CN112465183A - 一种污水处理数据采集方法及其应用 - Google Patents
一种污水处理数据采集方法及其应用 Download PDFInfo
- Publication number
- CN112465183A CN112465183A CN202011105697.0A CN202011105697A CN112465183A CN 112465183 A CN112465183 A CN 112465183A CN 202011105697 A CN202011105697 A CN 202011105697A CN 112465183 A CN112465183 A CN 112465183A
- Authority
- CN
- China
- Prior art keywords
- data
- field
- sewage
- data acquisition
- sewage treatment
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012806 monitoring device Methods 0.000 claims abstract description 26
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000012795 verification Methods 0.000 claims description 13
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000004065 wastewater treatment Methods 0.000 claims 3
- 238000003066 decision tree Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
-
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Food Science & Technology (AREA)
- Primary Health Care (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Activated Sludge Processes (AREA)
- Sewage (AREA)
Abstract
本发明属于污水处理数据采集分析领域,具体公开了一种污水处理数据采集方法及其应用,包括如下步骤:在每个景区污水处理现场布置现场数据采集监控装置以及以太网,并通过以太网将每一现场数据采集监控装置与服务器通讯连接;现场数据采集监控装置采集污水处理现场的现场污水数据并将该数据上传至服务器;服务器接收每一现场数据采集监控装置采集的数据信息,并对数据信息进行处理、统计和分析后上传至处理中心;处理中心获取数据信息并对数据信息进行处理、提取以及生成预测模型;对预测模型的预测效果进行评估。本发明通过机器学习模型来训练,进而在达到对污水进行处理分析的同时,还能准确的对景区客流量进行预测。
Description
技术领域
本发明涉及一种数据采集和应用方法,尤其涉及一种通过污水处理数据采集方法、以及采集的数据的应用
背景技术
生活污水是居民日常生活中排出的废水,主要来源于居住建筑和公共建筑,如住宅、机关、学校、医院、商店、公共场所及工业企业卫生间等。生活污水所含的污染物主要是有机物(如蛋白质、碳水化合物、脂肪、尿素、氨氮等)和大量病原微生物(如寄生虫卵和肠道传染病毒等)。存在于生活污水中的有机物极不稳定,容易腐化而产生恶臭。细菌和病原体以生活污水中有机物为营养而大量繁殖,可导致传染病蔓延流行。因此,生活污水排放前必须进行处理。
为使污水达到排水要求或达到再次使用的水质要求对其进行净化的过程称为污水处理。污水处理是环境保护的重要环节,为了能够更加直观的了解污水经过处理后水质是否达标,是否可以排放或者再次利用,要在污水处理过程前以及污水处理后对水质进行各项指标的监测。
污水处理过程需要对处理数据进行采集,现有的采集方法/系统所采集的数据不够全面,而且所采集的数据只能应用在污水处理领域,不能根据数据进行其他方面的应用延展。
发明内容
本发明的目的在于提供一种污水处理数据采集方法及其应用,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种污水处理数据采集方法,包括如下步骤:
S1:在每个景区污水处理现场布置现场数据采集监控装置以及以太网,并通过以太网将每一现场数据采集监控装置与服务器通讯连接;
S2:现场数据采集监控装置采集污水处理现场的现场污水数据并将该数据上传至服务器,且现场污水数据包括重量、流量、氨氮含量、液位量、悬浮物含量;
S3:服务器接收每一现场数据采集监控装置采集的数据信息,并对数据信息进行处理、统计和分析后上传至处理中心;
S4:处理中心获取数据信息并对数据信息进行处理、提取以及生成预测模型;
S5:对预测模型的预测效果进行评估,并根据评估结果选择出最终的预测模型,并基于预设的权重向量以及最终的预测模型进行污水流量以及景区客流量预测。
优选的,现场数据采集监控装置包括重量采集单元、单位流量采集单元、氨氮含量检定单元、污水液位检定单元与悬浮物含量检定单元;S3中服务器还用于接收处理中心发送的控制指令,并将该控制指令发送至对应污水处理现场的现场数据采集监控装置。
优选的,S3中服务器对数据信息处理、统计和分析具体包括:
S31:数据预处理,数据预处理包括数据去重、数据清理与数据抽取融合,其中数据清理是对获得的数据信息进行清理,通过填充缺失值、光滑噪声和识别离群点等方式,纠正数据中的不一致,且在填充缺失值时,采取均值、中位数来填充;
S32:数据统计,数据统计是由于系统获取的数据来源多样,即存在代表同一概念的属性在不同数据源中可能会有不同的名字或单位,会导致不一致性和冗余,通过数据统计将不同数据统一集成并进行数据分析。
优选的,S31中数据抽取融合包括:
S31a:通过对处理后的数据进行抽取,并将抽取后的数据加入数据库;
S31b:对数据库进行数据融合,数据融合过程包括张量化统一表示以及实体消歧、共指消解,并在知识融合后完成数据处理步骤,服务器将数据处理后的数据信息上传至处理中心。
优选的,处理中心具有特征信息构建模块、机器学习模型模块与预测分析模块,S4中具体包括:
S41:特征信息构建模块对经服务器处理后的数据信息进行特征信息提取,并根据所提取的特征信息以及机器学习模型模块预设的多种机器学习算法分别训练出各机器学习算法对应的预测模型,且预测模型包括污水流量预测模型与客流量预测模型;
S42:对各机器学习算法对应的预测模型的预测效果进行评估,并根据评估结果中选择预测效果较好的预测模型作为最终的预测模型;
S43:预测分析模块基于预设的权重向量以及最终的预测模型进行景区客流量预测。
优选的,S42中预测效果进行评估是采用将模型输出的预测值与历史实际值进行对比计算出偏差来进行预测效果评估的方法。
优选的,机器学习算法包括但不限于:GBDT回归算法、随机森林算法、xgboost回归算法、LSTM算法。其中GBDT回归算法是一种采用加法模型(即基函数的线性组合)与前向分步算法并以决策树作为基函数的提升方法。即算法由多棵决策树组成,所有树的结论加起来形成最终答案;而xgboost回归算法是一种提升树模型,所以它是将许多树模型集成在一起,形成一个很强的分类器;而LSTM算法是神经网络算法,通过反向传播的方式来训练模型。以此训练出各机器学习算法对应的客流量预测模型。
本申请还提供了一种上述污水处理数据采集方法的应用,例如可以用于景区客流量预测分析。或者,本申请还提供了一种景区客流量预测分析方法,其采用上述污水处理数据采集方法,根据所采集的污水处理数据,判断景区客流量评估和增减趋势。
优选地,所述污水源自厕所,例如来自景区的厕所。
与现有技术相比,本发明的有益效果是:
1、本发明通过采集重量、流量、氨氮含量、液位量、悬浮物含量、ph等,能全方位的检定分析污水,并通过分析获取污水中的具体成分。
2、本发明通过获取的历史现场污水数据等,并通过对数据进行处理,以及通过机器学习模型来训练,进而在达到对污水进行处理分析的同时,还能准确的对景区客流量进行预测,实现基于景区厕所污水的数据监测的同时,对景区客流量进行准确且高效的监控监测。
附图说明
图1为本发明的采集处理流程图;
图2为本发明的模块框架图;
图3为本发明处理中心的模块框架图。
图中:1、现场数据采集监控装置;101、重量采集单元;102、单位流量采集单元;103、氨氮含量检定单元;104、污水液位检定单元;105、悬浮物含量检定单元;2、服务器;3、处理中心;301、特征信息构建模块;302、机器学习模型模块;303、预测分析模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-3,本发明提供一种技术方案:一种污水处理数据采集方法,包括如下步骤:
S1:在每个景区污水处理现场布置现场数据采集监控装置1以及以太网,并通过以太网将每一现场数据采集监控装置1与服务器2通讯连接;
S2:现场数据采集监控装置1采集污水处理现场的现场污水数据并将该数据上传至服务器2,且现场污水数据包括重量、流量、氨氮含量、液位量、悬浮物含量;
S3:服务器2接收每一现场数据采集监控装置1采集的数据信息,并对数据信息进行处理、统计和分析后上传至处理中心3;
S4:处理中心3获取数据信息并对数据信息进行处理、提取以及生成预测模型;
S5:对预测模型的预测效果进行评估,并根据评估结果选择出最终的预测模型,并基于预设的权重向量以及最终的预测模型进行污水流量以及景区客流量预测。
在本实施例中,现场数据采集监控装置1包括重量采集单元101、单位流量采集单元102、氨氮含量检定单元103、污水液位检定单元104与悬浮物含量检定单元105;S3中服务器2还用于接收处理中心3发送的控制指令,并将该控制指令发送至对应污水处理现场的现场数据采集监控装置1,由数据采集监控装置1根据指令控制重量采集单元101、单位流量采集单元102、氨氮含量检定单元103、污水液位检定单元104与悬浮物含量检定单元105。
在本实施例中,现场污水数据还包括污水ph,场数据采集监控装置1还包括ph计量单元。
在本实施例中,S3中服务器2对数据信息处理、统计和分析具体包括:
S31:数据预处理,数据预处理包括数据去重、数据清理与数据抽取融合,其中数据清理是对获得的数据信息进行清理,通过填充缺失值、光滑噪声和识别离群点等方式,纠正数据中的不一致,且在填充缺失值时,采取均值、中位数来填充;
S32:数据统计,数据统计是由于系统获取的数据来源多样,即存在代表同一概念的属性在不同数据源中可能会有不同的名字或单位,会导致不一致性和冗余,通过数据统计将不同数据统一集成并进行数据分析。
在本实施例中,服务器2还用于对现场数据采集监控装置1采集的数据进行分析,进而通过分析获取污水中的具体成分。
在本实施例中,S31中数据抽取融合包括:S31a:通过对处理后的数据进行抽取,并将抽取后的数据加入数据库;S31b:对数据库进行数据融合,数据融合过程包括张量化统一表示以及实体消歧、共指消解,并在知识融合后完成数据处理步骤,服务器2将数据处理后的数据信息上传至处理中心3。
在本实施例中,处理中心3具有特征信息构建模块301、机器学习模型模块302与预测分析模块303,S4中具体包括:
S41:特征信息构建模块301对经服务器2处理后的数据信息进行特征信息提取,并根据所提取的特征信息以及机器学习模型模块302预设的多种机器学习算法分别训练出各机器学习算法对应的预测模型,且预测模型包括污水流量预测模型与客流量预测模型;
S42:对各机器学习算法对应的预测模型的预测效果进行评估,并根据评估结果中选择预测效果较好的预测模型作为最终的预测模型;
S43:预测分析模块303基于预设的权重向量以及最终的预测模型进行景区客流量预测。
在本实施例中,S42中预测效果进行评估是采用将模型输出的预测值与历史实际值进行对比计算出偏差来进行预测效果评估的方法。
在本实施例中,机器学习算法包括但不限于:GBDT回归算法、随机森林算法、xgboost回归算法、LSTM算法。其中GBDT回归算法是一种采用加法模型即基函数的线性组合与前向分步算法并以决策树作为基函数的提升方法。即算法由多棵决策树组成,所有树的结论加起来形成最终答案;而xgboost回归算法是一种提升树模型,所以它是将许多树模型集成在一起,形成一个很强的分类器;而LSTM算法是神经网络算法,通过反向传播的方式来训练模型。以此训练出各机器学习算法对应的客流量预测模型。
目前景区客流量的预测主要通过门票、监控等手段,但是由于购买门票不代表进入景区,因此门票不能显示真正的客流量,而且对于免费景区无法采用门票进行预测。监控手段进行预测和评估,需要大量摄像头,一方面影响隐私,再者成本过高。本申请上述污水处理数据采集方法可以应用于景区客流量预测分析,即通过获取的历史现场污水数据(重量、流量、氨氮含量、液位量、悬浮物含量)等,并通过对数据进行处理,以及通过机器学习模型来训练,进而在达到对污水进行处理分析的同时,准确的对景区客流量进行预测。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
以上对本发明的具体实施例进行了详细描述,但其只是作为范例,本发明并不限制于以上描述的具体实施例。对于本领域技术人员而言,任何对本发明进行的等同修改和替代也都在本发明的范畴之中。因此,在不脱离本发明的精神和范围下所作的均等变换和修改,都应涵盖在本发明的范围内。
Claims (7)
1.一种污水处理数据采集方法,其特征在于,包括如下步骤:
S1:在每个景区污水处理现场布置现场数据采集监控装置(1)以及以太网,并通过以太网将每一现场数据采集监控装置(1)与服务器(2)通讯连接;
S2:现场数据采集监控装置(1)采集污水处理现场的现场污水数据并将该数据上传至服务器(2),且现场污水数据包括重量、流量、氨氮含量、液位量、悬浮物含量;
S3:服务器(2)接收每一现场数据采集监控装置(1)采集的数据信息,并对数据信息进行处理、统计和分析后上传至处理中心(3);
S4:处理中心(3)获取数据信息并对数据信息进行处理、提取以及生成预测模型;
S5:对预测模型的预测效果进行评估,并根据评估结果选择出最终的预测模型,并基于预设的权重向量以及最终的预测模型进行污水流量以及景区客流量预测。
2.根据权利要求1所述的一种污水处理数据采集方法,其特征在于,所述现场数据采集监控装置(1)包括重量采集单元(101)、单位流量采集单元(102)、氨氮含量检定单元(103)、污水液位检定单元(104)与悬浮物含量检定单元(105);S3中服务器(2)还用于接收处理中心(3)发送的控制指令,并将该控制指令发送至对应污水处理现场的现场数据采集监控装置(1),由数据采集监控装置(1)根据指令控制重量采集单元(101)、单位流量采集单元(102)、氨氮含量检定单元(103)、污水液位检定单元(104)与悬浮物含量检定单元(105)。
3.根据权利要求1所述的一种污水处理数据采集方法,其特征在于,所述S3中服务器(2)对数据信息处理、统计和分析具体包括:
S31:数据预处理,数据预处理包括数据去重、数据清理与数据抽取融合,其中数据清理是对获得的数据信息进行清理,通过填充缺失值、光滑噪声和识别离群点等方式,纠正数据中的不一致,且在填充缺失值时,采取均值、中位数来填充;
S32:数据统计,数据统计是由于系统获取的数据来源多样,即存在代表同一概念的属性在不同数据源中可能会有不同的名字或单位,会导致不一致性和冗余,通过数据统计将不同数据统一集成并进行数据分析。
4.根据权利要求3所述的一种污水处理数据采集方法,其特征在于,所述S31中数据抽取融合包括:
S31a:通过对处理后的数据进行抽取,并将抽取后的数据加入数据库;
S31b:对数据库进行数据融合,数据融合过程包括张量化统一表示以及实体消歧、共指消解,并在知识融合后完成数据处理步骤,服务器(2)将数据处理后的数据信息上传至处理中心(3)。
5.根据权利要求4所述的一种污水处理数据采集方法,其特征在于,所述处理中心(3)具有特征信息构建模块(301)、机器学习模型模块(302)与预测分析模块(303),S4中具体包括:
S41:特征信息构建模块(301)对经服务器(2)处理后的数据信息进行特征信息提取,并根据所提取的特征信息以及机器学习模型模块(302)预设的多种机器学习算法分别训练出各机器学习算法对应的预测模型,且预测模型包括污水流量预测模型与客流量预测模型;
S42:对各机器学习算法对应的预测模型的预测效果进行评估,并根据评估结果中选择预测效果较好的预测模型作为最终的预测模型;
S43:预测分析模块(303)基于预设的权重向量以及最终的预测模型进行景区客流量预测。
6.根据权利要求5所述的一种污水处理数据采集方法,其特征在于,所述机器学习算法包括但不限于:GBDT回归算法、随机森林算法、xgboost回归算法、LSTM算法。
7.一种污水处理数据采集方法的应用,其特征在于,该污水处理数据采集方法应用于景区客流量预测分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105697.0A CN112465183A (zh) | 2020-10-15 | 2020-10-15 | 一种污水处理数据采集方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011105697.0A CN112465183A (zh) | 2020-10-15 | 2020-10-15 | 一种污水处理数据采集方法及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112465183A true CN112465183A (zh) | 2021-03-09 |
Family
ID=74833839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011105697.0A Pending CN112465183A (zh) | 2020-10-15 | 2020-10-15 | 一种污水处理数据采集方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465183A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205910576U (zh) * | 2016-08-04 | 2017-01-25 | 山东普民环保科技有限公司 | 一种远程监控平台污水处理监管系统 |
CN107741738A (zh) * | 2017-10-20 | 2018-02-27 | 重庆华绿环保科技发展有限责任公司 | 一种污水处理过程监控智能预警云系统及污水处理监测预警方法 |
KR101864286B1 (ko) * | 2017-11-10 | 2018-07-04 | 주식회사 한컴엠디에스 | 머신 러닝 알고리즘을 이용하는 방법 및 장치 |
CN110443314A (zh) * | 2019-08-08 | 2019-11-12 | 中国工商银行股份有限公司 | 基于机器学习的景区客流量预测方法及装置 |
-
2020
- 2020-10-15 CN CN202011105697.0A patent/CN112465183A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205910576U (zh) * | 2016-08-04 | 2017-01-25 | 山东普民环保科技有限公司 | 一种远程监控平台污水处理监管系统 |
CN107741738A (zh) * | 2017-10-20 | 2018-02-27 | 重庆华绿环保科技发展有限责任公司 | 一种污水处理过程监控智能预警云系统及污水处理监测预警方法 |
KR101864286B1 (ko) * | 2017-11-10 | 2018-07-04 | 주식회사 한컴엠디에스 | 머신 러닝 알고리즘을 이용하는 방법 및 장치 |
CN110443314A (zh) * | 2019-08-08 | 2019-11-12 | 中国工商银行股份有限公司 | 基于机器学习的景区客流量预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
王伟 等: "中山陵园景区水污染治理现状分析", 污染防治技术, vol. 30, no. 01, pages 41 - 45 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107741738A (zh) | 一种污水处理过程监控智能预警云系统及污水处理监测预警方法 | |
CN102629904B (zh) | 一种网络水军的探测与判定方法 | |
CN111597204A (zh) | 一种基于ai技术的智慧运维知识分析方法 | |
CN105424395A (zh) | 设备故障的确定方法和装置 | |
KR20090078501A (ko) | 인공 신경망에 의한 하수처리장의 유입 유량 및 유입 성분농도의 예측 방법 및 장치 | |
Liu et al. | Smart environment design planning for smart city based on deep learning | |
CN203101366U (zh) | 用于供水网络的在线水质检测装置和在线水质监控系统 | |
CN107703826A (zh) | 污水处理过程监管系统 | |
CN107918629A (zh) | 一种告警故障的关联方法和装置 | |
CN103034207A (zh) | 一种基础设施健康监测系统及其实施过程 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN116216819A (zh) | 智慧水务数据分析管理系统及方法 | |
CN112785342A (zh) | 房地产动态估值方法及装置 | |
CN117370919B (zh) | 污水处理设备远程监控系统 | |
CN112465183A (zh) | 一种污水处理数据采集方法及其应用 | |
CN112903946A (zh) | 一种新型零星工业废水收集水质检测预警方法 | |
CN117371610A (zh) | 一种碳排放量监测方法及系统 | |
CN117474523A (zh) | 一种智能污水处理厂的管理方法 | |
CN116770930A (zh) | 一种用于模块化建筑的集成式污水排放系统 | |
CN116681281A (zh) | 一种基于情景感知的突发公共卫生事件采集系统及方法 | |
CN116448234A (zh) | 一种电力变压器运行状态声纹监测方法及系统 | |
Tripathi et al. | Cloud Based Sewerage Monitoring and Predictive Maintenance Using Machine Learning | |
CN209944684U (zh) | 一种智能公厕的环境监控系统 | |
CN113376160A (zh) | 一种扫地机器人针对动物排泄物的识别及处理方法和装置 | |
CN117391374B (zh) | 一种基于物联网技术的智慧水务监管方法及系统 |
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 |
Address after: Room 305, building 9, Lane 615, Guoquan North Road, Baoshan District, Shanghai 200439 Applicant after: Guohuan Electric Technology (Shanghai) Co.,Ltd. Address before: Room 4090, 545-551, Jipu Road, Baoshan District, Shanghai, 200439 Applicant before: Shanghai qilao Technology Development Co.,Ltd. |
|
CB02 | Change of applicant information |