CN110487980A - 一种基于人工智能与机器学习算法的水环境监测分析系统 - Google Patents

Abstract

本发明提出了一种基于人工智能与机器学习算法的水环境监测分析系统，属于嵌入式物联网应用技术领域。本发明基于人工智能与机器学习算法对水环境监测分析，在不对现有水环境监测传感器等硬件进行增设前提下，具体采用在终端服务与分析系统中增加人工智能算法与机器学习技术实现数据分析把控，使该系统可以在无人值守的情况下自主、长期、稳定的进行工作，动态分析水环境参数的变化；同时提供突发情况反馈与自主学习以实现系统的自完善能力，实现在节省人力的基础上较为精确的对水环境动态监测与实时分析。

Description

一种基于人工智能与机器学习算法的水环境监测分析系统

技术领域

本发明属于嵌入式物联网应用技术领域，具体涉及一种基于人工智能与机器学习算法的水环境监测分析系统。

背景技术

水环境是指相对稳定的、以陆地为边界的天然水域所处空间的环境，区域水环境就是指对水环境进行区域性质的划分，为了保证区域水环境不会对人们的日常生活带来影响，需要对区域水环境的水质情况进行监测和实时风险预警。传统的水环境监测与预报是通过人工与监测点及断面相结合的方法。传统的监测方法有三个重大缺陷，首先人工采样受地形及天气条件限制大，人工不易到达地区易出现监测死点、天气恶劣或者突发性事件人工到达困难，人工采样实验室分析时间周期长；其次，人工来回采样与运输成本高，需要大量的人力、交通及经费；最后人工来回采样与实验室分析的时间周期长，容易造成水样水质参数发生变化，造成数据误差。为能够解决这些具体问题，人们尝试利用物联网技术开展水环境参数的动态监测与预警系统开发建设，克服传统方法的缺陷，进行水环境保护与动态监测，尤其对于水源地及重要保护水域具有重要的技术应用前景和广泛的经济及社会生态效益。

但是目前采用的区域水环境监测以及风险预警装置，不仅结构复杂，而且功能较为单一，运用实时遥测的技术对水环境的水质情况进行采集、传输和分析，而遥测技术本身具有的一定的不稳定性，从而造成水环境水质监测数据在实时传输时出现错误的现象，进而增大了估判该区域水环境中水质情况的难度，即无法准确了解到区域水环境水质的准确情况。因此，有必要提出一种新的水环境监测分析系统。

发明内容

发明目的：针对现有技术的不足，本发明提出一种基于人工智能与机器学习算法的水环境监测分析系统，解决现有的监测及预警装置结构复杂、功能单一的问题，降低监测难度与问题分析处理难度。

技术方案：一种基于人工智能与机器学习算法的水环境监测分析系统，包括：信息采集模块、数据管理平台、数据库管理系统，所述信息采集模块与所述数据管理平台相连，所述数据管理平台与所述数据库管理系统相连，所述信息采集模块用于采集区域水环境的水体基本信息和水质预警信息，并经由通信网络传输至数据管理平台；所述数据管理平台采用人工智能算法对信息采集模块的采集信息进行综合分析、归类并进行展示，当分析结果满足预设预警条件时，进行报警提示；所述数据库管理系统通过建立机器学习模型，对报警信息和相应的处理措施进行学习，实现预警的智能处理。

进一步地，所述信息采集模块采用现有水环境监测传感器，包括检测液位高度的浮球式液位计、检测水温的温度传感器、检测溶氧量的溶氧电极、检测pH值的pH电极、检测ORP的ORP电极、检测COD值的COD检测仪、检测氨氮的氨氮分析仪、检测总磷的总磷分析仪；其中，温度传感器、溶氧电极、pH电极、ORP电极、浮球式液位计直接放置于水中。

进一步地，所述水体基本信息通过有线网络传送至数据管理平台，水质预警信息通过ZigBee传感网传送至数据管理平台。

进一步地，所述数据管理平台中包括数据分析单元和监测预警单元，数据分析单元采用人工智能算法对传感器信息进行综合分析、归类和展示，当分析结果满足预设预警条件时，通过监测预警单元进行报警提示。

进一步地，所述监测预警单元还用于对水质信息数据各项的参数进行设定，所述数据库管理系统的机器学习模型构建后，当监测到的水质信息数据超过设定值时，所述预警单元控制警示灯和警报器进行报警，并生成水污染治理意见文本，同时接收人员处理方法并在系统中留存处理方法脚本，用于后续类似问题的处理。

有益效果：本发明借助物联网数据传输通道，通过有线、无线的数据链路，将监测区域水环境水质的各个传感器和终端检测到的数据进行具体分析，实现系统机器对接收数据进行自分析与归类处理，接入系统预警单元，并借助警示灯和警报器提醒相关人员做出相关措施，降低了估判该区域水环境中水质情况的复杂度与人员工作量，让相关人员及时准确了解到该区域水环境中的水质情况。此外，本发明对系统初次出现过的情况进行自主记录分析，方便对简单的报警情况进行自主处理，简化人员操作，提高系统自处理能力。

附图说明

图1为本发明的图水环境监测分析系统结构示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。应当了解，以下提供的实施例仅是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的技术构思，本发明还可以用许多不同的形式来实施，并且不局限于此处描述的实施例。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。

本发明中搭建系统的技术为物联网技术范畴，但着重考虑人工智能技术在传感器信息反馈接收算法上的改良，以及机器学习技术对现有系统功能单一的完善与改进，以期能够解决背景技术中提出的区域水环境监测以及风险，而且功能较为单一，没有自处理等智能处理能力的相关问题，运用基于人工智能的数据自处理算法对水环境的水质情况采集与传输的数据进行检测和分析，并设计基于机器学习技术的数据耦合分析算法，针对性解决现有系统运用的遥测技术在实时传输水环境监测数据时容易出错的情况，进而进一步解决水环境监测的问题，降低监测难度与问题分析处理难度。

水环境监测系统主要包括三层：感知层、网络层和应用层；感知层主要包括：遥测单元，与遥测单元相连的水位计、流速仪、无线气象站、无线雨量遥测站、基站，与无线雨量遥测站相连的蒸发计等前端传感器，利用遥感技术提取与水体耦合的水体质量分析专题图，跟踪定位水环境的变化靶区，在图1所示的系统中，感知层以信息采集模块来表示；网络层为现有的公网和专网，在图1所示的系统中采用有线网络和ZigBee通信技术；应用层可以包括：超短波电台，监控终端，计算机，数据服务器，在图1所示的系统中，应用层以数据管理平台和数据库管理系统来表示。

如图1所示，根据一实施例的基于人工智能与机器学习算法的水环境监测分析系统，包括：信息采集模块、通信模块、数据管理平台、数据库管理系统，信息采集模块可使用现有水环境监测传感器，布设于区域水环境中，用于采集水体基本信息和水质预警信息，水体基本信息通过有线网络传送至数据管理平台，水质预警信息通过ZigBee传感网传送至数据管理平台，本发明中水质预警信息指的是水环境异常信息，如pH值异常、氨氮异常、含磷量异常等情况；数据管理平台中包括数据分析单元和监测预警单元，数据分析单元采用人工智能算法对传感器信息进行综合分析、归类和展示，当分析结果满足预设预警条件时，通过监测预警单元进行报警提示。

进一步地，信息采集模块包括检测液位高度的浮球式液位计、检测水温的温度传感器、检测溶氧量的溶氧电极、检测pH值的pH电极、检测ORP的ORP电极、检测COD值的COD检测仪、检测氨氮的氨氮分析仪、检测总磷的总磷分析仪；其中，温度传感器、溶氧电极、pH电极、ORP电极、浮球式液位计直接放置于水中。此外还可包括物联网传感器、嵌入水文传感器、底层传感器。

网络层包括：无线传感器、自动采集水质情况信息，无线网络传输包括：采用IEEE802.15.4协议的Zigbee、网关、网络节点、数据链路层，实施数据信息信息汇聚传输；传输到上位机的智能高层即水环境物联网智能控制中心，它通过云计算中心进行数据处理，发出指令，实施智能信道分配、柔性应对拓扑结构、信道质量动态变化，实施动态实时监控。

人工智能算法可采用专家系统实现，专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。现已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的专家系统。

当数据分析单元一旦分析到有需要重点关注的信息时，将会立即将数据分析结果、数据来源区域呈现到系统展示平台上并借助警示灯和警报器提醒相关人员做出相关措施，降低了估判该区域水环境中水质情况的复杂度与人员工作量，让相关人员及时准确了解到该区域水环境中的水质情况。还可以通过GPS模块对监测区域进行追踪，GPS模块与电子地图结合，电子地图可以提供更直观的危险区域的实时监测信息，提高了应对区域突发事件的预防能力和实效性，通过标准数据库和风险源特性阈值数据库，便于和采集的数据进行对比，结构科学合理，使用安全方便。

当出现报警后，片区管理人员对水体采取一定的处理措施。数据管理平台上可以记录报警对应的处理措施，数据管理平台通过WLAN连接数据库管理系统，数据库管理系统根据报警和处理措施的关系建立机器学习模型，通过不断地学习，在后续再次产生报警时可以自动给出处理措施。

本发明中对这些监测传感器与管理平台进行管理是在不增加现役传感器的前提下对传感器所收集到的数据信息进行综合处理分析，对通过数据线传递的水环境监测数据进行归类监测，比对特定预设结果归类片区水环境，并通过无线网络模块与数据库服务器之间以物联网无线信号的方式进行数据传递，将数据库服务器与应用服务器连接，实现分析结果的保存与共享。

本发明基于人工智能技术对平台处理进行智能化建设与功能开发，实现系统自管理与信息分发。基于机器学习技术开发的数据耦合算法，能够实现系统对数据信息进行综合分析管理，实现系统自学习与管控，录入相关问题处理办法，并对超出范围的处理办法进行自动录入与学习，实现水环境监测的智能化。

水环境数据分析系统能够接收反馈数据智能生成并输出图表信息，并与水质模型进行交互实时监测水体变化情况。

机器学习算法运用在预警服务上，实现预警单元对水质信息数据各项的参数进行设定，当水质信息数据超过设定值时，所述预警单元控制警示灯和警报器进行报警，并生成水污染治理意见文本，同时接收人员处理方法并在系统中留存处理方法脚本，实现后期智能处理相类似的问题。

将机器学习方法可采用：经验性归纳学习(empirical inductive learning)、分析学习(analytic learning)、类比学习、遗传算法(genetic algorithm)、联接学习、增强学习(reinforcement learning)等算法。

系统运行期间，信息采集模块借助物联网传输网络，通过有线、无线ZigBee传感网络的数据链路传输相关数据，将监测区域水环境水质的各个传感器和终端检测到的基本信息与水质预警信息数据上传到信息接收终端，再在数据管理平台上呈现，让相关人员及时准确了解到该区域水环境中的水质情况。通过标准数据库和风险源特性阈值数据库，便于和采集的数据进行对比，系统采用在终端服务与分析系统中增加人工智能算法与机器学习技术实现数据分析把控，使该系统可以在无人值守的情况下自主、长期、稳定的进行工作，动态分析水环境参数的变化；并提供突发情况反馈与自主学习以实现系统的自完善能力，实现在节省人力的基础上较为精确的对水环境动态监测与实时分析。

在具体实施时，根据需要监测的监测点或者监测断面布设情况，将多个站点的实时监测数据通过网络传输至控制中心，使其拥有多级全方位的水环境动态监测与分析预警能力。该系统采用物联网技术，实现水环境参数的动态监测与预警，能够实时捕捉重要区域的水环境的演变，对于避免突发性水污染事件及水源地水质安全具有重要意义，对水环境保护与监测非常有实用价值。

Claims (5)

1.一种基于人工智能与机器学习算法的水环境监测分析系统，其特征在于，包括：信息采集模块、数据管理平台、数据库管理系统，所述信息采集模块与所述数据管理平台相连，所述数据管理平台与所述数据库管理系统相连，所述信息采集模块用于采集区域水环境的水体基本信息和水质预警信息，并经由通信网络传输至数据管理平台；所述数据管理平台采用人工智能算法对信息采集模块的采集信息进行综合分析、归类并进行展示，当分析结果满足预设预警条件时，进行报警提示；所述数据库管理系统通过建立机器学习模型，对报警信息和相应的处理措施进行学习，实现预警的智能处理。

2.根据权利要求1所述的水环境监测分析系统，其特征在于，所述信息采集模块采用现有水环境监测传感器，包括检测液位高度的浮球式液位计、检测水温的温度传感器、检测溶氧量的溶氧电极、检测pH值的pH电极、检测ORP的ORP电极、检测COD值的COD检测仪、检测氨氮的氨氮分析仪、检测总磷的总磷分析仪；其中，温度传感器、溶氧电极、pH电极、ORP电极、浮球式液位计直接放置于水中。

3.根据权利要求1所述的水环境监测分析系统，其特征在于，所述水体基本信息通过有线网络传送至数据管理平台，水质预警信息通过ZigBee传感网传送至数据管理平台。

4.根据权利要求1所述的水环境监测分析系统，其特征在于，所述数据管理平台中包括数据分析单元和监测预警单元，数据分析单元采用人工智能算法对传感器信息进行综合分析、归类和展示，当分析结果满足预设预警条件时，通过监测预警单元进行报警提示。

5.根据权利要求4所述的水环境监测分析系统，其特征在于，所述监测预警单元还用于对水质信息数据各项的参数进行设定，所述数据库管理系统的机器学习模型构建后，当监测到的水质信息数据超过设定值时，所述预警单元控制警示灯和警报器进行报警，并生成水污染治理意见文本，同时接收人员处理方法并在系统中留存处理方法脚本，用于后续类似问题的处理。