论文部分内容阅读
中国城镇化建设的快速发展带来了国内建筑行业的迅猛发展,但是在城市的建设过程中也伴随着大量污染物的产生,这给居民生活环境和城市自然环境带来一定影响。研究表明建筑施工产生的扬尘是城市大气颗粒污染物的重要来源,产生的噪音是城市噪音污染的主要来源。因此对噪音和扬尘进行监测和管理能够有效防治扬尘污染和噪音污染,从而间接地保护城市环境。同时利用数据挖掘技术挖掘和分析历史数据,从中得到的有效信息对施工监管工作也有一定的指导意义。基于此背景,本文整理分析了现阶段噪音扬尘监管过程中存在的问题,确定了系统的功能模块,系统的主要功能有:区域管理功能,其作用是在业务层面对监管区域进行纵向划分,保证不同区域间业务的相互独立性;项目管理功能,是管理市政项目详细信息的功能模块;设备管理功能,是管理和配置硬件监测设备的功能模块;任务管理功能,其目的是针对长期超标的监测项目自动或手动生成处理任务以实现对监测项目的异地监管;GIS全局地图及视频监控功能,基于GIS地理信息服务和网络视频监控设备实现了对监测项目的统计分析功能和视频监控功能,运用可视化技术直观地把监测数据展示给监管人员以协助监管人员开展工作。本系统采用当前业界流行的J2EE架构作为整体方案的技术框架;系统性能优化方案采用了Nginx服务配合Tomcat集群实现负载均衡,提升了系统的并发能力;系统应用了Redis缓存集群服务,对一致性较弱但查询频繁的数据进行缓存,且Redis集群也避免了单点故障问题的发生;系统采用了MySQL集群方案,应用了keepalived故障自动解除服务,从而避免数据异常丢失和单点故障问题,提升了系统可用性。同时本课题研究了基于常见空气污染物的人工神经网络模型对PM10浓度的预测。这部分的主要工作有以下六个方面:1.研究常见的空气污染物浓度预测模型,选择合适的模型作为本次研究的预测模型;2.获取和整理空气质量历史数据和系统内的历史数据;3.原始数据预处理,包括数据缺失处理、数据归一化等;4.确定模型的输入因子和输出结果;5.设计并训练基于常见空气污染物的BP神经网络;6.对模型的重要参数进行调整优化使模型达到较优的预测精度。最后通过实验分析证明,本预测模型具备一定预测能力。截至目前本系统在西安某政府部门稳定运行时间已达两年,实现了对建筑施工过程中产生的扬尘和噪音进行自动监测的功能,满足了部门监管需求,提高了部门监管效率。