Využití modelů neuronových sítí pro hodnocení kvality vody ve vodovodních sítích
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta stavební
Abstract
Vodárenský distribuční systém je tvořen sítí dílčích prvků a subsystémů, které slouží k dopravě vody od zdroje až k odběratelům. Voda musí být upravena v úpravně vody pro zajistění bezpečné pitné vody pro spotřebitele, neobsahující patogenní a jiné nežádoucí organismy. Důležitým aspektem pro dosažení nezávadné pitné vody a prevencí před šířením chorob přenášených vodou je její hygienické zabezpečení. Chlor je běžným nejpoužívanějším dezinfekčním prostředkem v konvenčních procesech úpravy vody. Jeho rozšířené použití je dáno nízkou cenou a jeho vysokou schopností ničení bakterií. Proto se zajišťují jeho zbytkové koncentrace ve vodárenských distribučních systémech, aby se zabránilo mikrobiologické kontaminaci. Zbytková koncentrace chloru je ovlivněna fenoménem známým jako úbytek chloru, což znamená, že chlor reaguje uvnitř systému a jeho koncentrace se tak snižuje. Chlor je měřen na výstupu z úpravny vody a také v několika daných bodech ve vodárenském distribučním systému určeném pro kontrolu kvality vody. Metody simulace a modelování pomáhají efektivním způsobem předvídat koncentraci chloru ve vodárenských distribučních systémech. Účelem předložené disertační práce je hodnotit koncentraci chloru v některých strategických bodech v rámci vodárenského distribučního systému pomocí historických naměřených údajů některých parametrů kvality vody, které ovlivňují úbytek chloru. Nedávné výzkumy kvality vody prokázaly možnosti použití nelineárního modelování pro predikci úbytku chloru. Úbytek chloru v potrubí je složitý jev, proto vyžaduje techniky, které mohou zajistit spolehlivé a efektivní zastoupení složitosti tohoto chování. Statistické modely založené na umělých neuronových sítích byly shledány vhodnými pro zkoumání a řešení problémů spojených s nelinearitou v predikci úbytku chloru a nabízí výhodu na rozdíl od konvenčních modelovacích technik. V tomto ohledu použivá tato disertační práce specifickou aplikaci neuronové sítě k vyřešení problému předpovídání zbytkového c
A water distribution system (WDS) is based in a network of interconnected hydraulic components to transport the water directly to the customers. Water must be treated in a Water Treatment Plant (WTP) to provide safe drinking water to consumers, free from pathogenic and other undesirable organisms. The disinfection is an important aspect in achieving safe drinking water and preventing the spread of waterborne diseases. Chlorine is the most commonly used disinfectant in conventional water treatment processes because of its low cost, its capacity to deactivate bacteria, and because it ensures residual concentrations in WDS to prevent microbiological contamination. Chlorine residual concentration is affected by a phenomenon known as chlorine decay, which means that chlorine reacts with other components along the system and its concentration decrease. Chlorine is measured at the output of the WTP and also in several considered points within the WDS to control the water quality in the system. Simulation and modeling methods help to predict in an effective way the chlorine concentration in the WDS. The purpose of the thesis is to assess chlorine concentration in some strategic points within the WDS by using the historical measured data of some water quality parameters that influence chlorine decay. Recent investigations of the water quality have shown the need of the use of non-linear modeling for chlorine decay prediction. Chlorine decay in a pipeline is a complex phenomenon so it requires techniques that can provide reliable and efficient representation of the complexity of this behavior. Statistical models based on Artificial Neural Networks (ANN) have been found appropriated for the investigation and solution of problems related with non-linearity in the chlorine decay prediction offering advantages over more conventional modeling techniques. In this sense, this thesis uses a specific neural network application to solve the problem of forecasting the residual chlorine
A water distribution system (WDS) is based in a network of interconnected hydraulic components to transport the water directly to the customers. Water must be treated in a Water Treatment Plant (WTP) to provide safe drinking water to consumers, free from pathogenic and other undesirable organisms. The disinfection is an important aspect in achieving safe drinking water and preventing the spread of waterborne diseases. Chlorine is the most commonly used disinfectant in conventional water treatment processes because of its low cost, its capacity to deactivate bacteria, and because it ensures residual concentrations in WDS to prevent microbiological contamination. Chlorine residual concentration is affected by a phenomenon known as chlorine decay, which means that chlorine reacts with other components along the system and its concentration decrease. Chlorine is measured at the output of the WTP and also in several considered points within the WDS to control the water quality in the system. Simulation and modeling methods help to predict in an effective way the chlorine concentration in the WDS. The purpose of the thesis is to assess chlorine concentration in some strategic points within the WDS by using the historical measured data of some water quality parameters that influence chlorine decay. Recent investigations of the water quality have shown the need of the use of non-linear modeling for chlorine decay prediction. Chlorine decay in a pipeline is a complex phenomenon so it requires techniques that can provide reliable and efficient representation of the complexity of this behavior. Statistical models based on Artificial Neural Networks (ANN) have been found appropriated for the investigation and solution of problems related with non-linearity in the chlorine decay prediction offering advantages over more conventional modeling techniques. In this sense, this thesis uses a specific neural network application to solve the problem of forecasting the residual chlorine
Description
Citation
CUESTA CORDOBA, G. Využití modelů neuronových sítí pro hodnocení kvality vody ve vodovodních sítích [online]. Brno: Vysoké učení technické v Brně. Fakulta stavební. 2013.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Vodní hospodářství a vodní stavby
Comittee
Date of acceptance
2013-04-05
Defence
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení