CN114022052A - 水质异常监测方法、装置、存储介质及计算机设备 - Google Patents
水质异常监测方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN114022052A CN114022052A CN202210001015.4A CN202210001015A CN114022052A CN 114022052 A CN114022052 A CN 114022052A CN 202210001015 A CN202210001015 A CN 202210001015A CN 114022052 A CN114022052 A CN 114022052A
- Authority
- CN
- China
- Prior art keywords
- water quality
- preset
- data
- quality parameter
- target
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 396
- 238000012544 monitoring process Methods 0.000 title claims abstract description 374
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 95
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 74
- 230000005856 abnormality Effects 0.000 claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 15
- 229910052760 oxygen Inorganic materials 0.000 description 15
- 239000001301 oxygen Substances 0.000 description 15
- 239000000126 substance Substances 0.000 description 13
- 239000010865 sewage Substances 0.000 description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000002352 surface water Substances 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000003403 water pollutant Substances 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 238000003916 acid precipitation Methods 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil 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
- G06Q10/06—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
-
- 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)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了一种水质异常监测方法、装置、存储介质及计算机设备，涉及水质检测监测的技术领域，可解决目前水质异常监测的方法存在的数据异常导致误报，进而水质异常监测的准确度低的技术问题。包括：提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位；计算第一水质参数数据与第二水质参数数据的目标偏差；若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常。
Description
技术领域
本申请涉及水质监测技术领域，尤其涉及一种水质异常监测方法、装置、存储介质及计算机设备。
背景技术
水环境问题日益严重的当下，河道水体的水质监测是环保部门的重要监测工作之一，同时，水质等级的变化受自然因素比如水土流失、酸雨等以及非自然因素比如工厂排污、垃圾处理厂等影响，因此对水质的监测可以确定水污染的来源，从而针对性的进行治理。
现有的监测手段为当监测点位参数数据超出设定范围时进行报警，当设备运行过程中，监测点位参数数据发生突变或者数据丢失时，可能产生误报，而且现有的监测方法不能根据现场实际的情况进行识别以及适应性调整，无法满足现场复杂的环境情况，因此导致水质监测的准确度较低，且因误报同样会浪费大量的人力、物力。
发明内容
有鉴于此，本申请提供了一种水质异常监测方法、装置、存储介质及计算机设备，可用于解决目前水质异常监测的方法存在的因为监测点位的参数数据发生突变或者数据丢失产生误报，而现有的监测方法不能根据现场实际的情况进行识别以及适应性调整，进而导致水质异常监测的准确度低的技术问题。
根据本申请的一个方面，提供了一种水质异常监测方法，该方法包括：
提取预设第一时段内的目标监测点位的第一水质参数数据；若所述第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定所述目标监测点位的上游监测点位，提取所述上游监测点位在所述预设第一时段内的第二水质参数数据，其中，所述预设点位位置关系为多个预设监测点位之间的位置关系，所述预设监测点位包括所述目标监测点位以及所述上游监测点位；计算所述第一水质参数数据与所述第二水质参数数据的目标偏差；若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，其中，所述预设正态分布阈值是根据所述目标监测点位在预设第二时段内的第一历史水质参数数据以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据确定，所述预设第二时段早于所述预设第一时段。
根据本申请的另一个方面，提供了一种水质异常监测装置，该装置包括：
第一提取模块，用于提取预设第一时段内的目标监测点位的第一水质参数数据；
第二提取模块，用于若所述第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定所述目标监测点位的上游监测点位，提取所述上游监测点位在所述预设第一时段内的第二水质参数数据，其中，所述预设点位位置关系为多个预设监测点位之间的位置关系，所述预设监测点位包括所述目标监测点位以及所述上游监测点位；
计算模块，用于计算所述第一水质参数数据与所述第二水质参数数据的目标偏差；
确定模块，用于若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，其中，所述预设正态分布阈值是根据所述目标监测点位在预设第二时段内的第一历史水质参数数据以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据确定，所述预设第二时段早于所述预设第一时段。
根据本申请的又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述水质异常监测方法。
根据本申请的再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述水质异常监测方法。
借由上述技术方案，本申请提供的一种水质异常监测方法、装置、存储介质及计算机设备，与目前的监测方法相比，本申请可首先提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位；计算第一水质参数数据与第二水质参数数据的目标偏差；若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于所述预设第一时段。
通过本申请中的技术方案，在发现目标监测点位疑似存在水质异常情况时，可通过目标监测点位以及该点位的上游监测点位的历史数据辅助判断目标监测点位是否出现水质异常，这样可以避免设备运行过程中出现的异常数据或者数据缺失导致的误报，提高报警的准确度，节省了人力、物力。
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
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种水质异常监测方法的流程示意图；
图2示出了本申请实施例提供的另一种水质异常监测方法的流程示意图；
图3示出了本申请实施例提供的一种水质异常监测装置的结构示意图；
图4示出了本申请实施例提供的另一种水质异常监测装置的结构示意图。
具体实施方式
下文将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。
针对目前水质异常监测的方法存在的因为监测点位的参数数据发生突变或者数据丢失产生误报，而现有的监测方法不能根据现场实际的情况进行识别以及适应性调整，进而导致水质异常监测的准确度低的技术问题。本申请提供了一种水质异常监测方法，如图1所示，该方法包括：
101、提取预设第一时段内的目标监测点位的第一水质参数数据。
本申请实施例可以用于在线监测水质异常情况，也可以用于离线监测水质异常情况。在线监测场景下，预设第一时段可以根据当前时间和预设分析时长来确定，例如当前时间为10点，预设分析时长为4小时，那么预设第一时段可以为6点至10点。离线监测场景下，预设第一时段可以是自定义的待分析时段，例如想要分析三天前某个时间段的水质异常情况，预设第一时段可以是三天前的该时间段。本申请实施例以在线监测场景为例进行解释说明，但不限于在线监测场景。
对于本实施例，作为一种优选方式，在河道内设置预设数量个监测点位，每个监测点位用于监测河道内与监测点位对应区域的水质参数数据，目标监测点位为待进行监测的监测点位，水质参数用于检测水体污染物浓度，例如包括化学需氧量（Chemical OxygenDemand，COD）、氨氮值（NH3-N）、生化需氧量（Biochemical Oxygen Demand，BOD）、PH值、总氮值等中的一种或者多种。将第一预设时段分为多个监测周期，提取目标监测点位在每个监测周期的水质参数数据。将目标监测点位在第一时段内的水质参数数据集合确定为第一水质参数数据。
例如，监测的水质参数为化学需氧量（Chemical Oxygen Demand，COD），设定预设第一时段为四小时，每隔15分钟监测一次水质参数数据，在预设第一时段内监测到16个数据，监测目标监测点位分别在9点、9点15分、9点30分……13点的化学需氧量（ChemicalOxygen Demand，COD），得到第一水质参数数据为
。
102、若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位。
其中，预设水质参数标准是根据国家地表水环境质量标准设定的，按地表水的五类水域功能高低依次划分为五类水质等级：Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类，在每类水质等级下包括水质参数的标准范围，进行地表水环境控制时，只需要控制水质参数在对应的标准范围内。例如对于化学需氧量（Chemical Oxygen Demand，COD）在Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类水质等级下的预设水质参数标准分别为小于等于15、15、20、30、40，氨氮值（NH3-N）在Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类水质等级下的预设水质参数标准分别为小于等于0.15、0.5、1.0、1.5、2.0，五日生化需氧量（Biochemical Oxygen Demand，BOD5）在Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类水质等级下的预设水质参数标准分别为小于等于3、3、4、6、10，PH值在Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类水质等级下的预设水质参数标准为6-9，总氮值在Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类水质等级下的预设水质参数标准分别为小于等于0.2、0.5、1.0、1.5、2.0。
对于本实施例，作为一种优选方式，根据实施例步骤101，第一水质参数数据为
，在比较第一水质参数数据与预设水质参数标准时，需要
均不满足预设水质参数标准才进行下一步操作即确定目标监测点位的上游监测点位，例如，目标监测点位的预设水质等级为Ⅴ类，而化学需氧量的16个数据
均不满足Ⅴ类水对应的化学需氧量预设水质参数标准COD
40，此时根据预设点位位置关系确定目标监测点位的上游监测点位，预设点位位置关系可以通过预设点位所在的河道位置进行确定，例如，河道有100公里，其中10公里内有三个排污口，按照从上游到下游的顺序分别为第一排污口、第二排污口和第三排污口，那么可在该10公里的三个排污口处分别布设一个监测点位，按照从上游到下游的顺序将其位置编号为D01、D02、D03，由此确定预设点位位置关系即D01是D02的上游监测点位，D02是D03的上游监测点位，同样的，D02是D01的下游监测点位，D03是D02的下游监测点位，根据预设点位位置关系可以在监测目标监测点位时快速确定目标监测点位的上游监测点位，如目标监测点位是D02时，可以根据预设点位位置关系确定D02相邻的上游监测点位是D01。
根据步骤101提取目标监测点位D02在第一预设时段内的第一水质参数数据得到
，同理，提取上游监测点位D01在第一预设时段内的第二水质参数数据得到
，其中，第一水质参数数据与第二水质参数数据的区别在于第一水质参数数据是目标监测点位D02在第一预设时段内的，第二水质参数数据上游监测点位D01在第一预设时段内的。
提取上游监测点位D01在第一预设时段内的第二水质参数数据得到
的具体过程为：监测D01分别在第一预设时段内的9点、9点15分、9点30分……13点的化学需氧量（Chemical Oxygen Demand，COD），得到
。
103、计算第一水质参数数据与第二水质参数数据的目标偏差。
承接步骤101、102的实施例，第一水质参数数据中的化学需氧量在连续四小时的16个监测周期的数据均不满足预设水质参数标准，此时计算出化学需氧量在9点、9点15分、9点30分……13点这连续四小时内的目标监测点位D02与上游监测点位D01的目标偏差
、
…
。
104、若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于预设第一时段。
对于本实施例，作为一种优选方式，在计算第一水质参数数据与第二水质参数数据的目标偏差之后，需要计算预设正态分布阈值。具体可以包括：首先获取目标监测点位在预设第二时段内的第一历史水质参数数据，以及上游监测点位在预设第二时段内的第二历史水质参数数据；根据第一历史水质参数数据和第二历史水质参数数据计算正态分布，提取正态分布的期望值和标准差；提取目标监测点位的水质状况数据，根据水质状况数据进行目标正态分布拟合，确定目标正态分布的目标值；最后基于预设计算公式、期望值、标准差以及目标值，计算预设正态分布阈值。
对于上述实施例优选方式，在获取目标监测点位在预设第二时段内的第一历史水质参数数据，以及上游监测点位在预设第二时段内的第二历史水质参数数据，根据第一历史水质参数数据和第二历史水质参数数据计算正态分布，提取正态分布的期望值和标准差时，具体的，可以设定预设第二时段为预设第一时段之前的三天，获取上游监测点位D01与目标监测点位D02在三天内的9点、9点15分、9点30分……13点的化学需氧量数据，分别记为第二历史水质参数数据和第一历史水质参数数据，计算在同一时刻的第一历史水质参数数据和第二历史水质参数数据的差的绝对值确定为预设第二时段的目标偏差，通过python计算预设第二时段的目标偏差的期望
与标准差
，判断该期望
与标准差
是否满足正态分布。当满足正态分布时，提取S当前满足正态分布的期望
与标准差
。进一步，依据水质参数数据计算出目标正态分布后，可以根据目标正态分布的分布规律，确定目标正态分布的目标值，进而将期望
、目标值n与标准差
代入预设计算公式
中，计算得到预设正态分布阈值。
对于上述实施例优选方式，水质状况数据可包括水质等级数据、水文气象数据和污染数据等，进一步地，在提取目标监测点位的水质状况数据，根据水质状况数据进行目标正态分布拟合，确定目标正态分布的目标值，具体可包括：提取目标监测点位的水质等级数据、水文气象数据和污染数据；分别依据水质等级数据、水文气象数据和污染数据进行第一目标正态分布、第二目标正态分布、第三目标正态分布拟合，确定第一目标正态分布、第二目标正态分布以及第三目标正态分布分别对应的水质等级评分、水文气象评分以及污染数据评分；按照预设评定规则，分别根据水质等级数据、水文气象数据和污染数据确定目标监测点位水质的第一影响权重、第二影响权重和第三影响权重；按照第一影响权重、第二影响权重和第三影响权重，对水质等级评分、水文气象评分以及污染数据评分进行加权计算，得到目标值。
具体的，根据地表水水域环境功能和保护目标，按功能高低依次将水质等级分为Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类，水文气象数据包括：暴雨、降雪、台风、冰雹等，污染数据包括水体周围存在的污水处理厂、采砂场、垃圾填埋场等。确定第一目标正态分布、第二目标正态分布以及第三目标正态分布各自对应的水质等级评分、水文气象评分以及污染数据评分的依据可描述为：判断水质等级数据、水文气象数据和污染数据对目标监测点位以及上游监测点位之间的参数同一时刻目标偏差的波动的影响，如果目标偏差相对稳定，那么目标偏差分布的
较小，此时调大目标正态分布的目标值n的取值，如果目标偏差波动较大，那么目标偏差分布的
较大，此时调小目标正态分布的目标值n的取值。例如，当水质等级为Ⅰ类、Ⅱ类水，此时水体流域上各监测点位之间的参数绝对偏差相对稳定，根据经验将水质等级评分
的取值设定在2以上，在此基础上当水质等级较差时，目标监测点位以及上游监测点位之间的参数同一时刻目标偏差波动范围会变大，此时可以适当调小水质等级评分
的取值。获取监测点位现场周边情况；当监测点位之间有人为因素造成的污染时，会导致目标监测点位以及预设上游监测点位各项参数之间的目标偏差出现明显的波动，此时可以调小水文气象评分
的取值；水文气象数据对污染数据评分
的影响在于，当水质等级较好的情况下，降雨量明显会对水质产生影响，例如空气中的气溶胶、浮尘或二氧化硫等有害物质会随着雨水流入到水体中，使得水体中的污染物含量升高，此时使得目标监测点位以及上游监测点位对应参数之间的目标差值产生明显的波动，应当适当降低
的取值。当水质等级较差时，大量的雨水混合入江河中，会对水体中的污染物起到稀释的作用，可以适当提高
的取值。
其中，按照预设评定规则，分别根据水质等级数据、水文气象数据和污染数据确定目标监测点位水质的第一影响权重、第二影响权重和第三影响权重。具体的，预设评定规则为：根据大数据分析水质等级为Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类，对应的第一影响权重为
，根据水文气象信息获得待监测水体主要受到暴雨影响，那么按照暴雨预警颜色等级信号（蓝色、黄色、橙色、红色）得到对水体的第二影响权重分别为
，根据排污厂等与待监测水体的距离（5公里内、5-10公里、10-20公里等）以及排污厂的污水处理等级（一级处理、二级处理、三级处理）等得到对水体的第三影响权重
。
其中，加权计算得到目标值。具体的，在目标监测点位获取到水质等级为Ⅲ类，暴雨预警颜色为黄色，排污厂等与待监测水体5-10公里以及污水处理等级为二级处理，分别对应第一影响权重、第二影响权重、第三影响权重为
，计算目标值
，其中
。
对于上述实施例优选方式，最后，计算得到的预设正态分布阈值为
，
为正态分布的期望值，
为目标值，
为正态分布的方差。
对于本实施例，作为一种优选实施方式，得到预设正态分布阈值后，将目标偏差与预设正态分布阈值进行对比，具体的，根据实施例步骤102计算出来的化学需氧量在预设第一时段内的目标偏差
、
…
，如果
、
…
均大于预设正态分布阈值
，那么确定在目标监测点位D02处的水质存在异常。
通过本实施例中水质异常监测方法，本申请可首先提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位；计算第一水质参数数据与第二水质参数数据的目标偏差；若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于所述预设第一时段。通过本申请中的技术方案，在发现目标监测点位疑似存在水质异常情况时，可通过目标监测点位以及该点位的上游监测点位的历史数据辅助判断目标监测点位是否出现水质异常，这样可以避免设备运行过程中出现的异常数据或者数据缺失导致的误报，提高报警的准确度，节省了人力、物力。同时根据待监测水体现场实际情况分析水质等级数据、水文气象数据和污染数据对水体的影响权重，基于此权重调整目标值n，并依据目标值n计算预设正态分布阈值，使得计算出来的预设正态分布阈值是根据现场实际情况进行调整的，因此通过本申请的方案，结合了现场实际情况做出调整，使得通过预设点位位置关系确定目标监测点位的上游监测点位，根据上游监测点位的水质参数数据进一步的对水质异常做出的判断，提高报警的准确度。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例中的具体实施过程，提供了另一种水质异常监测方法，如图2所示，该方法包括：
201、通过设置在每个预设监测点位中的监测设备，采集每个预设监测点位处实时的水质参数监测数据。
对于本实施例，作为一种优选方式，可根据项目需求把待监测河道分为重点监测区域与非重点监测区域，分别在重点监测区域与非重点监测区域设置相应数量的预设监测点位（在重点监测区域设置较多数量的预设监测点位，在非重点监测区域设置较少数量的预设监测点位）。目标监测点位为待进行监测的预设监测点位，预设监测点位安装有监测设备用于监测实时水质参数监测数据，水质参数用于检测水体污染物浓度，例如包括化学需氧量（Chemical Oxygen Demand，COD）、氨氮值（NH3-N）、生化需氧量（Biochemical OxygenDemand，BOD）、PH值、总氮值等中的一种或者多种。
具体的，监测设备具有经济实惠、设备稳定、检测时间短等优势，在采集待监测河道中各个预设监测点位的水质参数监测数据之前，定期对设备进行清洗和校准，因为对水体进行检测时会在设备中残留水体中杂质，对后续水体检测产生误差，所以为了提高数据的准确性要定期对设备进行清洗，以及设备在长时间的运行中出现损耗，要定期使用专业装置对设备进行校准。作为另一种优选方式，在一些恶劣的环境下采样人员不便进入，可以选择移动监测设备，实现对水环境多点位和不同深度监测。
202、将水质参数监测数据存储至点位数据库，从水质参数监测数据中提取第一水质参数数据、第二水质参数数据、第一历史水质参数数据以及第二历史水质参数数据。
对于本实施例，作为一种优选方式，在将水质参数监测数据存储至点位数据库之前具体可以包括：剔除水质参数监测数据中的异常数据后，按预设监测时段对剔除后的水质参数监测数据进行分组，得到多个监测组；计算每个监测组中水质参数监测数据的平均值，将每个监测组的平均值分别作为每个预设监测时段的水质参数参考数据；基于每个预设监测时段的水质参数参考数据构建数据表，将数据表存储在点位数据库中，在数据表中提取第一水质参数数据、第二水质参数数据、第一历史水质参数数据以及第二历史水质参数数据。
每个监测点位配置至少一个监测设备，获得实时水质参数监测数据，为了保证水质参数监测数据的准确性，可以先剔除掉水质参数监测数据中的异常数据，异常数据一般包括缺失值、零值、乱码值等。
每个监测设备可以每间隔固定时段采集一次水质参数监测数据，对采集的数据进行异常剔除后，按预设监测时段对剔除后的水质参数监测数据进行分组，得到多个监测组，其中，一个预设监测时段可以包括多个固定时段，即一个预设监测时段可以包括多个水质参数监测数据，将一个预设监测时段对应的数据作为一个监测组。
计算每个监测组中水质参数监测数据的平均值，得到每个预设监测时段的水质参数参考数据，此时可以得到较为真实的水质参数参考数据，存储在点位数据库中的数据表中。
数据表包括预设监测点位编号、以及与预设监测点位编号对应的在预设监测时段的水质参数参考数据，构建数据表后，可以提取目标监测点位在预设第一时段内的第一水质参数数据、上游监测点位在在预设第一时段内的第二水质参数数据、目标监测点位在预设第二时段内的第一历史水质参数数据、上游监测点位在预设第二时段内的第二历史水质参数数据。其中，预设第一时段包含多个预设监测时段，第一水质参数数据的数量和第二水质参数数据的数量均与预设监测时段的数量相同，同理，预设第二时段包含多个预设监测时段，第一历史水质参数数据的数量和第二历史水质参数数据的数量均与预设第二时段包含的预设监测时段的数量相同，预设第二时段早于所述预设第一时段。
203、提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位。
具体实施过程可参照实施例步骤101、102中的相关描述，在此不再赘述。
204、预设第一时段包含多个预设监测时段，第一水质参数数据的数量和第二水质参数数据的数量均与预设第一时段包含的预设监测时段的数量相同；依据第一水质参数数据和第二水质参数数据，分别计算预设第一时段包含的每个预设监测时段的目标偏差。
具体实施过程可参照实施例步骤103中的相关描述，在此不再赘述。
205、若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于预设第一时段。
从点位数据库中可以提取第一历史水质参数数据、第二历史水质参数数据。若每个目标偏差均大于预设正态分布阈值，则确定在目标监测点位处存在水质异常计算，具体计算过程可参见实施例步骤104中的相关描述，在此不再赘述。
206、输出关于目标监测点位存在水质异常的提示信息。
其中，水质异常的提示信息包括预警、报警信息，并且携带有产生预警、报警的预设监测点位位置编号、出现异常的水质参数以及对应监测到的数据，将该提示信息通过短信或者邮件等方式发送至目标监测点位的监测终端以供监测人员查看，监测人员通过查看提示信息，可以得知存在水质异常的水体位置、存在异常的原因以及异常的程度，并及时根据实际情况进行验证和处理。
借由上述水质异常监测方法，本申请可首先提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位；计算第一水质参数数据与第二水质参数数据的目标偏差；若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于所述预设第一时段。通过本申请中的技术方案，在发现目标监测点位疑似存在水质异常情况时，可通过目标监测点位以及该点位的上游监测点位的历史数据辅助判断目标监测点位是否出现水质异常，这样可以避免设备运行过程中出现的异常数据或者数据缺失导致的误报，提高报警的准确度，节省了人力、物力。同时根据待监测水体现场实际情况分析水质等级数据、水文气象数据和污染数据对水体的影响权重，基于此权重调整目标值n，并依据目标值n计算预设正态分布阈值，使得计算出来的预设正态分布阈值是根据现场实际情况进行调整的，因此通过本申请的方案，结合了现场实际情况做出调整，使得通过预设点位位置关系确定目标监测点位的上游监测点位，根据上游监测点位的水质参数数据进一步的对水质异常做出的判断，提高报警的准确度。
进一步的，作为图1和图2所示方法的具体实现，本申请实施例提供了一种水质异常监测装置，如图3所示，该装置包括：第一提取模块31、第二提取模块32、第一计算模块33、确定模块34；
第一提取模块31，可用于提取预设第一时段内的目标监测点位的第一水质参数数据；
第二提取模块32，可用于若所述第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定所述目标监测点位的上游监测点位，提取所述上游监测点位在所述预设第一时段内的第二水质参数数据，其中，所述预设点位位置关系为多个预设监测点位之间的位置关系，所述预设监测点位包括所述目标监测点位以及所述上游监测点位；
第一计算模块33，可用于计算所述第一水质参数数据与所述第二水质参数数据的目标偏差；
确定模块34，可用于若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，其中，所述预设正态分布阈值是根据所述目标监测点位在预设第二时段内的第一历史水质参数数据以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据确定，所述预设第二时段早于所述预设第一时段。
在具体的应用场景中，计算第一水质参数数据与第二水质参数数据的目标偏差之后，如图4所示，还包括第二计算模块35，具体可包括：获取单元351、第一提取单元352、第二提取单元353、计算单元354；
获取单元351，可用于获取目标监测点位在预设第二时段内的第一历史水质参数数据，以及上游监测点位在预设第二时段内的第二历史水质参数数据；
第一提取单元352，可用于根据第一历史水质参数数据和第二历史水质参数数据计算正态分布，提取正态分布的期望值和标准差；
第二提取单元353，可用于提取目标监测点位的水质状况数据，根据水质状况数据进行目标正态分布拟合，确定目标正态分布的目标值；
计算单元354，可用于基于预设计算公式、期望值、标准差以及目标值，计算预设正态分布阈值。
在具体的应用场景中，水质状况数据包括水质等级数据、水文气象数据和污染数据，第二提取单元353，具体可用于：分别依据水质等级数据、水文气象数据和污染数据进行第一目标正态分布、第二目标正态分布、第三目标正态分布拟合，确定第一目标正态分布、第二目标正态分布以及第三目标正态分布分别对应的水质等级评分、水文气象评分以及污染数据评分；按照预设评定规则，分别根据水质等级数据、水文气象数据和污染数据确定目标监测点位的第一影响权重、第二影响权重和第三影响权重；按照第一影响权重、第二影响权重和第三影响权重，对水质等级评分、水文气象评分以及污染数据评分进行加权计算，得到目标值。
在具体的应用场景中，如图4所示，还包括采集模块36，具体包括：采集单元361、存储单元362；
采集单元361，可用于通过设置在每个预设监测点位中的监测设备，采集每个预设监测点位处实时的水质参数监测数据；
存储单元362，可用于将水质参数监测数据存储至点位数据库，从水质参数监测数据中提取第一水质参数数据、第二水质参数数据、第一历史水质参数数据以及第二历史水质参数数据。
在具体的应用场景中，将水质参数监测数据存储至点位数据库，存储单元362，可用于：剔除水质参数监测数据中的异常数据后，按预设监测时段对剔除后的水质参数监测数据进行分组，得到多个监测组；计算每个监测组中水质参数监测数据的平均值，将每个所监测组的平均值分别作为每个预设监测时段的水质参数参考数据；基于每个预设监测时段的水质参数参考数据构建数据表，将数据表存储在点位数据库中，在数据表中提取第一水质参数数据、第二水质参数数据、第一历史水质参数数据以及第二历史水质参数数据。
在具体的应用场景中，预设第一时段包含多个预设监测时段，第一水质参数数据的数量和第二水质参数数据的数量均与预设监测时段的数量相同。第一计算模块33，具体可用于：依据第一水质参数数据和第二水质参数数据，分别计算预设第一时段包含的每个预设监测时段的目标偏差。
相应地，确定模块34，具体可用于：若每个目标偏差均大于预设正态分布阈值，则确定在目标监测点位处存在水质异常。
在具体的应用场景中，如图4所示，该装置还包括：输出模块37；
输出模块37，可用于输出关于目标监测点位存在水质异常的提示信息。
需要说明的是，本实施例提供的一种水质异常监测装置所涉及各功能单元的其他相应描述，可以参考图1至图2的对应描述，在此不再赘述。
基于上述如图1至图2所示方法，相应的，本实施例还提供了一种存储介质，存储介质具体可为易失性或非易失性，其上存储有计算机可读指令，该可读指令被处理器执行时实现上述如图1至图2所示的水质异常监测方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个存储介质（可以是CD-ROM，U盘，移动硬盘等）中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施场景的方法。
基于上述如图1至图2所示的方法和图3、图4所示的虚拟装置实施例，为了实现上述目的，本实施例还提供了一种计算机设备，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图2所示的水质异常监测方法。
可选的，该计算机设备还可以包括用户接口、网络接口、摄像头、射频（RadioFrequency，RF）电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏（Display）、输入单元比如键盘（Keyboard）等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口（如WI-FI接口）等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。
通过应用本申请的技术方案，与目前现有技术相比，本申请可首先提取预设第一时段内的目标监测点位的第一水质参数数据；若第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定目标监测点位的上游监测点位，提取上游监测点位在预设第一时段内的第二水质参数数据，其中，预设点位位置关系为多个预设监测点位之间的位置关系，预设监测点位包括目标监测点位以及上游监测点位；计算第一水质参数数据与第二水质参数数据的目标偏差；若目标偏差大于预设正态分布阈值，则确定在目标监测点位处存在水质异常，其中，预设正态分布阈值是根据目标监测点位在预设第二时段内的第一历史水质参数数据以及上游监测点位在预设第二时段内的第二历史水质参数数据确定，预设第二时段早于所述预设第一时段。通过本申请中的技术方案，在发现目标监测点位疑似存在水质异常情况时，可通过目标监测点位以及该点位的上游监测点位的历史数据辅助判断目标监测点位是否出现水质异常，这样可以避免设备运行过程中出现的异常数据或者数据缺失导致的误报，提高报警的准确度，节省了人力、物力。同时根据待监测水体现场实际情况分析水质等级数据、水文气象数据和污染数据对水体的影响权重，基于此权重调整目标值n，并依据目标值n计算预设正态分布阈值，使得计算出来的预设正态分布阈值是根据现场实际情况进行调整的，因此通过本申请的方案，结合了现场实际情况做出调整，使得通过预设点位位置关系确定目标监测点位的上游监测点位，根据上游监测点位的水质参数数据进一步的对水质异常做出的判断，提高报警的准确度。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种水质异常监测方法，其特征在于，包括：
提取预设第一时段内的目标监测点位的第一水质参数数据；
若所述第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定所述目标监测点位的上游监测点位，提取所述上游监测点位在所述预设第一时段内的第二水质参数数据，其中，所述预设点位位置关系为多个预设监测点位之间的位置关系，所述预设监测点位包括所述目标监测点位以及所述上游监测点位；
计算所述第一水质参数数据与所述第二水质参数数据的目标偏差；
若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，其中，所述预设正态分布阈值是根据所述目标监测点位在预设第二时段内的第一历史水质参数数据以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据确定，所述预设第二时段早于所述预设第一时段。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标监测点位在所述预设第二时段内的第一历史水质参数数据，以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据；
根据所述第一历史水质参数数据和所述第二历史水质参数数据计算正态分布，提取所述正态分布的期望值和标准差；
提取所述目标监测点位的水质状况数据，根据所述水质状况数据进行目标正态分布拟合，确定所述目标正态分布的目标值；
基于预设计算公式、所述期望值、所述标准差以及所述目标正态分布的目标值，计算所述预设正态分布阈值。
3.根据权利要求2所述的方法，其特征在于，所述水质状况数据包括水质等级数据、水文气象数据和污染数据；
所述根据所述水质状况数据进行目标正态分布拟合，确定所述目标正态分布的目标值，包括：
分别依据所述水质等级数据、所述水文气象数据和所述污染数据进行第一目标正态分布、第二目标正态分布、第三目标正态分布拟合，确定所述第一目标正态分布、所述第二目标正态分布以及所述第三目标正态分布分别对应的水质等级评分、水文气象评分以及污染数据评分；
按照预设评定规则，分别根据所述水质等级数据、所述水文气象数据和所述污染数据确定所述目标监测点位的第一影响权重、第二影响权重和第三影响权重；
按照所述第一影响权重、所述第二影响权重和所述第三影响权重，对所述水质等级评分、所述水文气象评分以及所述污染数据评分进行加权计算，得到所述目标正态分布的目标值。
4.根据权利要求1所述的方法，其特征在于，所述提取预设第一时段内的目标监测点位的第一水质参数数据之前，所述方法还包括：
通过设置在每个所述预设监测点位中的监测设备，采集每个所述预设监测点位处实时的水质参数监测数据；
将所述水质参数监测数据存储至点位数据库，从所述水质参数监测数据中提取所述第一水质参数数据、所述第二水质参数数据、所述第一历史水质参数数据以及所述第二历史水质参数数据。
5.根据权利要求4所述的方法，其特征在于，所述将所述水质参数监测数据存储至点位数据库，包括：
剔除所述水质参数监测数据中的异常数据后，按预设监测时段对剔除后的水质参数监测数据进行分组，得到多个监测组；
计算每个所述监测组中所述水质参数监测数据的平均值，将每个所述监测组的平均值分别作为每个所述预设监测时段的水质参数参考数据；
基于每个所述预设监测时段的水质参数参考数据构建数据表，将所述数据表存储在所述点位数据库中，在所述数据表中提取所述第一水质参数数据、所述第二水质参数数据、所述第一历史水质参数数据以及所述第二历史水质参数数据。
6.根据权利要求5所述的方法，其特征在于，所述预设第一时段包含多个所述预设监测时段，所述第一水质参数数据的数量和所述第二水质参数数据的数量均与所述预设监测时段的数量相同；
所述计算所述第一水质参数数据与所述第二水质参数数据的目标偏差，包括：依据所述第一水质参数数据和所述第二水质参数数据，分别计算所述预设第一时段包含的每个所述预设监测时段的目标偏差；
所述若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，包括：
若每个所述目标偏差均大于所述预设正态分布阈值，则确定在所述目标监测点位处存在水质异常。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
输出关于所述目标监测点位存在水质异常的提示信息。
8.一种水质异常监测装置，其特征在于，包括：
第一提取模块，用于提取预设第一时段内的目标监测点位的第一水质参数数据；
第二提取模块，用于若所述第一水质参数数据不满足预设水质参数标准，则依据预设点位位置关系，确定所述目标监测点位的上游监测点位，提取所述上游监测点位在所述预设第一时段内的第二水质参数数据，其中，所述预设点位位置关系为多个预设监测点位之间的位置关系，所述预设监测点位包括所述目标监测点位以及所述上游监测点位；
计算模块，用于计算所述第一水质参数数据与所述第二水质参数数据的目标偏差；
确定模块，用于若所述目标偏差大于预设正态分布阈值，则确定在所述目标监测点位处存在水质异常，其中，所述预设正态分布阈值是根据所述目标监测点位在预设第二时段内的第一历史水质参数数据以及所述上游监测点位在所述预设第二时段内的第二历史水质参数数据确定，所述预设第二时段早于所述预设第一时段。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的水质异常监测方法。
10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的水质异常监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210001015.4A CN114022052B (zh) | 2022-01-04 | 2022-01-04 | 水质异常监测方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210001015.4A CN114022052B (zh) | 2022-01-04 | 2022-01-04 | 水质异常监测方法、装置、存储介质及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114022052A true CN114022052A (zh) | 2022-02-08 |
| CN114022052B CN114022052B (zh) | 2022-05-03 |
Family
ID=80069569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210001015.4A Active CN114022052B (zh) | 2022-01-04 | 2022-01-04 | 水质异常监测方法、装置、存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114022052B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115861011A (zh) * | 2023-02-15 | 2023-03-28 | 山东优嘉环境科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法和系统 |
| CN116543341A (zh) * | 2023-07-07 | 2023-08-04 | 安徽新宇环保科技股份有限公司 | 基于降雨水质监测的污染视频识别系统 |
| CN116663911A (zh) * | 2023-07-29 | 2023-08-29 | 广州京维智能科技有限公司 | 一种供水管网水质风险评估方法及系统 |
| CN117236902A (zh) * | 2023-11-08 | 2023-12-15 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
| CN117350601A (zh) * | 2023-12-06 | 2024-01-05 | 北京英视睿达科技股份有限公司 | 水质预测方法、装置、电子设备及存储介质 |
| CN117664888A (zh) * | 2024-01-31 | 2024-03-08 | 北京英视睿达科技股份有限公司 | 基于水质预测模型库的水质监测方法、装置、设备及介质 |
| CN117800551A (zh) * | 2024-02-28 | 2024-04-02 | 广东恒扬新材料有限公司 | 纯净水设备的控制电路、方法、系统以及计算机存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110231447A (zh) * | 2019-06-10 | 2019-09-13 | 精锐视觉智能科技（深圳）有限公司 | 水质异常检测的方法、装置及终端设备 |
| WO2020211413A1 (zh) * | 2019-04-17 | 2020-10-22 | 合肥美的电冰箱有限公司 | 供水系统水质监控方法、供水系统及制冷设备 |
| CN112101790A (zh) * | 2020-09-16 | 2020-12-18 | 清华大学合肥公共安全研究院 | 一种水体监测视频及数据联动预警方法及系统 |
| CN112362834A (zh) * | 2020-10-29 | 2021-02-12 | 广州立信电子科技有限公司 | 一种基于大数据的水体水质智能在线实时监测分析管理系统 |
| CN112559657A (zh) * | 2020-12-10 | 2021-03-26 | 河北先进环保产业创新中心有限公司 | 水污染溯源方法、装置及终端设备 |
| CN113435547A (zh) * | 2021-08-27 | 2021-09-24 | 中国环境监测总站 | 一种水质指标融合数据异常检测方法及系统 |
-
2022
- 2022-01-04 CN CN202210001015.4A patent/CN114022052B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020211413A1 (zh) * | 2019-04-17 | 2020-10-22 | 合肥美的电冰箱有限公司 | 供水系统水质监控方法、供水系统及制冷设备 |
| CN110231447A (zh) * | 2019-06-10 | 2019-09-13 | 精锐视觉智能科技（深圳）有限公司 | 水质异常检测的方法、装置及终端设备 |
| CN112101790A (zh) * | 2020-09-16 | 2020-12-18 | 清华大学合肥公共安全研究院 | 一种水体监测视频及数据联动预警方法及系统 |
| CN112362834A (zh) * | 2020-10-29 | 2021-02-12 | 广州立信电子科技有限公司 | 一种基于大数据的水体水质智能在线实时监测分析管理系统 |
| CN112559657A (zh) * | 2020-12-10 | 2021-03-26 | 河北先进环保产业创新中心有限公司 | 水污染溯源方法、装置及终端设备 |
| CN113435547A (zh) * | 2021-08-27 | 2021-09-24 | 中国环境监测总站 | 一种水质指标融合数据异常检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 胡成等: "综合水质标识指数法在浑河水质评价中的应用", 《生态环境学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115861011A (zh) * | 2023-02-15 | 2023-03-28 | 山东优嘉环境科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法和系统 |
| CN115861011B (zh) * | 2023-02-15 | 2023-05-05 | 山东优嘉环境科技有限公司 | 一种基于多源数据融合的智慧城市优化管理方法和系统 |
| CN116543341A (zh) * | 2023-07-07 | 2023-08-04 | 安徽新宇环保科技股份有限公司 | 基于降雨水质监测的污染视频识别系统 |
| CN116663911A (zh) * | 2023-07-29 | 2023-08-29 | 广州京维智能科技有限公司 | 一种供水管网水质风险评估方法及系统 |
| CN117236902A (zh) * | 2023-11-08 | 2023-12-15 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
| CN117236902B (zh) * | 2023-11-08 | 2024-04-12 | 北京英视睿达科技股份有限公司 | 一种基于边缘计算的水质监测的上报方法及系统 |
| CN117350601A (zh) * | 2023-12-06 | 2024-01-05 | 北京英视睿达科技股份有限公司 | 水质预测方法、装置、电子设备及存储介质 |
| CN117350601B (zh) * | 2023-12-06 | 2024-04-16 | 北京英视睿达科技股份有限公司 | 水质预测方法、装置、电子设备及存储介质 |
| CN117664888A (zh) * | 2024-01-31 | 2024-03-08 | 北京英视睿达科技股份有限公司 | 基于水质预测模型库的水质监测方法、装置、设备及介质 |
| CN117664888B (zh) * | 2024-01-31 | 2024-05-03 | 北京英视睿达科技股份有限公司 | 基于水质预测模型库的水质监测方法、装置、设备及介质 |
| CN117800551A (zh) * | 2024-02-28 | 2024-04-02 | 广东恒扬新材料有限公司 | 纯净水设备的控制电路、方法、系统以及计算机存储介质 |
| CN117800551B (zh) * | 2024-02-28 | 2024-05-17 | 广东恒扬新材料有限公司 | 纯净水设备的控制电路、方法、系统以及计算机存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114022052B (zh) | 2022-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114022052B (zh) | 水质异常监测方法、装置、存储介质及计算机设备 | |
| CN102622670B (zh) | 一种突发水环境污染事故涉嫌风险源的溯源方法 | |
| KR20160097933A (ko) | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 | |
| CN108802856B (zh) | 一种基于ai的源数据动态修正预报系统及其工作方法 | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
| CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
| CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
| CN110261272B (zh) | 基于地理探测和pca对pm2.5浓度分布的关键影响因子筛选方法 | |
| CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
| CN113030416A (zh) | 一种水源地污染源溯源方法、装置及电子设备 | |
| CN116499938B (zh) | 一种职业工作场所气溶胶悬浮物智能监测方法 | |
| CN113125635A (zh) | 一种大气污染预警方法、装置及可读存储介质 | |
| CN115239209B (zh) | 用于垃圾填埋场筛除含重金属腐殖土的方法、设备和系统 | |
| CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
| CN114417981A (zh) | 一种智能河长巡测系统 | |
| Sicardi et al. | Assessment of Kalman filter bias-adjustment technique to improve the simulation of ground-level ozone over Spain | |
| CN113219463A (zh) | 一种面向电力系统的雷达地物回波识别方法和系统 | |
| CN115792165B (zh) | 一种环境水质智能监测方法及系统 | |
| CN108198090B (zh) | 一种电网输配电设施台风监测布点方法 | |
| CN116644957A (zh) | 一种基于气象和环境监测数据的城市空气污染预警方法 | |
| CN116702588A (zh) | 一种基于多源数据的风电场关键气象因子预报方法及系统 | |
| CN113917093B (zh) | 一种基于无线网络的空气质量监控系统 | |
| CN113295589B (zh) | 一种扬尘监测方法、装置和系统 | |
| CN115713312A (zh) | 一种水利水电工程环境量不利工况组合识别方法及装置 |
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 |