CN105300909A - 基于直接光谱法的全天候长流域水质监测与预警系统 - Google Patents

Abstract

本发明涉及一种基于直接光谱法的全天候长流域水质监测与预警系统，属于水质监测技术领域。所述系统包括水质监测装置、云数据处理平台和远程监控平台；水质监测装置的数量为多个，根据需要放置于水体岸边、水面浮标或其他水面平台上，对长流域的水质数据进行提取，所述水质监测装置利用直接光谱法获取监测水体的吸收光谱，并将监测到的数据和水质信息通过无线传输的方式传送至云数据处理平台；云数据处理平台对接收到的数据进行汇总和分析，并存入数据库中；远程监控平台通过对存入数据库中的数据进行查询和显示，实现对全天候长流域水质环境的实时监测和预警。本系统能够实现对流域内水体环境全天候的在线测量、实时监测、突发性预警、流域分析以及水环境监控，减少因水体污染造成的损失，保障人们饮水安全。

Description

基于直接光谱法的全天候长流域水质监测与预警系统

技术领域

本发明属于水质监测技术领域，涉及一种水质监测与预警管理系统，特别是一种基于直接光谱法的全天候长流域水质监测与预警系统。

背景技术

水是人类赖以生存和发展的重要资源，面对日益严峻的水污染问题，人们对水环境的检测和监测提出了更高的要求。

目前,检测水质主要使用传统的化学法在实验室进行分析，需要通过人工的现场采样、运输，并利用大型的专用设备来完成。对采样、制样的技术经验要求高、耗时较长、成本高、工作量大,而且不能实时的水质的情况，还会造成二次污染。研究一种更快、更准确的检测、监测和预测水质状况的仪器是水质监测领域的重要发展方向之一。

现有的新型设备在检测和监测方面都有一定的应用，但也存在诸多问题，如无法实现对大面积流域水质的监测，测量参数单一，应用场景受限等，只能被动监测,无法实现水质的预测。对于大面积水域、复杂地形水域以及人们难以到达水域的水质参数,不仅无法满足实时在线监测的需求,而且无法对复杂水域水环境进行有效监测和管理。

基于紫外－可见光光谱(ultraviolet-visiblespectrometry,UV-Vis)分析技术可以直接或间接测定水体中大多数金属离子、非金属离子、有机物污染物、硝酸盐以及化学需氧量(ChemicalOxygenDemand，COD)等多种参数。UV-Vis光谱法监测水体就是利用测得水体的紫外-可见吸收光谱来建立水质相关的参数模型，建立水体与其紫外-可见光吸收光谱之间的对应关系，该法具有无需化学试剂、测量速度快等优点。同时，UV-Vis光谱法水体监测，可以将光谱探头浸入水中，能够对水体进行在线、实时的监测，从而实现对水体环境实时监控、突发性污染事故预警以及流域趋势分析等功能。特别是，随着传输速率快、频带宽的4G通信技术的迅猛发展，全天候、整流域水体安全性监测成为可能，此可将水体是否发生污染险情上传至监控中心，从而及时发出预警信息，预先做好相应的预防措施，以便将损失降到最低。

申请号为201310745779.5，名称为“一种水质监测系统及方法”的专利申请文件公开了一种包含测量装置、控制器、显示器、多个试剂容器、多个备用试剂容器、蒸馏水容器、清洗容器以及废液容器的一种水质监测系统，能够获得至少两种波长的光，监测不同的污染因子。该系统监测水质过程繁琐，需要复杂的水样预处理，运用化学试剂产生二次污染，且能够监测的参数十分有限，无法同时获取流域的水质状况。

发明内容

有鉴于此，本发明的目的在于提供一种基于直接光谱法的全天候长流域水质监测与预警系统，该系统能够实现对流域内水体环境全天候的在线测量、实时监测、突发性预警、流域分析以及水环境监控，减少因水体污染造成的损失，保障人们饮水安全。

为达到上述目的，本发明提供如下技术方案：

一种基于直接光谱法的全天候长流域水质监测与预警系统，所述系统包括水质监测装置、云数据处理平台和远程监控平台；

所述水质监测装置的数量为多个，根据需要放置于水体岸边、水面浮标或其他水面平台上，对长流域的水质数据进行提取，所述水质监测装置利用直接光谱法获取监测水体的吸收光谱，并将监测到的数据和水质信息通过无线传输的方式传送至云数据处理平台；云数据处理平台对接收到的数据进行汇总和分析，并存入数据库中；远程监控平台通过对存入数据库中的数据进行查询和显示，实现对全天候长流域水质环境的实时监测和预警。

进一步，所述水质监测装置包括传感器模块、GPS模块、微处理器、无线通信模块和电源模块；

所述传感器模块包括多种传感器探头和A/D转换模块，通过多路继电器进行工作状态的切换，实时采集监控流域的水质信息，所述水质信息包括温度、PH值、流速、电导率等；光谱探头与光谱仪相连，用于获取水质的紫外-可见吸收光谱，可用于COD、TOC、TURB和NO3-N的解算；

所述微处理器负责协调和控制监测装置各模块工作，存储和上传采集的水质信息；在微处理器中，利用压缩算法完成光谱数据的压缩，并将处理后的光谱数据及其他传感数据按照采集时间与数据类型进行分类存储，通过无线通信模块传输至云数据处理平台；

所述无线通信模块主要包括无线数据传输模块和广域网模块，负责水质监测装置与远程监控平台间的通信；无线数据传输模块负责组建并加入无线数据传输网络，组建的网络可自愈和，抗干扰性强；广域网模块主要负责将设备接入互联网Internet中，可以随时接收或发送数据至云数据处理平台。

进一步，所述水质吸收光谱压缩算法采用小波变换编码，阈值的选取采用能量阈值法。

进一步，所述电源模块由太阳能电池板、锂电池组、备用电池、稳压电路、电压转换电路组成；太阳能电池板将太阳能转换为电能存储于锂电池组中，通过稳压电路及电压转换电路为传感器模块、微处理器模块和无线通信模块提供稳定电压；当天气状况不佳，锂电池电量耗尽时，备用电池进入工作状态。

进一步，在设置水质监测装置的投放位置时，考虑投入点的数量将装置的放置位置分为三类：1)按流域监测断面划分出的位置；2)源头和重点污染源；3)在不方便设立固定监测点的地方,采用船载的方式临时采集数据。

进一步，水质监测装置放置就位后上电工作，根据位置选择加入的无线数据传输网络组，注册相应的装置序号，并将监测装置的详细信息上传至云数据处理平台，详细信息主要包括：位置信息、装置序号、装置的网络地址、监测装置的设备状态、电池电量等；

所述水质监测装置根据系统设置的参数进入监测状态：在定时模式下，每隔固定的时间自动唤醒，通过多路开关控制相应的传感器采集对应的水质信息，如水质吸收光谱、温度、pH、流速、电导率等，采集到的水质吸收光谱在监测装置中通过小波变换编码压缩后，与其他传感数据按照采集时间与数据类型进行分类存储，同时将水质信息按照相应的帧格式进行封装，通过无线网络传输至云数据处理平台，水质参数的数据采集与传输完成后，监测装置将进入睡眠状态，以降低系统功耗，等待下一次手动或自动唤醒；在手动模式下，用户手动控制监测装置开始采集，通过云端以单播的方式发送至目标水质监测装置，水质监测装置收到指令后，从睡眠状态唤醒，完成数据采集与传输后再次进入睡眠状态。

进一步，所述云数据处理平台包括云端数据库和云端服务器：

云端数据库主要负责监测流域内水质信息的存储，其中包含水质原始信息，如水质吸收光谱、温度、pH、流速、电导率等，还包含通过智能算法解算后的水质信息以及监测装置的运行状态信息，这些信息按照时间、地点、内容等进行分类存入云端数据库，供云端服务器查询和调用；

云端服务器主要负责水质数据的分析与解算，利用云计算等技术，对所获得的流域内不同位置的水质吸收光谱进行批量处理；通过主成份分析(PCA)和极限学习机与粒子群优化算法(PSO-ELM)分类建立应用于不同水质场景的紫外可见光谱法水质预测模型，根据光谱的特征自动选取相应的预测模型，解算出流域中对应位置水质的参数，如COD、TOC、TURB和NO3-N等。结合所获得的其他水质信息，结合所获得的其他水质信息，依照地表水环境质量标准GB3838-2002，将监测装置的水质进行分类，并对不同类别进行标注；

当出现设备故障报警和水质超标报警时，将触发报警机制；其中水质超标报警有以下两种情况：水质信息超过预设的警戒值；监测系统检测到与“指纹光谱”吻合的光谱，“指纹光谱”由流域中所获取的特征光谱建立。

进一步，所述远程监控平台具有web网页版和APP版，可设置多种用户权限，其中普通用户权限可随时查看监控区域的水质信息，管理员权限主要用于实时监控流域水质、管理监测系统及监测设备等；该平台主要包括水质参数查询、报警记录查询、设备管理查询、系统设置、GIS显示模式几个方面，可根据流域中不同位置所感兴趣的水质参数及关注程度不同，个性化设置流域中监测装置所采集的水质信息种类以及采集频率。

本发明的有益效果在于：

1)将直接光谱法与混合无线传感网络相结合，系统响应速度快、监测范围广，可大大减少人力物力。利用直接光谱法从根本上摒弃了复杂的水质预处理过程，检测速度快、测量精度高、无二次污染；采用自组网与广域网相结合的方式，监测系统灵活性高,适应性强，抗干扰性强，通过增加监测装置可扩大监测区域，实现对流域的远程监控。所述监测装置的增减并不影响整个系统的工作稳定性和环境适应性。所述监测装置可在无GPRS覆盖的位置正常工作；

2)监测设备放置位置灵活，可放置于岸边或水面平台，布点分为三类：按流域监测断面划分出的位置；源头和重点污染源；在不方便设立固定监测点的地方,采用船载的方式临时采集数据。根据流域中不同位置感兴趣的水质参数及关注程度不同，可个性化设置监测装置所采集的水质信息种类以及采集频率，从而有效的避免了信息的冗余和资源的浪费，实用性更强；

3)监测设备采用低功耗控制模块，利用太阳能电池与蓄电池相结合的供电方式，功耗低、节能环保。水环境监控中心可随时获取监测设备的电量信息，便于易于管理，通过水中平台，还在人工不易到达的位置进行水质信息的采集；

4)通过智能算法解算水质参数，准确快速，适用范围广，根据国标分段划分流域内的水质等级，更加全面展示水质从上游至下游各个断面的变化过程；通过智能算法联合所获取的历史及监测装置的上下游数据，对水质状况进行准确预测，报警信息多样，趋势预警和水质超标报警；通知形式多样，短信和邮件、界面等，多种方式及时反馈给管理人员；

5)利用云计算等技术，使得水质的解算过程不受平台影响，可由任意能够接入互联网的设备，如手机、电脑、平板等，通过网页或APP访问水环境监控中心查看监测流域水质信息。水环境监控中心利用GIS技术，动态显示监测流域的水质信息，能够手动控制监测装置的工作状态，方便快捷又直观。水质监测系统拥有多种不同用户，其中管理员权限主要用于有关部门实现对流域水质的管理；用户权限可满足普通民众随时随地了解身边的水质状况，将监测系统推广至广大群众，全民一起监督水环境水质，防御水质污染。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为系统示意图；

图2为系统结构框图；

图3为水质监测装置结构图；

图4为水环境监控中心结构图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

如图1所示，本发明所述系统包括：水质监测装置、云数据处理平台和远程监控平台。具体的系统运作流程参照图2，分布在流域中的水质监测装置，由GPS模块获取节点地理位置信息，通过紫外-可见光谱仪、传感器等设备24小时实时在线采集水质数据，其中采集的水质吸收光谱在水质监测装置进行压缩处理，降低网络中的数据传输量；监测节点将采集到的水质信息存储并按照相应的帧格式进行封装通过远距离无线数据传输网络传输至具有上网功能的监测网关装置处，然后经广域网(如GPRS)发送至云数据处理平台。

在云端，监测流域的水质信息依次存入云端数据库中，通过主成份分析(PCA)和极限学习机与粒子群优化算法(PSO-ELM)等方法分类建立应用于不同水质场景的紫外可见光谱法水质预测模型，根据光谱的特征自动选取相应的预测模型，解算出流域中对应位置水质的参数，如COD、TOC、TURB和NO3-N等。

用户可在任意可上网设备通过网页/APP登录水质信息远程监控平台，清楚、直观地查看整个流域中水体水质变化情况以及节点设备的运行情况。水质信息查询系统拥有GIS模式和多种用户权限，可同时满足不同用户的需求，其中管理员权限可通过水质信息远程监控中心改变系统参数设置，还可对各水质监测装置发送控制指令，各节点根据指令要求进行相应操作。

如图3所示，水质监测装置由传感器模块、GPS模块、微处理器、无线通信模块和电源模块组成，按照有无广域网模块可分为两类：监测节点和监测网关。

传感器模块包括传感器探头和A/D转换模块，其中传感器探头包含光谱探头、温度探头、pH探头、流速探头、电导率探头等传感器探头，拥有多个预留扩展口，可配置其他传感器模块及相应的清洁装置，他们通过多路继电器进行工作状态的切换。其中光谱探头与光谱仪相连，其它探头与A/D转换模块相连，将实时采集的水质信息转换为数字信号传输至微处理器。

微处理器负责协调和控制水质监测装置其它的模块工作，存储采集的水质信息。监测装置所获取的水质环境的吸收光谱数相对平滑，数据间相关性较高，选择使用合适的压缩算法可极大减小数据量，提高数据传输效率，降低通信成本。由于光谱的有用信号的能量集中在低频部分，高频分量很少。在微处理器中，可通过小波变换编码，阈值的选取采用能量阈值法来压缩光谱数据，具体过程如下：

1)对光谱信号采用sym4小波4层分解，并按绝对值从大到小排列小波分解系数c₁＞c₂＞...＞c_k＞...＞c_n；

2)计算小波系数的能量

3)计算g(t)的导数g′(t)，当g′(t₀)＝0时，求得t₀时刻的作为压缩阈值；

4)保留大于选定阈值的小波系数，并将小于选定的阈值的小波系数置零，达到压缩目的。

压缩后的光谱数据量大大减少，此时可将处理后的光谱数据及其他传感数据按照采集时间与数据类型进行分类存储，同时将水质信息按照相应的帧格式进行封装，通过无线通信模块传输至云端数据中心。

无线通信模块负责监测装置与水环境监控中心间的通信，主要包含无线数据传输模块和广域网模块。其中无线数据传模块包括但不限于zigbee模块、数传电台、GPRS模块等，广域网模块包括但不限于GPRS模块、无线网卡等。无线数据传输模块负责组建并加入无线数据传输网络，组建的网络可自愈和，抗干扰性强。广域网模块主要负责将设备接入互联网Internet中，可以随时接收或发送数据至云端数据处理中心。采用自组网与广域网相结合的方法，组网方式灵活、适应性强、抗干扰性强，通过增加监测装置可扩大监测区域，可在无GPRS覆盖的位置也可完成水质信息的采集。

无线数据传输模块通过串口与微处理器相连，将监测节点采集到的水质信息通过无线数据传输网络传输至拥有广域网模块的监测网关，再由监测网关通过广域网模块发送至云端数据处理中心最终显示于水环境监控中心；当水环境监控中心通过互联网发送指令到达广域网模块后，广域网模块将该信息通过串口发送至监测网关，通过判断后响应该命令，通过无线数据传输模块以广播或点播的方式将信息传输至目标水质监测装置，从而实现水质监测装置与水环境监控中心的双向通信。

电源模块包含太阳能电池板、锂电池组、备用电池、稳压电路、电压转换电路。太阳能电池板将太阳能转换为电能存储于锂电池组中，通过稳压电路及电压转换电路为传感器模块、微处理器模块和无线通信模块提供稳定电压。当天气状况不佳，锂电池电量耗尽时，备用电池进入工作状态。当备用电池电量低于25％时，向水环境监控中心发出该装置电池电量不足的警告，管理人员可将该节点设置为休眠状态或前往监测装置所在位置更换电池。

水质监测装置可放置于岸边、水面浮标,或其他水面平台上，以尽可能不丢失数据且尽可能实时反映水质变化为依据，并且考虑投入点的数量将水质监测装置的放置位置分为三类：1)按流域监测断面划分出的位置；2)源头和重点污染源；3)在不方便设立固定监测点的地方,采用船载的方式临时采集数据，其中监测网关一般布置于网络信号较好的位置。

水质监测装置放置就位后上电工作，根据仪器位置选择加入的无线数据传输网络组，注册相应的装置序号，并将监测装置的详细信息上传至云端数据处理中心，详细信息主要包括：位置信息、装置序号、装置的网络地址、监测装置的设备状态、电池电量等。

水质监测装置根据系统设置的参数进入监测状态。在定时模式下，每隔固定的时间自动唤醒，通过多路开关控制相应的传感器采集对应的水质信息，如水质吸收光谱、温度、pH、流速、电导率等。采集到的水质吸收光谱在监测装置中通过小波变换编码压缩后，与其他传感数据按照采集时间与数据类型进行分类存储，同时将水质信息按照相应的帧格式进行封装，通过网络传输至云端。水质参数的数据采集与传输完成后，监测装置将进入睡眠状态，以降低系统功耗，等待下一次手动或自动唤醒。在手动模式下，用户可手动控制监测装置开始采集，通过云端以单播的方式发送至目标水质监测装置，水质监测装置收到指令后，从睡眠状态唤醒，完成数据采集与传输后再次进入睡眠状态。

所述云端数据处理中心包含云端数据库和云端服务器，

云端数据库主要负责监测流域内水质信息的存储，其中包含监测装置所在位置的水质原始信息，如水质吸收光谱、温度、pH、流速、电导率等，还包含通过智能算法解算后的水质信息以及水质监测装置的运行状态信息等。这些信息按照时间、地点、内容等进行分类存入云端数据库，供云端服务器查询和调用。

云端服务器主要负责水质数据的压缩、分析、解算和预测。在云端服务器，根据监控流域中的水质信息的相关性，监测节点的水质光谱信息将进行进一步的压缩，压缩后的水质信息将存入云端数据库。

利用云计算等技术，对所获得的流域内不同位置的水质吸收光谱进行批量处理，速度快，效率高。通过主成份分析(PCA)和极限学习机与粒子群优化算法(PSO-ELM)等分类建立应用于不同水质场景的紫外可见光谱法水质预测模型，根据光谱的特征自动选取相应的预测模型，解算出流域中对应位置水质的参数，如COD、TOC、TURB和NO3-N等。

以COD的解算为例，简述PCA与PSO-ELM建立紫外可见光谱法水质COD预测模型步骤：

1、收集流域不同位置水样的紫外可见吸收光谱与对应的水质COD的值，按照不同水质场景进行分类，选用合适的数据作为样本进行建模和分析。

2、采用PCA主成分分析算法对模型的输入光谱数据进行降维处理，提高模型的建立及预测的速度。

3、预测回归模型采用单隐层前馈型神经网络—极限学习机(ELM)，为提高预测模型的精度，引入PSO粒子群优化算法对ELM模型的输入权值及阈值进行不断优化。

5、根据水样的来源地自动选择相应的预测模型对其进行预测。

6、实时更新预测模型，提高预测的可靠性与可行性。

结合所获得的其他水质信息，依照地表水环境质量标准GB3838-2002，将监测装置的水质进行分类，并对不同类别进行标注。当水质信息超过预设的警戒值时，将触发报警机制。

在云端还可根据流域中获得特征吸收光谱建立“指纹光谱”，当检测到与之吻合的光谱时立即报警。当水体中的污染物超标时，所采集的紫外-可见吸收光谱的具有大致相同的特征峰，故可建立相应的“指纹光谱”，并实时更新。

云端数据处理中心，可根据监控流域内不同位置的数据来预测流域中目标装置所在位置的水质状况。利用监控流域上游水质的历史数据以及流速信息，根据影响权重的不同，与目标装置距离越近影响越大，与监测时间越接近的数据，影响因子越大。根据多次实验，我们选取目标节点上游三个节点的水质参数与流速，结合目标节点在前两次监测的值进行拟合，得到模型如下所示：

X(k)＝AX(k-1)+BX(k-2)+U(x)

利用该预测模型可推算出目标节点在下一时刻的水质状况，并利用监测的值来进一步修正预测模型。当所预测的趋势到达预警值时，可立即报警。

如图4所示，所述水环境监控中心有web网页版和APP版，可设置多种用户权限，其中普通用户权限可随时查看监控区域的水质信息，管理员权限主要用于实时监控流域水质、管理监测系统及监测设备等。如图3所示，水质信息环境监控中心主要包括水质参数查询、报警记录查询、设备管理查询、系统设置、GIS模式等几个方面。其中水质参数查询包括监控流域内水质监测装置的实时数据查询和历史数据查询；报警记录查询包括水质报警记录查询和设备故障记录查询；设备管理查询包括系统网络拓扑和水质监测装置运行状态；系统参数设置可设置系统中水质监测装置的相关信息，如自动采集水质信息的频率、光谱仪等设备的采集参数(包含积分时间、平均次数等)、采集水质信息种类、水质参数报警阈值、设备电量警告阈值以及报警的通知方式的选择(包含短信通知、邮件通知、界面显示等)。

GIS显示模式可实现对监控流域内的水质监测装置进行远程唤醒和实时监测。通过水质监测装置的GPS位置信息在地图中对应的位置进行显示，若节点掉线则显示为灰色，若有报警信息，如设备故障或水质超标等，则节点显示为红色，处于正常运行状态，则显示为绿色。水质监测装置处于正在采集状态显示为绿色跳动状态，当接收到数据，完成采集过程后恢复到绿色稳定状态。用户将鼠标移动置水质监测装置所在位置时，将出现该节点上一时刻的水质信息和过去12小时的历史曲线以及水质等级信息。左键单击，可触发该节点进入水质信息采集状态，此时若再左键单击该水质监测装置，可中断水质监测装置的水质信息采集过程，节点重新回到空闲状态。电脑端鼠标右键单击(手机端可长按该水质监测装置)将出现菜单栏，其中包括开始采集、查看水质详情、设备信息、参数设置等几个方面。通过查看水质详情可获得上一时刻的水质等级信息和监测装置的水质历史曲线，水质历史曲线默认显示过去12小时的COD的曲线，也可通过手动选择参数类型和查询时间段来查询水质信息。通过设备信息，可查看设备的运行状态、当前的电量、加入网络的时长、地理位置等参数。通过参数设置根据需求，个性化定制监测流域中的监测设备的各项参数，包含设备的采集频率、光谱仪的采集参数、以及选择所采集的水质参数(默认是全选)。以上参数在未修改时默认为系统参数设置。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (8)

1.一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述系统包括水质监测装置、云数据处理平台和远程监控平台；

所述水质监测装置的数量为多个，根据需要放置于水体岸边、水面浮标或其他水面平台上，对长流域的水质数据进行提取，所述水质监测装置利用直接光谱法获取监测水体的吸收光谱，并将监测到的数据和水质信息通过无线传输的方式传送至云数据处理平台；云数据处理平台对接收到的数据进行汇总和分析，并存入数据库中；远程监控平台通过对存入数据库中的数据进行查询和显示，实现对全天候长流域水质环境的实时监测和预警。

2.根据权利要求1所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述水质监测装置包括传感器模块、GPS模块、微处理器、无线通信模块和电源模块；

所述传感器模块包括多种传感器探头和A/D转换模块，通过多路继电器进行工作状态的切换，实时采集监控流域的水质信息，所述水质信息包括温度、PH值、流速、电导率等；光谱探头与光谱仪相连，用于获取水质的紫外-可见吸收光谱，可用于COD、TOC、TURB和NO3-N的解算；

所述微处理器负责协调和控制监测装置各模块工作，存储和上传采集的水质信息；在微处理器中，利用压缩算法完成光谱数据的压缩，并将处理后的光谱数据及其他传感数据按照采集时间与数据类型进行分类存储，通过无线通信模块传输至云数据处理平台；

所述无线通信模块主要包括无线数据传输模块和广域网模块，负责水质监测装置与远程监控平台间的通信；无线数据传输模块负责组建并加入无线数据传输网络，广域网模块主要负责将设备接入互联网Internet中，可以随时接收或发送数据至云数据处理平台。

3.根据权利要求2所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述水质吸收光谱压缩算法采用小波变换编码，阈值的选取采用能量阈值法。

4.根据权利要求2所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述电源模块由太阳能电池板、锂电池组、备用电池、稳压电路、电压转换电路组成；太阳能电池板将太阳能转换为电能存储于锂电池组中，通过稳压电路及电压转换电路为传感器模块、微处理器模块和无线通信模块提供稳定电压；当天气状况不佳，锂电池电量耗尽时，备用电池进入工作状态。

5.根据权利要求1所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：在设置水质监测装置的投放位置时，考虑投入点的数量将装置的放置位置分为三类：1)按流域监测断面划分出的位置；2)源头和重点污染源；3)在不方便设立固定监测点的地方,采用船载的方式临时采集数据。

6.根据权利要求2所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：水质监测装置放置就位后上电工作，根据位置选择加入的无线数据传输网络组，注册相应的装置序号，并将监测装置的详细信息上传至云数据处理平台，详细信息主要包括：位置信息、装置序号、装置的网络地址、监测装置的设备状态、电池电量等；

所述水质监测装置根据系统设置的参数进入监测状态：在定时模式下，每隔固定的时间自动唤醒，通过多路开关控制相应的传感器采集对应的水质信息，采集到的水质吸收光谱在监测装置中通过小波变换编码压缩后，与其他传感数据按照采集时间与数据类型进行分类存储，同时将水质信息按照相应的帧格式进行封装，通过无线网络传输至云数据处理平台，水质参数的数据采集与传输完成后，监测装置将进入睡眠状态，以降低系统功耗，等待下一次手动或自动唤醒；在手动模式下，用户手动控制监测装置开始采集，通过云端以单播的方式发送至目标水质监测装置，水质监测装置收到指令后，从睡眠状态唤醒，完成数据采集与传输后再次进入睡眠状态。

7.根据权利要求1所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述云数据处理平台包括云端数据库和云端服务器：

云端数据库主要负责监测流域内水质信息的存储，其中包含水质原始信息，还包含通过智能算法解算后的水质信息以及监测装置的运行状态信息，这些信息按照时间、地点、内容等进行分类存入云端数据库，供云端服务器查询和调用；

云端服务器主要负责水质数据的分析与解算，利用云计算等技术，对所获得的流域内不同位置的水质吸收光谱进行批量处理；通过主成份分析(PCA)和极限学习机与粒子群优化算法(PSO-ELM)分类建立应用于不同水质场景的紫外可见光谱法水质预测模型，根据光谱的特征自动选取相应的预测模型，解算出流域中对应位置水质的参数，结合所获得的其他水质信息，依照地表水环境质量标准GB3838-2002，将监测装置的水质进行分类，并对不同类别进行标注；

当出现设备故障报警和水质超标报警时，将触发报警机制；其中水质超标报警有以下两种情况：水质信息超过预设的警戒值；监测系统检测到与“指纹光谱”吻合的光谱，“指纹光谱”由流域中所获取的特征光谱建立。

8.根据权利要求1所述的一种基于直接光谱法的全天候长流域水质监测与预警系统，其特征在于：所述远程监控平台具有web网页版和APP版，可设置多种用户权限，其中普通用户权限可随时查看监控区域的水质信息，管理员权限主要用于实时监控流域水质、管理监测系统及监测设备等；该平台主要包括水质参数查询、报警记录查询、设备管理查询、系统设置、GIS显示模式几个方面，可根据流域中不同位置所感兴趣的水质参数及关注程度不同，个性化设置流域中监测装置所采集的水质信息种类以及采集频率。