CN109816938B - 基于无序树的水质异常数据监测报警系统及方法 - Google Patents
基于无序树的水质异常数据监测报警系统及方法 Download PDFInfo
- Publication number
- CN109816938B CN109816938B CN201910098681.2A CN201910098681A CN109816938B CN 109816938 B CN109816938 B CN 109816938B CN 201910098681 A CN201910098681 A CN 201910098681A CN 109816938 B CN109816938 B CN 109816938B
- Authority
- CN
- China
- Prior art keywords
- data
- alarm
- level
- accumulator
- detection item
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 94
- 238000013500 data storage Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000001960 triggered effect Effects 0.000 claims abstract description 4
- 238000005520 cutting process Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于无序树的水质异常数据监测报警系统，包括：传感器模块，采集各检测项数据，并存储在检测项数据存储模块中对应的检测项单元中；检测项数据存储模块，存储传感器模块采集的各检测项数据，并根据预设的超出规定范围，记录检测项中不合格数据；报警级别模块，包括多个与报警级别相对应的累加器；报警级别与检测项数据存储模块中预设的超出规定范围相对应，累加器根据不合格数据所属超出规定范围对应的报警级别触发加1；报警模块，预设连续异常阈值，当累加器的数量达到连续异常阈值时，触发累加器对应报警级别的报警。同时提供了一种报警方法。本发明保证系统数据处理的正确性、降低业务处理的难度、提升数据存取效率。
Description
技术领域
本发明涉及水质监测技术领域，具体地，涉及一种基于无序树的水质异常数据监测报警系统及方法。
背景技术
水是生命之源，人类在生活和生产活动中都离不开水，生活饮用水水质的优劣与人类健康密切相关。随着社会经济发展、科学进步和人民生活水平的提高，人们对生活饮用水的水质要求不断提高，饮用水水质标准也相应地不断发展和完善。而当水质出现异常时，水质监测系统需要将异常情况及时通知给运维人员。
在现有的水质监测系统中，系统在处理异常数据时会频繁操作服务器IO，如果不采用一个合理的数据结构，系统运行速度会很慢。将水质的检测指标作为检测项，通常包括色度、浑浊度、臭和味、肉眼可见物、余氯、化学需氧量、细菌总数、总大肠菌群以及耐热大肠菌群等。每一项都要有单独的累加值，因此，系统数据处理的稳定性和高效性较差。
在存储方面，通常将数据保存在jvm或者数据库中。如果存储在jvm中，频繁的内存操作容易导致内存泄漏，进而系统崩溃；如果采取将数据保存到数据库中，系统的稳定性问题是可以解决，但是处理速度将会大打折扣。
客户在报警业务处理方面一般还会提出自己的需求，需要对报警模型进行调整。比如：报警级别，连续N次的修改。对报警模型的修改势必会对系统数据处理的正确性带来挑战。
传统报警模型较多选择二叉树，但是在同层数据分类较多时，两个分支无法满足业务需要，而且二叉树的模型会导致整个业务模型层数过多，不直观不便于维护。
目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
发明内容
本发明针对现有技术中存在的上述不足，提供了一种基于无序树的水质异常数据监测报警系统及方法。本发明采用无序树的数据结构，保证系统数据处理的正确性；无序树可以在同一层级上分出多个分支，横向扩展，减少树模型的深度，降低业务处理的难度；采用redis缓存数据库，提升数据存取效率。
本发明是通过以下技术方案实现的。
根据本发明的一个方面，提供了一种基于无序树的水质异常数据监测报警系统，包括如下模块：
传感器模块，包括多个传感器，所述传感器采集各检测项数据，并存储在检测项数据存储模块中对应的检测项单元中；
检测项数据存储模块，存储传感器模块采集的各检测项数据，并根据预设的超出规定范围，记录检测项中不合格数据；
报警级别模块，包括多个与报警级别相对应的累加器；所述报警级别与检测项数据存储模块中预设的超出规定范围相对应，所述累加器根据不合格数据所属超出规定范围对应的报警级别触发加1；
报警模块，预设连续异常阈值，当累加器的数量达到连续异常阈值时，触发累加器对应报警级别的报警。
优选地，所述传感器模块、检测项数据存储模块、报警级别模块以及报警模块中的数据构成无序树四层数据结构，其中：
第一层为根节点；
第二层为传感器节点，记录检测项中不合格数据所属的传感器；
第三层为报警检测项数据节点，记录检测项中的不合格数据；
第四层为报警级别数据节点，区分检测项中不合格数据的报警级别以及报警级别对应累加器的连续异常累加情况。
优选地，所述报警级别分为：一级、二级和三级，相应地，所述累加器包括一级累加器、二级累加器和三级累加器；其中，三级累加器为二级累加器的低级别累加器，二级累加器为一级累加器的低级别累加器；
当报警级别为一级时，一级、二级和三级累加器同时加1；
当报警级别为二级时，二级和三级累加器同时加1；
当三个累加器中的一个累加器的数量预先达到连续异常阈值时，则对应实施该累加器对应的报警级别；
当多个累加器的数量同时达到连续异常阈值时，按最高报警级别进行报警。
优选地，所述检测项数据存储模块采用Redis缓存数据库，其中存储的数据采用prefix字段关联，对于每一条记录的数据，均采用json格式。
优选地，所述prefix字段关联的内容为：RootUUID-SensorUUID-ItemUUID-LevelUUID；
其中：RootUUID、SensorUUID、ItemUUID、LevelUUID分别表示：根节点识别码、传感器节点识别码、报警检测项数据节点识别码、报警级别数据节点识别码。
根据本发明的另一个方面，提供了一种基于无序树的水质异常数据监测报警方法，包括如下步骤：
步骤S1：根据预设的报警模块、传感器模块以及检测项数据存储模块中的数据，初始化出无序树的第一层、第二层和第三层数据结构；其中，第一层为根节点；第二层为传感器节点，记录检测项中不合格数据所属的传感器；第三层为报警检测项数据节点，记录检测项中的不合格数据；
步骤S2：处理传感器采集的各检测项数据，按检测项对检测项数据进行切割；
步骤S3：对于每一个检测项，判断该检测项对应的检测项数据是否超出规定范围；
当没有超出规定范围时，如果此时对应的累加器有记录，则将该累加器置0；
当超出规定范围时，则按照超出规定范围对应的报警级别给报警级别对应累加器以及低级别累加器同时加1；
步骤S4：每次累加器做加1操作后，判断当前累加器的数量是否达到连续异常阀值；如果小于阀值，则继续进行后续操作；如果等于阀值，则发送该累加器对应的报警级别通知，并将该累加器置0。
优选地，所述S2中，对检测项数据进行切割的方法采用正则表达式切割方法，其中表达式采用可配置方式；当新接入的传感器数据发送标准与现有的传感器数据发送标准不一致时，调整正则表达式。
优选地，所述超出规定范围是指超出检测项数据规定值的范围，超出规定范围以及对应的报警级别为：
-当超出规定范围为大于0小于等于30％时，报警级别为三级报警；
-当超出规定范围为大于30％小于等于50％时，报警级别为二级报警；
-当超出规定范围为大于50％时，报警级别为一级报警。
优选地，所述连续异常阈值设定为10。
与现有技术相比，本发明具有如下的有益效果：
1、本发明对报警进行分级，对水质检测的指标进行数据结构化，采用“无序树”的数据结构，建立业务处理模型，当出现业务需求调整时，只要模型结构不变，数据处理就不会出问题，优先保证系统数据处理的正确性。
2、本发明中，无序树可以在同一层级上分出多个分支，横向扩展，减少树模型的深度，降低业务处理的难度。
3、本发明采用redis缓存数据库，将树形结构化的数据存储在redis缓存数据库中，提升数据存取效率。
4、本发明中，在redis非关系型数据库中，采用prefix字段关联，通过逻辑字段的优化与控制，存储在业务上有关联的数据。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为数据的树形结构示意图；
图2为报警数据处理流程示意图。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
实施例
本实施例提供了一种基于无序树的水质异常数据监测报警系统，包括如下模块：
传感器模块，包括多个传感器，所述传感器采集各检测项数据，并存储在检测项数据存储模块中对应的检测项单元中；
检测项数据存储模块，存储传感器模块采集的各检测项数据，并根据预设的超出规定范围，记录检测项中不合格数据；
报警级别模块，包括多个与报警级别相对应的累加器；所述报警级别与检测项数据存储模块中预设的超出规定范围相对应，所述累加器根据不合格数据所属超出规定范围对应的报警级别触发加1；
报警模块，预设连续异常阈值，当累加器的数量达到连续异常阈值时，触发累加器对应报警级别的报警。
进一步地，所述传感器模块、检测项数据存储模块、报警级别模块以及报警模块中的数据构成无序树四层数据结构，其中：
第一层为根节点(根节点不具有含义)；
第二层为传感器节点，记录检测项中不合格数据所属的传感器；
第三层为报警检测项数据节点，记录检测项中的不合格数据；
第四层为报警级别数据节点，区分检测项中不合格数据的报警级别以及报警级别对应累加器的连续异常累加情况。
进一步地，所述报警级别分为：一级、二级和三级，相应地，所述累加器包括一级累加器、二级累加器和三级累加器；其中，三级累加器为二级累加器的低级别累加器，二级累加器为一级累加器的低级别累加器；
当报警级别为一级时，一级、二级和三级累加器同时加1；
当报警级别为二级时，二级和三级累加器同时加1；
当三个累加器中的一个累加器的数量预先达到连续异常阈值时，则对应实施该累加器对应的报警级别；
当多个累加器的数量同时达到连续异常阈值时，按最高报警级别进行报警。
进一步地，所述检测项数据存储模块采用Redis缓存数据库，其中存储的数据采用prefix字段关联，对于每一条记录的数据，均采用json格式。
进一步地，所述prefix字段关联的内容为：RootUUID-SensorUUID-ItemUUID-LevelUUID；
其中：RootUUID、SensorUUID、ItemUUID、LevelUUID分别表示：根节点识别码、传感器节点识别码、报警检测项数据节点识别码、报警级别数据节点识别码。
本实施例所提供的基于无序树的水质异常数据监测报警系统，其报警方法，包括如下步骤：
S1：根据预设的报警模块、传感器模块以及检测项数据存储模块中的数据，初始化出无序树的第一层、第二层和第三层数据结构；
S2：处理传感器采集的各检测项数据，按检测项对检测项数据进行切割；
S3：对于每一个检测项，判断该检测项对应的检测项数据是否超出规定范围；
当没有超出规定范围时，如果此时对应的累加器有记录，则将该累加器置0；
当超出规定范围时，则按照超出规定范围对应的报警级别给报警级别对应累加器以及低级别累加器同时加1；
步骤S4：每次累加器做加1操作后，判断当前累加器的数量是否达到连续异常阀值；如果小于阀值，则继续进行后续操作；如果等于阀值，则发送该累加器对应的报警级别通知，并将该累加器置0。
进一步地，所述S2中，对检测项数据进行切割的方法采用正则表达式切割方法，其中表达式采用可配置方式；当新接入的传感器数据发送标准与现有的传感器数据发送标准不一致时，调整正则表达式。
进一步地，所述超出规定范围是指超出检测项数据规定值的范围，超出规定范围以及对应的报警级别为：
-当超出规定范围大于0小于等于30％时，为三级报警；
-当超出规定范围大于30％小于等于50％时，为二级报警；
-当超出规定范围大于50％时，为一级报警。
进一步地，所述连续异常阈值设定为10。
下面结合一具体应用实例，对本发明上述实施例中提供的基于无序树的水质异常数据监测报警系统及方法进一步详细描述。
本具体应用实例结合redis缓存数据库和无序树的数据结构，提供一种基于无序树的水质异常数据监测报警系统，该系统在处理异常数据时，对数据的处理采取树型结构的操作方式，并将数据保存在redis缓存数据库中，在保证系统稳定的情况下高效处理数据。
Redi s缓存数据库中存储的数据采用prefix字段关联，以保证数据的树形结构。对于每条记录，均采用json格式进行记录。
例如，实现代码为：
如图1所示，无序树的数据结构分为4层：<root>---<sensor>---<item>---<level>。其中：
第一层为根节点；
第二层为传感器节点，用以记录报警数据是哪个传感器发送过来的；
第三层为报警检测项数据节点，用以记录哪个检测项的检测项数据不合格；
第四层为报警级别数据节点，用以区分不同报警级别的数据的累加情况。
所述无序树的四层数据结构均可以进行横向扩展，减少了树模型的深度，降低了业务处理的难度。
如果本次检测的数据报警级别为一级，则一级、二级和三级的累加器一同加1。
如果本次检测的数据报警级别为二级，则二级、三级的累加器一同加1。
三个级别中哪个级别的累加器优先达到阀值，则对应实施哪个级别的报警。
如果有多个级别的累加器同时达到阀值，按最高级别报警。
在Prefix内容的设计上，因为节点本身并不会转移，不会出现一个节点切换到另一个节点下的情况，但是对查询的操作相对较多，每一个累加操作都需要自上而下寻找到对应的累加器。结合查询多修改少的特点，prefix内容设计为：
RootUUID-SensorUUID-ItemUUID-LevelUUID。
其中：RootUUID、SensorUUID、ItemUUID、LevelUUID分别表示：根节点识别码、传感器节点识别码、报警检测项数据节点识别码、报警级别数据节点识别码。
如图2所示，本发明上述实施例中提供的的基于无序树的水质异常数据监测报警系统，其监测报警方法，包括如下步骤：
步骤S1：根据预设的(系统已经设置好的)传感器模块、报警模块以及检测项数据存储模块中的数据，初始化出无序树的前三层(即第一层、第二层和第三层)数据结构；
步骤S2：处理传感器发送过来的数据，按检测项进行数据切割；其中，切割采用正则表达式切割，表达式采用可配置方式；如果有新的传感器需要对接，数据发送标准和现有的不一致，只需要调整正则表达式即可；
步骤S3：对于每一个检测项，判断检测项数据是否超出规定范围；当在正常范围内时，如果此时对应的累加器有记录，则需要将累加器置0(即重置累加器)；如果超出规定范围，则按超出规定范围的级别给对应级别的累加器和同检测项低级别的累加器共同+1；
步骤S4：每次累加器做+1操作后，需要判断当前累加器的数量是否达到连续异常的阀值；如果小于阀值，则继续进行后续操作；如果等于阀值，则需要发送报警通知，并累加器置0。
本发明上述实施例所提供的基于无序树的水质异常数据监测报警系统及方法，在水质监测中，对传感器发送过来的水质状况数据进行实时处理，当出现异常时则及时通知给运维人员。对于异常数据，系统进行判断，为避免设备误报，只有当发送过来的数据出现连续N次(即连续异常阈值)的异常时，系统才进行报警。即，连续异常的次数设置为10(即连续异常阈值设定为10)，当前面9条数据都是异常的，第10条数据正常时，此时前面的累加值清0，重新开始计算，避免了设备误报，提高了报警准确率。
传感器能够检测的数据项为多个，支持PH、余氯、电导率、浑浊度、TOC等，每一项均设有单独的累加值，因此，本发明上述实施例提出了一个高效的累加算法进而满足业务需要，在系统数据处理的稳定性和高效性方面均具有良好的表现。
报警业务进行分级处理，超出规定值0-30％(不包括30％)的为三级报警，超出规定值30-50％(不包括50％)的为二级报警，超出规定值50％以上的为一级报警，对报警业务的分级可以更加全面反映水质的异常情况。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (7)
1.一种基于无序树的水质异常数据监测报警系统，其特征在于，包括如下模块：
传感器模块，包括多个传感器，所述传感器采集各检测项数据，并存储在检测项数据存储模块中对应的检测项单元中；
检测项数据存储模块，存储传感器模块采集的各检测项数据，并根据预设的超出规定范围，记录检测项中不合格数据；
报警级别模块，包括多个与报警级别相对应的累加器；所述报警级别与检测项数据存储模块中预设的超出规定范围相对应，所述累加器根据不合格数据所属超出规定范围对应的报警级别触发加1；所述报警级别分为：一级、二级和三级，相应地，所述累加器包括一级累加器、二级累加器和三级累加器；其中，三级累加器为二级累加器的低级别累加器，二级累加器为一级累加器的低级别累加器；
当报警级别为一级时，一级、二级和三级累加器同时加1；
当报警级别为二级时，二级和三级累加器同时加1；
当三个累加器中的一个累加器的数量预先达到连续异常阈值时，则对应实施该累加器对应的报警级别；
当多个累加器的数量同时达到连续异常阈值时，按最高报警级别进行报警；
报警模块，预设连续异常阈值，当累加器的数量达到连续异常阈值时，触发累加器对应报警级别的报警；
所述传感器模块、检测项数据存储模块、报警级别模块以及报警模块中的数据构成无序树四层数据结构，其中：
第一层为根节点；
第二层为传感器节点，记录检测项中不合格数据所属的传感器；
第三层为报警检测项数据节点，记录检测项中的不合格数据；
第四层为报警级别数据节点，区分检测项中不合格数据的报警级别以及报警级别对应累加器的连续异常累加情况。
2.根据权利要求1所述的基于无序树的水质异常数据监测报警系统，其特征在于，所述检测项数据存储模块采用Redis缓存数据库，其中存储的数据采用prefix字段关联，对于每一条记录的数据，均采用json格式。
3.根据权利要求2所述的基于无序树的水质异常数据监测报警系统，其特征在于，所述prefix字段关联的内容为：RootUUID-SensorUUID-ItemUUID-LevelUUID；
其中：RootUUID、SensorUUID、ItemUUID、LevelUUID分别表示：根节点识别码、传感器节点识别码、报警检测项数据节点识别码、报警级别数据节点识别码。
4.一种基于无序树的水质异常数据监测报警方法，其特征在于，包括如下步骤：
S1：根据预设的报警模块、传感器模块以及检测项数据存储模块中的数据，初始化出无序树的第一层、第二层和第三层数据结构；其中，第一层为根节点；第二层为传感器节点，记录检测项中不合格数据所属的传感器；第三层为报警检测项数据节点，记录检测项中的不合格数据；
S2：处理传感器采集的各检测项数据，按检测项对检测项数据进行切割；
S3：对于每一个检测项，判断该检测项对应的检测项数据是否超出规定范围；当没有超出规定范围时，如果此时对应的累加器有记录，则将该累加器置0；当超出规定范围时，则按照超出规定范围对应的报警级别给报警级别对应累加器以及低级别累加器同时加1；
S4：每次累加器做加1操作后，判断当前累加器的数量是否达到连续异常阀值；如果小于阀值，则继续进行后续操作；如果等于阀值，则发送该累加器对应的报警级别通知，并将该累加器置0。
5.根据权利要求4所述的基于无序树的水质异常数据监测报警方法，其特征在于，所述S2中，对检测项数据进行切割的方法采用正则表达式切割方法，其中表达式采用可配置方式；当新接入的传感器数据发送标准与现有的传感器数据发送标准不一致时，调整正则表达式。
6.根据权利要求4所述的基于无序树的水质异常数据监测报警方法，其特征在于，所述超出规定范围是指超出检测项数据规定值的范围，超出规定范围以及对应的报警级别为：
-当超出规定范围为大于0小于等于30％时，报警级别为三级报警；
-当超出规定范围为大于30％小于等于50％时，报警级别为二级报警；
-当超出规定范围为大于50％时，报警级别为一级报警。
7.根据权利要求4所述的基于无序树的水质异常数据监测报警方法，其特征在于，所述连续异常阈值设定为10。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910098681.2A CN109816938B (zh) | 2019-01-31 | 2019-01-31 | 基于无序树的水质异常数据监测报警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910098681.2A CN109816938B (zh) | 2019-01-31 | 2019-01-31 | 基于无序树的水质异常数据监测报警系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109816938A CN109816938A (zh) | 2019-05-28 |
| CN109816938B true CN109816938B (zh) | 2020-10-30 |
Family
ID=66606166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910098681.2A Active CN109816938B (zh) | 2019-01-31 | 2019-01-31 | 基于无序树的水质异常数据监测报警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816938B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112931393A (zh) * | 2021-01-18 | 2021-06-11 | 湖南文理学院 | 一种水产养殖用清理装置、清理系统及方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003903703A0 (en) * | 2003-07-18 | 2003-07-31 | Garrett Thermal Systems Limited | Method and system for a filter |
| US7681177B2 (en) * | 2005-02-28 | 2010-03-16 | Skyler Technology, Inc. | Method and/or system for transforming between trees and strings |
| CN102183620A (zh) * | 2011-02-24 | 2011-09-14 | 上海城市水资源开发利用国家工程中心有限公司 | 一种水源水质污染及污染程度判断的方法 |
| CN103267832A (zh) * | 2013-05-13 | 2013-08-28 | 安徽工程大学 | 地表水在线水质监测系统 |
| CN104778111B (zh) * | 2014-01-14 | 2019-03-01 | 深圳市腾讯计算机系统有限公司 | 一种进行报警的方法和装置 |
| CN104168150B (zh) * | 2014-09-03 | 2017-05-17 | 成都朗锐芯科技发展有限公司 | 一种多通道任意定时器 |
| CN105550215B (zh) * | 2015-12-03 | 2019-02-01 | 深圳市欧克勒亚科技有限公司 | 一种汽车诊断条件无序性与关联性的存储与快速检索方法 |
| CN106124727A (zh) * | 2016-08-31 | 2016-11-16 | 北京太和洁源科技发展有限公司 | 水质在线监控系统 |
| CN106452609B (zh) * | 2016-10-17 | 2018-11-27 | 桂林电子科技大学 | 一种水面无线自组网路由方法 |
| CN107169140A (zh) * | 2017-06-14 | 2017-09-15 | 广州御融通电子设备开发有限公司 | 一种基于自动配比监控的备件库存预警系统 |
| CN107677614B (zh) * | 2017-10-16 | 2023-12-15 | 广东省测试分析研究所（中国广州分析测试中心） | 一种水中重金属污染风险在线预警系统及方法 |
| CN207649682U (zh) * | 2018-01-11 | 2018-07-24 | 黄河水利委员会信息中心 | 水质在线监测装置 |
| CN108831119A (zh) * | 2018-07-03 | 2018-11-16 | 上海常仁信息科技有限公司 | 一种环境数据监测报警系统 |
| CN109019715B (zh) * | 2018-08-20 | 2020-06-05 | 山东润一智能科技有限公司 | 医疗污水处理安全立体监测云平台、系统及其方法 |
-
2019
- 2019-01-31 CN CN201910098681.2A patent/CN109816938B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109816938A (zh) | 2019-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101790B (zh) | 一种水体监测视频及数据联动预警方法及系统 | |
| US9967321B2 (en) | Meme discovery system | |
| US20140058705A1 (en) | System and Method for Detecting Abnormal Occurrences | |
| CN109816938B (zh) | 基于无序树的水质异常数据监测报警系统及方法 | |
| CN112328425A (zh) | 一种基于机器学习的异常检测方法和系统 | |
| CN106339331B (zh) | 一种基于用户活跃度的数据缓存层置换算法 | |
| CN107249135A (zh) | 视频数据存储系统及其操作方法、以及索引服务器 | |
| US20150205856A1 (en) | Dynamic brownian motion with density superposition for abnormality detection | |
| CN103049354A (zh) | 数据修复方法、数据修复装置以及存储系统 | |
| CN107967199A (zh) | 一种基于关联规则挖掘的电力设备温度预警分析方法 | |
| CN102467670B (zh) | 基于免疫的异常检测方法 | |
| CN105069158A (zh) | 数据挖掘方法及系统 | |
| CN112418281A (zh) | 一种火灾探测传感器数据异常检测方法及系统 | |
| CN109976662B (zh) | 数据存储方法、装置及分布式存储系统 | |
| CN112329944B (zh) | 一种基于历史模型多样性的数据流概念漂移检测方法 | |
| CN114238599A (zh) | 一种信息通信系统故障应急辅助决策方法及系统 | |
| Acosta et al. | Characterization of disaster related tweets according to its urgency: a pattern recognition | |
| CN113076370A (zh) | 一种互联网数据天眼代理bi系统 | |
| GowriDurga et al. | Feature Subset Selection Algorithm for High Dimensional Data using Fast Clustering Method | |
| CN116303404B (zh) | 基于数据归类同级比对防止数据冗余的大数据存储系统 | |
| Badzaghua et al. | Criminality and Socio-Economic Status Correlation Determinants | |
| CN117331933B (zh) | 基于多源异构统一纳管的安全运营方法及系统 | |
| Senthamilarasu et al. | Load shedding techniques based on windows in data stream systems | |
| CN102722572A (zh) | 一种基于异构数据库的告警处理方法 | |
| CN106338159A (zh) | 一种冷却水余热回收系统 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 1901, No. 380 Tianmuzhong Road, Jing'an District, Shanghai 200000 Applicant after: Shanghai Tianhao Information Technology Co.,Ltd. Address before: Room 1901-18, 380 Tianmuzhong Road, Jing'an District, Shanghai 200040 Applicant before: SHANGHAI TELE-HOT ELECTRONIC COMMERCE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Monitoring and alarming system and method of water quality abnormal data based on disordered tree Effective date of registration: 20221129 Granted publication date: 20201030 Pledgee: Industrial Bank Co.,Ltd. Shanghai Pengpu Sub branch Pledgor: Shanghai Tianhao Information Technology Co.,Ltd. Registration number: Y2022310000352 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231129 Granted publication date: 20201030 Pledgee: Industrial Bank Co.,Ltd. Shanghai Pengpu Sub branch Pledgor: Shanghai Tianhao Information Technology Co.,Ltd. Registration number: Y2022310000352 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A water quality anomaly data monitoring and alarm system and method based on unordered trees Granted publication date: 20201030 Pledgee: Industrial Bank Co.,Ltd. Shanghai Pengpu Sub branch Pledgor: Shanghai Tianhao Information Technology Co.,Ltd. Registration number: Y2024310000040 |