CN109962982A - 一种基于物联网的河湖水生态环境监控系统 - Google Patents
一种基于物联网的河湖水生态环境监控系统 Download PDFInfo
- Publication number
- CN109962982A CN109962982A CN201910249761.3A CN201910249761A CN109962982A CN 109962982 A CN109962982 A CN 109962982A CN 201910249761 A CN201910249761 A CN 201910249761A CN 109962982 A CN109962982 A CN 109962982A
- Authority
- CN
- China
- Prior art keywords
- ecological environment
- water
- monitoring
- water quality
- cluster
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于物联网的河湖水生态环境监控系统,本发明包括至少一个采集模块、无线传输模块、云端服务器、监控中心和终端设备;采集模块用于实时采集监测点的水质及生态环境相关信息数据,并通过无线传输模块发送给云端服务器;云端服务器,用于接收各个采集模块发来的各个监测点的水质及生态环境相关信息数据进行定时存储,对这些数据进行分析处理,并把结果发送至监控中心进行实时监控;云端服务器包括数据库和分析处理模块,数据库,用于存储各个监测点的水质及生态环境相关信息数据;分析处理模块用于通过自适应聚类方法实现各个监测点的水质及生态环境相关信息数据的模糊聚类的快速分析,识别出正常、异常水质监测点。
Description
技术领域
本发明涉及水质分析及水生态环境监测技术领域,具体涉及一种基于物联网的河湖水生态环境监控系统。
背景技术
我国有丰富的河流与湖泊等水资源,水是人类生命的源泉,人们的生活环境中时时刻刻离不开水的存在。然而,工业化和城镇化的发展导致水环境问题日益突出,随着居民对和身体健康密切相关的环境问题的关注度不断提高,河湖水生态环境监测及数据分析的越发重要。河流、湖泊、水库、池塘等都需要对水生态环境进行定期监测,特别是易发生蓝藻水华的湖泊、水库和饮用水源地等地均需要对水域水生态环境状况进行实时监测和了解。
然而,用人工取样检测分析不仅耗时长,而且缺乏对监测区域水质及生态环境状况的连续监测,不能满足水域应急和管理的需求;另外,河流与湖泊的水质及生态环境监测样本数据量大、向量维度高、属性多等特征,现有的水质监测仪器及监测系统很难满足实际需求,因此,我们需要一种基于物联网的河湖水生态环境监控系统,能够自动、连续、及时、准确地监测目标水域的水质及生态环境状况,数据远程自动传输,自动生成报表,更重要的是采用大数据处理方法,通过自适应聚类方法实现各个监测点的水质及生态环境等相关信息数据的模糊聚类的快速分析,达到全方位、智能化管理的目的。
发明内容
本发明所要解决的技术问题是:用人工取样检测分析不仅耗时长,而且缺乏对监测水域的水质及生态环境的连续监测,不能满足水域应急和管理的需求;另外,河流与湖泊的水质及生态环境监测样本数据量大、向量维度高、属性多等特征,现有的水质监测仪器及监测系统很难满足实际需求的问题,本发明提供了解决上述问题的一种基于物联网的河湖水生态环境监控系统。
本发明通过下述技术方案实现:
一种基于物联网的河湖水生态环境监控系统,包括至少一个采集模块、无线传输模块、云端服务器、监控中心和终端设备;
所述采集模块,用于实时采集监测点的水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类等水生态环境监测要素中的一个或多个水质及生态环境相关信息数据,并通过无线传输模块发送给云端服务器;
所述云端服务器,用于接收各个采集模块发来的各个监测点的水质及生态环境等相关信息数据进行定时存储,并对这些数据进行分析处理,并把分析处理结果发送至监控中心进行实时监控;
所述云端服务器包括数据库和分析处理模块,所述数据库,用于存储各个监测点的水质及生态环境等相关信息数据;所述分析处理模块,用于通过自适应聚类方法实现各个监测点的水质及生态环境等相关信息数据的模糊聚类的快速分析,达到科学分析、智能决策的目的;
所述监控中心,用于接收所述云端服务器发送的分析处理结果,并进行实时监控、预警与管理;
所述无线传输模块,用于实现上述各模块之间的数据无线传输。
本发明的工作原理是:基于人工取样检测分析不仅耗时长,而且缺乏对监测区域水质及生态环境状况的连续监测,不能满足水域应急和管理的需求;另外,河流与湖泊的水质及生态环境监测样本数据量大、向量维度高、属性多等特征,现有的水质监测仪器及监测系统很难满足实际需求的问题,本发明采用上述方案在河湖等地表水体的各个检测监测点安装采集模块(各种监测仪器),通过各种检测仪器实时采集监测点的水质及生态环境相关信息数据,并通过无线传输模块发送给云端服务器,云端服务器接收各个采集模块发来的各个监测点的水质及生态环境等相关信息数据进行定时存储于数据库中,并对这些数据通过自适应聚类方法实现各个监测点的水质及生态环境相关信息数据的模糊聚类的快速分析处理,达到科学分析、智能决策的目的,并把分析处理结果发送至监控中心进行实时监控、预警与管理;本发明基于全国各个区域的河流与湖泊的水环境监测样本数据量大、向量维度高、属性多等特征,利用大数据处理的思想,借助自适应聚类方法实现各个监测点的水质及生态环境等相关信息数据的模糊聚类的快速分析处理,达到智能决策、智能预警,方便对各个区域的河流与湖泊的水环境监测与管理。
进一步地,所述分析处理模块包括特征提取单元、自适应聚类模型构建单元和识别单元;
所述特征提取单元,用于提取高效反映某一区域水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类等水生态环境监测要素中的某一要素的基本特征,及与相邻区域的同一要素之间的关联特征,关联特征指是相邻监测区域与前述区域水生态环境要素一致的关联特征;
其中,水文气象的基本特征及关联特征包括流量、水位和气温等特征共三维;水质的基本特征及关联特征包括溶解氧(DO)、总磷(TP)、氨氮(NH3-N)和高锰酸盐指数(CODMn)特征共四维;底泥质量的基本特征及关联特征包括氧化还原电位(ORP)、pH值、总氮(TN)、总磷(TP)、有机质(OM)特征共五维;沉水植物的基本特征及关联特征包括植物的生物量特征共一维;浮游植物的基本特征及关联特征包括优势种动态、体内农药和重金属残留量特征共三维;浮游动物的基本特征及关联特征包括定性分类和生物量特征共两维;藻类的基本特征及关联特征包括定性分类和生物量特征两维;
自适应聚类模型构建单元,用于从各个采集模块发来的各个监测点的水质及生态环境相关信息数据点集中选择距离最大的两个数据点作为初始聚类中心,形成两个初始聚类簇;然后计算数据点集合中其余数据点分别到预定义的两个初始聚类中心的距离,利用最大最小距离算法选择下一个聚类中心,重新聚类;并且,在聚类的过程中借助计算F统计量来确定选择该聚类中心后,聚类结果是否优于上次聚类结果,若优于上次聚类结果,则选择该聚类中心并同时更新聚类数,重复循环执行选择下一个聚类中心,直到F统计量不再增大时算法终止,此时的聚类数就是最佳聚类数;至此,自适应聚类模型构建完成,供后续识别单元根据该模型进行正常水质监测点和异常水质监测点的识别;
识别单元,用于根据所述自适应聚类模型构建单元来快速分析,并科学分析、智能决策。
进一步地,所述分析处理模块还包括预处理单元,所述分析处理模块在进行特征提取之前先对所述采集模块实时采集到监测点的水质及生态环境等相关信息数据进行预处理,去除异常信号。
进一步地,预处理的方法包括标准化、正则化、二值化、为类别特征编码、弥补缺失数据、创建多项式特征方法。
进一步地,所述采集模块包括水质传感器、水温传感器、海流计传感器中一种或者多种。
进一步地,还包括终端设备,所述终端设备,用于借助手机APP进行预警管理方案的应对处理。
进一步地,所述无线传输模块采用ZigBee无线网络,ZigBee是一种无线连接,适用于功耗低且传输速率不高的各种电子设备之间进行数据传输以及典型的有周期性数据、间歇性数据和低反应时间数据传输的应用。
进一步地,水质及生态环境相关信息数据包括水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类水生态环境监测要素中的一个或多个信息数据。
其中,自适应聚类模型构建单元中使用的F统计量,F统计量反应的不同监测点的同一水生态环境监测要素类与类之间的距离以及类内数据对象间的距离,当类内各数据对象间距离越小而类间距离越大时,F统计量越大,表明聚类结果越好,在K均值聚类算法中引入F统计量对K均值进行改进,来自适应去选择最佳聚类数以达到较好的聚类效果;这样解决了不同区域或同一区域不同监测点位的水生态环境监测样本数据量大、向量维度高的快速处理问题。
本发明具有如下的优点和有益效果:
1、本发明基于河流与湖泊的水环境监测样本数据量大、向量维度高、属性多等特征,利用大数据处理的思想,借助自适应聚类方法实现各个监测点的水质及生态环境等相关信息数据的模糊聚类的快速分析处理,识别处异常监测点进行预警,方便对河流与湖泊的水环境监测与管理;
2、本发明的分析处理模块中的自适应聚类方法中引入了F统计量进行聚类数的自适应确定,提高了效率的同时提高了模糊识别的准确率;
3、本发明能够实时监测到水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类等水生态环境监测要素,监管人员可以远程监测水生态环境监测要素信息,对水生态环境进行高效、智能、实时、远程的监控。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的系统框架图。
图2为本发明的分析处理模块结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1、图2所示,一种基于物联网的河湖水生态环境监控系统,包括至少一个采集模块、无线传输模块、云端服务器、监控中心和终端设备;
所述采集模块,用于实时采集监测点的水质及生态环境相关信息数据,并通过无线传输模块发送给云端服务器;其中,水质及生态环境相关信息数据包括水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类水生态环境监测要素中的一个或多个信息数据;
所述云端服务器,用于接收各个采集模块发来的各个监测点的水质及生态环境相关信息数据进行定时存储,并对这些数据进行分析处理,并把分析处理结果发送至监控中心进行实时监控;
所述云端服务器包括数据库和分析处理模块,所述数据库,用于存储各个监测点的水质及生态环境相关信息数据;所述分析处理模块,用于通过自适应聚类方法实现各个监测点的水质及生态环境相关信息数据的模糊聚类的快速分析,识别出正常水质监测点和异常水质监测点,达到科学分析、智能决策的目的;
所述监控中心,用于接收所述云端服务器发送的分析处理结果,并进行实时监控、预警与管理;
所述无线传输模块,用于实现上述各模块之间的数据无线传输。
如图2所示,所述分析处理模块包括预处理单元、特征提取单元、自适应聚类模型构建单元和识别单元;
所述预处理单元,用于对所述采集模块实时采集到监测点的水质及生态环境相关信息数据进行预处理,去除噪声;其中,预处理的方法包括标准化、正则化、二值化、为类别特征编码、弥补缺失数据、创建多项式特征方法;
所述特征提取单元,用于提取高效反映某一区域水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类等水生态环境监测要素中的某一要素的基本特征,及与相邻区域的同一要素之间的关联特征,关联特征指是相邻监测区域与前述区域水生态环境要素一致的关联特征;
其中,水文气象的基本特征及关联特征包括流量、水位和气温等特征共三维;水质的基本特征及关联特征包括溶解氧(DO)、总磷(TP)、氨氮(NH3-N)和高锰酸盐指数(CODMn)特征共四维;底泥质量的基本特征及关联特征包括氧化还原电位(ORP)、pH值、总氮(TN)、总磷(TP)、有机质(OM)特征共五维;沉水植物的基本特征及关联特征包括植物的生物量特征共一维;浮游植物的基本特征及关联特征包括优势种动态、体内农药和重金属残留量特征共三维;浮游动物的基本特征及关联特征包括定性分类和生物量特征共两维;藻类的基本特征及关联特征包括定性分类和生物量特征两维;
自适应聚类模型构建单元,用于从各个采集模块发来的各个监测点的水质及生态环境相关信息数据点集中选择距离最大的两个数据点作为初始聚类中心,形成两个初始聚类簇;然后计算数据点集合中其余数据点分别到预定义的两个初始聚类中心的距离,利用最大最小距离算法选择下一个聚类中心,重新聚类;并且,在聚类的过程中借助计算F统计量来确定选择该聚类中心后,聚类结果是否优于上次聚类结果,若优于上次聚类结果,则选择该聚类中心并同时更新聚类数,重复循环执行选择下一个聚类中心,直到F统计量不再增大时算法终止,此时的聚类数就是最佳聚类数;至此,自适应聚类模型构建完成,供后续识别单元根据该模型进行正常水质监测点和异常水质监测点的识别;
其中,自适应聚类模型构建单元中使用的F统计量,F统计量反应的不同监测点的同一水生态环境监测要素类与类之间的距离以及类内数据对象间的距离,当类内各数据对象间距离越小而类间距离越大时,F统计量越大,表明聚类结果越好,在K均值聚类算法中引入F统计量对K均值进行改进,来自适应去选择最佳聚类数以达到较好的聚类效果;这样解决了不同区域或同一区域不同监测点位的水生态环境监测样本数据量大、向量维度高的快速处理问题;
识别单元,用于根据所述自适应聚类模型构建单元来快速分析,并识别出正常水质监测点和异常水质监测点。
所述采集模块包括水质传感器、水温传感器、海流计传感器中一种或者多种,其中,水质传感器选用三合一水质传感器、四合一水质传感器、五合一水质传感器、六合一水质传感器、七合一水质传感器、八合一水质传感器中的任意一种,可以测量河流湖泊中水pH值、溶解氧、盐度、电导、ORP、氨氮、浊度、温度八项参数的其中三~八项;水温这项指标也可以单独采用水温传感器进行测量,并且水温传感器的型号采用VF20T;海流计传感器采用在线多普勒海流计5800/5810/5800R/5800RR/5810E中的任意一种即可。
所述数据库采用版本号为Oracle.10G,它是一个高度集的互联网应用平台,为数据存储提交高性能的数据管理,支持多用户、大事务量的事务处理,数据安全性和完整性控制,支持分布式数据处理,可移植性高,尤其适应全国各个区域的河流与湖泊的水环境监测样本数据量大、高向量维度的大数据的存储。
还包括终端设备,所述终端设备,用于借助手机APP进行预警管理方案的应对处理。
所述无线传输模块采用ZigBee无线网络,ZigBee是一种无线连接,适用于功耗低且传输速率不高的各种电子设备之间进行数据传输以及典型的有周期性数据、间歇性数据和低反应时间数据传输的应用;具有费用低、功耗低、可靠性高、使用方便等优点,可带来强大的经济和社会效益。
本方法基于全国各个区域的河流与湖泊的水环境监测样本数据量大、高向量维度的大数据进行近期历史采样数据的试验验证,能够实时监测到水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类等水生态环境监测要素,监管人员可以远程监测水生态环境监测要素,对水生态环境进行高效、智能、实时、远程的监控,通过构建自适应聚类模型识别处正常的水质监测点和异常的监测点,取得了较好的检测识别效果,并对异常的水质监测点进行预警,方便监控中心的实时监控。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于物联网的河湖水生态环境监控系统,其特征在于:包括至少一个采集模块、无线传输模块、云端服务器、监控中心和终端设备;
所述采集模块,用于实时采集监测点的水质及生态环境相关信息数据,并通过无线传输模块发送给云端服务器;
所述云端服务器,用于接收各个采集模块发来的各个监测点的水质及生态环境相关信息数据进行定时存储,并对这些数据进行分析处理,并把分析处理结果发送至监控中心进行实时监控;
所述云端服务器包括数据库和分析处理模块,所述数据库,用于存储各个监测点的水质及生态环境相关信息数据;所述分析处理模块,用于通过自适应聚类方法实现各个监测点的水质及生态环境相关信息数据的模糊聚类的快速分析,识别出正常水质监测点和异常水质监测点;
所述监控中心,用于接收所述云端服务器发送的分析处理结果,并进行实时监控、预警与管理;
所述无线传输模块,用于实现上述各模块之间的数据无线传输。
2.根据权利要求1所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:所述分析处理模块包括特征提取单元、自适应聚类模型构建单元和识别单元;
所述特征提取单元,用于提取高效反映同一区域的水质及生态环境监测要素中的某一要素的基本特征,及与相邻区域的同一要素之间的关联特征,关联特征指是相邻监测区域与该区域水生态环境要素一致的关联特征;
自适应聚类模型构建单元,用于从各个采集模块发来的各个监测点的水质及生态环境相关信息数据点集中选择距离最大的两个数据点作为初始聚类中心,形成两个初始聚类簇;然后计算数据点集合中其余数据点分别到预定义的两个初始聚类中心的距离,利用最大最小距离算法选择下一个聚类中心,重新聚类;并且,在聚类的过程中借助计算F统计量来确定选择该聚类中心后,聚类结果是否优于上次聚类结果,若优于上次聚类结果,则选择该聚类中心并同时更新聚类数,重复循环执行选择下一个聚类中心,直到F统计量不再增大时算法终止,此时的聚类数就是最佳聚类数;
识别单元,用于根据所述自适应聚类模型构建单元来快速分析,并识别出正常水质监测点和异常水质监测点。
3.根据权利要求2所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:所述水质及生态环境监测要素包括水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类水生态环境监测要素;其中,水文气象的基本特征及关联特征包括流量、水位和气温特征共三维;水质的基本特征及关联特征包括溶解氧、总磷、氨氮和高锰酸盐指数特征共四维;底泥质量的基本特征及关联特征包括氧化还原电位、pH值、总氮、总磷、有机质特征共五维;沉水植物的基本特征及关联特征包括植物的生物量特征共一维;浮游植物的基本特征及关联特征包括优势种动态、体内农药和重金属残留量特征共三维;浮游动物的基本特征及关联特征包括定性分类和生物量特征共两维;藻类的基本特征及关联特征包括定性分类和生物量特征两维。
4.根据权利要求2所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:所述分析处理模块还包括预处理单元,所述分析处理模块在进行特征提取之前先对所述采集模块实时采集到监测点的水质及生态环境相关信息数据进行预处理,去除噪声。
5.根据权利要求4所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:预处理的方法包括标准化、正则化、二值化、为类别特征编码、弥补缺失数据、创建多项式特征方法。
6.根据权利要求1所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:所述采集模块包括水质传感器、水温传感器、海流计传感器中一种或者多种。
7.根据权利要求1所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:还包括终端设备,所述终端设备,用于借助手机APP进行预警管理方案的应对处理。
8.根据权利要求1所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:所述无线传输模块采用ZigBee无线网络。
9.根据权利要求1所述的一种基于物联网的河湖水生态环境监控系统,其特征在于:水质及生态环境相关信息数据包括水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类水生态环境监测要素中的一个或多个信息数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249761.3A CN109962982A (zh) | 2019-03-29 | 2019-03-29 | 一种基于物联网的河湖水生态环境监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249761.3A CN109962982A (zh) | 2019-03-29 | 2019-03-29 | 一种基于物联网的河湖水生态环境监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109962982A true CN109962982A (zh) | 2019-07-02 |
Family
ID=67025339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910249761.3A Pending CN109962982A (zh) | 2019-03-29 | 2019-03-29 | 一种基于物联网的河湖水生态环境监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109962982A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298640A (zh) * | 2019-08-05 | 2019-10-01 | 软通动力信息技术有限公司 | 一种湖泊信息管理系统 |
CN110661845A (zh) * | 2019-08-19 | 2020-01-07 | 重庆特斯联智慧科技股份有限公司 | 一种基于物联网大数据的空间环境监测方法和系统 |
CN110850051A (zh) * | 2019-11-29 | 2020-02-28 | 广西华投检测技术有限公司 | 一种水质环境监测方法 |
CN111090634A (zh) * | 2019-11-06 | 2020-05-01 | 长江勘测规划设计研究有限责任公司 | 一种基于云服务的安全监测资料智能整编分析系统 |
CN112394695A (zh) * | 2020-11-17 | 2021-02-23 | 北控水务建设发展有限公司 | 一种流域水生态环境监测系统 |
CN112884454A (zh) * | 2021-03-20 | 2021-06-01 | 南阳理工学院 | 一种基于物联网的河湖水生态环境监控系统 |
CN113552304A (zh) * | 2021-07-21 | 2021-10-26 | 闽江学院 | 一种渔港水域水质环境监测可视分析系统 |
CN113900407A (zh) * | 2021-09-16 | 2022-01-07 | 深圳市广汇源环境水务有限公司 | 水环境处理系统 |
CN114757583A (zh) * | 2022-05-19 | 2022-07-15 | 安徽科创中光科技股份有限公司 | 基于生态环境大数据的智能监管系统及监管方法 |
CN114858987A (zh) * | 2022-03-30 | 2022-08-05 | 河海大学 | 一种基于物联网河湖水量水质监测与管理系统 |
CN115594331A (zh) * | 2022-09-19 | 2023-01-13 | 陕西省环境科学研究院(Cn) | 水质水量实时监测协同水生态重建的沙漠湖泊再生系统 |
CN115797580A (zh) * | 2022-11-28 | 2023-03-14 | 南京优玛软件科技有限公司 | 河道监测和三维模型的建立及应用 |
CN116222671A (zh) * | 2023-05-09 | 2023-06-06 | 华北理工大学 | 一种基于人工智能的地表水液位监控系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305643A (zh) * | 2011-07-26 | 2012-01-04 | 北京奥特美克科技发展有限公司 | 一种水质实时在线监测与管理系统 |
CN103018418A (zh) * | 2012-12-16 | 2013-04-03 | 天津大学 | 景观水体水质在线预警系统 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN104317824A (zh) * | 2014-10-08 | 2015-01-28 | 陕西高新实业有限公司 | 一种基于离群指数的初始聚类中心优选算法 |
CN105260616A (zh) * | 2015-10-30 | 2016-01-20 | 刘炜 | 一种医院数据的自动分析方法及自动分析系统 |
CN105678056A (zh) * | 2015-12-29 | 2016-06-15 | 张豫 | 基于聚类的河流水生态系统监测采样点优选方法 |
CN106056136A (zh) * | 2016-05-20 | 2016-10-26 | 浙江工业大学 | 一种聚类中心快速确定的数据聚类方法 |
CN106384119A (zh) * | 2016-08-23 | 2017-02-08 | 重庆大学 | 一种利用方差分析确定k值的k‑均值聚类改进算法 |
CN106570528A (zh) * | 2016-11-08 | 2017-04-19 | 上海师范大学 | 一种初始聚类中心选取方法及聚类方法 |
CN207571119U (zh) * | 2016-12-05 | 2018-07-03 | 成都汇智控水科技有限公司 | 水源地水质在线自动监测系统 |
CN108848117A (zh) * | 2018-09-14 | 2018-11-20 | 南京理工技术转移中心有限公司 | 一种养殖环境监控系统及其工作方法 |
CN109191819A (zh) * | 2018-09-28 | 2019-01-11 | 东南大学 | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 |
-
2019
- 2019-03-29 CN CN201910249761.3A patent/CN109962982A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305643A (zh) * | 2011-07-26 | 2012-01-04 | 北京奥特美克科技发展有限公司 | 一种水质实时在线监测与管理系统 |
CN103020642A (zh) * | 2012-10-08 | 2013-04-03 | 江苏省环境监测中心 | 水环境监测质控数据分析方法 |
CN103018418A (zh) * | 2012-12-16 | 2013-04-03 | 天津大学 | 景观水体水质在线预警系统 |
CN104317824A (zh) * | 2014-10-08 | 2015-01-28 | 陕西高新实业有限公司 | 一种基于离群指数的初始聚类中心优选算法 |
CN105260616A (zh) * | 2015-10-30 | 2016-01-20 | 刘炜 | 一种医院数据的自动分析方法及自动分析系统 |
CN105678056A (zh) * | 2015-12-29 | 2016-06-15 | 张豫 | 基于聚类的河流水生态系统监测采样点优选方法 |
CN106056136A (zh) * | 2016-05-20 | 2016-10-26 | 浙江工业大学 | 一种聚类中心快速确定的数据聚类方法 |
CN106384119A (zh) * | 2016-08-23 | 2017-02-08 | 重庆大学 | 一种利用方差分析确定k值的k‑均值聚类改进算法 |
CN106570528A (zh) * | 2016-11-08 | 2017-04-19 | 上海师范大学 | 一种初始聚类中心选取方法及聚类方法 |
CN207571119U (zh) * | 2016-12-05 | 2018-07-03 | 成都汇智控水科技有限公司 | 水源地水质在线自动监测系统 |
CN108848117A (zh) * | 2018-09-14 | 2018-11-20 | 南京理工技术转移中心有限公司 | 一种养殖环境监控系统及其工作方法 |
CN109191819A (zh) * | 2018-09-28 | 2019-01-11 | 东南大学 | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298640A (zh) * | 2019-08-05 | 2019-10-01 | 软通动力信息技术有限公司 | 一种湖泊信息管理系统 |
CN110661845A (zh) * | 2019-08-19 | 2020-01-07 | 重庆特斯联智慧科技股份有限公司 | 一种基于物联网大数据的空间环境监测方法和系统 |
CN111090634B (zh) * | 2019-11-06 | 2023-01-24 | 长江勘测规划设计研究有限责任公司 | 一种基于云服务的安全监测资料智能整编分析系统 |
CN111090634A (zh) * | 2019-11-06 | 2020-05-01 | 长江勘测规划设计研究有限责任公司 | 一种基于云服务的安全监测资料智能整编分析系统 |
CN110850051A (zh) * | 2019-11-29 | 2020-02-28 | 广西华投检测技术有限公司 | 一种水质环境监测方法 |
CN112394695A (zh) * | 2020-11-17 | 2021-02-23 | 北控水务建设发展有限公司 | 一种流域水生态环境监测系统 |
CN112884454A (zh) * | 2021-03-20 | 2021-06-01 | 南阳理工学院 | 一种基于物联网的河湖水生态环境监控系统 |
CN113552304A (zh) * | 2021-07-21 | 2021-10-26 | 闽江学院 | 一种渔港水域水质环境监测可视分析系统 |
CN113900407A (zh) * | 2021-09-16 | 2022-01-07 | 深圳市广汇源环境水务有限公司 | 水环境处理系统 |
CN114858987A (zh) * | 2022-03-30 | 2022-08-05 | 河海大学 | 一种基于物联网河湖水量水质监测与管理系统 |
CN114757583A (zh) * | 2022-05-19 | 2022-07-15 | 安徽科创中光科技股份有限公司 | 基于生态环境大数据的智能监管系统及监管方法 |
CN115594331A (zh) * | 2022-09-19 | 2023-01-13 | 陕西省环境科学研究院(Cn) | 水质水量实时监测协同水生态重建的沙漠湖泊再生系统 |
CN115797580A (zh) * | 2022-11-28 | 2023-03-14 | 南京优玛软件科技有限公司 | 河道监测和三维模型的建立及应用 |
CN115797580B (zh) * | 2022-11-28 | 2023-11-03 | 南京优玛软件科技有限公司 | 河道监测和三维模型的建立及应用方法 |
CN116222671A (zh) * | 2023-05-09 | 2023-06-06 | 华北理工大学 | 一种基于人工智能的地表水液位监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109962982A (zh) | 一种基于物联网的河湖水生态环境监控系统 | |
Ajith et al. | An IoT based smart water quality monitoring system using cloud | |
Hu et al. | A method overview in smart aquaculture | |
Tsai et al. | A data-mining framework for exploring the multi-relation between fish species and water quality through self-organizing map | |
Gu et al. | Random forest ensemble for river turbidity measurement from space remote sensing data | |
Qi et al. | Monitoring water quality parameters of Taihu Lake based on remote sensing images and LSTM-RNN | |
CN116362570B (zh) | 一种基于大数据平台的多维度污染分析方法及系统 | |
CN208283385U (zh) | 用于水产养殖业的水下检测机器人 | |
CN110969346A (zh) | 基于指标筛选的流域水生态功能分区治理需求评价方法 | |
Mourier et al. | Network analysis and theory in shark ecology—methods and applications | |
Rostam et al. | A complete proposed framework for coastal water quality monitoring system with algae predictive model | |
Thackeray et al. | Quantitative analysis of the importance of wind‐induced circulation for the spatial structuring of planktonic populations | |
CN111598431A (zh) | 一种具有功能差异性的流域水生态环境承载力评估方法 | |
Gao et al. | Water quality pollution assessment and source apportionment of lake wetlands: A case study of Xianghai Lake in the Northeast China Plain | |
CN109547522A (zh) | 一种基于wsn的水质参数监测系统 | |
Santos et al. | Physical and chemical water quality parameters sensing IoT systems for improving water productivity | |
CN102707025B (zh) | 一种湖库营养状态的智能判别系统 | |
Boros et al. | Waterbird guilds predict environmental attributes of inland saline aquatic ecosystems on multi-spatial scales | |
Ahmad et al. | Water quality monitoring using wireless sensor networks | |
Cao et al. | Study on water quality inversion model of Dianchi Lake based on Landsat 8 data | |
Zhu et al. | Marine environment monitoring based on virtual reality and fuzzy C-means clustering algorithm | |
Dagtekin et al. | Modelling Phytoplankton Behaviour in the North and Irish Sea with Transformer Networks | |
CN109115975A (zh) | 水生生物的节律性分析、水环境监测方法、装置及系统 | |
CN113780891B (zh) | 一种海岸带受损生态系统评估方法 | |
Tamilselvi et al. | H2O Caliber: An IoT Enabled Surface Water Pollutant Assessment System with Deep Learning |
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 |
Application publication date: 20190702 |
|
RJ01 | Rejection of invention patent application after publication |