CN112418557B - 基于云服务的数据分析和预测系统及方法 - Google Patents

Abstract

本发明提供基于云服务的数据分析和预测系统及方法，该系统包括：数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。本发明能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高。

Description

基于云服务的数据分析和预测系统及方法

技术领域

本发明涉及云服务技术领域，特别是基于云服务的数据分析和预测系统及方法。

背景技术

目前，针对河道污染监测通常是由巡检人员沿河道进行巡检和抽样检测，从而发现河道中存在的污染情况，但是目前的河道水质监测方式，无法在第一时间找到污染源头，从而抑制污染的扩大，导致河流污染整治效果不佳。

发明内容

针对上述无法对河道污染源进行定位和预测的问题，本发明旨在提供一种基于云服务的数据分析和预测系统及方法。

本发明的目的采用以下技术方案来实现：

本发明公开了基于云服务的数据分析和预测系统，包括：

数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；

分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。

进一步，分析预测模块包括：

数据分析单元，将监测节点采集到的河道水质监测数据和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常；

源头预测单元，用于当分析到监测节点的河道水质监测数据存在异常时，获取该监测节点的邻域监测节点一段时间内的河道水质监测数据，综合分析获取异常源头位置；

报告生成单元，用于根据获取的异常源头位置以及相关的河道水质监测数据生成异常监测报告，并将异常监测报告发送到与该异常源头的位置相应的责任部门终端。

进一步，数据分析单元进一步包括：

根据监测节点一段时间内采集到的河道水质监测数据进行预测，获取河道水质监测数据的预测结果，根据获取的预测结果与设定的相应阈值指标进行比较，判断该河道水质监测数据是否存在异常；具体包括：

获取监测节点一段时间内采集到的河道水质监测数据(如PH值，氧溶解度，氨浓度，浊度)，组成河道水质监测数据序列{B(t),B(t-1),B(t-2),…,B(t-e)}，其中河道水质监测数据序列的长度为e+1，B(t)表示t时刻的河道水质监测数据；以及监测节点采集的水流速度V；

根据监测节点与其上游监测节点的河道距离D，获取目标预测时间：

式中，t_m表示目标预测时间，V′表示上游监测节点采集的水流速度，T表示设定的采样间隔周期；

预测监测节点t+t_m时刻的河道水质监测数据，其中采用的预测函数为：

式中，B(t+t_m)表示监测节点t+t_m时刻的河道水质监测数据预测结果；B′(t)表示上游监测节点t时刻采集的河道水质监测数据，B(t)和B(t-2)分别表示监测节点t时刻和t-2时刻采集的河道水质监测数据，t_m表示目标预测时间，β表示上游节点影响度因子，其中

W表示设定的监测数据游离参数。

将获取的河道水质监测数据预测结果B(t+t_m)和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常。

进一步，监测节点还包括图像采集单元，图像采集单元用于采集监测节点所在流域的河面图像；

分析模块还包括控制单元，控制单元用于当分析到监测节点的河道水质监测数据存在异常时，向该监测节点发送控制指令，供监测节点的图像采集单元采集河面图像并回传到分析模块中，

分析模块还包括：根据获取的河面图像生成异常监测报告。

进一步，监测节点包括水温传感器、PH传感器、水流传感器、水氧溶解度传感器、氨浓度传感器和浊度传感器，用于获取监测节点所在流域的河道水质数据，其中河道监测数据包括：河水温度、河水PH值、水流速度、氧溶解度、氨浓度和浊度。

第二方面，提出一种基于云服务的数据分析和预测方法，其中该方法基于上述第一方面中任一种实施方式的基于云服务的数据分析和预测系统进行；该方法包括：

沿河道间隔设置的监测节点实时采集河道水质监测数据，并将采集的数据上传到基于云服务的数据分析和预测系统；

基于云服务的数据分析和预测系统对接收到的河道数据进行河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

责任部门终端接收到该异常源头位置后发出警示消息，供管理者组织相关人员到该异常源头位置的现场进行勘察和整治工作。

本发明的有益效果为：本发明能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明公开的基于云服务的数据分析和预测系统实施例的框架结构图。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1实施例所示基于云服务的数据分析和预测系统，包括：

数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；

分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。

其中，上述数据分析和预测系统基于云服务平台进行搭建，通过云服务平台分别和沿河道间隔设置的监测节点进行通信连接，实时接收由监测节点采集的河道水质监测数据，基于监测节点采集的河道水质监测数据，能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高

同时，基于云服务平台的大容量数据存储量和无线传输的特点，能够将河道状况分析结果直接传输到相应的责任部门终端，能够使得相关的责任部门第一时间根据河道异常分析结果排出相关人员到现场进行排查和整治，提高了河道管理的实时性；同时系统对河道的历史监测数据进行分离管理和存储记录，使得河道水质数据变化有迹可循，为之后进一步的调研、管理策略制定等奠定基础。

作为参考的实施方式，监测节点包括水温传感器、PH传感器、水流传感器、水氧溶解度传感器、氨浓度传感器和浊度传感器，用于获取监测节点所在流域的河道水质数据，其中河道监测数据包括：河水温度、河水PH值、水流速度、氧溶解度、氨浓度和浊度。

其中，责任部门终端包括设置在责任部门里的智能终端，包括手机、电脑等。

进一步，分析预测模块包括：

数据分析单元，将监测节点采集到的河道水质监测数据和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常；

源头预测单元，用于当分析到监测节点的河道水质监测数据存在异常时，获取该监测节点的邻域监测节点一段时间内的河道水质监测数据，综合分析获取异常源头位置；

报告生成单元，用于根据获取的异常源头位置以及相关的河道水质监测数据生成异常监测报告，并将异常监测报告发送到与该异常源头的位置相应的责任部门终端。

上述实施方式中，提供了一种数据分析和预测系统中分析预测模块对监测节点采集到的河道水质监测数据进行分析和源头预测的处理技术方案；

其中上述实施方式中，数据分析单元可以将获取的河道水质监测数据直接和设定的指标阈值进行比较，当监测到某河道水质监测数据超过设定的阈值时，则判断该监测节点的水域存在异常情况。

针对静态阈值判断对河道水质污染监测无法针对河道水域可能出现的情况进行提前预测和污染制止，本申请还提出另一种根据河道水质监测数据进行预测，并结合预测结果进行水质异常分析的技术方案如下：

进一步，数据分析单元进一步包括：

根据监测节点一段时间内采集到的河道水质监测数据进行预测，获取河道水质监测数据的预测结果，根据获取的预测结果与设定的相应阈值指标进行比较，判断该河道水质监测数据是否存在异常；具体包括：

获取监测节点一段时间内采集到的河道水质监测数据(如PH值，氧溶解度，氨浓度，浊度)，组成河道水质监测数据序列{B(t),B(t-1),B(t-2),…,B(t-e)}，其中河道水质监测数据序列的长度为e+1，B(t)表示t时刻的河道水质监测数据；以及监测节点采集的水流速度V；

根据监测节点与其上游监测节点的河道距离D，获取目标预测时间：

式中，t_m表示目标预测时间，V′表示上游监测节点采集的水流速度，T表示设定的采样间隔周期；

预测监测节点t+t_m时刻的河道水质监测数据，其中采用的预测函数为：

式中，B(t+t_m)表示监测节点t+t_m时刻的河道水质监测数据预测结果；B′(t)表示上游监测节点t时刻采集的河道水质监测数据，B(t)和B(t-2)分别表示监测节点t时刻和t-2时刻采集的河道水质监测数据，t_m表示目标预测时间，β表示上游节点影响度因子，其中

W表示设定的监测数据游离参数。

将获取的河道水质监测数据预测结果B(t+t_m)和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常。

上述实施方式中，提出了一种结合河道水域流动特性的针对河道水质监测数据的异常预测技术方案，首先针对监测节点一段时间周期内采集的多个河道水质监测数据作为基础，同时根据水流速度估算异常污染水域的流动情况，结合上游监测节点采集的河道水质监测数据进行综合分析，其中特别提出了一种针对监测节点河道水质监测数据的预测函数，该函数中能够结合监测节点和上游节点采集的河道水质监测数据的变化趋势进行影响度分析，准确判断当前监测节点采集的数据被上游影响的情况，同时结合上游监测节点当前采集的数据来预测当前监测节点的河道水质监测数据变化趋势，有助于结合河道水域特性，对河道中河道水质监测数据的变化趋势进行准确预测，为提前进行河道异常情况发现奠定了基础。

进一步，监测节点还包括图像采集单元，图像采集单元用于采集监测节点所在流域的河面图像；

分析模块还包括控制单元，控制单元用于当分析到监测节点的河道水质监测数据存在异常时，向该监测节点发送控制指令，供监测节点的图像采集单元采集河面图像并回传到分析模块中，

分析模块还包括：根据获取的河面图像生成异常监测报告。

针对上述实施方式中针对河道水质监测数据进行预测从而判断该流域是否出现异常的技术方案，由于判断的依据为预测得到的数据，因此上述实施方式中还特别设置了图像采集单元对河面图像进行拍摄，能够使得责任部门根据预测结果和实际拍摄的河面图像进行综合分析，做出准确的管理动作。

进一步，源头预测单元进一步包括：当分析到监测节点的河道水质监测数据存在异常时，计算存在异常的监测节点与其上游监测节点的异常显著因子，并根据计算的异常显著因子获取异常源头位置；

其中，计算存在异常的监测节点与其上游监测节点的异常显著因子具体包括：

其中异常显著因子的计算函数为：

式中，Y表示目标节点的异常显著因子，B(t)表示目标节点在t时刻采集的河道水质监测数据，B′(t)表示目标节点的上游节点在t时刻采集的河道水质监测数据，e表示河道水质监测数据监测序列的长度，W表示设定的监测数据游离参数，τ₁和τ₂表示设定的权重因子；

分别将存在异常的监测节点X₀及其上游监测节点X₁作为目标节点，采用上述异常显著因子的计算函数分别计算存在异常的监测节点X₀及其上游监测节点X₁的异常显著因子Y(X₀)及Y(X₁)；

当Y(X₀)＞Y(X₁)时，则判断异常源头位置位于监测节点X₀与其上游监测节点X₁之前的河道区域；

当Y(X₀)≤Y(X₁)时，则进一步计算监测节点X₁的上游监测节点X₂的异常显著因子Y(X₂)，并进一步判断异常源头位置：

当Y(X₁)＞Y(X₂)，则判断异常源头位置位于监测节点X₁与其上游监测节点X₂之前的河道区域；否则，则进一步计算下一上游节点的异常显著因子，直到判断出异常源头位置的所在区域。

由于单个监测接单仅能够对其所在区域的水质情况数据进行采集，因此根据监测数据的分析结果也仅能够反映该监测节点附近流域的情况；但是由于河道水域具有流动性，因此真正的污染源头并不一定处于已经被污染的水域，对此，上述实施方式中，还提出了一种基于监测节点发现河道水质存在异常时，能够结合监测节点以及上游节点采集数据情况，准确分析异常源头，有助于根据各节点采集的河道水质监测数据进行往上排查，准确找出异常源头的位置区域；其中，特别提出了引入了异常显著因子用于描述各监测节点对于污染源头的显著性，并且相应提出了一种异常显著因子的计算函数，该函数中，特别考虑了目标监测节点与其上游节点采集的河道水质监测数据进行匹配度分析，能够根据污染源头以及水域流动的特性，通过异常显著因子准确反映污染源头的位置，从而能够根据源头位置准确找到相关的责任部门，以使得责任部门对异常源头进行排查。提高了河道整治、管理的可靠性。

针对上述任一种实施方式所提出基于云服务的数据分析和预测系统，本申请还提出一种基于云服务的数据分析和预测方法；该方法包括：

沿河道间隔设置的监测节点实时采集河道水质监测数据，并将采集的数据上传到基于云服务的数据分析和预测系统；

基于云服务的数据分析和预测系统对接收到的河道数据进行河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

责任部门终端接收到该异常源头位置后发出警示消息，供管理者组织相关人员到该异常源头位置的现场进行勘察和整治工作。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (4)

1.基于云服务的数据分析和预测系统，其特征在于，包括：

数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；

分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理；

所述分析预测模块包括：

数据分析单元，将所述监测节点采集到的河道水质监测数据和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常；

源头预测单元，用于当数据分析单元分析到监测节点的河道水质监测数据存在异常时，获取该监测节点的邻域监测节点一段时间内的河道水质监测数据，综合分析获取异常源头位置；

报告生成单元，用于根据获取的异常源头位置以及相关的河道水质监测数据生成异常监测报告，并将异常监测报告发送到与该异常源头的位置相应的所述责任部门终端；

所述数据分析单元进一步包括：

根据所述监测节点一段时间内采集到的河道水质监测数据进行预测，获取河道水质监测数据的预测结果，根据获取的预测结果与设定的相应阈值指标进行比较，判断该河道水质监测数据是否存在异常；具体包括：

获取监测节点一段时间内采集到的河道水质监测数据，组成河道水质监测数据序列{B(t),B(t-1),B(t-2),…,B(t-e)}，其中河道水质监测数据序列的长度为e+1，B(t)表示t时刻的河道水质监测数据；以及监测节点采集的水流速度V；

根据监测节点与其上游监测节点的河道距离D，获取目标预测时间：

式中，t_m表示目标预测时间，V′表示上游监测节点采集的水流速度，T表示设定的采样间隔周期；

预测监测节点t+t_m时刻的河道水质监测数据，其中采用的预测函数为：

式中，B(t+t_m)表示监测节点t+t_m时刻的河道水质监测数据预测结果；B^′(t)表示上游监测节点t时刻采集的河道水质监测数据，B(t)和B(t-2)分别表示监测节点t时刻和t-2时刻采集的河道水质监测数据，t_m表示目标预测时间，β表示上游节点影响度因子，其中

W表示设定的监测数据游离参数；

将获取的河道水质监测数据预测结果B(t+t_m)和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常。

2.根据权利要求1所述的基于云服务的数据分析和预测系统，其特征在于，所述监测节点还包括图像采集单元，图像采集单元用于采集监测节点所在流域的河面图像；

所述分析预测模块还包括控制单元，控制单元用于当分析到监测节点的河道水质监测数据存在异常时，向该监测节点发送控制指令，供监测节点的图像采集单元采集河面图像并回传到分析预测模块中，

所述分析预测模块还包括：根据获取的河面图像生成所述异常监测报告。

3.根据权利要求1所述的基于云服务的数据分析和预测系统，其特征在于，所述监测节点包括水温传感器、PH传感器、水流传感器、水氧溶解度传感器、氨浓度传感器和浊度传感器，用于获取监测节点所在流域的河道水质数据，其中河道监测数据包括：河水温度、河水PH值、水流速度、氧溶解度、氨浓度和浊度。

4.基于云服务的数据分析和预测方法，其特征在于，包括：

沿河道间隔设置的监测节点实时采集河道水质监测数据，并将采集的河道水质监测数据上传到权利要求1-3任意一项所述基于云服务的数据分析和预测系统；

基于云服务的数据分析和预测系统对接收到的河道数据进行河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；

责任部门终端接收到该异常源头位置后发出警示消息，供管理者组织相关人员到该异常源头位置的现场进行勘察和整治工作。

Images