CN113484489A

CN113484489A - 一种水体富营养化的远程监测与预警方法

Info

Publication number: CN113484489A
Application number: CN202110769788.2A
Authority: CN
Inventors: 龙赛琴; 章航滔; 吴亚联; 李哲涛; 刘翼翔; 黄纯; 姬媛媛
Original assignee: Xiangtan University
Current assignee: Xiangtan University
Priority date: 2021-07-07
Filing date: 2021-07-07
Publication date: 2021-10-08

Abstract

本发明涉及一种水体富营养化的远程监测与预警方法，涉及水环境监测技术领域。该方法由水域中区域化投放的浮标设备采集水体关键数据；由嵌入式平台进行数据预处理与数据传输；由人工智能云计算平台进行参数分析，开展灾害评级与预警；由监控平台进行险情发布，实时展示监测水域的富营养化程度。本发明的监测与评估方法客观准确，实时高效地对目标水域富营养化趋势进行分析与预警，有效解决了水体富营养化发现难、发现迟的问题。

Description

一种水体富营养化的远程监测与预警方法

技术领域

本发明属于水环境监测技术领域，涉及嵌入式计算、深度学习、物联网领域，特别涉及一种水体富营养化的远程监测与预警方法。

背景技术

水体富营养化在20世纪30年代被首次发现,并逐渐演变为最突出的世界性水环境问题之一,其根本是一个缓慢的自然过程，但是人为富营养化极大加速了水体由贫营养转化为富营养，致使水质恶化，从而带来一系列危害。控制与治理水体富营养化是十分棘手而又代价昂贵的世界性难题,被称为生态癌症。近年来，科学家们在水体富营养化监测预警技术方面开展了尝试性的研究，主要包括：直接基于数据集建立的数学模型预测系统；基于生态动力学构建的机理模型监测预警系统；利用卫星遥感技术进行监测预警；利用神经网络模型监测预警。富营养化预警模型和富营养化模型的研究有了长足的进步，富营养化模型逐渐由单一的预测和评价发展为多目标管理优化模型，形成了以学科交互为主的发展趋势。

针对上述问题很多文献都给出了相应的解决方案，但水质系统是多重因素影响下的非线性结构体系，这导致上述方法在实际应用过程中存在一定不足。现有的监测预警技术一类依赖于卫星遥感，信息获取受到限制，它所反映的水质参数与真实值之间存在较大误差，时效性相对较差；另一类利用单一模型进行预测，过程繁琐、参数复杂、计算耗时长，预测结果的准确度不尽如人意。伴随着通讯技术、AIoT技术的迅速发展，基于传感器捕获监测数据，通过BP神经网络预警模型实现监测预警水体富营养化机理的方法已成为可能。而综合获取水体全方位、多层次的数据，揭示水体富营养化机理，降低持续监测的费用，将对水体监测与预警有很大助益。

因此考虑到水体富营养化监测与预警问题，本发明提出了一种水体富营养化的远程监测与预警方法。采用在水域中区域化投放浮标设备的措施，利用深度学习技术将传感器采集的水域关键数据进行处理与预测，同时将整合结果反馈到前端监控平台上。

发明内容

本发明的目的是提出一种水体富营养化的远程监测与预警方法，以实现实时监测水体富营养化程度监测与科学预警水体富营养化状态发展趋势。

本发明所述的一种水体富营养化的远程监测与预警方法，其特征在于该方法由水域中区域化投放的浮标设备采集水体关键数据；由嵌入式平台进行数据预处理与数据传输；由人工智能引擎云计算平台进行参数分析，开展灾害评级与预警；由前端监控平台开展数据整合与险情发布。

本发明提供的一种水体富营养化的远程监测与预警方法，包括以下步骤：

步骤1、水域中区域化投放的浮标设备对水体数据进行采集；

步骤2、浮标设备上的嵌入式平台树莓派(Raspberry PI)对采集的数据进行处理，并将数据和浮标设备的坐标信息上传至人工智能云计算平台；

步骤3、人工智能云计算平台进行参数分析，开展水体灾害评级与预警，并将评级与预警信息发送监控平台；

步骤4、监控平台发布目标水域可视化险情图。

本发明的有益效果是，本发明属于水环境监测技术领域，涉及嵌入式计算、机器学习、物联网领域，特别涉及一种水体富营养化远程监测预警系统，对比于现有技术具有以下优点：本发明利用智能浮标对水体进行实时网格化监测，相较于现有的监测系统减少了资源消耗，省时省力效率高；采用云计算+边缘计算组合，减少从设备到云端的数据流量，降低沉没成本；发明能实现水质监测数据实时显示、当前数据与历史数据的快速查询与对比分析等功能，以文字、图表及音视频等形式及时发布水体富营养化状态信息,直观明了；利用深度学习训练并建立预测模型，能有效模拟环境突变、消除信息间的冗余、反映水体生态系统真实性，使预测结果准确率高；发明所使用浮标材料采用可降解生物安全材料，安全、环保；集监测预警功能于一体，实现了智能化，实用性高，能很好地对水体富营养化起到防范作用。

附图说明

图1是本发明的流程图；

图2为本发明的可视化险情效果图；

具体实施方式

下面结合附图对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。此外，本领域技术人员根据本文件的描述，可以对本文件中实施例中以及不同实施例中的特征进行相应组合。

如图1所示，本发明方法的具体实施过程步骤为：

步骤1、水域中区域化投放的浮标设备对水体数据进行采集：

1)将搭载有温度传感器，氮磷传感器，PH传感器，叶绿素a传感器，浊度传感器的浮标设备投放至水域区域，采集水体温度、氮磷浓度、PH值、叶绿素a浓度、浊度值；

2)浮标设备之间互相组网，持续监测获取水质实时参数，捕捉并监控水体富营养化发生全过程。

步骤2、浮标设备上的嵌入式平台树莓派(Raspberry PI)对采集的数据进行处理，并将数据和浮标设备的坐标信息上传至人工智能云计算平台：

1)嵌入式平台树莓派(Raspberry PI)对所采集的数据进行规范化预处理,使用信号滤波器函数对传感器采集的数据进行电信号滤波，通过归一化消除不同参数间量纲不同所造成的影响，并保持不同指标数据的差异性将原始数据线性化的方法转换到[0,1]的范围，归一化函数公式如下：

其中Xnorm为归一化后的数据，X为原始数据，Xmax、Xmin分别为原始数据集的最大值和最小值。

2)通过嵌入式平台上物联网通信模块和GPS/BDS双模定位模块，将经过规范化预处理的数据和浮标设备的坐标信息传输到云端的MYSQL数据库；

步骤3、人工智能云计算平台进行参数分析，开展水体灾害评级与预警，并将评级与预警信息发送监控平台：

1)人工智能云计算平台从云端的MYSQL数据库中读取数据，采用有监督深度学习模式，建立基于机器学习的多分类模型，开展水体富营养化程度的评级，训练数据和标签来源于国家地表水质自动监测实时数据发布系统网站；

2)将标注好的数据压缩包上传到人工智能云计算平台上，创建任务，选择华为自研AI机器算法框架MindSpore，利用平台上的优化功能——数据增强，通过对数据本身进行一定程度的扰动从而产生“新”的数据，模型通过学习大量的“新”数据，提高泛化能力；

3)开展模型重训练，提高预测准确度；

4)利用训练好的模型开展水体富营养化程度的评级，多分类模型的结果设有4级预警区间：正常(D级)、轻度(C级)、中度(B级)、严重(A级)，分别用绿色、黄色、红色、黑色进行等级标识；

5)将预测信息按危险等级分类备案后及时上传云端的MYSQL数据库，以便决策者制定应急方案，将富营养化危害的程度和范围减小到最低；

步骤4、监控平台发布目标水域可视化险情图：

1)监控平台以卫星遥感图的方式展现存储在云端的MYSQL数据库中的所有浮标的地理位置信息和各坐标点的水体富营养化灾害评级，并以对应的等级颜色进行标识，每30分钟更新所有浮标的地理位置信息和各坐标点的水体富营养化灾害评级；

2)监控平台以文字的方式展现水域编号、未来2-7日富营养化发生概率预测、浮标通信与工作状态、电量状态；

如图2所示，展示了本发明的监控平台发布的目标水域可视化险情效果图，具体包括以下：

A、监控平台展示浮标所在的地理位置与其对应的水域编号，便于工作人员开展针对性、定点化式治理；

B、监控平台展示了未来短期的富营养化灾害发生的预测概率，做好提前防控，阻止灾害的大面积暴发；

C、监控平台展示浮标通信状态与工作电量状态，实时掌握浮标的工作状态。

与现有技术相比，本发明的优点在于：

本发明为一种水体富营养化的远程监测与预警方法，该方法利用智能浮标对水体进行实时网格化监测，相较于现有的监测系统减少了资源消耗，省时省力效率高；采用云计算+边缘计算组合，减少从设备到云端的数据流量，降低沉没成本；发明能实现水质检测数据实时显示、当前数据与历史数据的快速查询与对比分析等功能，以文字、图表及音视频等形式及时发布水体富营养化状态信息，十分直观明了；利用深度学习训练并建立预测模型，能有效模拟环境突变、消除信息间的冗余、反映水体生态系统真实性，使预测结果准确率高；发明所使用浮标材料采用可降解生物安全材料，安全、环保；集监测预警功能于一体，实现了智能化，实用性高，能很好地对水体富营养化起到防范作用。

本领域技术人员在考虑说明书及实践里公开的发明后，将容易想到本发明的其他实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims

1.一种水体富营养化的远程监测与预警方法，其特征在于，包括以下步骤：

(1)水域中区域化投放的浮标设备对水体数据进行采集；

(2)浮标设备上的嵌入式平台树莓派(Raspberry PI)对采集的数据进行处理，并将数据和浮标设备的坐标信息上传至人工智能云计算平台；

(3)人工智能云计算平台进行参数分析，开展水体灾害评级与预警，并将评级与预警信息发送监控平台；

(4)监控平台发布目标水域可视化险情图；

所述步骤(1)水域中区域化投放的浮标设备对水体数据进行采集，至少还包括如下步骤：

1.1)搭载有温度传感器，氮磷传感器，PH传感器，叶绿素a传感器，浊度传感器的浮标设备投放至水域区域，采集水体温度、氮磷浓度、PH值、叶绿素a浓度、浊度值；

1.2)浮标设备之间互相组网，持续监测获取水质实时参数；

所述步骤(2)浮标设备上的嵌入式平台树莓派(Raspberry PI)对采集的数据进行处理，并将数据和浮标设备的坐标信息上传至人工智能云计算平台，至少还包括如下步骤：

2.1)嵌入式平台树莓派(Raspberry PI)对所采集的数据进行规范化预处理,通过数据清洗去噪声和无关数据，通过归一化消除不同参数间量纲不同所造成的影响，并保持不同指标数据的差异性；

2.2)通过树莓派上物联网通信模块将经过规范化预处理的数据和浮标设备的坐标信息传输到云端的MYSQL数据库；

所述步骤(3)人工智能云计算平台进行参数分析，开展水体灾害评级与预警，并将评级与预警信息发送监控平台，至少还包括如下步骤：

3.1)人工智能云计算平台iMaster NAIE从云端的MYSQL数据库中读取数据，采用有监督深度学习模式，建立基于机器学习的多分类模型，开展水体富营养化程度的评级，训练数据和标签来源于国家地表水质自动监测实时数据发布系统网站，多分类模型的结果设有4级预警区间：正常(D级)、轻度(C级)、中度(B级)、严重(A级)，分别用绿色、黄色、红色、黑色进行等级标识；

3.2)将预测信息按危险等级分类备案后及时上传云端的MYSQL数据库，以便决策者制定应急方案，将富营养化危害的程度和范围减小到最低；

所述步骤(4)监控平台发布目标水域可视化险情图，至少还包括如下步骤：

4.1)监控平台以卫星遥感图的方式展现存储在云端的MYSQL数据库中的所有浮标的地理位置信息和各坐标点的水体富营养化灾害评级，并以对应的等级颜色进行标识，每30分钟更新所有浮标的地理位置信息和各坐标点的水体富营养化灾害评级；

4.2)监控平台以文字的方式展现水域编号、未来2-7日富营养化发生概率预测、浮标通信与工作状态、电量状态。