期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
MBR技术与工艺在水产养殖尾水处理中的研究进展 被引量：1
1
作者 王家博 李亚杰 +3 位作者 高菊玲 肖茂华 姜尚愚 陈爽 《中国农机化学报》 北大核心 2024年第8期86-93,共8页
膜生物反应器技术(MBR)被认为是水产养殖中先进水处理的潜在技术,在水产养殖尾水处理领域的应用还有很大进步空间。以已有的理论知识为基础,结合国内外文献,分别对养殖尾水的高效处理技术、膜污染控制技术、尾水回收技术以及MBR技术改... 膜生物反应器技术(MBR)被认为是水产养殖中先进水处理的潜在技术,在水产养殖尾水处理领域的应用还有很大进步空间。以已有的理论知识为基础,结合国内外文献,分别对养殖尾水的高效处理技术、膜污染控制技术、尾水回收技术以及MBR技术改进工艺的研究现状展开描述。然后对不同MBR脱氮除磷组合工艺进行优劣对比,最后提出MBR技术与工艺在水产养殖尾水处理研究中存在处理成本高、处理技术与养殖技术未很好融合的问题,并认为未来该技术可在集成模块化、膜材料和稳定工艺等方面深入研究。为后续MBR技术在水产养殖尾水处理中的高效化、经济化研究提供参考和方向。 展开更多
关键词 MBR 水产养殖 尾水处理 脱氮除磷
在线阅读 下载PDF
基于IGWOPSO-SVM算法的水质监测及等级评定系统 被引量：4
2
作者 蒋冬 肖茂华 +4 位作者 张海军 周俊博 朱虹 汪小旵 陈爽 《华南农业大学学报》 CAS CSCD 北大核心 2023年第4期638-648,共11页
【目的】水污染监测是流域水污染防治工作的前提。为实现高精度的地表水水质监测及水体等级评定,本研究设计基于IGWOPSO-SVM(Improved grey wolf optimizer particle swarm optimization-support vector machine)模型的水质监测及等级... 【目的】水污染监测是流域水污染防治工作的前提。为实现高精度的地表水水质监测及水体等级评定,本研究设计基于IGWOPSO-SVM(Improved grey wolf optimizer particle swarm optimization-support vector machine)模型的水质监测及等级评定系统。【方法】选用传感器组、STM32F103单片机、ESP8266WIFI无线通信模块搭建水质监测系统数据处理模块,利用WIFI无线通信将数据处理模块采集到的水质数据传输至服务器,设计水质监测系统服务器交互端,同时开发水质监测小程序对水质等级进行实时监测。基于改进粒子群算法(Improved particle swarm optimization,IPSO)及灰狼算法(Grey wolf optimizer,GWO)提出了IGWOPSO算法,对SVM进行优化,据此提出了IGWOPSO-SVM水质等级评定算法。基于南京市玄武湖、金川河、江浦水源地135组水质数据对本系统水质等级评定效果进行试验验证。【结果】相比于SVM,IGWOPSO-SVM水质等级评定算法的总样本分类准确率由86.67%上升至100.00%,上升了13.33个百分点;相比于粒子群算法(Particle swarm optimization,PSO),IGWOPSO算法的最佳适应度由86.80上升至99.20,提高了14.29%。【结论】本研究解决了传统水体等级评定方法效率低、准确率低的问题,为地表水水质的精确监测提供了方法借鉴。 展开更多
关键词 水质监测系统 支持向量机 粒子群算法 灰狼算法 改进粒子群算法 IGWOPSO-SVM
在线阅读 下载PDF
基于GWQPSO-SVM的水产养殖水总磷软测量系统设计与试验 被引量：1
3
作者 周俊博 蒋冬 +3 位作者 肖茂华 朱虹 汪小旵 陈爽 《南京农业大学学报》 CAS CSCD 北大核心 2023年第3期615-625,共11页
[目的]总磷是影响水产养殖水质质量的重要参数之一,而目前市场上总磷测量装置价格昂贵,实时监测成本高。为实现低成本水产养殖水质监测,设计了基于灰狼量子粒子群-支持向量机(grey wolf quantum particle swarm optimization-support ve... [目的]总磷是影响水产养殖水质质量的重要参数之一,而目前市场上总磷测量装置价格昂贵,实时监测成本高。为实现低成本水产养殖水质监测,设计了基于灰狼量子粒子群-支持向量机(grey wolf quantum particle swarm optimization-support vector machine,GWQPSO-SVM)的水产养殖水质监测系统。[方法]首先,选用传感器组、STM32F103单片机、ESP8266WIFI无线通信模块搭建水质监测系统数据处理模块;分析与水质总磷含量相关性强的水质参数,据此确定系统传感器的选型,设计水质监测系统服务器交互端,开发水质监测小程序对水质等级进行实时监测。其次,提出GWQPSO算法,对SVM进行优化,据此提出GWQPSO-SVM总磷软测量模型。最后,采用南京通威水产科技有限公司的养殖水塘的80组历史水质数据作为训练数据,实时采集55组水质数据作为测试数据对GWQPSO-SVM总磷软预测模型进行试验验证。[结果]试验结果表明,GWQPSO-SVM的5种误差分别为2.2970、0.0418、0.2747、0.0036、0.0599,相较于SVM模型,分别下降了65.70%、65.68%、61.85%、88.16%、65.63%;GWQPSO收敛时的迭代次数、最终收敛适应度分别为74、0.0812,相较于PSO算法,分别下降了87.84%、10.47%。[结论]本文研究可为水产养殖业提供一种高精度、低成本的水质参数测量技术方案。 展开更多
关键词 水质监测 总磷 软测量 支持向量机 种群优化算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部