外板式换热器摘萃[J].石油化工设备,1999,28(2):1-5.
[3]杨善让,徐志明,孙灵芳著.换热设备污垢与对策[M].第2版.北京:科学出版社,2004.
[4]过仲阳,陈中原,李绿芊,等.人工神经网络技术在水质动态预测中的应用[J].华东师范大学学报(自然科学版),2001,(1):84-89.
[5]杨劲松,姚荣江.BP神经网络在浅层地下水矿化度预测中的应用研究[J].中国农村水利水电,2008,(3):5-8.
[6]郭亮,王鹏,赵英.基于BP神经网络的松花江四方台水质预测[J].哈尔滨工业大学学报,2009,41(6):62-66.
[7]代荣霞,李兰,王万,等.神经网络模型在河道水温计算中的应用[J].中国农村水利水电,2009,(3):50-52.
[8]GB/T6903-2005,锅炉用水和冷却水分析方法通则[S].
[9]张志.人工神经网络水质预测模型研究[J].内蒙古大学学报(自然科学版),2006,37(6):703-707.
[10]刘国东,丁晶.BP网络用于水文预测的几个问题探讨[J].水利学报,1999,(1):65-70.