CN112529323A - 用于监测区域水质的优化布点方法、系统及存储介质 - Google Patents
用于监测区域水质的优化布点方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112529323A CN112529323A CN202011508549.3A CN202011508549A CN112529323A CN 112529323 A CN112529323 A CN 112529323A CN 202011508549 A CN202011508549 A CN 202011508549A CN 112529323 A CN112529323 A CN 112529323A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- monitoring
- data
- internal
- generating
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 431
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 title claims abstract description 15
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 239000013598 vector Substances 0.000 claims abstract description 94
- 238000012806 monitoring device Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000003911 water pollution Methods 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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种用于监测区域水质的优化布点方法、系统及存储介质,其属于智慧水利领域,其中方法包括获取若干监测设备的监测数据,监测设备具有各自对应的设备编号;随机生成参考监测数据;根据参考监测数据和预设的监测数据半径,生成监测数据范围;获取位于监测数据范围内的内部监测数据,并生成内部监测数据个数;以参考监测数据为向量起点,以内部监测数据为向量终点,生成监测数据向量;将监测数据向量相加后除以内部监测数据个数,生成偏移向量;判断偏移向量是否满足预设的最优条件;若不满足最优条件,则根据偏移向量,更新参考监测数据;若满足最优条件,生成最优设备编号。本申请具有优化水质监测点布局的效果。
Description
技术领域
本申请涉及智慧水利的领域,尤其是涉及一种用于监测区域水质的优化布点方法、系统及存储介质。
背景技术
水资源是国家的重要资源,人们的日常生产生活都离不开水,水质的好坏影响着人们生活的方方面面。近年来,随着人们环保意识的不断提高,以及政府水污染治理工作的力度逐年加强,对水质的监测工作要求也越来越高。
国家针对水质采样及监测颁布过若干规定和标准,常见的针对河流水质监测根据排污口设置四种断面:对照断面、控制断面、消减断面和清洁断面。针对水质采样点的定位,则常根据水面宽度来设置多条垂线:若水面宽小于50米,则在水体中心设置一条垂线;若水面宽度在50米到100米之间,则靠近左右两岸有明显水流处设置各设置一条垂线;若水面宽度大于100米,则在中心和靠近左右两岸处均设有一条垂线,之后再根据水深来确定每条垂线上的采样点,
上述中的相关技术存在以下缺陷:在实际布点时,人们只是在遵循基本原则的基础上随意地进行选取,这些基本原则仅能使得采集的监测数据表面上具有意义,但不能确保在所有情况下均为最优,某些采样点监测得到的采样数据不具有该区域的典型特征,对之后的水质研究存在误导。
发明内容
为了使得采样得到的数据能具有代表性,本申请提供一种用于监测区域水质的优化布点方法、系统及存储介质。
第一方面,本申请提供一种用于监测区域水质的优化布点方法,采用如下的技术方案:
一种用于监测区域水质的优化布点方法,包括:
获取若干监测设备的监测数据,所述监测设备具有各自对应的设备编号,且所述监测设备均位于根据基本原则预设的同一监测区域内,所述监测数据由若干监测数据项组成;
随机生成参考监测数据,所述参考监测数据由若干参考数据项组成,所述参考数据项与所述监测数据项一一对应;
根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,所述监测数据范围内存在所述监测数据;
获取内部监测数据,所述内部监测数据为位于所述监测数据范围内的监测数据,并计算所述内部监测数据的个数,生成内部监测数据个数;
以所述参考监测数据为向量起点,以所述内部监测数据为向量终点,生成监测数据向量;
将所述监测数据向量相加后除以所述内部监测数据个数,生成偏移向量;
判断所述偏移向量是否满足预设的最优条件;若所述偏移向量不满足预设的最优条件,则根据所述偏移向量,更新所述参考监测数据;
若所述偏移向量满足预设的最优条件,则根据当前所述监测数据范围内的内部监测数据,生成最优设备编号。
通过采用上述技术方案,使得随机生成的参考监测数据按照偏移向量的方向进行移动,由于偏移向量是由中心区域内的各个监测数据点得到的,因此能使得参考监测数据向监测数据密度更大的方向移动,其范围能够覆盖更多的监测数据,将最后得到的覆盖最多监测数据的中心作为最优布点,其附近的监测数据所代表的设备编号为选取的最优设备。针对当前的监测区域,该最优设备既满足设立的基本原则,其采样得到的数据又具有代表性,为一种监测水质的优选布局方案。
可选的,预设的所述监测数据半径与所述参考监测数据的所述参考数据项一一对应;
所述根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,具体包括:
获取与所述参考监测数据的参考数据项对应预设的监测数据半径;
在所述参考数据项的基础上加减所述监测数据半径,生成所述监测数据范围,所述监测数据范围与所述参考数据项一一对应。
通过采用上述技术方案,根据监测数据各个监测数据项的实际情况,以及监测数据项本身的大小,为各个数据项设立了不同的监测数据半径,使得生成的监测数据范围更符合实际情况。
可选的,所述根据当前所述监测数据范围内的内部监测数据,生成最优设备编号具体包括:
将所述内部监测数据定义为特征监测数据;
获取所述特征监测数据对应的监测设备的设备编号;
计算所述设备编号的出现次数,并将所述出现次数最多的设备编号定义为最优设备编号。
通过采用上述技术方案,得到最优的参考监测数据之后,在该参考监测数据范围内,将出现次数最多的监测数据代表的设备编号作为最优设备编号,既减小了计算的复杂度,又能保证该设备编号采集到的监测数据具有代表性。
可选的,所述根据内部监测数据,生成特征监测数据具体包括:
根据预设的拒绝概率,随机生成选择标识,所述选择标识为“是”和“否”两种状态标识中的一种;
若所述选择标识为“是”,则将当前所述内部监测数据定义为特征监测数据;若所述选择标识为“否”,则将所述监测数据添加到预设为空的备用监测数据表中,所述备用监测数据表用于记录暂不被接收的内部监测数据;
随机更新偏移向量;根据所述偏移向量,更新所述参考监测数据,直至生成特征监测数据;
计算所述特征监测数据的个数,以及位于所述备用监测数据表中的每组内部监测数据的个数;
判断所述特征监测数据的个数是否小于每组所述内部监测数据的个数;
若所述特征监测数据的个数小于某一组所述内部监测数据的个数,则用所述内部监测数据更新所述特征监测数据。
通过采用上述技术方案,使得参考监测数据能够以一定的概率接受较差的数据,避免当前参考监测数据陷入局部最小值,使得根据该参考监测数据生成的最优设备,能覆盖尽可能多的监测数据。
可选的,所述若所述选择标识为“否”之后还包括:
将所述拒绝概率带入预设的修正函数,所述修正函数用于在所述拒绝概率被使用后,将所述拒绝概率减小。
通过采用上述技术方案,在针对同一组监测数据的循环中,拒绝概率随着使用次数的增大而减小,即接受较差数据的可能性越来越小,从而在尽可能避免陷入局部最小值的前提下,减小不必要的计算,提高计算效率。
可选的,所述获取若干监测设备的监测数据具体包括:
获取若干监测设备的原始数据,所述原始数据包括天气信息和若干组监测数据,一种所述天气信息与一组所述监测数据对应,每组所述监测数据包括若干监测设备的监测数据;
以天气信息为循环特征,依次选取各组所述监测数据;
所述生成最优设备编号之后还包括:
将所述最优设备编号与所述天气信息关联,生成天气设备关联表。
通过采用上述技术方案,由于在不同天气情况下,水流、环境等因素会发生变化,因此最优设备也可能发生变化,将天气信息与不同组监测数据的最优设备关联,生成天气设备关联表,为不同的天气匹配不同的最优设备。
可选的,所述方法还包括:
获取所述监测设备所属的地理区域;
获取所述地理区域的天气预报,所述天气预报包括未来的天气信息;
将所述天气预报,与所述天气设备关联表中的天气信息比对匹配,生成对应的最优设备编号;
生成设备开启指令给所述最优设备编号对应的监测设备终端,以开启对应的监测设备。
通过采用上述技术方案,根据天气预报预测未来的天气信息,并且根据由历史数据得到的天气设备关联表,开启最优的监测设备来采集数据,保持监测数据的有效性。
第二方面,本申请提供一种用于监测区域水质的优化布点系统,采用如下的技术方案:
一种用于监测区域水质的优化布点系统,包括:
数据获取模块,用于获取若干监测设备的监测数据,所述监测设备具有各自对应的设备编号,且所述监测设备均位于根据基本原则预设的同一监测区域内,所述监测数据由若干监测数据项组成;
初步处理模块,用于随机生成参考监测数据,所述参考监测数据由若干参考数据项组成,所述参考数据项与所述监测数据项一一对应;根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,所述监测数据范围内存在所述监测数据;
向量生成模块,用于获取内部监测数据,所述内部监测数据为位于所述监测数据范围内的监测数据,并计算所述内部监测数据的个数,生成内部监测数据个数;以所述参考监测数据为向量起点,以所述内部监测数据为向量终点,生成监测数据向量;将所述监测数据向量相加后除以所述内部监测数据个数,生成偏移向量;
最优生成模块,用于判断所述偏移向量是否满足预设的最优条件;若所述偏移向量不满足预设的最优条件,则根据所述偏移向量,更新所述参考监测数据;若所述偏移向量满足预设的最优条件,则根据当前所述监测数据范围内的内部监测数据,生成最优设备编号
通过采用上述技术方案,通过计算参考监测数据与普通监测数据之间的向量,生成偏移向量,使得参考监测数据不断地根据偏移向量进行更新,从而使得监测数据范围能够包括尽可能多的监测数据,将最后生成的参考监测数据作为最优点,优化监测设备的布局,使得采集到的数据更具有代表性。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
通过采用上述技术方案,使得参考监测数据不断向密度高的方向移动,使得采集到的监测数据具有代表性。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
通过采用上述技术方案,能够寻找到覆盖最多监测数据的参考监测数据,并根据跟参考监测数据确定最优设备,优化监测点的布局。
综上所述,本申请包括以下至少一种有益技术效果:
1.将各监测数据与参考监测数据之间的平均向量为位移依据,使得参考监测数据不断地向能覆盖更多监测数据的方向移动,将参考监测数据作为最优点,选取最优设备,使得该设备采集到的监测数据具有代表性,优化了监测点的布局;
2.允许参考监测数据以一定的概率向效果较差的方向移动,减小最优点为局部最优解的可能性,提高了计算的可靠性。
附图说明
图1是本申请实施例的用于监测区域水质的优化布点方法的流程示意图。
图2是本申请实施例的S800之后用于减小最优设备编号为局部最优解的可能性的流程示意图。
图3是本申请实施例的用于根据天气信息开启不同监测设备的流程示意图。
图4是本申请实施例的用于监测区域水质的优化布点系统的结构框图。
附图标记说明:1、数据获取模块;2、初次处理模块;3、向量生成模块;4、最优生成模块;5、随机修正模块;6、预测开启模块。
具体实施方式
以下结合附图1-4对本申请作进一步详细说明。
本申请实施例公开一种用于监测区域水质的优化布点方法。参照图1,用于监测区域水质的优化布点方法包括:
S100:获取若干监测设备的原始数据。
其中,若干监测设备均位于根据基本原则预设的同一监测区域内,例如当水面宽度在50米到100米之间时,基本原则中仅要求监测设备位于河流左岸和右岸有明显水流处,满足该基本原则的区域均属于同一监测区域。每台监测设备均具有一个设备编号。
原始数据为监测设备采集到的数据,包括监测数据和天气信息。天气信息包括温度、湿度、风力等衡量指标,不同的衡量指标范围对应不同的天气情况,一种天气信息对应一组监测数据,每组监测数据表示在该天气下,位于同一监测区域内的若干监测设备采集到的所有监测数据。例如,温度在T1到T2之间,湿度为W1到W2之间,风力为I级的天气信息对应有一组监测数据;温度在T2到T3之间,湿度为W1到W2之间,风力为I级的天气信息对应有另一组监测数据。
S200:从原始数据中获取监测数据。
其中,每条监测数据以向量的形式表示,每条监测数据包括若干监测数据项,监测数据项可依次为水质温度、浊度、酸碱度、各种有毒物质含量的具体数值。从原始数据中,依次获取每一组监测数据,每获取到一组监测数据,即进入S300。
S300:随机生成参考监测数据。
具体的,随机生成一个参考监测数据,参考监测数据由若干参考数据项组成,参考数据项与上述的监测数据项一一对应,即参考数据项与监测数据项具有相同的数值名称但数值的具体内容不同,每个参考数据项的具体数值均在对应监测数据项的最大值和最小值之间。
S400:根据参考监测数据,生成监测数据范围。
其中,每个参考监测数据的参考数据项均预设有对应的监测数据半径。将每个参考数据项与对应的监测数据半径相加得到上限,将每个参考数据项与对应的监测数据半径相减得到下限,根据计算得到的上限和下限形成监测数据范围。需要说明的是,由于监测数据范围是由每个参考数据项在自身基础上加上和减去监测数据半径生成,因此监测数据范围也与参考数据项一一对应。
S500:根据监测数据和监测数据范围,生成内部监测数据。
具体的,依次获取所有的监测数据,并在获取每条监测数据时,依次判断该监测数据的监测数据项是否在对应的监测数据范围内,若某一条监测数据的监测数据项均在对应的监测数据范围内,则将该监测数据定义为内部监测数据。若不存在内部监测数据,则返回S300重新生成参考监测数据,在重新生成参考监测数据后,继续进入S400生成监测数据范围,直到S500中能够生成内部监测数据。
S600:根据内部监测数据和参考监测数据,生成监测数据向量。
其中,参考监测数据为监测数据向量的起点,各个内部监测数据为监测数据向量的终点。
S700:根据监测数据向量,生成偏移向量。
具体的,首先计算内部监测数据的个数,生成内部监测数据个数,由于监测数据向量是根据内部监测数据一一生成的,因此监测数据向量的个数与内部监测数据个数相等。随后将所有的监测数据向量相加,得到总监测数据向量,最后用总监测数据向量除以内部监测数据个数,生成平均监测数据向量,即偏移向量。
S800:判断偏移向量是否满足预设的偏移更新条件。
其中,满足偏移更新条件具体为偏移向量中的每个坐标值均小于等于对应预设的偏移阈值,例如若偏移向量为,a1对应的偏移阈值为b1,a2对应的偏移阈值为b2,a3对应的偏移阈值为b3,……,ai对应的偏移阈值为bi,当同时满足a1≤b1、a2≤b2、a3≤b3、……、ai≤bi,则为满足偏移更新条件。若偏移向量中某一坐标值大于对应预设的偏移阈值,则将参考监测数据与偏移向量相加,生成新的参考监测数据,并返回S400,根据新的参考监测数据,生成监测数据范围;若偏移向量中所有的坐标值均小于等于对应预设的偏移阈值,则将当前参考监测数据作为最优解。
为了减小最后生成的参数监测数据仅为局部最优解的可能性,参照图2,S800判断偏移向量满足预设的偏移更新条件之后还包括:
S11:随机生成选择标识。
具体的,根据系统预设的拒绝概率n,0≤n≤1,生成一种选择标识。选择标识为一个虚拟标识,有“是”和“否”两种状态,其中,选择标识为“否”的概率为拒绝概率n,选择标识为“是”的概率为(1-n)。
S12:判断选择标识是否为“否”。
具体的,若所述选择标识为“否”,则将拒绝概率n带入预设的修正函数中,对拒绝概率n进行更新,再跳转至S13,例如预设的修正函数可为,预设的拒绝概率n=0.8,则计算得到y=0.4,根据计算结果y更新拒绝概率n,使得n=0.4;若所述选择标识为“是”,则跳转至S15。
S13:更新备用监测数据表。
具体的,将当前的内部监测数据添加到备用监测数据表中,其中,备用监测数据表预设为空,备用监测数据表用于在选择标识为“否”时,记录当前循环内的内部监测数据,根据S13执行的次数,备用检测数据可以记录多组不同的内部监测数据。
S14:随机更新偏移向量。
具体的,随机将偏移向量进行更新,偏移向量的各个坐标值均位于预设的临时阈值内,临时阈值与监测数据项一一对应,将当前的参考监测数据与随机生成的偏移向量相加,生成新的参考监测数据,并跳至S400,将新的参考监测数据为起点,重新寻找最优的参考监测数据。
S15:将当前的内部监测数据定义为特征监测数据。
S16:判断特征监测数据的个数是否小于备用监测数据表中的每组内部监测数据的内部监测数据个数。
具体的,计算备用监测数据表中每组内部监测数据的内部监测数据个数,并且计算特征监测数据的个数,将特征监测数据的个数逐一与各内部监测项数据个数进行对比,对比完成后将备用监测数据表清空。
若特征监测数据的个数大于等于备用监测数据中每一组内部监测数据的内部监测数据个数,则直接跳转至S17,若特征监测数据的个数小于备用监测数据中某一组内部监测数据的内部监测数据个数,则将特征监测数据替换为该组内部监测数据,对特征监测数据进行更新后,维持在S16中进行下一组内部监测数据的个数的判断。
S17:获取特征监测数据对应的设备编号。
其中,每条特征监测数据均是由一台监测设备采集获取的,每台监测设备对应有一个设备编号。
S18:统计设备编号,生成最优设备编号。
具体的,计算每个设备编号对应的出现次数,将出现次数最大的一个设备编号定义为最优设备编号,通过循环运算,S100中的每一组监测数据均对应有一个最优设备编号。
S19:根据最优设备编号,生成天气设备关联表。
具体的,在完成所有的循环运算后,根据每一组监测数据对应的天气信息,以及最优设备编号,记录生成天气设备关联表,天气设备关联表用于表示在某一天气情况下,最优监测设备的设备编号。
为了能根据天气情况使用不同的监测设备采集数据,结合图3,方法还包括:
S21:获取监测设备的地理区域。
具体的,先获取S100中的监测设备所在的监测区域,再获取该监测区域所属的地理区域。
S22:获取地理区域的天气预报。
具体的,根据该地理区域所属的气象台,获取对应的天气预报,天气预报中包括未来一段时间的天气信息。
S23:根据天气设备关联表和天气预报,生成设备开启指令。
具体的,当获取到的天气信息与当前的天气信息不同时,代表天气情况即将发生变化,将获取到的天气信息带入天气设备关联表中,寻找匹配的最优设备编号。判断寻找到的最优设备编号是否与当前的最优设备编号相同,若寻找到的最优设备编号与当前的最优设备编号相同,则系统无响应;若寻找到的最优设备编号与当前的最优设备编号不同,则生成设备开启指令发送给最优设备编号对应的监测设备终端。
实施原理:在同一监测区域内设有若干监测设备,根据这些监测设备采集到的监测数据,随机生成参考监测数据,并根据预设的监测数据半径生成监测数据范围,根据监测数据范围内的内部监测数据,生成偏移向量,并根据偏移向量不断地参考监测数据进行调整,直至再需要调整的值足够小,将此时参考监测数据周边的监测数据进行统计,搜索生成对应出现次数最多的设备编号,并将其定义为此天气信息下的最优设备编号。由于该设备编号出现的次数最多,最为集中,因此认为该设备编号对应的监测设备采集到的数据是此天气情况下最具有代表性的数据,优化了监测点的布点。
基于上述方法,本申请实施例还公开一种用于监测区域水质的优化布点系统。参照图4,用于监测区域水质的优化布点系统包括数据获取模块1、初次处理模块2、向量生成模块3、最优生成模块4、随机修正模块5和预测开启模块6。
数据获取模块1,用于获取监测设备的原始数据,原始数据包括监测数据和天气信息,天气信息和监测数据一一对应。
初次处理模块2,用于随机生成参考监测数据,根据参考监测数据和预设的监测数据半径,生成监测数据范围。
向量生成模块3,用于获取监测数据范围内的内部监测数据,根据内部监测数据的平均监测数据向量生成偏移向量,将参考监测数据与偏移向量相加,不断地对参考监测数据进行更新,并且根据新生成的参考监测数据更新监测数据范围,从而得到新的偏移向量。
最优生成模块4,用于判断偏移向量的各个坐标值是否满足预设的最优条件,若判断偏移向量的各个坐标值不满足预设的最优条件,则返回向量生成模块不断进行更新。
随机修正模块5,用于在生成最优设备编号之前,先将当前的内部监测数据记录在备用监测数据表中,随机生成偏移向量,并对随机的概率进行更新。根据偏移向量,更新参考监测数据,最后将该参考监测数据生成的特征检测数据与备用数据表中的数据进行比较,择个数较多的数据生成最优设备编号,并更新天气设备关联表。
预测开启模块6,用于获取监测区域的天气预报,根据天气设备关联表获取最优设备编号,并且根据最优设备编号开启最优设备,关闭其他设备。
本申请实施例还公开一种智能终端,智能终端包括存储器和处理器,存储器上存储有能够被处理器加载并执行如上述的用于监测区域水质的优化布点方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述的用于监测区域水质的优化布点方法的计算机程序,该计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所要保护的范围。
Claims (10)
1.一种用于监测区域水质的优化布点方法,其特征在于,包括:
获取若干监测设备的监测数据,所述监测设备具有各自对应的设备编号,且所述监测设备均位于根据基本原则预设的同一监测区域内,所述监测数据由若干监测数据项组成;
随机生成参考监测数据,所述参考监测数据由若干参考数据项组成,所述参考数据项与所述监测数据项一一对应;
根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,所述监测数据范围内存在所述监测数据;
获取内部监测数据,所述内部监测数据为位于所述监测数据范围内的监测数据,并计算所述内部监测数据的个数,生成内部监测数据个数;
以所述参考监测数据为向量起点,以所述内部监测数据为向量终点,生成监测数据向量;
将所述监测数据向量相加后除以所述内部监测数据个数,生成偏移向量;
判断所述偏移向量是否满足预设的最优条件;若所述偏移向量不满足预设的最优条件,则根据所述偏移向量,更新所述参考监测数据;
若所述偏移向量满足预设的最优条件,则根据当前所述监测数据范围内的内部监测数据,生成最优设备编号。
2.根据权利要求1所述的用于监测区域水质的优化布点方法,其特征在于, 预设的所述监测数据半径与所述参考监测数据的所述参考数据项一一对应;
所述根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,具体包括:
获取与所述参考监测数据的参考数据项对应预设的监测数据半径;
在所述参考数据项的基础上加减所述监测数据半径,生成所述监测数据范围,所述监测数据范围与所述参考数据项一一对应。
3.根据权利要求1所述的用于监测区域水质的优化布点方法,其特征在于,所述根据当前所述监测数据范围内的内部监测数据,生成最优设备编号具体包括:
根据所述内部监测数据,生成特征监测数据;
获取所述特征监测数据对应的监测设备的设备编号;
计算各所述设备编号的出现次数,并将所述出现次数最多的设备编号定义为最优设备编号。
4.根据权利要求3所述的用于监测区域水质的优化布点方法,其特征在于,所述根据内部监测数据,生成特征监测数据具体包括:
根据预设的拒绝概率,随机生成选择标识,所述选择标识为“是”和“否”两种状态标识中的一种;
若所述选择标识为“是”,则将当前所述内部监测数据定义为特征监测数据;若所述选择标识为“否”,则将所述内部监测数据添加到预设为空的备用监测数据表中,所述备用监测数据表用于记录暂不被接收的内部监测数据;
随机更新偏移向量;根据所述偏移向量,更新所述参考监测数据,直至生成特征监测数据;
计算所述特征监测数据的个数,以及位于所述备用监测数据表中的每组内部监测数据的个数;
判断所述特征监测数据的个数是否小于每组所述内部监测数据的个数;
若所述特征监测数据的个数小于某一组所述内部监测数据的个数,则用所述内部监测数据更新所述特征监测数据。
5.根据权利要求4所述的用于监测区域水质的优化布点方法,其特征在于,所述若所述选择标识为“否”之后还包括:
将所述拒绝概率带入预设的修正函数中,所述修正函数用于在所述拒绝概率被使用后,将所述拒绝概率减小。
6.根据权利要求1所述的用于监测区域水质的优化布点方法,其特征在于,所述获取若干监测设备的监测数据具体包括:
获取若干监测设备的原始数据,所述原始数据包括天气信息和若干组监测数据,一种所述天气信息与一组所述监测数据对应,每组所述监测数据包括若干监测设备的监测数据;
以天气信息为循环特征,依次选取各组所述监测数据;
所述生成最优设备编号之后还包括:
将所述最优设备编号与所述天气信息关联,生成天气设备关联表。
7.根据权利要求1所述的用于监测区域水质的优化布点方法,其特征在于,所述方法还包括:
获取所述监测设备所属的地理区域;
获取所述地理区域的天气预报,所述天气预报包括未来的天气信息;
将所述天气预报,与所述天气设备关联表中的天气信息比对匹配,生成对应的最优设备编号;
生成设备开启指令给所述最优设备编号对应的监测设备终端,以开启对应的监测设备。
8.一种用于监测区域水质的优化布点系统,其特征在于,包括,
数据获取模块(1),用于获取若干监测设备的监测数据,所述监测设备具有各自对应的设备编号,且所述监测设备均位于根据基本原则预设的同一监测区域内,所述监测数据由若干监测数据项组成;
初步处理模块(2),用于随机生成参考监测数据,所述参考监测数据由若干参考数据项组成,所述参考数据项与所述监测数据项一一对应;根据所述参考监测数据和预设的监测数据半径,生成监测数据范围,所述监测数据范围内存在所述监测数据;
向量生成模块(3),用于获取内部监测数据,所述内部监测数据为位于所述监测数据范围内的监测数据,并计算所述内部监测数据的个数,生成内部监测数据个数;以所述参考监测数据为向量起点,以所述内部监测数据为向量终点,生成监测数据向量;将所述监测数据向量相加后除以所述内部监测数据个数,生成偏移向量;
最优生成模块(4),用于判断所述偏移向量是否满足预设的最优条件;若所述偏移向量不满足预设的最优条件,则根据所述偏移向量,更新所述参考监测数据;若所述偏移向量满足预设的最优条件,则根据当前所述监测数据范围内的内部监测数据,生成最优设备编号。
9.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508549.3A CN112529323B (zh) | 2020-12-18 | 2020-12-18 | 用于监测区域水质的优化布点方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011508549.3A CN112529323B (zh) | 2020-12-18 | 2020-12-18 | 用于监测区域水质的优化布点方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529323A true CN112529323A (zh) | 2021-03-19 |
CN112529323B CN112529323B (zh) | 2024-03-26 |
Family
ID=75001597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011508549.3A Active CN112529323B (zh) | 2020-12-18 | 2020-12-18 | 用于监测区域水质的优化布点方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529323B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218499A1 (en) * | 2010-07-27 | 2013-08-22 | Thales | Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area |
CN109655107A (zh) * | 2018-12-25 | 2019-04-19 | 深圳市元征科技股份有限公司 | 空气质量监测方法、装置、车辆及计算机可读存储介质 |
-
2020
- 2020-12-18 CN CN202011508549.3A patent/CN112529323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218499A1 (en) * | 2010-07-27 | 2013-08-22 | Thales | Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area |
CN109655107A (zh) * | 2018-12-25 | 2019-04-19 | 深圳市元征科技股份有限公司 | 空气质量监测方法、装置、车辆及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
SUPRIYA R. KHAIRE ET AL.: "Water Quality Data Analysis and Monitoring System in IoT Environment", 《IEEE XPLORE》 * |
曾雁湘 等: "湖泊水质监测布点优化模型的研究与应用", 中国环境监测, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN112529323B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800898A (zh) | 一种智能短期负荷预测方法及系统 | |
KR101173823B1 (ko) | 공동주택의 에너지 사용량 예측 시스템 및 방법 | |
CN101442762A (zh) | 网络性能分析以及网络故障定位方法和装置 | |
CN103425564B (zh) | 一种智能手机软件使用预测方法 | |
CN110717619A (zh) | 一种自下而上配电网多尺度时空负荷预测方法及系统 | |
CN113377966B (zh) | 一种基于知识图谱的水利工程调度规程推理方法 | |
CN112836911A (zh) | 小区节能参数的确定方法、装置、电子设备及存储介质 | |
CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
CN110555058A (zh) | 基于改进决策树的电力通信设备状态的预测方法 | |
CN111415035A (zh) | 一种预估建筑功能户型比的方法及装置 | |
CN112784491A (zh) | 一种基于lstm与iqpso面向高弹性电网的城市充电网点规划方法 | |
CN112884008A (zh) | 一种电力信息采集系统运行状态的预测评估方法及装置 | |
CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
CN109040257A (zh) | 一种基于大数据平台的水电站智能报警系统 | |
CN110135652B (zh) | 一种长期汛期径流预测方法 | |
CN112529323B (zh) | 用于监测区域水质的优化布点方法、系统及存储介质 | |
CN113934967A (zh) | 煤炭样品的智能化存储查样反馈监管系统 | |
CN116993227B (zh) | 一种基于人工智能的供热分析评估方法、系统及存储介质 | |
CN115986945B (zh) | 一种基于工业互联网的电力设备监测方法、设备及介质 | |
CN112766599A (zh) | 一种基于深度强化学习的智能运维方法 | |
CN113806899B (zh) | 一种配电网拓扑关系的识别方法、装置及移动终端 | |
CN113191740A (zh) | 一种计量资产管理系统 | |
CN102547765B (zh) | 一种异系统邻区自动规划方法及其系统 | |
CN112036794A (zh) | 一种用于造价管控的工程物料入库方法、系统及装置 | |
CN117541019B (zh) | 一种梯级水库中长期鲁棒优化调度方法、系统及存储介质 |
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 |