CN108152468A - 一种基于大数据的水质健康评估方法和装置 - Google Patents

一种基于大数据的水质健康评估方法和装置 Download PDF

Info

Publication number
CN108152468A
CN108152468A CN201810076697.9A CN201810076697A CN108152468A CN 108152468 A CN108152468 A CN 108152468A CN 201810076697 A CN201810076697 A CN 201810076697A CN 108152468 A CN108152468 A CN 108152468A
Authority
CN
China
Prior art keywords
water quality
time period
water
quality parameter
big data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810076697.9A
Other languages
English (en)
Inventor
姜岚
赵贤林
刘智
桂峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huatian Engineering and Technology Corp MCC
Original Assignee
Huatian Engineering and Technology Corp MCC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huatian Engineering and Technology Corp MCC filed Critical Huatian Engineering and Technology Corp MCC
Priority to CN201810076697.9A priority Critical patent/CN108152468A/zh
Publication of CN108152468A publication Critical patent/CN108152468A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的水质健康评估方法，包括以下步骤：S1采集水环境在当前第一时间段内的水质参数；S2利用所述第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；S3结合所述第一时间段和所述第二时间段内的水质参数，评估水环境的水质健康状况。本发明通过对当前一段时间和未来一段时间内的水质参数进行评估，来综合考量水环境的水质健康状况，使得评估结果更加准确，且可实时、直观地显示水环境的水质健康状况。本发明还公开了一种基于大数据的水质健康评估装置，用于执行上述基于大数据的水质健康评估方法。

Description

一种基于大数据的水质健康评估方法和装置
技术领域
本发明涉及水利工程技术领域，具体地，涉及一种基于大数据的水质健康评估方法和装置。
背景技术
近年来，河道、湖泊的污染问题越发受到关注，国家出台了一系列的政策，为我国水环境治理确定了明确的方向和目标。目前，全国多个城市都已经开展河流、湖泊的治理关注，并取得了一定的成果。
河道、湖泊水质的健康状况评估，在很大程度上能够代表着河道、湖泊治理的进展及绩效。河道、湖泊的水质健康状况不是瞬时的，而是具有连续性，即一段时间内(过去一段时间+未来一段时间)的健康状况，才能代表河道、湖泊的实际健康状况，但是，目前并没有成体系的、有效的水质评估方法，只是通过对河道、湖泊等水体的各项指标参数值进行监测，然后通过对指标的综合考量来评估水质健康状况。
发明内容
鉴于以上问题，本发明的目的是提供一种基于大数据的水质健康评估方法和装置，结合以往水质的水质数据，通过对一段时间内的水质参数评估，实时、直观展示水环境的健康状况。
为了实现上述目的，本发明的一个方面是提供一种基于大数据的水质健康评估方法，包括以下步骤：
S1采集水环境在当前第一时间段内的水质参数；
S2利用所述第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；
S3结合所述第一时间段和所述第二时间段内的水质参数，评估水环境的水质健康状况。
优选地，在步骤S1中，实时将所述水质参数进行存储。
优选地，在步骤S1中，采集水质参数的频率为1次/小时。
优选地，在步骤S1中，在水环境每500～1000平米的范围内设置一个水质参数采集站点，采集水环境的水质参数。
进一步地，优选地，在步骤S1中，采集水质参数的水质参数采集站点的间隔为1000米。
优选地，在步骤S1中，所述第一时间段为10～30天，所述第二时间段与所述第一时间段的时间相等。
优选地，在步骤S1中，所述水质参数包括化学需氧量、生化需氧量、氨氮、总氮、总磷、浮游藻类和氢离子浓度指数中的一种或多种。
优选地，在步骤S3中，选择水质健康评估模型，将所述第一时间段和所述第二时间段内的水质参数代入所述水质健康评估模型，评估水环境的水质健康状况，所述水质健康评估模型输出表征水质健康状况的分值，分值越大，水质越健康。
优选地，所述机器学习技术为深度神经网络技术。
为了实现上述目的，本发明的另一个方面是提供一种基于大数据的水质健康评估装置，用于执行上述的基于大数据的水质健康评估方法，包括：
采集模块，用于采集水环境在当前第一时间段内的水质参数；
预测模块，利用所述第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；以及
评估模块，结合所述第一时间段和所述第二时间段内的水质参数，评估水环境的水质健康状况。
与现有技术相比，本发明具有以下优点和有益效果：
本发明通过采集当前一段时间段内的水质数据，预测未来一段时间段内的水质数据，综合评估两个时间段内的水质数据，从而评估水质健康状态。本发明结合以往水质的水质参数数据，实时、直观地展示水环境的健康状况。
附图说明
图1是本发明所述基于大数据的水质健康评估方法流程示意图。
具体实施方式
下面将参考附图来描述本发明所述的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。
下面结合图1来详细说明本实施例。
图1是本发明所述基于大数据的水质健康评估方法流程示意图，如图1所示，本发明所述基于大数据的水质健康评估方法包括以下步骤：
S1采集水环境在当前第一时间段内的水质参数；
S2利用第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；
S3结合第一时间段和第二时间段内的水质参数，评估水环境的水质健康状况。
本发明通过对当前一段时间和未来一段时间内的水质参数进行评估，综合评估水环境的健康状况，使得评估结果更加可靠、准确。本发明适用于对河道、湖泊等水环境的水质评估，对水质健康的预测有利于及早发现问题并及时治理。
优选地，在步骤S1中，实时将水质参数进行存储，以记录水环境各项水质参数的水质数据。例如，采用数据采集仪器进行在线采集水质参数，并实时将水质参数的数据传回后台进行存储。优选地，采集水质参数的频率为1次/小时，即每天产生24组水质参数采集结果数据。
优选地，在步骤S1中，水质参数包括化学需氧量、生化需氧量、氨氮、总氮、总磷、浮游藻类和氢离子浓度指数中的一种或多种。
在步骤S1中，采集水质参数时，在湖泊中每500～1000平米的范围内设置一个水质参数采集站点，超出上述数据范围设置水质参数采集站点采集的水质参数的参考性较弱，不能代表整个湖泊的情况，也不能基于此数据评估湖泊的水质健康状态。优选地，在湖泊中每500平米的范围内设置一个水质参数采集站点，以提高水质评估结果的准确性。
优选地，在步骤S1中，河道的水质参数采集站点的间隔距离为1000米左右，间隔太远，采集的水质参数不能用于评估整个水环境的水质健康状态。对于水质参数采集站点的深度并无具体要求，一般位于水面上即可。
优选地，在步骤S1中，第一时间段为10～30天，即以10～30天的水质参数数据为一组，以10～30天的数据评估水环境的水质健康状况。第一时间段过短，所需采集水质参数数据过少，一方面导致水质健康评估结果和预测结果准确度不够，另一方面当时间段过短或无线接近于0.004(1/24)时，认为评估结果无意义(比如用预测一天内的健康情况意义不大)；第一时间段过长，水环境的水质参数变化较大，影响水质健康评估结果。更优选地，第一时间段时间为20天，即以20天的水质参数数据为一组，评估水环境的水质健康状况。
优选地，步骤S2中，机器学习技术为深度神经网络技术，通过深度神经网络技术利用第一时间段内的水质参数预测未来第二时间段内的水质参数，第二时间段发生于第一时间段之后，且第二时间段的时间与第一时间段的时间相等。
优选地，在步骤S3中，选择水质健康评估模型，将第一时间段和第二时间段内的水质参数代入上述水质健康评估模型，评估水环境的水质健康状况，水质健康评估模型输出表征水质健康状况的分值，分值越大，水质越健康。例如，水质健康评估模型输出分值1、2、3和4，其中，1表示水质病态，2表示水质一般，3表示水质亚健康，4表示水质健康。
其中，在选择水质健康评估模型时，对比分析各种水质健康评估模型，根据水环境的实际情况确定其中一种模型作为当前水环境健康状况的评估模型。
本发明既可以记录水环境的历史健康状况，也可以通过预测未来的水质参数变化情况来预测水环境的未来健康状况。
实施例：
以博望河的河段一为例，对本发明作进一步说明，其中，博望河的河段一长度为1200米。
确定博望河的水质参数评价指标项，即需要采集的水质参数，包括溶解氧、化学需氧量和浮游藻类。
对比分析各种水质健康评估模型，根据博望河的实际情况确定当前河道水质健康评估模型。确定机器学习技术采用深度神经网络技术。
在河道中，各水质参数采集站点间隔1000米，利用数据采集仪器进行水质参数的在线采集，并实时将相关数据传送回后台进行存储。
确定第一时间段为20天，即以20天的水质参数数据为一个数据组，对河道水质健康进行评估。水质参数的采集频率为1次/小时，即每天产生24组数据采集结果。
利用深度神经网络技术对当前20天内采集的480条水质参数数据进行分析学习，预测未来20天内的水质参数的变化情况。
将当前20天的水质参数和未来20天的水质参数代入选定的水质健康评估模型，输出河道的水质健康得分为3，表示当前河道处于亚健康状态。
河道治理运营公司根据总体的河道健康状况，可以快速定位问题河道(河段)，并根据具体指标的异常情况，进行针对性治理，直至河道健康度达到4(水质健康)。
本发明的另一个方面是提供一种基于大数据的水质健康评估装置，用于执行上述基于大数据的水质健康评估方法，包括：
采集模块，用于采集水环境在当前第一时间段内的水质参数；
预测模块，利用第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；
评估模块，结合第一时间段和第二时间段内的水质参数，评估水环境的水质健康状况。
优选地，采集模块的采集频率为1次/小时，即每天产生24组水质参数采集结果数据。采集的水质参数包括化学需氧量、生化需氧量、氨氮、总氮、总磷、浮游藻类和氢离子浓度指数中的一种或多种。
采集模块在采集水质参数时，在水环境中每500～1000平米的范围内设置一个水质参数采集站点，超出上述数据范围设置水质参数采集站点采集的水质参数的参考性较弱，不能代表整个水域的健康情况，也不能基于此数据评估水环境的水质健康状态。优选地，在湖泊中每500平米的范围内设置一个水质参数采集站点，以提高水质评估结果的准确性。在河道中水质参数采集站点的间隔距离为1000米左右，间隔太远，采集的水质参数不能用于评估整个河道的水质健康状态。对于水质参数采集站点的深度并无具体要求，只要位于水面上即可。
优选地，预测模块根据10～30天的水质参数数据，预测未来10～30天的水质参数数据。选择10～30天的水质参数数据为一组，以提高水质健康评估结果的可靠性。
优选地，评估模块在进行水质健康状况评估时，可根据水环境的实际情况选择一种水质健康评估模型，将第一时间段和第二时间段内的水质参数代入水质健康评估模型，输出水质健康评估结果，得到表征水质健康状况的分值，分值越大，表明水质越健康。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的水质健康评估方法，其特征在于，包括以下步骤：
S1采集水环境在当前第一时间段内的水质参数；
S2利用所述第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；
S3结合所述第一时间段和所述第二时间段内的水质参数，评估水环境的水质健康状况。
2.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，在步骤S1中，实时将所述水质参数进行存储。
3.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，
在步骤S1中，采集水质参数的频率为1次/小时。
4.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，在步骤S1中，在水环境每500～1000平米的范围内设置一个水质参数采集站点，采集水环境的水质参数。
5.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，在步骤S1中，采集水质参数的水质参数采集站点的间隔为1000米。
6.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，
在步骤S1中，所述第一时间段为10～30天，所述第二时间段与所述第一时间段的时间相等。
7.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，在步骤S1中，所述水质参数包括化学需氧量、生化需氧量、氨氮、总氮、总磷、浮游藻类和氢离子浓度指数中的一种或多种。
8.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，
在步骤S3中，选择水质健康评估模型，将所述第一时间段和所述第二时间段内的水质参数代入所述水质健康评估模型，评估水环境的水质健康状况，所述水质健康评估模型输出表征水质健康状况的分值，分值越大，水质越健康。
9.根据权利要求1所述的基于大数据的水质健康评估方法，其特征在于，所述机器学习技术为深度神经网络技术。
10.一种基于大数据的水质健康评估装置，用于执行权利要求1-9任一项所述的基于大数据的水质健康评估方法，其特征在于，包括：
采集模块，用于采集水环境在当前第一时间段内的水质参数；
预测模块，利用所述第一时间段内的水质参数通过机器学习技术预测未来第二时间段内的水质参数；以及
评估模块，结合所述第一时间段和所述第二时间段内的水质参数，评估水环境的水质健康状况。
CN201810076697.9A 2018-01-26 2018-01-26 一种基于大数据的水质健康评估方法和装置 Pending CN108152468A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810076697.9A CN108152468A (zh) 2018-01-26 2018-01-26 一种基于大数据的水质健康评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810076697.9A CN108152468A (zh) 2018-01-26 2018-01-26 一种基于大数据的水质健康评估方法和装置

Publications (1)

Publication Number Publication Date
CN108152468A true CN108152468A (zh) 2018-06-12

Family

ID=62456778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810076697.9A Pending CN108152468A (zh) 2018-01-26 2018-01-26 一种基于大数据的水质健康评估方法和装置

Country Status (1)

Country Link
CN (1) CN108152468A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707795A (zh) * 2020-06-23 2020-09-25 安恒环境科技（北京）股份有限公司 一种地表水生化需氧量bod的监测方法及系统
CN112084230A (zh) * 2020-07-30 2020-12-15 同济大学 一种地表水水质预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102565296A (zh) * 2011-12-11 2012-07-11 天津大学 再生水厂原水水质在线预警系统及预警方法
CN103018418A (zh) * 2012-12-16 2013-04-03 天津大学 景观水体水质在线预警系统
CN104155423A (zh) * 2014-08-08 2014-11-19 天津大学 一种变权组合的景观水水质预警方法
CN104931669A (zh) * 2015-06-02 2015-09-23 苏州高新区、虎丘区环境监测站 一种地表水水质自动监测集成系统
CN106198910A (zh) * 2016-07-01 2016-12-07 河南科技学院 一种水环境实时监测系统
CN106295121A (zh) * 2016-07-21 2017-01-04 天津大学 景观湖泊贝叶斯水质风险预测方法
CN107091911A (zh) * 2017-04-17 2017-08-25 郑州大学环境技术咨询工程有限公司 一种河流水质预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102565296A (zh) * 2011-12-11 2012-07-11 天津大学 再生水厂原水水质在线预警系统及预警方法
CN103018418A (zh) * 2012-12-16 2013-04-03 天津大学 景观水体水质在线预警系统
CN104155423A (zh) * 2014-08-08 2014-11-19 天津大学 一种变权组合的景观水水质预警方法
CN104931669A (zh) * 2015-06-02 2015-09-23 苏州高新区、虎丘区环境监测站 一种地表水水质自动监测集成系统
CN106198910A (zh) * 2016-07-01 2016-12-07 河南科技学院 一种水环境实时监测系统
CN106295121A (zh) * 2016-07-21 2017-01-04 天津大学 景观湖泊贝叶斯水质风险预测方法
CN107091911A (zh) * 2017-04-17 2017-08-25 郑州大学环境技术咨询工程有限公司 一种河流水质预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纪鸿飞: "《水源型水库富营养化自动监测与控制技术研究》", 30 November 2017, 中国海洋大学出版社 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707795A (zh) * 2020-06-23 2020-09-25 安恒环境科技（北京）股份有限公司 一种地表水生化需氧量bod的监测方法及系统
CN111707795B (zh) * 2020-06-23 2022-08-26 安恒环境科技（北京）股份有限公司 一种地表水生化需氧量bod的监测方法及系统
CN112084230A (zh) * 2020-07-30 2020-12-15 同济大学 一种地表水水质预测方法

Similar Documents

Publication Publication Date Title
Larned et al. Water quality in New Zealand rivers: current state and trends
Rigosi et al. Determining the probability of cyanobacterial blooms: the application of Bayesian networks in multiple lake systems
Beck et al. A review of research on the development of lake indices of biotic integrity
Sarkar et al. QUALIDEX–a new software for generating water quality indice
CN110088619A (zh) 用于废水处理厂或饮用水厂的过程和资产健康诊断、异常检测和控制的智能系统和方法
US20150369787A1 (en) A method and system for monitoring quality of ballast water of a vessel
Greimel et al. A method to detect and characterize sub‐daily flow fluctuations
Chaudhari Water quality monitoring system using internet of things and swqm framework
Lücke et al. Detection of ecological change in stream macroinvertebrate assemblages using single metric, multimetric or multivariate approaches
CN108152468A (zh) 一种基于大数据的水质健康评估方法和装置
Xia et al. Bioindicator assessment framework of river ecosystem health and the detection of factors influencing the health of the Huai River Basin, China
CN109657200A (zh) 一种确定湖泊水库蓝藻水华爆发几率的方法
Everall et al. Macroinvertebrate community structure as an indicator of phosphorus enrichment in rivers
JP5110891B2 (ja) 水処理施設における流入水水質の統計的予測方法及びその装置
Abirhire et al. Do human activities affect phytoplankton biomass and composition in embayments on Lake Diefenbaker?
Mendes et al. Comparing alternatives for combining invertebrate and diatom assessment in stream quality classification
Bailey et al. Bioassessment of stream ecosystems enduring a decade of simulated degradation: lessons for the real world
Kim et al. Enhanced monitoring of water quality variation in Nakdong River downstream using multivariate statistical techniques
CN115809749A (zh) 污水处理综合性在线预测模型的建立方法及预测预警方法
Stevenson et al. Designing data collection for ecological assessments
Glamore et al. The Hunter River estuary water quality model
Liu et al. Assessment of water quality and Algae growth for the Ganwol reservoir using multivariate statistical analysis
Dara et al. An artificial neural networks modell for predicting BOD of Ishëm River
Schallenberg et al. Review of the lake trophic level index
THUAN et al. Prediction model of taste-and-odor events in Kamafusa Reservoir

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180612