城市小区二次供水水质评价体系研究-市政工程专业论文.docx

Classified Index: TU991.3 U.D.C: 628.1 Dissertation for the Master Degree in Engineering RESEARCH ON SYSTEM OF WATER QUALITY ASSESSMENT OF SECONDARY WATER SUPPLY IN URBAN DISTICT Candidate： Sun Jilong Supervisor： Prof.Yuan Yixing Academic Degree Applied for： Master of Engineering Speciality： Municipal Engineering Affiliation： School of Muni. Env. Eng. Date of Defence： July, 2012 Degree-Conferring-Institution： Harbin Institute of Technology 摘 要 伴随着城市的发展，给水管网的改扩建工作变得日益复杂同时，二次供水 的水质问题也日益突出。二次供水的水质污染已经影响到人们的健康，所以现 在研究二次供水的水质问题已经迫在眉睫。 城市生活饮用水指标也由 35 项目提高到 106 项目，这标志我们国家对饮用 水水质要求提高，而且从 2012 年 7 月 1 号开始，不仅仅要求出厂水要达到国家 的标准，而且在居民用户水质也达到国家标准，所以针对二次供水的污染情况 应该引起重视。 本文针对城市小区的水质状况进行了详细的调研，调研管段服役年限、管 径和居民的用水情况等。调查详细资料以便于我们开展监测点的布置和采样计 划的确定。在水质监测过程中我们主要选取了 7 个水质指标：PH、温度、浊度、 总铁、余氯、TOC 和 BDOC。重点分析了 7 个指标随季节性变化规律，讨论了 7 个指标波动的原因，利用这些水质指标建立相关的水质生物模型。 建立了水质指标的相关性分析模型：用 SPSS 软件进行统计分析，分析相关 指标的相关性系数，得出两种水质指标的内在相关性。重点分析 BDOC 和浊度呈 现正相关性、BDOC 和总铁呈现正相关性、BDOC 和自由余氯呈现负相关性，建立 有机污染内在相关性。 建立了 BDOC 预测模型，采用多元线性回归模型和 BP 神经网络预测模型。 采用三层神经网络结构，25 个神经元的网络结构进行预测。建立模型之后进行 误差分析，比较两种方法预测结果的精度，BP 神经网络的准确度是 93.42%，线 性回归的准确度是 82.93%。这样能够比较预测方法优劣，便于我们选择预测精 度高的预测模型进行指导实践。 以微软 C#语言和 SQLserver 2008 数据库为平台，应用模糊评价模型对监 测水质进行评价，开发出了水质评价的预警系统，能够在水质监测过程中实时 反馈调节，便于我们对水质的状况进行跟踪调查，同时我们建立数据库对水质 进行全面的分析。 解决二次供水污染问题在我们现实生活中具有重要意义，本研究能够针对 饮用水二次供水污染问题提出相关的对策。 关键词：二次供水；BP 神经网络；多元线性回归；预警方法 Abstract With the development of the city, the expansion of water supply networks becomes increasingly complex, at the same time, the water quality problems of secondary water supply have become increasingly prominent. The pollution of water quality in secondary water supply has affected peoples health, so the study of water quality problems of secondary water supply is extremely urgent. The standards of uban drinking water increase from 35 to 106 items, which represents the improvement of the requirement of national drinking water quality. and from July 1, 2012, not only drinking water is required to meet the national standards