×
M.S.吉布斯。;摩根，N。;H.R.迈尔。;G.C.丹迪。;尼克松，J.B。;M.福尔摩斯。

使用数据驱动方法研究氯衰变与水分布参数之间的关系。 （英语） 兹比尔1132.68762

数学。计算。建模 44，编号5-6，485-498（2006）.
概述：被微生物污染的饮用水可能是公共健康的主要风险。消毒用于消灭对人类有潜在危险的微生物。为了防止细菌再生，还需要在整个配水系统中保持消毒剂残留。最常用的消毒剂是氯。如果氯气的投加率过低，可能会导致配水系统末端残留不足，导致细菌再生。另一方面，添加过多的氯会导致客户投诉味道和气味、管网腐蚀以及潜在致癌副产品的形成。因此，为了确定最佳的加氯速率，有必要预测管网中的氯衰变。本文使用三种不同的数据驱动技术预测阿德莱德北部希望谷配水系统中两个关键位置的氯浓度，南澳大利亚。应用的数据驱动方法包括线性回归模型和两个人工神经网络：多层感知器；和通用回归神经网络。包含常规测量参数的5年数据集用于模型开发和验证。结果表明，数据驱动技术在预测配水系统中的氯浓度方面相对成功。尽管没有该系统的水力模型，并且只有在常规基础上收集的数据用于模型开发，但情况仍然如此。

MSC公司：

68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）
62页第12页 统计在环境和相关主题中的应用
第60页 统计学在工程和工业中的应用；控制图

关键词：

配水系统;氯;人工神经网络;建模
PDF格式BibTeX公司 XML格式引用
\textit{M.S.Gibbs}等人，《数学》。计算。型号44，编号5--6，485--498（2006；Zbl 1132.68762）
全文： DOI程序

参考文献：

[1] 钱伯斯，V.K。；Creasey，J.D。；Joy，J.S.，《模拟饮用水分配系统中的游离氯和总氯衰变》，《供水研究与技术期刊-水》，44，2，60-69（1995）
[2] 华，F。；韦斯特，J.R。；巴克，R.A。；Forster，C.F.，《城市供水中氯衰变的建模》，《水研究》，33，12，2735-2746（1999）
[3] Kiene，L。；卢·W。；Levi，Y.，饮用水分配系统中氯衰变现象的相对重要性，《水科学与技术》，38，6，219-227（1998）
[4] 罗德里格斯，M.J。；韦斯特，J.R。；鲍威尔，J。；Serodes，J.B.，《两种方法在Severn Trent Water Ltd（STW）配水系统氯残留物建模中的应用》，《水科学与技术》，36，5，317-324（1997）
[5] Serodes，J.B。；罗德里格斯，M.J。；Ponton，A.（Chlorcast©）：氯消毒控制决策工具开发方法，环境建模与软件，16，1，53-62（2001）
[6] Geem，Z.W.，基于窗口的决策支持系统，用于使用人工神经网络进行水管状况评估，（2003年世界水资源和环境资源大会（2003），美国土木工程师学会：美国土木工程师协会，美国宾夕法尼亚州费城），2027-2032
[7] 罗德里格斯，M.J。；米洛特，J。；Serodes，J.B.，《使用多元回归和神经网络预测氯化水中三卤甲烷的形成》，《供水研究与技术期刊-水》，52，3，199-215（2003）
[8] Jain，A.，《短期需水量预测建模技术——传统方法与人工智能》，美国水利工程协会，94，7，64-72（2002）
[9] Serodes，J.B。；Rodriguez，M.J.，《预测配水系统内储罐中的余氯演变：神经网络方法的应用》，《供水研究与技术期刊-水》，45，2，57-66（1996）
[10] 罗德里格斯，M.J。；Serodes，J.B.，《评估城市饮用水系统中残余氯的经验线性和非线性模型》，环境建模与软件，14，1，93-102（1999）
[11] 劳伦斯，J.，《神经网络导论》。《设计、理论和应用》（1994），加利福尼亚科学软件出版社：加利福尼亚科学软件出版公司内尔瓦达市
[12] 迈尔，S.H。；鲍威尔，R.S。；Woodward，C.A.，测试配水系统氯衰变模型的校准和比较，水研究，34，8，2301-2309（2000）
[13] Dawson，C.W。；Wilby，R.L.，使用人工神经网络进行水文建模，《自然地理进展》，25，1，80-108（2001）
[14] H.R.Maier，《水文学中的人工神经网络——应用和未来方向》，摘自：水生活研讨会，阿德莱德，1999年，第76-81页；H.R.Maier，《水文学中的人工神经网络——应用和未来方向》，摘自：与水共存研讨会，阿德莱德，1999年，第76-81页
[15] Specht，D.F.，一般回归神经网络，IEEE神经网络汇刊，2，6，568-576（1991）
[16] Sharma，A.，《改善供水管理的季节性至年际降雨量概率预测：第1部分-系统预测器识别策略》，《水文学杂志》，239，1-4，232-239（2000）
[17] 鲍登，G.J。；Dandy，G.C。；Maier，H.R.，《水资源应用中神经网络模型的输入确定：第1部分背景和方法》，《水文学杂志》，301，75-92（2004）
[18] 鲍登，G.J。；Maier，H.R。；Dandy，G.C.，《水资源应用中神经网络模型的最佳数据划分》，《水能源研究》，38，2（2002）·Zbl 1311.92183号
[19] 马斯特斯，T。；Land，W.，通用回归神经网络的新训练算法，（IEEE系统、人与控制论国际会议，计算控制论与仿真，第3卷（1997），IEEE出版社：IEEE出版社，佛罗里达），1990-1994
[20] Dandy，G.C。；Engelhardt，M.，使用遗传算法进行水管更换的优化调度，《水资源规划与管理杂志》，127，4，214-223（2001）
[21] Goldberg，D.E.，《搜索、优化和机器学习中的遗传算法》（1989），Addison-Wesley Publishing Company，Inc·Zbl 0721.68056号
[22] Hansen，J.V。；Meservy，R.D.，广义回归神经网络的遗传优化学习实验，决策支持系统，18，3-4，317-325（1996）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。