CN112320963B - 一种基于大数据的鱼草平衡水质环保处理方法 - Google Patents
一种基于大数据的鱼草平衡水质环保处理方法 Download PDFInfo
- Publication number
- CN112320963B CN112320963B CN202011174572.3A CN202011174572A CN112320963B CN 112320963 B CN112320963 B CN 112320963B CN 202011174572 A CN202011174572 A CN 202011174572A CN 112320963 B CN112320963 B CN 112320963B
- Authority
- CN
- China
- Prior art keywords
- water quality
- data
- grid
- domain
- data set
- 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
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/32—Biological treatment of water, waste water, or sewage characterised by the animals or plants used, e.g. algae
- C02F3/327—Biological treatment of water, waste water, or sewage characterised by the animals or plants used, e.g. algae characterised by animals and plants
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biotechnology (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于大数据的鱼草平衡水质环保处理方法,包括以下步骤:通过多个水质检测传感器检测所属水域的各项水质指标数据,并上传至云端进行存储;云端将接收的各项水质指标数据与预设的水质参数进行比对,如果水质参数超标,则将超标的参数发送到中央处理单元与对应的参数仿真调整方案进行匹配,然后触发相对应的参数仿真调整方案对水质进行调整,若水质仍然超标,则触发图像采集模块对所属水域进行图像采集上传至云端。本发明提高了仿真处理后的水质数据与实际处理后的水质数据交互与判断的效率,提高了各种复杂水质处理过程中数据判断的效率,使得参数仿真调整方案越来越快速精确的贴近实际水质处理情况。
Description
技术领域
本发明涉及大数据环保领域,具体为一种基于大数据的鱼草平衡水质环保处理方法。
背景技术
随着人们生活水平的日益提升,水质的环保早已成为社会的重要议题,同时,日趋严厉的水环境政策对水质生态环境的治理也提出了极大的挑战。现有的生态环境水质处理方法有很多,但是现有的处理水质大数据的方法效率不高,拖慢了水质治理数据分析的步伐。
发明内容
本发明的目的是为了克服上述不足提供一种基于大数据的鱼草平衡水质环保处理方法,包括以下步骤:通过多个水质检测传感器检测所属水域的各项水质指标数据,并上传至云端进行存储;
云端将接收的各项水质指标数据与预设的水质参数进行比对,如果水质参数超标,则将超标的参数发送到中央处理单元与对应的参数仿真调整方案进行匹配,然后触发相对应的参数仿真调整方案对水质进行调整,仿真调整结果如果在水质达标的阈值范围内,则按照仿真方案进行实际水质处理;
对水质进行处理后,进行二次检测,若水质仍然超标,则触发图像采集模块对所属水域进行图像采集上传至云端。
本发明提高了仿真处理后的水质数据与实际处理后的水质数据交互与判断的效率,提高了各种复杂水质处理过程中数据判断的效率,使得参数仿真调整方案越来越快速精确的贴近实际水质处理情况,对水质超标水域和水质正常水域内的图像用不同的数据集进行减采集,降低了数据冗余,提高了数据处理效率,成为鱼草平衡水质处理的一个方向。
具体实施方式
下面结合实施例进一步说明本发明。
实施例:本发明一种基于大数据的鱼草平衡水质环保处理方法,包括以下步骤:通过多个水质检测传感器检测所属水域的各项水质指标数据,并上传至云端进行存储;云端将接收的各项水质指标数据与预设的水质参数进行比对,如果水质参数超标,则将超标的参数发送到中央处理单元与对应的参数仿真调整方案进行匹配,然后触发相对应的参数仿真调整方案对水质进行调整,仿真调整结果如果在水质达标的阈值范围内,则按照仿真方案进行实际水质处理;对水质进行处理后,进行二次检测,若水质仍然超标,则触发图像采集模块对所属水域进行图像采集上传至云端,云端导入所属水域图像勾勒线圈,将所属水域图像划为水质超标水域和水质正常水域,将在圈内的区域定义为水质超标水域,将在圈外的区域定义为水质正常水域;通过载入零像素点对所述所属水域图像进行预处理,经过预处理后的所属水域图像纵横方向的像素点一样多;将预处理后的所属水域图像等分为四部分格网,计算每个格网内非零像素点个数和全部格网的标准差;识别每个格网的中心点是否在水质超标水域内,如果格网的中心点在水质超标水域内,则启动第一驱动信号;如果格网的中心点在水质超标水域外,则启动第二驱动信号;第一驱动信号通过域内数据集进行减采集,域内数据集中最大的网格为a*a个像素,域内数据集中最小的网格b*b个像素;第二驱动信号通过域外数据集进行减采集,域外数据集中最大的网格为c*c个像素,域外数据集中最小的网格为d*d个像素,a>b,c>d;识别每个格网的中心点是否在水质超标水域内,如果格网的中心点在水质超标水域内,则启动第一驱动信号,接收第一驱动信号时启动域内数据集对每个格网进行减采集,接收第一驱动信号时还启动识别格网大小,如果格网大小>域内数据集中最大的网格,则接着等分;如果格网<域内数据集中最小的网格,则停止;如果格网大小位于域内数据集中最大的网格和域内数据集中最小的网格之间,则转下一步,如果都为零像素点,则停止;如果非零像素点个数比例>1/2,则比较格网的标准差与域内数据集中最大方差临界值;如果格网的标准差>域内数据集中最大方差临界值,则接着等分;否则停止;如果非零像素点个数比例<1/2,则比较格网的标准差与域内数据集中最小方差临界值;如果格网的标准差>域内数据集中最小方差临界值,则接着等分;否则停止;如果格网的中心点在水质正常水域,则启动第二驱动信号,接收第二驱动信号时启动域外数据集对每个格网进行减采集,接收第二驱动信号时还启动识别格网大小,如果格网大小>域外数据集中最大的网格,则接着等分;如果格网大小<域外数据集中最小的网格,则停止;如果格网大小在域外数据集中最大的网格和域外数据集中最小的网格之间,则转下一步,如果都为零像素点,则停止;如果非零像素点个数比例>1/2,则比较格网的标准差与域外数据集中最大方差临界值;如果格网的标准差>域外数据集中最大方差临界值,则接着等分;否则停止;如果非零像素点个数比例<1/2,则比较格网的标准差与域外数据集中最小方差临界值;如果格网的标准差>域外数据集中最小方差临界值,则接着等分;否则停止;统计等分后每个格网全部像素的均值遍历所述格网内的每个像素点。
在对水质进行仿真处理后,形成仿真处理后的水质数据,对形成仿真处理后的水质数据进行标准化处理,得到标准数据,根据所述标准数据格式对实际处理后的水质数据中缺少的特征值的部分,根据仿真处理后的水质数据对应序号的特征值进行补足,对差变化值的用0补足,使两者数据长度一样,判断实际处理后的水质数据与仿真处理后的水质数据行序号是否一致,若不一致,则复制仿真处理后的水质数据行数据至实际处理后的水质数据对应行处,生成对应序号形成合并框架,即序号-特征值-变化值,本行实际处理后的水质数据顺次向后与下一行仿真处理后的水质数据合并,以此类推,直到实际处理后的水质数据行序号和仿真处理后的水质数据行序号一致,然后进行行合并,使合并的实际处理后的水质数据序号和仿真处理后的水质数据序号一致,生成第三数据,通过输入迭代器对第三数据进行访问,对第三数据的数据序列每一行数据分割成长度相等的两部分,判断两部分之间的对应变化值的是否一致,如果不一致则计算两者的差值,将每行差值形成一个集合,访问文件的每一行之后把它放弃,无需进行内存存储。将每行差值形成一个集合之后,对处理后的第三数据按行分割为多个大小一致的文件,文件的个数为中央处理单元能承载的并行程序数据量,同时对多个大小一致的文件分别通过一个循环访问整个数据文件,判断每行数据是否一致,得到多进程判断结果然后合并,对合并结果文件的每个序号对应的特征与变化的差值进行分析,对不一致的水质参数进行标注,便于工作人员对仿真调整方案进行有针对性调整。
各项水质指标包括水温、水质、水中氧气含量、污染物含量等。所述参数仿真调整和实际水质处理均通过鱼草平衡的方法来调整和处理。所述特征值为数据的初始状态,变化值为数据特征变化。
Claims (4)
1.一种基于大数据的鱼草平衡水质环保处理方法,其特征在于包括以下步骤:通过多个水质检测传感器检测所属水域的各项水质指标数据,并上传至云端进行存储;云端将接收的各项水质指标数据与预设的水质参数进行比对,如果水质参数超标,则将超标的参数发送到中央处理单元与对应的参数仿真调整方案进行匹配,然后触发相对应的参数仿真调整方案对水质进行调整,仿真调整结果如果在水质达标的阈值范围内,则按照仿真方案进行实际水质处理;对水质进行处理后,进行二次检测,若水质仍然超标,则触发图像采集模块对所属水域进行图像采集上传至云端,云端导入所属水域图像勾勒线圈,将所属水域图像划为水质超标水域和水质正常水域,将在圈内的区域定义为水质超标水域,将在圈外的区域定义为水质正常水域;通过载入零像素点对所述所属水域图像进行预处理,经过预处理后的所属水域图像纵横方向的像素点一样多;将预处理后的所属水域图像等分为四部分格网,计算每个格网内非零像素点个数和全部格网的标准差;识别每个格网的中心点是否在水质超标水域内,如果格网的中心点在水质超标水域内,则启动第一驱动信号;如果格网的中心点在水质超标水域外,则启动第二驱动信号;第一驱动信号通过域内数据集进行减采集,域内数据集中最大的网格为a*a个像素,域内数据集中最小的网格b*b个像素;第二驱动信号通过域外数据集进行减采集,域外数据集中最大的网格为c*c个像素,域外数据集中最小的网格为d*d个像素,a>b,c>d;识别每个格网的中心点是否在水质超标水域内,如果格网的中心点在水质超标水域内,则启动第一驱动信号,接收第一驱动信号时启动域内数据集对每个格网进行减采集,接收第一驱动信号时还启动识别格网大小,如果格网大小>域内数据集中最大的网格,则接着等分;如果格网<域内数据集中最小的网格,则停止;如果格网大小位于域内数据集中最大的网格和域内数据集中最小的网格之间,则转下一步,如果都为零像素点,则停止;如果非零像素点个数比例>1/2,则比较格网的标准差与域内数据集中最大方差临界值;如果格网的标准差>域内数据集中最大方差临界值,则接着等分;否则停止;如果非零像素点个数比例<1/2,则比较格网的标准差与域内数据集中最小方差临界值;如果格网的标准差>域内数据集中最小方差临界值,则接着等分;否则停止;如果格网的中心点在水质正常水域,则启动第二驱动信号,接收第二驱动信号时启动域外数据集对每个格网进行减采集,接收第二驱动信号时还启动识别格网大小,如果格网大小>域外数据集中最大的网格,则接着等分;如果格网大小<域外数据集中最小的网格,则停止;如果格网大小在域外数据集中最大的网格和域外数据集中最小的网格之间,则转下一步,如果都为零像素点,则停止;如果非零像素点个数比例>1/2,则比较格网的标准差与域外数据集中最大方差临界值;如果格网的标准差>域外数据集中最大方差临界值,则接着等分;否则停止;如果非零像素点个数比例<1/2,则比较格网的标准差与域外数据集中最小方差临界值;如果格网的标准差>域外数据集中最小方差临界值,则接着等分;否则停止;统计等分后每个格网全部像素的均值遍历所述格网内的每个像素点;在对水质进行仿真处理后,形成仿真处理后的水质数据,对形成仿真处理后的水质数据进行标准化处理,得到标准数据,根据所述标准数据格式对实际处理后的水质数据中缺少的特征值的部分,根据仿真处理后的水质数据对应序号的特征值进行补足,对差变化值的用0补足,使两者数据长度一样,判断实际处理后的水质数据与仿真处理后的水质数据行序号是否一致,若不一致,则复制仿真处理后的水质数据行数据至实际处理后的水质数据对应行处,生成对应序号形成合并框架,本行实际处理后的水质数据顺次向后与下一行仿真处理后的水质数据合并,以此类推,直到实际处理后的水质数据行序号和仿真处理后的水质数据行序号一致,然后进行行合并,使合并的实际处理后的水质数据序号和仿真处理后的水质数据序号一致,生成第三数据,通过输入迭代器对第三数据进行访问,对第三数据的数据序列每一行数据分割成长度相等的两部分,判断两部分之间的对应变化值的是否一致,如果不一致则计算两者的差值,将每行差值形成一个集合,访问文件的每一行之后把它放弃,无需进行内存存储;将每行差值形成一个集合之后,对处理后的第三数据按行分割为多个大小一致的文件,文件的个数为中央处理单元能承载的并行程序数据量,同时对多个大小一致的文件分别通过一个循环访问整个数据文件,判断每行数据是否一致,得到多进程判断结果然后合并,对合并结果文件的每个序号对应的特征与变化的差值进行分析,对不一致的水质参数进行标注,便于工作人员对仿真调整方案进行有针对性调整。
2.按权利要求1所述的基于大数据的鱼草平衡水质环保处理方法,其特征在于各项水质指标包括水温、水质、水中氧气含量、污染物含量。
3.按权利要求2所述的基于大数据的鱼草平衡水质环保处理方法,其特征在于;所述参数仿真调整和实际水质处理均通过鱼草平衡的方法来调整和处理。
4.按权利要求3所述的基于大数据的鱼草平衡水质环保处理方法,其特征在于;所述特征值为数据的初始状态,变化值为数据特征变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011174572.3A CN112320963B (zh) | 2020-10-28 | 2020-10-28 | 一种基于大数据的鱼草平衡水质环保处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011174572.3A CN112320963B (zh) | 2020-10-28 | 2020-10-28 | 一种基于大数据的鱼草平衡水质环保处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112320963A CN112320963A (zh) | 2021-02-05 |
CN112320963B true CN112320963B (zh) | 2021-08-03 |
Family
ID=74296010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011174572.3A Active CN112320963B (zh) | 2020-10-28 | 2020-10-28 | 一种基于大数据的鱼草平衡水质环保处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112320963B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810309B (zh) * | 2012-11-08 | 2016-08-17 | 连晓峰 | 基于约束理论的a2o 城市污水处理工艺的软测量建模方法 |
CN108002532A (zh) * | 2017-11-15 | 2018-05-08 | 南京普信环保股份有限公司 | 基于物联网和大数据技术的污水处理模型动态核验方法 |
CN109615011A (zh) * | 2018-12-14 | 2019-04-12 | 河海大学 | 一种基于lstm的中小河流短期洪水预报方法 |
CN109994179B (zh) * | 2019-04-02 | 2021-02-26 | 上海交通大学医学院附属新华医院 | 万古霉素的给药方法及装置 |
CN111768034A (zh) * | 2020-06-29 | 2020-10-13 | 上海积成能源科技有限公司 | 一种电力负荷预测中基于近邻算法进行插补补充缺失值的方法 |
-
2020
- 2020-10-28 CN CN202011174572.3A patent/CN112320963B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112320963A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971152B (zh) | 一种基于航拍图像的检测输电线路中鸟巢的方法 | |
US11176418B2 (en) | Model test methods and apparatuses | |
CN107948166B (zh) | 基于深度学习的流量异常检测方法及装置 | |
CN109948616A (zh) | 图像检测方法、装置、电子设备及计算机可读存储介质 | |
CN108615401B (zh) | 基于深度学习的室内非均匀光线车位状况识别方法 | |
CN111695620A (zh) | 一种电力系统时间序列异常数据检测与修正方法及系统 | |
CN112419268A (zh) | 一种输电线路图像缺陷检测方法、装置、设备及介质 | |
CN114882039A (zh) | 一种应用于pcb板自动分拣过程中的pcb板缺陷识别方法 | |
CN110503092B (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN111368648A (zh) | 雷达辐射源个体识别方法、装置、电子设备及其存储介质 | |
CN112320963B (zh) | 一种基于大数据的鱼草平衡水质环保处理方法 | |
CN116843677A (zh) | 钣金件的外观质量检测系统及其方法 | |
CN116994049A (zh) | 全自动针织横机及其方法 | |
CN105095923A (zh) | 一种图像处理方法及装置 | |
CN115327301A (zh) | 一种输电线电路异物识别检测方法、设备及储存介质 | |
CN112801013A (zh) | 一种基于关键点识别校验的人脸识别方法、系统及装置 | |
CN112699908A (zh) | 标注图片的方法、电子终端、计算机可读存储介质及设备 | |
CN117351240B (zh) | 一种正样本采样方法、系统、存储介质和电子设备 | |
CN116605891B (zh) | 电子级六氟磷酸锂的智能生产方法及其系统 | |
CN117523324B (zh) | 图像处理方法和图像样本分类方法、装置和存储介质 | |
CN110738209B (zh) | 一种基于深度学习的车牌侦测方法 | |
US20230316718A1 (en) | Learning model generating method and inspection device | |
CN110580429B (zh) | 一种视频背景库的管理方法、装置及其应用 | |
CN116597588A (zh) | 一种智能化社区安防报警系统 | |
CN116758004A (zh) | 基于目标检测网络的输电线路的检测方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |