CN113466424B - 一种智慧物联网的管道直饮水水质监控方法及系统 - Google Patents
一种智慧物联网的管道直饮水水质监控方法及系统 Download PDFInfo
- Publication number
- CN113466424B CN113466424B CN202110924862.3A CN202110924862A CN113466424B CN 113466424 B CN113466424 B CN 113466424B CN 202110924862 A CN202110924862 A CN 202110924862A CN 113466424 B CN113466424 B CN 113466424B
- Authority
- CN
- China
- Prior art keywords
- information
- water quality
- pipeline
- obtaining
- obtaining unit
- 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
Images
Classifications
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Water Treatment By Sorption (AREA)
Abstract
本发明公开了一种智慧物联网的管道直饮水水质监控方法及系统,所述方法包括:通过第一位置水质信息和第二位置水质信息,获得第一水质参数变化量;当所述第一水质参数变化量超过第一预定阈值时,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。解决了现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置的技术问题。达到了智能化快速、准确地确定水质异常直饮水管道,有效监控直饮水水质的技术效果。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种智慧物联网的管道直饮水水质监控方法及系统。
背景技术
随着人们生活需要饮用水的质量越来越高,健康的水源已经成为我国居民用水非常关注的问题。居民饮食用水的质量关乎到人们的身体健康及生活质量问题,提高我国人民身体健康以及直饮水的设备质量,有着重要的社会促进作用意义。
目前直饮水行业已经成为我国新兴的产业,为了促进人民安全可靠的饮水,我国对饮水质量的要求越来越高,尤其是对直饮水的净水设备的要求逐年增高,与此同时如何加强管道直饮水的监督和管理,确保整个管道直饮水水质安全,为居民提供便捷、新鲜、口感良好的直饮水也成为众多相关人士争相研究的问题。
本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置,导致无法有效排查、无法第一时间得出水质异常的原因并采取针对性的处理方法,进而导致直饮水水质不能完全达标,存在一定风险隐患的技术问题。
发明内容
有鉴于此,本申请实施例通过提供一种智慧物联网的管道直饮水水质监控方法及系统,所述方法包括:获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。解决了现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置,导致无法有效排查、无法第一时间得出水质异常的原因并采取针对性的处理方法,进而导致直饮水水质不能完全达标,存在一定风险隐患的技术问题。达到了智能化快速、准确地确定水质异常直饮水管道,进而第一时间对水质异常部位采取合理解决措施,最终有效提高直饮水水质合格率的技术效果。
鉴于上述问题,本申请实施例提供了一种智慧物联网的管道直饮水水质监控方法及系统。
第一方面,本申请提供了一种智慧物联网的管道直饮水水质监控方法,所述方法通过一种智慧物联网的管道直饮水水质监控系统实现,其中,所述方法包括:获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。
另一方面,本申请还提供了一种智慧物联网的管道直饮水水质监控系统,用于执行如第一方面所述的一种智慧物联网的管道直饮水水质监控方法,其中,所述系统包括:第一获得单元:所述第一获得单元用于获得第一位置水质信息,所述第一位置为直饮水入口位置;第二获得单元:所述第二获得单元用于获得第二位置水质信息,所述第二位置为直饮水管道第一节点;第三获得单元:所述第三获得单元用于根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;第一判断单元:所述第一判断单元用于判断所述第一水质参数变化量是否超出第一预定阈值;第四获得单元:所述第四获得单元用于当超过时,根据所述第一位置、第二位置,获得管道材质信息;第五获得单元:所述第五获得单元用于将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;第六获得单元:所述第六获得单元用于当所述第一分析结果满足第一预定条件时,获得第一预警信息。
第三方面,本申请实施例还提供了一种智慧物联网的管道直饮水水质监控系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。达到了智能化快速、准确地确定水质异常直饮水管道,进而第一时间对水质异常部位采取合理解决措施,最终有效提高直饮水水质合格率的技术效果。
2.通过成分分析神经网络模型,可以得到水质参数变化量和管道材质的关联信息,进而得出管道材质对水质参数变化的影响,准确甄别水质参数变化量大的质保,并对不满足预定要求的水质进行处理,保障各管道位置水质的同时保障了居民直饮水的安全,达到了通过个体化程度较高的监控措施,提高整体水质的技术效果。
3.通过智慧物联网构建的直饮水水质监控系统可快速对管道直饮水中的水质进行安全检测,智能化的对直饮水从入口到各个净化处理阶段、传输过程等所有环节水质质量进行管理,并对管道材质、管网设计、循环系统等存在安全隐患的环节发出提醒,达到了对直饮水完整净化传输过程动态追踪管理的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一种智慧物联网的管道直饮水水质监控方法的流程示意图;
图2为本申请实施例获得第一预警信息之后方法的流程示意图;
图3为本申请实施例所述判断所述第一相关性是否满足第四预定条件之后方法的流程示意图;
图4为本申请实施例所述将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果方法的流程示意图;
图5为本申请实施例一种智慧物联网的管道直饮水水质监控系统的结构示意图;
图6为本申请实施例示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第二获得单元12,第三获得单元13,第一判断单元14,第四获得单元15,第五获得单元16,第六获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种智慧物联网的管道直饮水水质监控方法及系统,解决了现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置,导致无法有效排查、无法第一时间得出水质异常的原因并采取针对性的处理方法,进而导致直饮水水质不能完全达标,存在一定风险隐患的技术问题。达到了智能化快速、准确地确定水质异常直饮水管道,进而第一时间对水质异常部位采取合理解决措施,最终有效提高直饮水水质合格率的技术效果。
下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
申请概述
随着人们生活需要饮用水的质量越来越高,健康的水源已经成为我国居民用水非常关注的问题。居民饮食用水的质量关乎到人们的身体健康及生活质量问题,提高我国人民身体健康以及直饮水的设备质量,有着重要的社会促进作用意义。
目前直饮水行业已经成为我国新兴的产业,为了促进人民安全可靠的饮水,我国对饮水质量的要求越来越高,尤其是对直饮水的净水设备的要求逐年增高,与此同时如何加强管道直饮水的监督和管理,确保整个管道直饮水水质安全,为居民提供便捷、新鲜、口感良好的直饮水也成为众多相关人士争相研究的问题。
现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置,导致无法有效排查、无法第一时间得出水质异常的原因并采取针对性的处理方法,进而导致直饮水水质不能完全达标,存在一定风险隐患的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种智慧物联网的管道直饮水水质监控方法,所述方法应用于一种智慧物联网的管道直饮水水质监控系统,其中,所述方法包括:获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1所示,本申请实施例提供了一种智慧物联网的管道直饮水水质监控方法,所述方法具体包括如下步骤:
步骤S100:获得第一位置水质信息,所述第一位置为直饮水入口位置;
具体而言,所述物联网是指通过信息传感设备,按约定的协议,将任何物体与网络相连接,物体通过信息传播媒介进行信息交换和通信,以实现智能化识别、定位、跟踪、监管等功能。所述智慧物联网即利用网络智能化管理所有与网络进行了连接的物体。所述管道直饮水即管道优质直接饮用水,是利用分质供水的方式在居住小区(酒店、写字楼)内设净水站,对自来水进行深度净化处理,并且采用管材设立独立循环式管网将净化后的优质水送到用户端中,供人们直接饮用。管道直饮水与网络连接,被智能监控,因此可随时随地调取管道所需部位的水质情况。
首先基于所述智慧物联网,通过监测器可以测试得到第一位置水质信息,所述第一位置为直饮水入口位置,第一位置水质信息即直饮水入口位置水质的情况,包括入口位置的水中的有机物含量、细菌含量、各类微量元素和矿物质的含量、PH值等所有相关信息。通过监测器监控测试入口位置直饮水的详细情况,可以得到直饮水在未经任何步骤净化处理前最初的水质信息。
步骤S200:获得第二位置水质信息,所述第二位置为直饮水管道第一节点;
具体而言,再次基于智慧物联网监测器对直饮水管道中第二位置的水质进行数据监测,其中所述第二位置为直饮水管道的第一节点,也即直饮水入口后经过的任意管道。通过监测器监控测试直饮水管道任意管道位置直饮水的详细情况,可以得到直饮水在经过对应管道净化处理后的水质信息。
步骤S300:根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;
具体而言,基于所得所述第一位置水质信息、所述第二位置水质信息,进一步计算可以得到直饮水在管道第一节点位置经过第一次净化处理后的水质发生的详细变化情况,进而获得第一水质参数变化量。通过监测对比以上两个位置的水质信息,可以得到第一次净化处理对直饮水的净化情况。
步骤S400:判断所述第一水质参数变化量是否超出第一预定阈值;
具体而言,基于智慧物联网的管道直饮水水质监控,事先通过对各个净化步骤主要净化方向及净化能力等的综合分析,得出直饮水在经过各步骤净化后水质应达到的最低标准。所述第一预定阈值是指直饮水在经过管道第一节点位置的净化处理后应该达到的水质净化效果,即在管道第一节点位置时直饮水中有机物含量、细菌含量、各类微量元素和矿物质的含量、PH值等水质相关最低标准。通过设定第一预定阈值,将监测所得第一水质参数变化量与其对比,可以直观了解到所述第一节点位置的水质净化是否达标。
步骤S500:当超过时,根据所述第一位置、第二位置,获得管道材质信息;
具体而言,管道直饮水的水质要求净化处理直饮水时过滤的材质、反渗透膜等直饮水净水设备的材质保持一定的质量,因此需要加强对管道材质质量的管控,从而保证净水设备的质量。当所述第一水质参数变化量超出所述第一预定阈值,即所述第一节点位置的水质净化处理没有达标,为了进一步分析得到此位置水质净化处理未能达标的原因,需对直饮水管道第一节点位置的管道材质进行调查研究,明确此处水质净化未达标是否受此处管道材质影响。通过调研相关位置的管道材质信息,可以进一步对所述管道材质进行分析研究。
步骤S600:将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;
具体而言,将所得第一水质参数变化量和所述管道材质信息输入成分分析模型,可以获得第一分析结果。所述第一分析结果是指所述第一水质参数变化量与所述管道材质信息之间的关联程度。通过模型得出了第一水质参数变化量与所述管道材质信息之间的关联程度,达到了明确管道材质对净化水质效果影响程度的技术效果。
步骤S700:当所述第一分析结果满足第一预定条件时,获得第一预警信息。
具体而言,所述第一预定条件是指基于大数据综合分析得到的管道材质可对直饮水水质影响程度的最大影响系数,即管道材质最多可对水质产生的影响。当所述第一分析结果满足第一预定条件时,发出第一预警信息。通过设定所述第一预定条件,得到了所述第一分析结果对第一预定条件的达标情况,达到了在满足相应达标情况时发出提醒的技术效果。
进一步的,如附图2所示,本申请实施例步骤S800还包括:
步骤S810:获得管网铺设路径信息;
步骤S820:根据所述管网铺设路径信息,获得管网材质分布信息;
步骤S830:根据所述管网材质分布信息,获得材质卷积特征;
步骤S840:将所述材质卷积特征、所述管网材质分布信息输入材质特征对比模型,获得材质匹配结果,所述材质匹配结果为具有材质卷积特征的管网材质分布信息;
步骤S850:根据所述第二位置、所述管网材质分布信息,获得分析路径;
步骤S860:根据所述分析路径,获得第三位置水质信息;
步骤S870:根据所述第三位置水质信息、所述第二位置水质信息,获得第二水质参数变化量;
步骤S880:将所述第二水质参数变化量、所述管道材质信息输入所述成分分析模型,获得第二分析结果;
步骤S890:当所述第二分析结果满足所述第二预定条件时,获得第二预警信息。
具体而言,所述管网铺设路径信息是指管道直饮水流经的所有管道路径情况。根据所述管网铺设路径信息,进一步得到管网所有管道的材质信息,基于不同管道路径的管道材质情况,可以得到所述管网材质分布信息。根据所得管道材质分布信息,可以进一步获取各位置管道相应材质的材质卷积特征,所述卷积是分析数学中一种重要的运算。通过卷积提取管道材质特征,可以得到相应管道材质的详细信息。进一步的,将所述材质卷积特征和所述管网材质分布信息输入材质特征对比模型,可以获得材质匹配结果,所述材质匹配结果为具有材质卷积特征的管网材质分布信息。
进一步的,根据所述第二位置和所述管网材质分布信息,可以获得分析路径。所述分析路径是指管网材质与所述第二位置管道材质相同的管道路径。根据所得分析路径,获得第三位置水质信息。所述第三位置是指管道材质与第二位置管道材质相同,且与所述第二位置距离最近的管道节点。基于所述第三位置水质信息和所述第二位置水质信息,可以获得第二水质参数变化量。所述第二水质参数变化量是指直饮水在管道第三位置经过第二次净化处理后的水质相对于第二位置时水质情况发生的详细变化。
同样的,将所述第二水质参数变化量和所述管道材质信息输入所述成分分析模型,可以获得第二分析结果。所述第二分析结果是指所述第二水质参数变化量与所述管道材质信息之间的关联程度。当所述第二分析结果满足所述第二预定条件时,获得第二预警信息。所述第二预定条件是指基于大数据综合分析得到的管道材质可对直饮水水质影响的最大影响系数,即管道材质最大可对水质产生的影响程度。通过设定所述第二预定条件,对比所述第二分析结果和第二预定条件可得相应管道材质的达标情况,达到了在第三位置管道满足相应标准时发出提醒的技术效果。
进一步的,本申请实施例步骤S900还包括:
步骤S910:根据所述分析路径,获得第一跟踪信息,所述第一跟踪信息用于对所述分析路径进行跟踪分析;
步骤S920:根据所述分析路径,获得预设分析节点;
步骤S930:根据所述预设分析节点,获得节点水质信息集;
步骤S940:根据所述节点水质信息集,获得水质参数变化量集;
步骤S950:根据所述水质参数变化量集拟合变化曲线图;
步骤S960:当所述变化曲线图的变化趋势满足第三预定条件时,获得第三预警信息。
具体而言,所述第一跟踪信息是指基于分析路径进行的路径中各位置直饮水跟踪信息。根据所述分析路径,获得预设分析节点。所述预设分析节点是指基于分析路径得到所述第一跟踪信息后,对跟踪信息中各管道分叉口位置进行标记,提前设置各管道分叉口的位置为水质分析节点。进一步对所述预设分析节点位置的水质进行监测,获得相应节点的水质信息。所有预设分析节点位置,即各管道分叉口位置的水质信息构成一个水质信息集合,即为所述节点水质信息集。基于所述节点水质信息集,计算可以得到相邻俩节点位置水质变化参数,所有相邻节点间的水质变化量够成一个水质变化量集,即为所述水质参数变化量集。进一步以各预设分析节点位置作为横坐标,相应水质变化量作为纵坐标,做出水质参数变化量的散点图,通过origin软件得出水质参数变化量拟合曲线,当所述变化曲线图的变化趋势满足第三预定条件时,获得第三预警信息。所述第三预定条件是指各分析节点水质变化量的合理范围。当所述变化曲线图的变化趋势在水质变化量的合理范围内时发出提醒信息。
通过水质参数变化量拟合曲线直观看出各分析节点位置水质变化趋势,若管道各节点位置处水质变化量都处于正常预设范围内,发出相应提醒信息,达到了高效管理各阶段直饮水净化效果的技术效果。
进一步的,本申请实施例步骤S300还包括:
步骤S310:基于所述第一水质参数变化量进行指标变化幅度排序;
步骤S320:根据所述第一分析结果、所述指标变化幅度排序,获得第一变化指标,所述第一变化指标为变化幅度高于第一分析结果中的指标信息;
步骤S330:根据所述第一位置、所述第二位置,获得管道设备、管路铺设信息;
步骤S340:根据所述第一变化指标、所述管道设备,获得第一相关性;
步骤S350:判断所述第一相关性是否满足第四预定条件;
步骤S360:当所述第一相关性满足所述第四预定条件时,获得第四预警信息。
具体而言,所述第一水质参数变化量包括直饮水中有机物、细菌、各类微量元素和矿物质、PH值等所有相关水质参数的变化量。基于所述第一水质参数变化量对直饮水各指标参数变化幅度进行排序,排序方式为变化量最大的参数指标到变化量最小的参数指标。根据第一分析结果和参数指标变化幅度排序结果,获得第一变化指标。所述第一变化指标为变化幅度高于第一分析结果的参数指标。
根据所述第一位置、所述第二位置,获得管道设备、管路铺设信息。进一步根据所述第一变化指标和所述管道设备,获得第一相关性。所述第一相关性为所述管道设备与各变化量较大的水质参数指标之间的相关程度。判断所述第一相关性是否满足预设最大影响程度,即所述第四预定条件,当所述第一相关性满足所述第四预定条件时,发出提醒信息,即为所述第四预警信息。
通过分析得除直饮水在第二位置时水质参数变化量较大的指标,综合对比得出这些参数指标和相应位置管道设备的相关程度,即相应位置管道设备对这些参数指标的影响程度,达到了明晰水质变化原因,且在影响程度可控的情况下发出提醒的技术效果。
进一步的,如附图3所示,本申请实施例步骤S350还包括:
步骤S351:当所述第一相关性不满足所述第四预定条件时,根据所述管路铺设信息,获得管路铺设环境、管路铺设结构、管路接口信息;
步骤S352:依次对所述管路铺设环境、管路铺设结果、管路接口信息进行变化量预测分析,获得预测变化量集合;
步骤S353:判断所述预测变化量集合中的各数据是否超出所述第一预定阈值;
步骤S354:当超出时,获得第五预警信息。
具体而言,当所述第一相关性不满足所述第四预定条件时,进一步根据所得管路铺设信息获得管路铺设环境、管路铺设结构、管路接口信息,即所述管路铺设信息包括管路铺设环境、结构和管路接口信息。依次对所述管路铺设环境、管路铺设结果、管路接口信息将会对直饮水水质各指标参数的变化情况进行预测,得出所述变化量预测分析,预测结果组成所述预测变化量集合。进一步的,判断所述预测变化量集合中的各数据是否超出所述第一预定阈值,当超出时,发出提醒信息,即所述第五预警信息。
通过对管路信息进行分析得出其对水质产生影响情况预测,基于预测结果和第一预定阈值进行对比,当预测管路信息会对水质产生较大影响时,发出提醒的技术效果。
进一步的,本申请实施例步骤S330还包括:
步骤S331:根据所述管路铺设信息,获得水流量数据库,所述水流量数据库包括水流量、时间信息,所述水流量与所述时间信息相对应;
步骤S332:基于所述时间信息对所述水流量变化量计算,获得水流量变化趋势;
步骤S333:当水流量变化趋势不满足第五预定条件时,获得第六预警信息。
具体而言,根据管路铺设信息可以得到各管道对应直饮水流量信息,进而形成水流量数据库,所述水流量数据库包括水流量、时间信息,所述水流量与所述时间信息相对应。基于所述时间信息对所述水流量变化量计算,获得水流量变化趋势。所述水流量变化趋势即两相邻时间节点内水流量和对应时间段的变化趋势。当水流量变化趋势不满足第五预定条件时,发出提醒信息,即为所述第六预警信息。发生水流量变小的原因可能是管道直饮水在深度净化处理过程中,拦截水中的杂质越多,相应水流量会变小,但是如果在连续一段时间内水的流动性都很差,那么可能存在管道堵塞或者循环异常的情况,监测该情况后系统会发出提醒信息。
通过对管道内水流量的监测计算,可以得到各管道内一定时间段内的水流量信息,实时监控各管道内水流量,并在水流量不符合预定范围时发出提醒信息,达到了保证直饮水正常传输和供应的技术效果。
进一步的,如附图4所示,本申请实施例步骤S600还包括:
步骤S610:将所述第一水质参数变化量、所述管道材质信息作为训练数据,对神经网络模型进行训练,获得所述成分分析模型,所述成分分析模型为通过多组训练数据经过训练收敛获得的,其中,每组训练数据均包括水质参数变化量、管道材质信息以及标识第一分析结果的标识信息;
步骤S620:将所述第一水质参数变化量、所述管道材质信息输入所述成分分析模型,获得所述成分分析模型的输出结果,所述输出结果包括第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度。
具体而言,所述成分分析模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。其中,它能根据训练数据进行不断的自我训练学习,所述多组训练数据中每组数据均包括水质参数变化量、管道材质信息以及标识第一分析结果的标识信息,所述成分分析模型不断地自我的修正,当所述成分分析模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。通过对所述成分分析模型进行数据训练,使得所述成分分析模型处理输入数据更加准确,进而使得输出的所述第一分析结果信息也更加准确,达到了准确获得数据信息,提高评估结果智能化的技术效果。
进一步的,本申请实施例步骤S600还包括:
步骤S630:获得水质参数信息;
步骤S640:根据所述水质参数信息、所述管道材质信息,获得反应参数;
步骤S650:根据所述反应参数,获得反应预测信息;
步骤S660:根据所述反应预测信息、所述水质参数信息,获得预测参数影响信息;
步骤S670:将所述预测参数影响信息输入所述成分分析模型,获得预测影响结果;
步骤S680:通过对所述预测影响结果进行数据损失分析,获得损失数据;
步骤S690:将所述损失数据输入所述成分分析模型进行训练,获得增量分析模型,所述增量分析模型为通过对所述成分分析模型进行增量学习后的新模型。
具体而言,根据所述水质参数信息和所述管道材质信息,可以获得管道材料与直饮水及水中矿物质、微量元素等可能发生化学反应的情况,进而得到反应参数,即发生反应的系数,进一步预测化学反应情况。根据所述反应预测信息进一步分析可以获得预测参数影响信息,所述预测参数影响信息是指管道材料和直饮水发生反应后对直饮水各指标参数的影响情况信息。将所述预测参数影响信息输入所述成分分析模型,可以获得预测影响结果。由于所述预测影响结果是基于水质参数变化量和管道材质信息进行数据训练获得的,因此,通过引入损失函数完成数据损失的分析进而获得所述损失数据。由于所述成分分析模型是多个神经元相互连接组成构成神经网络获得的,因此,通过损失数据的训练使得所述增量预测模型保留了所述成分分析模型的基本功能,并维持模型不断更新的性能,从而提高了预测的更新性能,达到了保证预测影响结果准确性的技术效果。
综上所述,本申请实施例所提供的一种智慧物联网的管道直饮水水质监控方法具有如下技术效果:
1.通过获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。达到了智能化快速、准确地确定水质异常直饮水管道,进而第一时间对水质异常部位采取合理解决措施,最终有效提高直饮水水质合格率的技术效果。
2.通过成分分析神经网络模型,可以得到水质参数变化量和管道材质的关联信息,进而得出管道材质对水质参数变化的影响,准确甄别水质参数变化量大的质保,并对不满足预定要求的水质进行处理,保障各管道位置水质的同时保障了居民直饮水的安全,达到了通过个体化程度较高的监控措施,提高整体水质的技术效果。
3.通过智慧物联网构建的直饮水水质监控系统可快速对管道直饮水中的水质进行安全检测,智能化的对直饮水从入口到各个净化处理阶段、传输过程等所有环节水质质量进行管理,并对管道材质、管网设计、循环系统等存在安全隐患的环节发出提醒,达到了对直饮水完整净化传输过程动态追踪管理的技术效果。
实施例二
基于与前述实施例中一种智慧物联网的管道直饮水水质监控方法,同样发明构思,本发明还提供了一种智慧物联网的管道直饮水水质监控系统,请参阅附图5所示,所述系统包括:
第一获得单元11:所述第一获得单元11用于获得第一位置水质信息,所述第一位置为直饮水入口位置;
第二获得单元12:所述第二获得单元12用于获得第二位置水质信息,所述第二位置为直饮水管道第一节点;
第三获得单元13:所述第三获得单元13用于根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;
第一判断单元14:所述第一判断单元14用于判断所述第一水质参数变化量是否超出第一预定阈值;
第四获得单元15:所述第四获得单元15用于当超过时,根据所述第一位置、第二位置,获得管道材质信息;
第五获得单元16:所述第五获得单元16用于将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;
第六获得单元17:所述第六获得单元17用于当所述第一分析结果满足第一预定条件时,获得第一预警信息。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得管网铺设路径信息;
第八获得单元,所述第八获得单元用于根据所述管网铺设路径信息,获得管网材质分布信息;
第九获得单元,所述第九获得单元用于根据所述管网材质分布信息,获得材质卷积特征;
第十获得单元,所述第十获得单元用于将所述材质卷积特征、所述管网材质分布信息输入材质特征对比模型,获得材质匹配结果,所述材质匹配结果为具有材质卷积特征的管网材质分布信息;
第十一获得单元,所述第十一获得单元用于根据所述第二位置、所述管网材质分布信息,获得分析路径;
第十二获得单元,所述第十二获得单元用于根据所述分析路径,获得第三位置水质信息;
第十三获得单元,所述第十三获得单元用于根据所述第三位置水质信息、所述第二位置水质信息,获得第二水质参数变化量;
第十四获得单元,所述第十四获得单元用于将所述第二水质参数变化量、所述管道材质信息输入所述成分分析模型,获得第二分析结果;
第十五获得单元,所述第十五获得单元用于当所述第二分析结果满足所述第二预定条件时,获得第二预警信息。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于根据所述分析路径,获得第一跟踪信息,所述第一跟踪信息用于对所述分析路径进行跟踪分析;
第十七获得单元,所述第十七获得单元用于根据所述分析路径,获得预设分析节点;
第十八获得单元,所述第十八获得单元用于根据所述预设分析节点,获得节点水质信息集;
第十九获得单元,所述第十九获得单元用于根据所述节点水质信息集,获得水质参数变化量集;
第一执行单元,所述第一执行单元用于根据所述水质参数变化量集拟合变化曲线图;
第二十获得单元,所述第二十获得单元用于当所述变化曲线图的变化趋势满足第三预定条件时,获得第三预警信息。
进一步的,所述系统还包括:
第二执行单元,所述第二执行单元用于基于所述第一水质参数变化量进行指标变化幅度排序;
第二十一获得单元,所述第二十一获得单元用于根据所述第一分析结果、所述指标变化幅度排序,获得第一变化指标,所述第一变化指标为变化幅度高于第一分析结果中的指标信息;
第二十二获得单元,所述第二十二获得单元用于根据所述第一位置、所述第二位置,获得管道设备、管路铺设信息;
第二十三获得单元,所述第二十三获得单元用于根据所述第一变化指标、所述管道设备,获得第一相关性;
第二判断单元,所述第二判断单元用于判断所述第一相关性是否满足第四预定条件;
第二十四获得单元,所述第二十四获得单元用于当所述第一相关性满足所述第四预定条件时,获得第四预警信息。
进一步的,所述系统还包括:
第二十五获得单元,所述第二十五获得单元用于当所述第一相关性不满足所述第四预定条件时,根据所述管路铺设信息,获得管路铺设环境、管路铺设结构、管路接口信息;
第二十六获得单元,所述第二十六获得单元用于依次对所述管路铺设环境、管路铺设结果、管路接口信息进行变化量预测分析,获得预测变化量集合;
第三判断单元,所述第三判断单元用于判断所述预测变化量集合中的各数据是否超出所述第一预定阈值;
第二十七获得单元,所述第二十七获得单元用于当超出时,获得第五预警信息。
进一步的,所述系统还包括:
第二十八获得单元,所述第二十八获得单元用于根据所述管路铺设信息,获得水流量数据库,所述水流量数据库包括水流量、时间信息,所述水流量与所述时间信息相对应;
第二十九获得单元,所述第二十九获得单元用于基于所述时间信息对所述水流量变化量计算,获得水流量变化趋势;
第三十获得单元,所述第三十获得单元用于当水流量变化趋势不满足第五预定条件时,获得第六预警信息。
进一步的,所述系统还包括:
第三十一获得单元,所述第三十一获得单元用于将所述第一水质参数变化量、所述管道材质信息作为训练数据,对神经网络模型进行训练,获得所述成分分析模型,所述成分分析模型为通过多组训练数据经过训练收敛获得的,其中,每组训练数据均包括水质参数变化量、管道材质信息以及标识第一分析结果的标识信息;
第三十二获得单元,所述第三十二获得单元用于将所述第一水质参数变化量、所述管道材质信息输入所述成分分析模型,获得所述成分分析模型的输出结果,所述输出结果包括第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度。
进一步的,所述系统还包括:
第三十三获得单元,所述第三十三获得单元用于获得水质参数信息;
第三十四获得单元,所述第三十四获得单元用于根据所述水质参数信息、所述管道材质信息,获得反应参数;
第三十五获得单元,所述第三十五获得单元用于根据所述反应参数,获得反应预测信息;
第三十六获得单元,所述第三十六获得单元用于根据所述反应预测信息、所述水质参数信息,获得预测参数影响信息;
第三十七获得单元,所述第三十七获得单元用于将所述预测参数影响信息输入所述成分分析模型,获得预测影响结果;
第三十八获得单元,所述第三十八获得单元用于通过对所述预测影响结果进行数据损失分析,获得损失数据;
第三十九获得单元,所述第三十九获得单元用于将所述损失数据输入所述成分分析模型进行训练,获得增量分析模型,所述增量分析模型为通过对所述成分分析模型进行增量学习后的新模型。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种智慧物联网的管道直饮水水质监控方法和具体实例同样适用于本实施例的一种智慧物联网的管道直饮水水质监控系统,通过前述对一种智慧物联网的管道直饮水水质监控方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智慧物联网的管道直饮水水质监控系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本申请实施例的电子设备。
图6图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种智慧物联网的管道直饮水水质监控方法的发明构思,本发明还提供一种智慧物联网的管道直饮水水质监控系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种血液净化中心护理的应急预案方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种智慧物联网的管道直饮水水质监控方法,所述方法应用于一种智慧物联网的管道直饮水水质监控系统,其中,所述方法包括:获得第一位置水质信息,所述第一位置为直饮水入口位置;获得第二位置水质信息,所述第二位置为直饮水管道第一节点;根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;判断所述第一水质参数变化量是否超出第一预定阈值;当超过时,根据所述第一位置、第二位置,获得管道材质信息;将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;当所述第一分析结果满足第一预定条件时,获得第一预警信息。解决了现有技术中存在无法快速、准确地查找出水质异常的直饮水管道位置,导致无法有效排查、无法第一时间得出水质异常的原因并采取针对性的处理方法,进而导致直饮水水质不能完全达标,存在一定风险隐患的技术问题。达到了智能化快速、准确地确定水质异常直饮水管道,进而第一时间对水质异常部位采取合理解决措施,最终有效提高直饮水水质合格率的技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-0nly Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种智慧物联网的管道直饮水水质监控方法,其中,所述方法包括:
获得第一位置水质信息,所述第一位置为直饮水入口位置;
获得第二位置水质信息,所述第二位置为直饮水管道第一节点;
根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;
判断所述第一水质参数变化量是否超出第一预定阈值;
当超过时,根据所述第一位置、第二位置,获得管道材质信息;
将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;
当所述第一分析结果满足第一预定条件时,获得第一预警信息;
其中,所述获得第一预警信息之后,包括:
获得管网铺设路径信息;
根据所述管网铺设路径信息,获得管网材质分布信息;
根据所述管网材质分布信息,获得材质卷积特征;
将所述材质卷积特征、所述管网材质分布信息输入材质特征对比模型,获得材质匹配结果,所述材质匹配结果为具有材质卷积特征的管网材质分布信息;
根据所述第二位置、所述管网材质分布信息,获得分析路径;
根据所述分析路径,获得第三位置水质信息;
根据所述第三位置水质信息、所述第二位置水质信息,获得第二水质参数变化量;
将所述第二水质参数变化量、所述管道材质信息输入所述成分分析模型,获得第二分析结果;
当所述第二分析结果满足第二预定条件时,获得第二预警信息;
其中,所述方法包括:
根据所述分析路径,获得第一跟踪信息,所述第一跟踪信息用于对所述分析路径进行跟踪分析;
根据所述分析路径,获得预设分析节点;
根据所述预设分析节点,获得节点水质信息集;
根据所述节点水质信息集,获得水质参数变化量集;
根据所述水质参数变化量集拟合变化曲线图;
当所述变化曲线图的变化趋势满足第三预定条件时,获得第三预警信息。
2.如权利要求1所述的方法,其中,所述方法包括:
基于所述第一水质参数变化量进行指标变化幅度排序;
根据所述第一分析结果、所述指标变化幅度排序,获得第一变化指标,所述第一变化指标为变化幅度高于第一分析结果中的指标信息;
根据所述第一位置、所述第二位置,获得管道设备、管路铺设信息;
根据所述第一变化指标、所述管道设备,获得第一相关性;
判断所述第一相关性是否满足第四预定条件;
当所述第一相关性满足所述第四预定条件时,获得第四预警信息。
3.如权利要求2所述的方法,其中,所述判断所述第一相关性是否满足第四预定条件之后,包括:
当所述第一相关性不满足所述第四预定条件时,根据所述管路铺设信息,获得管路铺设环境、管路铺设结构、管路接口信息;
依次对所述管路铺设环境、管路铺设结果、管路接口信息进行变化量预测分析,获得预测变化量集合;
判断所述预测变化量集合中的各数据是否超出所述第一预定阈值;
当超出时,获得第五预警信息。
4.如权利要求3所述的方法,其中,所述方法包括:
根据所述管路铺设信息,获得水流量数据库,所述水流量数据库包括水流量、时间信息,所述水流量与所述时间信息相对应;
基于所述时间信息对所述水流量变化量计算,获得水流量变化趋势;
当水流量变化趋势不满足第五预定条件时,获得第六预警信息。
5.如权利要求1所述的方法,其中,所述将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,包括:
将所述第一水质参数变化量、所述管道材质信息作为训练数据,对神经网络模型进行训练,获得所述成分分析模型,所述成分分析模型为通过多组训练数据经过训练收敛获得的,其中,每组训练数据均包括水质参数变化量、管道材质信息以及标识第一分析结果的标识信息;
将所述第一水质参数变化量、所述管道材质信息输入所述成分分析模型,获得所述成分分析模型的输出结果,所述输出结果包括第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度。
6.如权利要求1所述的方法,其中,所述方法包括:
获得水质参数信息;
根据所述水质参数信息、所述管道材质信息,获得反应参数;
根据所述反应参数,获得反应预测信息;
根据所述反应预测信息、所述水质参数信息,获得预测参数影响信息;
将所述预测参数影响信息输入所述成分分析模型,获得预测影响结果;
通过对所述预测影响结果进行数据损失分析,获得损失数据;
将所述损失数据输入所述成分分析模型进行训练,获得增量分析模型,所述增量分析模型为通过对所述成分分析模型进行增量学习后的新模型。
7.一种智慧物联网的管道直饮水水质监控系统,其中,所述系统包括:
第一获得单元:所述第一获得单元用于获得第一位置水质信息,所述第一位置为直饮水入口位置;
第二获得单元:所述第二获得单元用于获得第二位置水质信息,所述第二位置为直饮水管道第一节点;
第三获得单元:所述第三获得单元用于根据所述第一位置水质信息、所述第二位置水质信息,获得第一水质参数变化量;
第一判断单元:所述第一判断单元用于判断所述第一水质参数变化量是否超出第一预定阈值;
第四获得单元:所述第四获得单元用于当超过时,根据所述第一位置、第二位置,获得管道材质信息;
第五获得单元:所述第五获得单元用于将所述第一水质参数变化量、所述管道材质信息输入成分分析模型,获得第一分析结果,所述第一分析结果用于表示所述第一水质参数变化量与所述管道材质信息之间相关参数的关联程度;
第六获得单元:所述第六获得单元用于当所述第一分析结果满足第一预定条件时,获得第一预警信息;
其中,所述系统还包括:
第七获得单元,所述第七获得单元用于获得管网铺设路径信息;
第八获得单元,所述第八获得单元用于根据所述管网铺设路径信息,获得管网材质分布信息;
第九获得单元,所述第九获得单元用于根据所述管网材质分布信息,获得材质卷积特征;
第十获得单元,所述第十获得单元用于将所述材质卷积特征、所述管网材质分布信息输入材质特征对比模型,获得材质匹配结果,所述材质匹配结果为具有材质卷积特征的管网材质分布信息;
第十一获得单元,所述第十一获得单元用于根据所述第二位置、所述管网材质分布信息,获得分析路径;
第十二获得单元,所述第十二获得单元用于根据所述分析路径,获得第三位置水质信息;
第十三获得单元,所述第十三获得单元用于根据所述第三位置水质信息、所述第二位置水质信息,获得第二水质参数变化量;
第十四获得单元,所述第十四获得单元用于将所述第二水质参数变化量、所述管道材质信息输入所述成分分析模型,获得第二分析结果;
第十五获得单元,所述第十五获得单元用于当所述第二分析结果满足第二预定条件时,获得第二预警信息;
第十六获得单元,所述第十六获得单元用于根据所述分析路径,获得第一跟踪信息,所述第一跟踪信息用于对所述分析路径进行跟踪分析;
第十七获得单元,所述第十七获得单元用于根据所述分析路径,获得预设分析节点;
第十八获得单元,所述第十八获得单元用于根据所述预设分析节点,获得节点水质信息集;
第十九获得单元,所述第十九获得单元用于根据所述节点水质信息集,获得水质参数变化量集;
第一执行单元,所述第一执行单元用于根据所述水质参数变化量集拟合变化曲线图;
第二十获得单元,所述第二十获得单元用于当所述变化曲线图的变化趋势满足第三预定条件时,获得第三预警信息。
8.一种智慧物联网的管道直饮水水质监控系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1~6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110924862.3A CN113466424B (zh) | 2021-08-12 | 2021-08-12 | 一种智慧物联网的管道直饮水水质监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110924862.3A CN113466424B (zh) | 2021-08-12 | 2021-08-12 | 一种智慧物联网的管道直饮水水质监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113466424A CN113466424A (zh) | 2021-10-01 |
CN113466424B true CN113466424B (zh) | 2022-02-15 |
Family
ID=77866389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110924862.3A Active CN113466424B (zh) | 2021-08-12 | 2021-08-12 | 一种智慧物联网的管道直饮水水质监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466424B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115046142B (zh) * | 2022-05-20 | 2023-03-24 | 广州市水电设备安装有限公司 | 医用级超纯水薄壁管道管理系统 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808907A (zh) * | 2012-11-14 | 2014-05-21 | 无锡津天阳激光电子有限公司 | 一种水环境物联网方法与装置 |
CN106227140A (zh) * | 2016-08-06 | 2016-12-14 | 山东华旗新能源科技有限公司 | 智慧供水管理系统 |
CN106815606A (zh) * | 2017-01-24 | 2017-06-09 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及系统 |
CN108842856A (zh) * | 2018-07-03 | 2018-11-20 | 广州高得环保科技有限公司 | 直饮水供水系统层级式漏水防护技术 |
CN109555979A (zh) * | 2018-12-10 | 2019-04-02 | 清华大学 | 一种供水管网漏损监测方法 |
CN109716090A (zh) * | 2016-07-08 | 2019-05-03 | 苏伊士集团 | 一种用于估计配水管网的子网边界处的水流量的改进系统 |
CN110086851A (zh) * | 2019-03-26 | 2019-08-02 | 成都万江港利科技股份有限公司 | 一种基于物联网的智慧污水运行监管综合管理方法 |
CN110359523A (zh) * | 2019-07-22 | 2019-10-22 | 常州市卫生监督所 | 一种饮用水在线监测系统及方法 |
CN111163430A (zh) * | 2019-12-30 | 2020-05-15 | 上海云瀚科技股份有限公司 | 基于手机基站用户定位数据的水量预测的方法 |
CN210770619U (zh) * | 2019-11-20 | 2020-06-16 | 广州高得环保科技有限公司 | 一种水质检测水龙头 |
CN111884326A (zh) * | 2020-08-27 | 2020-11-03 | 湖南华诺科技有限公司 | 一种nb-iot市电油机自动切换设备及方法 |
CN111901426A (zh) * | 2020-07-29 | 2020-11-06 | 西安卓辰网络科技有限公司 | 一种数据可视化的智慧监测管理系统 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
CN113050472A (zh) * | 2021-02-20 | 2021-06-29 | 温州设计集团有限公司 | 基于管网预警分析技术的智慧污水零直排动态监管系统 |
CN113096762A (zh) * | 2021-04-01 | 2021-07-09 | 高辉 | 一种实时肺康复锻炼的监测方法及系统 |
CN113112169A (zh) * | 2021-04-22 | 2021-07-13 | 北京首创股份有限公司 | 一种污水处理厂的智慧云服务系统 |
CN113128709A (zh) * | 2021-04-02 | 2021-07-16 | 内蒙古江宏信息技术有限公司 | 一种供水管网漏损管理系统 |
CN113191302A (zh) * | 2021-05-14 | 2021-07-30 | 成都鸿钰网络科技有限公司 | 一种草原生态监测方法及系统 |
CN113239627A (zh) * | 2021-05-31 | 2021-08-10 | 南京乾鑫电器设备有限公司 | 一种分布式智能监控方法和装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3685567A (en) * | 1969-09-18 | 1972-08-22 | Paul E Pemberton | Sectional fire door assembly |
US6386796B1 (en) * | 2000-03-06 | 2002-05-14 | John H. Hull | Composite particles and methods for their application and implementation |
CN101490527A (zh) * | 2006-05-18 | 2009-07-22 | 昆士兰大学 | 用于确定颗粒材料的破碎特性的设备 |
CN101183989B (zh) * | 2007-12-03 | 2010-09-01 | 中兴通讯股份有限公司 | 光同步传送网告警相关性的增量分析方法 |
AU2008100540A4 (en) * | 2008-06-13 | 2008-07-10 | Rheem Australia Pty Limited | Storage water heater with low maintenance rate losses |
CN101420331A (zh) * | 2008-12-12 | 2009-04-29 | 北京邮电大学 | 一种t-mpls网络中的超长连接快速故障定位方法 |
CN101477669A (zh) * | 2009-01-08 | 2009-07-08 | 刘钢 | 网络音像制品零售电子商务的p2p下载体验与应用实现方法 |
EP2477708A4 (en) * | 2009-09-15 | 2013-12-11 | Suncor Energy Inc | METHOD FOR FLOCCULATION AND DEHYDRATION OF FINE MOLDED RESIDUES OF OIL SANDS |
CN101868026B (zh) * | 2010-05-24 | 2013-06-12 | 北京航空航天大学 | 一种轻量级的无线传感器网络多跳定位方法 |
CN103678910B (zh) * | 2013-12-12 | 2014-12-10 | 河海大学 | 河道型水库支流库湾水华的云体系架构预警系统及方法 |
CN104238545B (zh) * | 2014-07-10 | 2017-02-01 | 中国石油大学(北京) | 一种石油炼化生产过程故障诊断和预警系统及其建立方法 |
CN104960279B (zh) * | 2015-07-07 | 2017-05-03 | 山东泰宝防伪技术产品有限公司 | 有机光致发光材料信息防伪标识及其制备方法 |
US10491578B1 (en) * | 2018-03-30 | 2019-11-26 | Sap Se | Mitigation of offline ciphertext-only attacks |
-
2021
- 2021-08-12 CN CN202110924862.3A patent/CN113466424B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808907A (zh) * | 2012-11-14 | 2014-05-21 | 无锡津天阳激光电子有限公司 | 一种水环境物联网方法与装置 |
CN109716090A (zh) * | 2016-07-08 | 2019-05-03 | 苏伊士集团 | 一种用于估计配水管网的子网边界处的水流量的改进系统 |
CN106227140A (zh) * | 2016-08-06 | 2016-12-14 | 山东华旗新能源科技有限公司 | 智慧供水管理系统 |
CN106815606A (zh) * | 2017-01-24 | 2017-06-09 | 深圳企管加企业服务有限公司 | 一种基于多源遥感数据的流域污染检测方法及系统 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
CN108842856A (zh) * | 2018-07-03 | 2018-11-20 | 广州高得环保科技有限公司 | 直饮水供水系统层级式漏水防护技术 |
CN109555979A (zh) * | 2018-12-10 | 2019-04-02 | 清华大学 | 一种供水管网漏损监测方法 |
CN110086851A (zh) * | 2019-03-26 | 2019-08-02 | 成都万江港利科技股份有限公司 | 一种基于物联网的智慧污水运行监管综合管理方法 |
CN110359523A (zh) * | 2019-07-22 | 2019-10-22 | 常州市卫生监督所 | 一种饮用水在线监测系统及方法 |
CN210770619U (zh) * | 2019-11-20 | 2020-06-16 | 广州高得环保科技有限公司 | 一种水质检测水龙头 |
CN111163430A (zh) * | 2019-12-30 | 2020-05-15 | 上海云瀚科技股份有限公司 | 基于手机基站用户定位数据的水量预测的方法 |
CN111901426A (zh) * | 2020-07-29 | 2020-11-06 | 西安卓辰网络科技有限公司 | 一种数据可视化的智慧监测管理系统 |
CN111884326A (zh) * | 2020-08-27 | 2020-11-03 | 湖南华诺科技有限公司 | 一种nb-iot市电油机自动切换设备及方法 |
CN113050472A (zh) * | 2021-02-20 | 2021-06-29 | 温州设计集团有限公司 | 基于管网预警分析技术的智慧污水零直排动态监管系统 |
CN113096762A (zh) * | 2021-04-01 | 2021-07-09 | 高辉 | 一种实时肺康复锻炼的监测方法及系统 |
CN113128709A (zh) * | 2021-04-02 | 2021-07-16 | 内蒙古江宏信息技术有限公司 | 一种供水管网漏损管理系统 |
CN113112169A (zh) * | 2021-04-22 | 2021-07-13 | 北京首创股份有限公司 | 一种污水处理厂的智慧云服务系统 |
CN113191302A (zh) * | 2021-05-14 | 2021-07-30 | 成都鸿钰网络科技有限公司 | 一种草原生态监测方法及系统 |
CN113239627A (zh) * | 2021-05-31 | 2021-08-10 | 南京乾鑫电器设备有限公司 | 一种分布式智能监控方法和装置 |
Non-Patent Citations (1)
Title |
---|
宁东某矿区采空区及其赋水性探测;赵福元等;《神华科技》;20181226;第16卷(第12期);第29-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113466424A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110352660B (zh) | 一种脱绒棉种活力快速无损检测信息处理方法和装置 | |
MIRI et al. | Application of fuzzy fault tree analysis on oil and gas offshore pipelines | |
Han et al. | Food quality and safety risk assessment using a novel HMM method based on GRA | |
CN105046402B (zh) | 一种应用于智能变电站二次设备的状态评估方法 | |
CN1303006C (zh) | 基于多源信息融合技术的混凝过程智能监测与控制方法 | |
CN113466424B (zh) | 一种智慧物联网的管道直饮水水质监控方法及系统 | |
CN102807301A (zh) | 再生水厂出水水质在线监测与实时预测系统及其控制方法 | |
CN104200404A (zh) | 一种基于模糊综合评判的配电开关状态评价方法 | |
Wang et al. | Data-driven optimized distributed dynamic PCA for efficient monitoring of large-scale dynamic processes | |
CN101775434A (zh) | 基于bp神经网络的饮用水管网细菌总数快速预测方法 | |
CN111950068A (zh) | 一种基于Bim的维护建筑设备的方法和装置 | |
CN114061705A (zh) | 一种智能化水位监测分析预警方法及系统 | |
CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
CN116589078B (zh) | 基于数据融合的污水处理智能控制方法及系统 | |
Mehl et al. | Calculating chemical speciation, pH, saturation index and calcium carbonate precipitation potential (CCPP) based on alkalinity and acidity using OpenModelica | |
CN116969616A (zh) | 基于软测量的一体化污水处理设施控制方法、装置及设备 | |
CN105320993A (zh) | 基于证据理论的水资源污染检测方法 | |
CN101828188A (zh) | 诊断标志物的估计 | |
Zhang et al. | Research on a soft measurement model of sewage treatment based on a case-based reasoning approach | |
CN113256432B (zh) | 一种基于金融投资项目的智能管理方法及系统 | |
Ben Khedher et al. | Statistical quality control based on control charts and process efficiency index by the application of fuzzy approach (case study: Ha'il, Saudi Arabia) | |
Moasheri et al. | ‘SAR’qualities parameter persistence by a compound method of geostatic and artificial neural network (Case study of Jiroft plain) | |
CN117648568B (zh) | 基于物联网的水表计量大数据优化处理方法及系统 | |
Mannina et al. | Global sensitivity analysis in wastewater treatment modelling | |
CN113477084B (zh) | 一种管道直饮水膜过滤的自动控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |