石油化工企业会产生大量的污水,而这些污水的处理过程是复杂的工业过程,并伴随着多元性、非线性、变化性和偶然性等多种特性。以往的污水监测方法多使用人工经验化验监测,处理时效延迟、处理过程分散,又要同时保证污水治理效果,所以要浪费大量的人力、物力和资源。随着人工智能技术的发展,许多研究人员认为通过智能辅助测量方法能够及时和有效的掌握实时污水数据,以保证污水治理系统能够稳定、长时间的运行。最近几年,智能领域的研究人员发表多篇关于污水监测治理智能化的文章和研究成果,并为应用了智能分析辅助控制的污水综合管理系统称为专家系统,同时提出现今热门的人工神经网络、数据挖掘和大数据等技术同样可以应用到污水厂的污水监测和预测分析上。本文在综合调研了国内外该领域的研究后,针对目前石化企业污水治理问题,提出了基于大数据的吉林石化污水监测管理系统,并完成了以下工作:1.论述课题的研究背景,分析系统的研究现状,指出论文的研究目的与意义,最后介绍论文开展的工作和组织结构。2.提出一种污水大数据的实时监测技术,通过使用k-means算法增强污水大数据的聚类效果,实现对企业排污情况的实时监测。3.根据大数据的数据特点和大数据处理数据的流程,构建基于Hadoop技术的数据处理模块。该模块将核心控制节点、数据预处理节点、运算节点和检测控制节点等多个节点组合成为分布式数据处理模型,这种方法能够帮助污水监管系统的数据分析功能适应于污水数据多样化、量级大和实时性的需求。4.在对上述技术进行研究的基础上,本文设计并实现了一种基于大数据分析的污水监管系统。该系统借鉴了MVC的设计思想,实现了工厂信息管理、实时监测管理、水质分析管理、大数据分析和用户管理几个子系统,不仅能够对企业排污情况进行全面智能管理,还可以进行大数据分析和预测,积极推动企业大数据环境的建设和发展。