2020年大学本科毕业的设计水质预测预警系统.ppt
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3. 本系统采用数据库为Oracle11g，采用的数据库技术有 PL/SQL程序包、存储过程、触发器和DML等。
4. 本系统是一个水质预测预警系统，其主要工作集中于预测 算法之上，在本系统中，本人采用了五种预测算法，下文 将针对这五种算法进行讲解。
4.系统功能概述
本系统主要分为四大功能，分别为水质数据管理、水 质数据趋势走向图、溶氧浓度预测、预警管理等。
主要结论（二）
➢ 差分指数平滑法通过数据变换的方式修正了一次指数 平滑法，有效地防止了由于直线趋势所带来的“滞后 偏差”。
➢ BP神经网络模仿人脑的学习过程，就像一个刚出生的 小孩子一样，当一件事情结果接近预定标准时，加大 权值，这就使得其与标准越来越近；反之，则减小其 权值，使其离错误更远。这样就逐渐使思想更接近标 准。BP神经网络通过有导师的训练方法，用大量的历 史数据作为训练的输入样本，不断修改权值，使训练 结果越来越接近预期，最后形成一个稳定的数学模型， 完成训练过程。BP神经网络通过这些训练出的权值和 阙值，最终完成预测。
➢ 基于J2EE的程序可以被部署到不同的平台环境中， 这就使得其运用更加广泛。
致谢
➢ 本系统是在老师的悉心指导之下完成的，在此 对刘老师致予最崇高的敬意。没有刘老师的谆 谆教导，这个系统就不可能完成，我的知识也 就不可能得以拓展。在此再次对刘老师表示感 谢。
➢ 为了加强系统安全性，系统将用户注册的密码都 进行MD5加密。
➢ 为了系统的响应速度能更快，本系统采用了 iframe异步刷新方式，将页面分割成几个小页面， 当页面需要刷新时只要刷新部分页面就可以达到 目的，而不必刷新整个页面。
主要结论（一）
➢ 经过系统的测试，以上的五种算法，各有其优势。 ➢ 对于趋势明显的数据，简单移动平均法具有比较好的效果。
3.相关技术研究概述
1. 本系统是一个基于J2EE平台的水质预测预警系统，前台 所用技术主要为JSP、ExtJS、Javascript、html等，后台的 处理技术是Java。
2. 本系统采用J2EE MVC框架，以struts2 +spring +springJDBC作为系统的主要技术框架进行开发，同时在一 些小功能模块采用了servlet技术和JSP技术。总之，技术采 用原则就是尽可能的使系统开发方便和性能突出。
5.1 数学算法
简单移动平均法 加权移动平均法 二重移动平均法 差分指数平滑法 BP神经网络算法
BP神经网络示意图
yoj f(yji)11 eyji
1(zou)t2
2
n
yij [i *ij] i1
_
m
k
k 1
_
e
e
5.2技术框架图
5.3 其他技术
➢ 为了防止恶意攻击，本系统登录模块实现了验证 码功能，本功能采用java 语言的ImageBuffer与随 机数生成来实现，通过生成带有随机数的图片来 创建登录随机数。
5.方法与过程
本系统是一个用数学来解决水质预测问题的信 息管理系统。本系统蕴含深厚的数学原理，同 时又运用了大量java开发的前端技术。
在技术上本系统是多种开源技术的综合，本系 统采用了最适合的方式来实现。
在数学上，本系统将复杂的神经网络算法、双 重移动平均法等数学算法写成了java类，从而 做到了计算机技术与数学的统一。
基于智能计算的
水质预测预警系统
目录
1.研究背景 2.研究意义 3.相关技术概述 4.系统功能概述 5.方法与过程 6.主要结论 7.致谢
1.研究背景
➢ 水产养殖业是一个很依赖于自然环境的行业，不论是淡水
养殖还是海水养殖，都对周围的环境变化相当敏感，阳光、空气、 温度的一点点变化就可能对水池的水质产生影响，进而影响水产品 的养殖。在实际养殖中，由于水质问题带来养殖损失的情况并不少 见，利用科学知识解决水质问题而获得利益的情况更是屡见不鲜。 因此，在水产养殖中，或赚或赔，科学养殖知识是个关键。 ➢ 能事前就预测到未来某时刻的养殖水质变化趋势，对预防水质 恶化和养殖生产管理提供决策依据，就能有效促进水产品健康养殖 的可持续发展。
同时由于简单移动平均法比较简单，对数据的处理也比较 简单，因此在这情况下，简单移动平均法有自己的成功之 处。 ➢ 简单移动平均法不能体现时间序列的特点，往往近期数据 对预测结果比较敏感，因次加权移动平均法具有比简单移 动平均法更多的优势，特别对于那些与时间先后有密切关 系的数据而言，加权移动平均法能提供更好的预测 结果。 ➢ 对于具有直线升降的数据，为了防止偏数据对预测结果带 来的“滞后偏差”，二重移动平均法是一个很好的预测方 法。
主要结论（三）
➢ J2EE是当前很多企业所倚重的开发平台，J2EE为 搭建具有可伸缩性、灵活性、易维护性的商务系 统提供了良好的机制。J2EE提供了一种渐进的开 发模式，使企业可以继续沿用自己已有的资源， 大大减少企业的开发成பைடு நூலகம்。
➢ J2EE提供状态管理服务，使程序员可以更加专注 于自身程序性能的的提升，而不必纠结于如何管 理状态。
➢ 关键字：水质预测；水产养殖
2.研究意义
➢ 建立一个水质预测预警系统，对于水产养殖行业来 说是很有意义的。在水产养殖行业中，水质是最重要一 个环节，没有合适于水产品生活的水资源，水产品连生 存都面临极大的挑战，就更加谈不上水产养殖的经济效 益了。
➢ 因此，建立一个完善的水质预测预警系统，让用户 一目了然水质相关参数的趋势走向，从历史数据抽取出 趋势信息，并对历史数据进行学习，形成可靠的数学模 型，是水产养殖的趋势所向、是高素质水产养殖者的要 求，特别符合“数字水产”的要求。
水质管理数据功能只有超级管理员才能拥有，其他用 户没有打开本功能界面的权限。本功能允许超级管理 员对水质数据进行删除、导出、增加等动作。
水质趋势图功能显示在用户选定期内的某项水质数据 趋势走向折线图。
溶氧浓度预测是本系统的重点。其中BP神经网络算法 是本模块最重要部分，也是最具难点的部分。
预警管理功能向用户提供了自定义参数的功能，使得 系统用户可以按照用户设置的参数响应预测结果。也 是系统的一大亮点和难点。
4. 本系统是一个水质预测预警系统，其主要工作集中于预测 算法之上，在本系统中，本人采用了五种预测算法，下文 将针对这五种算法进行讲解。
4.系统功能概述
本系统主要分为四大功能，分别为水质数据管理、水 质数据趋势走向图、溶氧浓度预测、预警管理等。
主要结论（二）
➢ 差分指数平滑法通过数据变换的方式修正了一次指数 平滑法，有效地防止了由于直线趋势所带来的“滞后 偏差”。
➢ BP神经网络模仿人脑的学习过程，就像一个刚出生的 小孩子一样，当一件事情结果接近预定标准时，加大 权值，这就使得其与标准越来越近；反之，则减小其 权值，使其离错误更远。这样就逐渐使思想更接近标 准。BP神经网络通过有导师的训练方法，用大量的历 史数据作为训练的输入样本，不断修改权值，使训练 结果越来越接近预期，最后形成一个稳定的数学模型， 完成训练过程。BP神经网络通过这些训练出的权值和 阙值，最终完成预测。
➢ 基于J2EE的程序可以被部署到不同的平台环境中， 这就使得其运用更加广泛。
致谢
➢ 本系统是在老师的悉心指导之下完成的，在此 对刘老师致予最崇高的敬意。没有刘老师的谆 谆教导，这个系统就不可能完成，我的知识也 就不可能得以拓展。在此再次对刘老师表示感 谢。
➢ 为了加强系统安全性，系统将用户注册的密码都 进行MD5加密。
➢ 为了系统的响应速度能更快，本系统采用了 iframe异步刷新方式，将页面分割成几个小页面， 当页面需要刷新时只要刷新部分页面就可以达到 目的，而不必刷新整个页面。
主要结论（一）
➢ 经过系统的测试，以上的五种算法，各有其优势。 ➢ 对于趋势明显的数据，简单移动平均法具有比较好的效果。
3.相关技术研究概述
1. 本系统是一个基于J2EE平台的水质预测预警系统，前台 所用技术主要为JSP、ExtJS、Javascript、html等，后台的 处理技术是Java。
2. 本系统采用J2EE MVC框架，以struts2 +spring +springJDBC作为系统的主要技术框架进行开发，同时在一 些小功能模块采用了servlet技术和JSP技术。总之，技术采 用原则就是尽可能的使系统开发方便和性能突出。
5.1 数学算法
简单移动平均法 加权移动平均法 二重移动平均法 差分指数平滑法 BP神经网络算法
BP神经网络示意图
yoj f(yji)11 eyji
1(zou)t2
2
n
yij [i *ij] i1
_
m
k
k 1
_
e
e
5.2技术框架图
5.3 其他技术
➢ 为了防止恶意攻击，本系统登录模块实现了验证 码功能，本功能采用java 语言的ImageBuffer与随 机数生成来实现，通过生成带有随机数的图片来 创建登录随机数。
5.方法与过程
本系统是一个用数学来解决水质预测问题的信 息管理系统。本系统蕴含深厚的数学原理，同 时又运用了大量java开发的前端技术。
在技术上本系统是多种开源技术的综合，本系 统采用了最适合的方式来实现。
在数学上，本系统将复杂的神经网络算法、双 重移动平均法等数学算法写成了java类，从而 做到了计算机技术与数学的统一。
基于智能计算的
水质预测预警系统
目录
1.研究背景 2.研究意义 3.相关技术概述 4.系统功能概述 5.方法与过程 6.主要结论 7.致谢
1.研究背景
➢ 水产养殖业是一个很依赖于自然环境的行业，不论是淡水
养殖还是海水养殖，都对周围的环境变化相当敏感，阳光、空气、 温度的一点点变化就可能对水池的水质产生影响，进而影响水产品 的养殖。在实际养殖中，由于水质问题带来养殖损失的情况并不少 见，利用科学知识解决水质问题而获得利益的情况更是屡见不鲜。 因此，在水产养殖中，或赚或赔，科学养殖知识是个关键。 ➢ 能事前就预测到未来某时刻的养殖水质变化趋势，对预防水质 恶化和养殖生产管理提供决策依据，就能有效促进水产品健康养殖 的可持续发展。
同时由于简单移动平均法比较简单，对数据的处理也比较 简单，因此在这情况下，简单移动平均法有自己的成功之 处。 ➢ 简单移动平均法不能体现时间序列的特点，往往近期数据 对预测结果比较敏感，因次加权移动平均法具有比简单移 动平均法更多的优势，特别对于那些与时间先后有密切关 系的数据而言，加权移动平均法能提供更好的预测 结果。 ➢ 对于具有直线升降的数据，为了防止偏数据对预测结果带 来的“滞后偏差”，二重移动平均法是一个很好的预测方 法。
主要结论（三）
➢ J2EE是当前很多企业所倚重的开发平台，J2EE为 搭建具有可伸缩性、灵活性、易维护性的商务系 统提供了良好的机制。J2EE提供了一种渐进的开 发模式，使企业可以继续沿用自己已有的资源， 大大减少企业的开发成பைடு நூலகம்。
➢ J2EE提供状态管理服务，使程序员可以更加专注 于自身程序性能的的提升，而不必纠结于如何管 理状态。
➢ 关键字：水质预测；水产养殖
2.研究意义
➢ 建立一个水质预测预警系统，对于水产养殖行业来 说是很有意义的。在水产养殖行业中，水质是最重要一 个环节，没有合适于水产品生活的水资源，水产品连生 存都面临极大的挑战，就更加谈不上水产养殖的经济效 益了。
➢ 因此，建立一个完善的水质预测预警系统，让用户 一目了然水质相关参数的趋势走向，从历史数据抽取出 趋势信息，并对历史数据进行学习，形成可靠的数学模 型，是水产养殖的趋势所向、是高素质水产养殖者的要 求，特别符合“数字水产”的要求。
水质管理数据功能只有超级管理员才能拥有，其他用 户没有打开本功能界面的权限。本功能允许超级管理 员对水质数据进行删除、导出、增加等动作。
水质趋势图功能显示在用户选定期内的某项水质数据 趋势走向折线图。
溶氧浓度预测是本系统的重点。其中BP神经网络算法 是本模块最重要部分，也是最具难点的部分。
预警管理功能向用户提供了自定义参数的功能，使得 系统用户可以按照用户设置的参数响应预测结果。也 是系统的一大亮点和难点。