配水管網(wǎng)中細菌再生長的研究與預(yù)測.pdf

1、管網(wǎng)中的細菌再生長及其所帶來的問題日益得到了人們的關(guān)注和重視，本文以某高校校園管網(wǎng)為研究對象，系統(tǒng)、深入的研究了配水管中細菌再生長現(xiàn)象的預(yù)測及其控制措施。 在對細菌再生長的機理及影響因素分析的基礎(chǔ)上，并結(jié)合水質(zhì)測定的需求，制定了校園管網(wǎng)的水質(zhì)監(jiān)測方案。為了解微生物指標的潛在生長趨勢，本文創(chuàng)新性的將細菌總數(shù)和大腸桿菌的培養(yǎng)時間延長為72小時。通過對十個監(jiān)測點長時間連續(xù)取樣、檢測和分析研究，取得了大量的水質(zhì)資料，對管網(wǎng)水質(zhì)有了一定的

2、了解，同時對個水質(zhì)指標與細菌再生長的相關(guān)關(guān)系也有了定性的認識。 通過對因變量自身及各種統(tǒng)計分析方法的使用條件進行分析，選用線性回歸和Logistic回歸進行預(yù)測，然而前者結(jié)果并不理想。然后創(chuàng)新性的選用Logistic回歸模型并結(jié)合主成分分析法對細菌總數(shù)(HPC)這一二分變量的超標概率進行預(yù)測。該模型是運用SAS統(tǒng)計軟件的Analysis模塊來實現(xiàn)的。首先，運用Logistic回歸的逐步選擇法對原變量進行回歸，得到了一個單變量(僅

3、含鐵)的預(yù)測模型。在將模型判別概率設(shè)為0.5或0.85時，其預(yù)測精度均在90％以上。為消除各個指標之間的共線性，又對原變量進行主成分分析，以分析得到的前幾個主成分為自變量建立了主成分Logistic回歸預(yù)測模型。與前一模型比較該模型更能體現(xiàn)細菌再生長的機理，預(yù)測精度也令人滿意，都在90％以上。但兩者都可以應(yīng)用于實際，且效果較好。視具體情況，恰當?shù)倪x擇上述兩個模型，對細菌超標的概率做出準確的預(yù)測，就能夠更精確的指導(dǎo)實踐，從而達到水質(zhì)預(yù)警的