2012年大学本科毕业设计毕业论文基于智能计算的水质预测预警系统的设计与实现.doc

本科生毕业设计 基于智能计算的水质预测预警系统的设计与实现 Design and Implementation of Water Quality Predicted and Early Warning System Base on Smart Computing 学生姓名 XXX 所在专业 所在班级 申请学位 指导教师 留洞洞 职称 副教授 副指导教师 职称 答辩时间 目录 设计总说明 I INTRODUCTION II 1 绪论 1 1.1 系统开发背景 1 1.2 国内外研究现状 1 1.3 系统开发的目的及意义 2 1.4 本文研究的主要内容及结构安排 2 2 建立系统的相关理论与技术 3 2.1 J2EE技术 3 2.2 JSP技术 4 2.3 Tomcat服务器 4 2.4 B/S模式 5 2.5 Oracle 11g及程序包、存储过程、触发器 5 2.6 ExtJS框架 6 2.7 JavaScript技术 6 2.8 预测模型与算法 7 2.9 BP神经网络算法 7 2.9.1 人工神经网络概述 7 2.9.2 BP神经网络 8 2.9.3 BP神经网络算法的学习过程 9 3 可行性研究 11 3.1 可行性分析 11 3.2 系统流程图 11 3.3 数据流图 12 4 系统需求分析 14 4.1 系统功能需求分析 14 4.2 系统目标 14 4.3 数据库设计 14 4.3.1 数据库设计分析 14 4.3.2 实体关系（E-R）图 15 4.3.3 数据字典 15 5 系统设计 16 5.1 系统总体设计 16 5.1.1 系统开发工具 16 5.1.2 数据库管理系统的选择 16 5.1.3 设计原理 16 5.1.4 系统功能结构图 16 5.2 系统详细设计 18 5.2.1 系统用例图 18 5.2.2 序列图 18 5.2.3 类图设计 20 5.2.4 数据库逻辑结构设计 20 6 系统功能实现 21 6.1 人机界面设计 21 6.2 系统技术框架设计 21 6.3 登陆与注册界面 21 6.3.1 登陆模块的实现与技术简介 21 6.3.2 注册模块的实现与技术简介 24 6.4 数据管理页面 24 6.4.1 数据显示模块的实现与技术简介 24 6.4.2 数据增加模块的实现与技术简介 25 6.4.3 自定义数据导出模块的实现与技术简介 26 6.4.4 全部数据导出模块的实现与技术简介 26 6.5 数据趋势走向图页面 27 6.5.1 日期选择页面的实现与技术简介 27 6.5.2 趋势图的实现与技术简介 27 6.6 预测结果界面 28 6.6.1 神经网络算法的实现 29 6.6.2 简单移动平均算法的实现 31 6.6.3 加权移动平均算法的实现 32 6.6.4 二重移动平均算法的实现 33 6.6.5 差分指数平滑算法的实现 34 7 测试总结 36 7.1 测试目标 36 7.2 测试方法 36 7.2.1 白盒测试 36 7.2.2 黑盒测试 36 7.3 单元测试 36 7.4 集成测试 37 7.5 性能测试 37 8 总结与展望 38 8.1 总结 38 8.2 展望 38 鸣谢 40 参考文献 41 设计总说明 俗话说养鱼先养水，好水养好鱼，可见在水产养殖中，鱼池水质是关系水产品能否健康生长的决定性因素。鱼池水质之于水产品就犹如空气质量之于人，人无新鲜空气尚会得病，水产品无好水何能存活？因此，在水产养殖过程中只有控制好水质，才能提高鱼、虾、蟹类的生长速度，减少疾病，实现高产、优质、高效的目的。java 语言实现了基于B/S架构的水质预测预警系统。重点开展了以下工作： 在对预警的概念、预警的逻辑过程、水质预警的方法进行分析和归纳的基础上，总结了集约化水产养殖水质预测预警的内容，确定了预测预警系统的体系框架和组成要素。 经过对养殖户需求的调研，发现养殖户非常希望有一种可以使他们能够了解往期各项水质趋势走向的工具，因此在本系统中加入了近期水质数据趋势走向图的功能。 按照预警的逻辑过程，采用专家问卷调查法确定了水质预警指标和水质预警级别并完成了各指标数据的收集；根据集约化水产养殖场的水质预警需求设计了水质预警规则和水质预警流程，提出了根据溶解氧浓度的预警方法。 通过阅读大量参考文件，发现BP神经网络算法对于水质预测有着很好的支持，因此在本系统中加入了基于BP神经网络算法的水质预测功能。 结合所学课程，了解到预测算法对于短期预测效果相当好，因此在本系统中分别加入了基于双重移动平均法、简单移动平均法、加权移动平均法，差分指数平滑法的预测功能。 采用J2EE、Oracle11g DBMS以及Tomcat6.0.3 Server，辅