位置:成果数据库 > 期刊 > 期刊详情页
基于GIS与RBF神经网络的水厂原水藻类预测
  • ISSN号:1000-4602
  • 期刊名称:《中国给水排水》
  • 时间:0
  • 分类:TU991[建筑科学—市政工程]
  • 作者机构:[1]浙江工业大学建筑工程学院,浙江杭州310032
  • 相关基金:浙江省自然科学基金资助项目(Q12E080063、LY14E090007);国家自然科学基金资助项目(51208468);浙江工业大学重中之重学科开放研究基金资助项目
中文摘要:

利用地理信息系统(GIS)对水厂原水水质信息进行管理,将水质信息与水厂的空间信息有机联系,可提高水厂水质管理水平。采用径向基函数(RBF)神经网络对杭州市的4座水厂原水中的藻类含量进行预测,建立藻类含量预测模型,结果表明,RBF神经网络藻类含量预测模型与常用的细胞计数法相结合,可提高藻类含量预测精度,同时采用GIS技术将藻类含量预测结果以空间图形形式显示和输出,更具可视性,可为水厂有效地控藻除藻提供支持。

英文摘要:

Geographic information system (GIS) was applied to manage information of raw water quality of waterworks, and associating the information of raw water with spatial information of waterworks could raise the management level of water quality. Radial basis function (RBF) neural network was used to forecast the algae contents in raw water of four waterworks in Hangzhou City, and algae content forecast model was established. The forecast results showed that the algae content forecast model based on RBF neural network combined with the commonly used cytometry could improve the forecast accuracy of algae content. Applying GIS to display and output the forecast result of algae content in the form of spatial graph was more visual, It could provide support for algae control and removal in waterworks.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中国给水排水》
  • 北大核心期刊(2011版)
  • 主管单位:中华人民共和国住房和城乡建设部
  • 主办单位:中国市政工程华北设计研究院 国家城市给水排水工程技术研究中心
  • 主编:丁堂堂
  • 地址:天津市和平区新兴路52号都市花园大厦21层
  • 邮编:300070
  • 邮箱:cnwater@vip.163.com
  • 电话:022-27836225 27836223
  • 国际标准刊号:ISSN:1000-4602
  • 国内统一刊号:ISSN:12-1073/TU
  • 邮发代号:6-86
  • 获奖情况:
  • 全国建筑科学类中文核心期刊,中国科技论文统计源期刊,全国优秀期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰地学数据库,荷兰文摘与引文数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:44592