论文部分内容阅读
饮用水与人们生活、身体健康密切相关。随着工业化的发展和人类生活水平的提高,水环境的污染已成为世界范围内普遍关注的问题,同时人们对饮用水水质的要求也越来越高。多数研究表明:即使保持管网中一定的余氯,异养菌在有机物存在条件下仍然会生长繁殖,饮用水的生物稳定性问题越来越受到人们的重视。生物可降解溶解性有机碳(BDOC)作为生物稳定性的评价指标,受到大家的广泛关注。城市安全饮用水的研究已成为供水卫生领域的重要课题。经认真调研并考虑实际管网的客观条件,选定某高校校园管网为本课题的水质研究区域。综合考虑了管材、管网进水口、管网末梢等多种因素,选取7个检测点,水样取自水龙头。初步选定7项水质指标作为检测项目,包括自由余氯、温度、pH、浊度、铁、总有机碳(TOC)、BDOC。具体实验内容及研究方法包括:分析常规水质指标的变化规律及各水质指标间的相关关系,评价该实验管网的水质状况;对管网中影响BDOC的水质指标进行统计分析,并评价实验管网的生物稳定性。应用多元线性逐步回归方法、主成分回归方法和神经网络(BP)建立BDOC的预测模型;应用实测数据进行模型校核,确定出最佳模型。通过分析给水管网中常规水质指标可知,所研究校园范围内,管网水质消毒状况良好。给水管网末梢点浊度普遍低于管网入口点和沿程点。铁浓度与浊度呈正相关,且超标严重。TOC水平很高(按CJ94-1999标准),超标率达71.43%,超标严重。应用SPSS软件对校园管网水中BDOC的影响因素进行统计分析。从长期的检测结果来看,自由余氯与BDOC呈负相关关系,浊度与BDOC存在较好的正相关关系,月平均TOC和BDOC的相关性较强,且多为正相关。应用多元线性回归模型、主成分回归和BP神经网络三种方法建立了管网BDOC的预测模型。首先,以BDOC这一数量变量为因变量,以选定的5项水质指标(自由余氯、浊度、TOC、T、pH)为自变量,利用逐步回归法建立线性回归模型。其次,对选定的5项水质指标进行主成分分析,采用Backward selection法建立回归方程,最终有prin1、prin2两个自变量进入模型,得到改进后的线性模型。最后,以选定的5项水质指标为自变量,BDOC为因变量建立三层神经网络预测模型。该模型设有两个隐层,选择能使网络的泛化能力大大提高的trainbr函数对网络进行训练,tansig、logsig作为隐层的传递函数,purelin纯线性函数作为输出层的传递函数。分析模型预测结果及误差可知:BP神经网络预测准确度明显优于其他两种模型。因此,可以应用BP模型对给水管网BDOC水平进行预测,保障饮用水的供水安全。