CN114026390A - 液体物理化学组成变化的改进的检测 - Google Patents
液体物理化学组成变化的改进的检测 Download PDFInfo
- Publication number
- CN114026390A CN114026390A CN202180003327.2A CN202180003327A CN114026390A CN 114026390 A CN114026390 A CN 114026390A CN 202180003327 A CN202180003327 A CN 202180003327A CN 114026390 A CN114026390 A CN 114026390A
- Authority
- CN
- China
- Prior art keywords
- measurements
- probe
- liquid
- computer
- change
- 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
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
- G01N33/1886—Water using probes, e.g. submersible probes, buoys
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/06—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/005—Processes using a programmable logic controller [PLC]
- C02F2209/008—Processes using a programmable logic controller [PLC] comprising telecommunication features, e.g. modems or antennas
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/02—Temperature
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/05—Conductivity or salinity
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/05—Conductivity or salinity
- C02F2209/055—Hardness
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/06—Controlling or monitoring parameters in water treatment pH
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Electrochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Molecular Biology (AREA)
- Organic Chemistry (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
- Medicinal Preparation (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及液体测量和监控领域。更具体地,本发明涉及对液体物理化学组成变化的改进的检测。为此,本发明基于来自并置于液体中的传感器的一组测量结果,并且将数据分区应用于所述一组测量结果。如果识别出至少两个测量结果群集,则检测到所述液体组成的异常变化。
Description
技术领域
本发明涉及液体分析。本发明更具体地涉及检测液体的物理化学组成变化。
背景技术
水收集和分配系统可能受到影响水质的许多异常的影响。例如,水可能被以下物质污染:通过排水有意或无意引入的各种污染物、供水中存在缺陷或连接错误、经常沉积在管道中并通过与形成系统的材料反应而突然重新悬浮的材料颗粒,或者细菌生长现象中的细菌。为了防止可能由污染引起的有害影响,或者更通常地,由可能引起用户不适的水质降低(颜色、味道、气味等的变化)引起的有害影响,有必要尽可能快且准确地检测和表征影响水质的任何事件或情况。改变水质的问题也可能在系统、水域或天然河道(诸如湖泊、池塘或河流或水域或天然河道)的集合中发生。这些系统可能受到例如意外污染或藻类异常生长的影响,这显著地对它们的状态进行了降级并妨碍它们被使用(饮用水、洗澡水等)。
一些异常可能导致水的物理化学组成的快速变化。这可能例如涉及导致水收集系统中发生突然污染的工业排放,或者发生清水渗入。清水渗入涉及将清水(即雨水、地下水)引入废水系统。例如,如果废水系统中的管道被刺穿并且允许清水进入管道,则这可能发生。发生清水渗入可能导致在分级废水收集系统方面的问题,产生过载、溢流或增加净化站中待处理的水的体积。其他异常可产生液体的物理化学组成变化,例如但不限于:废水系统到雨水系统的不正确分支;废水的不正确分支或直接排放到接收环境(例如,河流、湖泊、海洋);当卫生系统靠近海岸时,海水侵入这些卫生系统;工业排放到接收环境(例如,河流、湖泊、海洋);产生硫化氢(H2S)和/或有害气味的腐败区域,硫化氢(H2S)和/或有害气味在分配和/或卫生系统中产生质量下降。
因此,有必要检测水收集系统中水的物理化学组成意外变化的发生。更通常地,在天然水道或其他类型的液体的通道中可能遇到这个问题。
传统上,通过分析来自液体中的传感器的测量结果来检测液体中的异常。通常通过检测超过阈值的传感器测量结果来执行该分析。尽管这些技术能够检测已经在传感器上遇到和表征的错误,但是它们不能检测新的异常。它们通常也不能区分液体组成的逐渐正常变化以及突然异常变化。
因此,需要有效地检测液体的物理化学组成的异常变化,能够检测新的异常,以及区分液体组成的逐渐自然变化与突然异常变化。
发明内容
为此,本发明的一个主题是用于检测液体的物理化学组成变化的计算机实现的方法,该方法包括:从用于感测所述液体的物理化学变量的多个并置(collocated)传感器接收测量结果(measurement);将数据分区(partitioning)应用于所述测量结果;检查至少两个测量结果群集的存在;如果存在至少两个测量结果群集,则检测液体的物理化学组成中存在异常变化;否则,检测所述液体的物理化学组成中不存在异常变化。
将并置传感器理解为意指在同一个的位置处进行测量的多个传感器,也就是说,多个传感器位于同一个设备中,例如同一个多传感器探针,或者更通常地被布置为以便基本上在相同的位置处进行测量。
数据分区在于将数据分组为同类数据包(homogeneous packet)或“群集(cluster)”。数据分区算法将数据(这里是测量结果)分成一个或多个群集,形成均匀的点数据包。
数据分区尤其与确定液体组成中异常变化的存在有关。具体地,在液体的组成正常逐渐改变的情况下,相应的测量结果将由表现出逐渐漂移的单个密集的点数据包组成。相反,在液体组成突然异常变化的情况下,连续的测量结果将是高度不同的,并且对应于组成变化的少数(the few)点将彼此高度间隔,从而将数据分离成多个聚集体或群集。
因此,至少两个测量结果群集的存在给出了已经发生突然变化的良好指示,而单个测量结果群集的存在指示测量结果已经逐渐漂移。
因此,即使在变化到先前未知的状态的情况下,该方法也能够非常可靠地确定是否已经发生了这种异常变化。
有利地,该方法包括平滑(smooth)这些测量结果。
这能够改进以下步骤中的处理。特别地,例如由于传感器上的测量步骤的不正确校准,所以平滑数据能够避免样品上的异常测量结果或连续样品上的突然变化的存在。
有利地,该方法包括对测量结果进行主成分分析。
使用主成分分析(PCA)能够在考虑来自各种传感器的测量结果之间的相关性的空间中描绘测量结果。PCA因此使得,一方面,能够在来自不同传感器的测量值彼此补偿的空间中获得数值,另一方面,能够获得代表液体的物理化学组成的总体演变的主要成分。
有利地,主成分分析包括将测量结果矩阵乘以中心缩减矩阵(centering-reduction matrix),然后乘以变换矩阵,并且其中中心缩减矩阵和变换矩阵中的至少一个是在训练阶段基于来自所述多个传感器的测量结果计算的。
这使得对于所有的测量结果系列,能够使用相同的中心缩减矩阵和变换矩阵的系数。因此,这使得总是能够将测量结果投影到相同的主成分空间中。因此,主成分空间的一些区域可以与液体的异常或状态相关联。
有利地,应用数据分区包括应用基于密度的分区。
基于密度的数据分区方法在于,只要足够数量的点接近当前点,就将点逐步分组到给定的群集中,也就是说,它们将点以群集分组在一起,代表具有高局部点密度的区域。这种类型的方法对于分离由突然的异常变化所分离的测量结果的相干组特别有效。
例如,可以使用称为“噪声应用密度空间聚类”(Density-Based SpatialClustering of Application with Noise)(DBSCAN,由Ester,M,Kriegel,H.P.,Sander,J,&XU,X.(1996年8月)描述的)的方法。“用于在具有噪声的大空间数据库中发现群集的基于密度的算法”(A density-based algorithm for discovering clusters in largespatial databases with noise)。由Kdd(第96卷,第34期,第226-231页))和由McInnes,L.,Healy,J.,&Astels,S.(2017)描述的“具有噪声的应用的基于分层密度的空间聚类”(Hierarchical Density-Based Spatial Clustering of Application with Noise)(HDBSCAN,hdbscan:基于分层密度的群集(Hierarchical density based clustering).Journal of Open Source Software,2(11),205)。
有利地,应用数据分区包括应用第一数据分区方法,并且如果第一方法没有设法将测量结果分区为至少两个群集,则应用不同于第一数据分区方法的第二数据分区方法。
这能够使用两种不同的方法来检查液体成分的异常变化没有发生,因此使得检测更鲁棒(robust)。
有利地,第一方法是基于局部密度的数据分区方法,而第二方法是基于质心的。
这种组合特别鲁棒。特别地,基于密度的数据分区方法在绝大多数情况下特别有效,但是基于质心的方法通常在基于密度的方法给出较差结果的少数情况下工作良好。例如,可以首先应用HDBSCAN算法,并且如果没有设法将测量结果分离成多个群集,则可以使用使用k均值方法的数据分区。
有利地,该方法包括,如果检测到异常变化的存在,则对异常变化进行分类。
这能够自动地向用户指示发生了什么异常,以便允许所述用户尽快采取纠正措施。
有利地,基于至少两个测量结果群集的每一个之间的测量结果值的变化方向来确定异常变化的类别。
基于群集之间的测量结果值的变化方向来检测异常的类型给出了鲁棒且有效的异常分类方法。此外,异常的检测和分类与收集系统中水的初始状态无关。
有利地,该方法包括,如果检测到异常变化的存在,则定位该异常变化。
这允许用户确定异常变化发生的位置,以便更有效地采取纠正措施或附加调查。
有利地,基于通过数据分区定位在两个群集之间的极限处的至少一个测量结果的位置来确定异常变化的位置。
这种异常变化的位置是特别相关的,因为在群集的极限处的测量结果对应于发生突然变化时的测量结果。因此,这能够受益于与测量结果相关联的位置和/或时间戳信息,以便确定异常变化的位置。
有利地,多个传感器位于移动探针中,该测量结果被标上时间戳,并且基于探针在液体中所采取的路径和测量结果的时间戳来获得所述测量结果的位置。
这使得即使当不能够直接获得测量结果位置信息时,例如在掩埋管道中,也可以定位异常变化。
有利地,通过在探针的行程上对测量结果的时间戳与开始时间之间的差与行程时间之间的比率进行线性外推来获得测量结果的位置。
这给出了当位置信息不可用时定位测量结果的简单有效的方法。该定位可以另外在任何系统中执行,而不需要任何预先的训练或计算,并且通常给出异常变化的位置的令人满意的第一近似。
有利地,多个传感器包括从包括选自以下的至少一个传感器:传导率传感器;温度传感器;pH传感器;氧化还原电位传感器。
有利地,多个传感器包括:传导率传感器;温度传感器。
传导率传感器和温度传感器的联合存在对于检测渗入的清水特别有效。
pH传感器的存在能够检测水的酸度,其中的变化与检测工业排放特别相关。
氧化还原电位传感器的存在给出了关于水中氧的量的指示,由此能够例如检测可能例如导致不希望的气味的有机材料的异常积聚。
可以对来自传感器的测量结果进行时间标记,以便能够将测量结果日期和时间与每个测量结果相关联。
有利地,多个传感器被并置在移动探针中。
移动探针具有能够在液体连续体的不同点进行测量的优点。
有利地,移动探针是浮球。
这种浮球的优点是能够在难以接近的系统的点处进行测量,例如狭窄和掩埋的管道。
本发明的另一个主题是一种用于检测液体的物理化学组成变化的设备,包括:到用于感测所述液体的物理化学变量的多个并置传感器的至少一个通信链路;被配置为执行根据本发明的方法的步骤的处理器。
到多个传感器的通信链路可以是到包括传感器的探针的通信链路。这可以是允许探针和计算设备之间的数据交换的任何通信链路,例如有线连接(例如经由光纤、USB端口等)或无线连接(Wi-Fi、蓝牙、4G、5G、nbiot、LORA等)。这能够从液体中的一个或多个探针恢复测量结果。
到传感器的通信链路也可以是设备内部的链路。例如,当探针既配备有传感器又配备有用于处理测量结果的处理器时就是这种情况。
这样的设备能够基于来自液体中的传感器的测量结果来实现根据本发明的异常检测方法。
本发明的另一个主题是用于检测液体的物理化学组成变化的探针,所述探针包括:用于感测所述液体的物理化学变量的多个传感器;到根据本发明的设备的至少一个通信链路。
这种探针能够从液体中的传感器收集测量结果并将它们发送到能够执行异常检测的计算设备。
有利地,探针被设计成漂浮在液体中。
这种浮动探针的优点是能够在难以接近的系统的点处进行测量,例如狭窄和掩埋的管道。
本发明的另一个主题是用于检测液体的物理化学组成变化的系统,该系统包括:根据本发明的用于检测液体的物理化学组成变化的设备;包括到所述设备的通信链路的至少一个用于检测液体的物理化学组成变化的探针。
这样的系统能够具有在液体中进行测量并将测量结果发送到计算设备的探针,该计算设备基于所接收的测量结果进行计算以确定液体的物理化学组成变化的存在。因此,这能够具有有限尺寸和低能量消耗的探针,同时仍然受益于专用计算设备的计算能力。
有利地,该系统包括图形界面,该图形界面允许用户限定用于检测液体的物理化学组成变化的至少一个参数。
该图形界面允许用户执行测试,以便识别用于执行该方法的最相关的参数值。
本发明的另一个主题是用于检测液体的物理化学组成变化的计算机程序产品,包括记录在计算机可读介质上的程序代码指令,用于当所述程序产品在计算机上执行时执行根据本发明的方法。
当在计算机上执行这种计算机程序产品时,这种计算机程序产品能够执行根据本发明的具体实施方式之一的方法,并因此有效地检测液体的物理化学组成的异常变化的发生。
通过参考附图阅读所提供的说明书,本发明的其他特征、细节和优点将变得显而易见,所述附图分别以示例的方式给出,并且其中:
-图1a示出了根据本发明的一组实现方式的废水收集系统中的固定探针的实例;
-图1b示出了根据本发明的一组实现方式的废水收集系统中的移动探针的实例;
-图2示出了根据本发明的一组实现方式的用于检测液体的物理化学组成变化的设备的实例;
-图3示出了根据本发明的一组实现方式的用于检测液体的物理化学组成变化的计算机实现的方法的实例;
-图4示出了在本发明的一组实现方式中从来自物理化学测量传感器的测量结果中分区数据的第一实例;
-图5示出了在本发明的一组实现方式中,从来自物理化学测量传感器的测量结果中分区数据的第二实例。
图1a示出了根据本发明的一组实现方式的废水收集系统中的固定探针的实例。
探针100a包括用于检测废水收集系统中水的物理化学组成的异常变化的传感器。探针可以放置在废水收集系统中的任何位置,例如在读取站中、在暴风雨水池中、在暴风雨洪道中、在净化站附近或在任何其他点处。
探针100a例如通过一组传感器电缆120a连接到废水收集系统的管线130a或直接连接到系统(插入),并通过配电网或通过电池供电110a。
探针100a可以包括用于感测废水收集系统的物理化学变量的多个传感器。例如,探针100a可以包括至少一个或多个传感器,这些传感器至少选自但不限于:
-水传导率传感器;和/或
-温度传感器;和/或
-pH传感器;和/或
-氧化还原电位传感器(或氧化还原传感器)。
因此,在本发明的一组具体实施方式中,探针100a能够对一组参数进行测量,以便检测易于危及废水收集系统点处的水质的水的物理化学组成的异常演变。
在本发明的一组具体实施方式中,探针100a包括到计算设备的通信链路,以便从嵌入式传感器发送测量结果。探针和传感器之间的通信链路可以是各种类型。例如,探针可以包括到服务器的有线或无线连接,以便将测量结果发送到服务器,该服务器被配置为检测废水收集系统中的异常。在这些具体实施方式中,探针进行测量,然后将它们发送到计算设备,该计算设备将对它们进行处理,以便检测水组成中异常变化的发生。
在本发明的一组具体实施方式中,探针包括处理器,该处理器被配置为基于来自传感器的测量结果来检测水的物理化学组成变化。在这些具体实施方式中,探针因此既进行测量又对这些测量结果进行处理。
下面将给出使用处理器检测组成变化的一些实例,参考以下附图描述的异常检测和表征技术可应用于嵌入探针100a中的处理器。
虽然探针100a代表废水收集系统中的探针的一个实例,但是这样的探针也可以部署在水分配系统中,自然环境中的水,例如湖泊、池塘、河流或任何其他可能处于不同深度的水生系统中。诸如探针100a的探针也可以部署在除水之外的液体中。通常,它可以安装在液体连续体中。
图1b示出了根据本发明的一组实现方式的废水收集系统中的移动探针的实例。
诸如探针100a的固定探针对于在系统的固定点进行测量是有效的。然而,为了更准确地定位异常,可能需要从系统的大量点上的测量结果中获益。为此目的可以使用移动探针。
探针100b为是浮球式的,能够跟随废水收集系统中的水的运动。探针100b具有尺寸减小的优点,并且因此可以在诸如管线130b的管线内自然地移动,包括在难以接近的位置或在狭窄的管线中。
探针100b配备有电池和多个传感器。如在探针100a的情况下,探针100b可以配备有各种传感器,诸如参考图1a概述的那些。
在本发明的一组具体实施方式中,探针100b配备有允许其处理来自传感器的测量结果的处理器。然后它既进行测量又检测任何异常变化。
在本发明的一组具体实施方式中,探针100b另外配备有到计算设备的通信链路,允许它例如将来自传感器的数据发送到将能够处理这些测量结果的计算设备。可以使用各种通信链路。例如,探针100b可以经由蓝牙或Wi-Fi链路或USB端口连接到计算机。探针100b还可以使用经由诸如4G或5G网络的移动电话网络的数据链路。在这些具体实施方式中,探针因此进行测量,然后将测量结果发送到计算设备,该计算设备处理测量结果以便检测液体组成的任何异常变化。
在本发明的一组具体实施方式中,探针100b可以配备有地理定位设备。除了时间戳之外,这还能够将定位废水收集系统中的异常的地理位置信息与每个测量结果相关联。
可以使用各种地理定位设备。例如,可以使用卫星定位系统(或GNSS-全球导航卫星系统),诸如GPS(全球定位系统)、Galileo或Glonass系统。探针100b还可以经由移动电话网络或嵌入式定位系统(诸如配备有加速度计、陀螺仪和电磁计的惯性测量结果单元)或通过识别先前地理参考的可表征点(视野、房间)或任何其他适当手段来地理定位。
探针100b仅作为实例给出,并且可以使用其他移动探针。例如,虽然移动探针100b能够在没有马达的情况下在废水收集系统中漂移,但是其他探针可以配备有马达以便在废水收集系统内移动。同样地,移动式探针可以具有各种形式,诸如船和潜水艇的形式。
最后,尽管在废水收集系统中示出了移动探针100b,但是本发明也可应用于其他环境中的移动探针,诸如用于收集除水之外的液体的水道或系统。移动探针100b还可以部署在分配系统中而不是收集系统中,例如水分配系统中。通常,诸如探针120b的探针因此可以在液体连续体中移动。
图2示出了根据本发明的一组实现方式的用于检测液体的物理化学组成变化的设备的实例。
设备200被配置为接收来自传感器的测量结果并对其进行处理,以便检测液体的物理化学组成变化。
为此,该设备具有至少一个通信链路221、222、223,其连接到多个并置的传感器211、212、213,用于感测液体连续体中的物理化学变量,也就是说,连接到位于相同设备或相同探针中的至少两个传感器,诸如探针100a或100b,或者更通常地,连接到被布置成能够基本上在相同位置进行测量的至少两个传感器。
测量结果可以被加上时间戳和/或以固定的时间步长提供,也就是说,在每个测量结果之间可以经过给定的持续时间。如果各种传感器使用不同的时间步长,则可以例如经由内插来预处理测量结果,以便在每个测量时间提供来自所有传感器的测量结果,该测量时间由固定时间步长分开。
在图2的实例中,在废水收集系统210中布置了3个探针:两个固定探针211、212和一个移动探针213。每个探针包括至少两个传感器。例如,探针可以包括参考图1a讨论的传感器的组合。
尽管图2示出了废水收集系统中的传感器,但是本发明也可应用于自然环境中的水分配系统中的传感器,例如湖泊、池塘、河流中的传感器,或者更通常地应用于水生系统中的传感器。传感器也可以位于除水以外的液体中。尽管图2示出了三个探针,每个探针包括一组传感器,但是针对来自每个探针的测量结果,单独地对这些测量结果进行处理。特别地,本发明可应用于来自并置的传感器的测量结果,也就是说,传感器位于相同的设备、外壳或探针中,或者更通常地布置为基本上在相同的位置处执行测量。因此,设备200可以作用于来自单个探针的测量结果,或者并行地作用于来自多个探针的测量结果。
与多个传感器211、212、213的通信可以通过测量采集系统来执行,例如SCADA平台(监控和数据采集:用于实时处理大量远程测量和远程控制技术装置的大规模控制和远程管理系统)。在本发明的一组具体实施方式中,通信链路221、222、213是带有接收机220的无线电链路。通信链路的许多其他实现方式是可能的。例如,多个传感器211、212、213可以向集线器发送值,该集线器经由无线电链路或蜂窝电话链路连接到设备200中的调制解调器。通信链路的一些部分可以由有线链路形成。链路的类型还可以取决于传感器的固定或移动特性。例如,在移动传感器213的情况下,通信链路223可以是蓝牙、Wi-Fi或USB链路。本领域技术人员可以容易地定义给定使用情况下的相关通信链路,例如通过选择水收集和分配系统管理领域中公知的通信链路之一。根据本发明的各种具体实施方式,设备200可以属于各种类型的计算设备。例如,设备200可以是个人计算机、工作站、服务器、数字输入板或任何其他合适的设备。
系统200还包括存储介质230。在图2所示的实例中,存储介质位于设备200中。在本发明的其他具体实施方式中,存储介质可以位于计算设备外部。例如,这可以是通过计算设备的请求可访问的共享硬盘驱动器或远程数据库。在图2所示的实例中,存储介质包括测量结果数据库231。测量结果数据库231用于存储来自多个传感器211、212、213的测量结果。测量结果特别地包括由一个或多个传感器211、212、213测量的物理化学变量的值。在本发明的一组具体实施方式中,它们还可以包括具有测量结果的日期/时间和/或测量结果的地理位置的时间戳。存储介质230例如可以是硬盘驱动器、固态读取器、闪存或任何其他已知的存储类型。
设备200包括用于处理来自传感器的测量结果的处理器240。在本发明的一组具体实施方式中,在本发明的范围内可以使用各种类型的处理器。该处理器可以是例如微处理器、微控制器或数字信号处理器(或DSP)。处理器不限于任何处理器类型或体系结构,并且可以被配置为通过加载可执行代码元素来执行操作。处理器可以位于包括至少一个传感器的探针中,以便直接处理来自传感器的测量结果,或者位于探针向其发送其测量结果的个人计算机或远程服务器中。
设备200还可以包括一组输入/输出250,诸如屏幕、键盘或路由器。这些输入/输出可以例如用于向用户提供图形界面,该图形界面用于定义用于检测液体的物理化学组成变化的至少一个参数和/或用于显示检测结果。
处理器240被配置为从多个传感器211、212、213中的至少一个接收测量结果。在图2的实例中,处理器被配置为从测量结果数据库231读取测量结果。然而,处理器240还可以以另一种方式接收测量结果,例如通过从传感器直接接收测量结果并将它们存储在本地工作存储器中。
配置处理器以便执行根据本发明的用于检测液体的物理化学组成变化的方法的步骤。参考图3更详细地描述了这种方法。
更通常地,设备200、探针211、212和213以及通信链路221、222、223形成用于检测液体的物理化学组成变化以在液体中进行测量,然后处理测量结果以检测异常变化的系统。
应当注意,尽管图2示出了探针测量结果被远程传输到执行该处理的计算机的实例,但是本发明也适用于直接在探针(例如,探针100a和100b)中处理传感器测量结果。在这种情况下,到传感器的通信链路是探针内部的链路,例如用于将测量结果从传感器传送到探针中的处理器的电线。
图3示出了根据本发明的一组实现方式的用于检测液体的物理化学组成变化的计算机实现的方法的实例。
方法300包括从多个并置的传感器接收测量结果的第一步骤310,该传感器用于感测液体连续体中的物理化学变量。
参考图1a、1b和2讨论的所有具体实施方式都适用于该方法。传感器可以特别地并置在诸如探针100a、100b、211、212、213的探针中。
在本发明的一组具体实施方式中,方法300包括平滑传感器测量结果的第二步骤320。
该步骤能够改进以下步骤中的处理。特别地,例如由于传感器上的测量步骤的不正确校准,所以平滑数据能够避免样品上的异常测量结果或连续样品上的突然变化。
优选地,在连续的时间窗中,对来自多个并置传感器中的每个传感器的测量结果或对其子集并行地执行平滑。例如,可以使用来自每个传感器的测量结果的滑动平均值来执行平滑。可以以各种方式定义执行滑动平均的值的数量。例如,可以对10次测量结果执行滑动平均。在其上执行滑动平均的测量结果的数量对于所有传感器可以是相同的,或者对于它们中的每一个是特定的。最后,滑动平均只是能够平滑值的一个实例。可以使用其他平滑方法,诸如线性或多项式回归,Bézier曲线或Savitzky-Golay算法。
然而,平滑步骤对于实现根据本发明的方法不是必要的。例如,如果传感器被正确地校准并且进行测量不会导致两个样本之间的任何突然变化,则平滑步骤是不必要的。
在本发明的一组具体实施方式中,方法300包括对测量结果进行主成分分析(PCA)的步骤。
如果采用平滑测量的步骤320,则将PCA应用于平滑的测量结果。
使用PCA能够在考虑了来自各种传感器的测量结果之间的相关性的空间中描述测量结果。PCA因此使得,一方面,能够在来自不同传感器的测量值彼此补偿的空间中获得值,另一方面,可以获得代表液体的物理化学组成的总体演变的主要成分。
当传感器的数量大时,例如多于3个传感器时,使用PCA是特别相关的。然而,PCA步骤330不是本发明的必要特征。特别地,不需要少量的传感器,例如2个或甚至3个传感器。
在本发明的一组具体实施方式中,通过将测量结果的矩阵表示(表实例如每行一个传感器,每列一个时间步长)乘以中心缩减矩阵,然后将结果乘以变换矩阵来执行PCA。中心缩减矩阵能够获得中心缩减变量。变换矩阵能够将这些变量变换为主成分。
可以仅基于在步骤310中获得的测量结果来计算中心缩减和变换矩阵的系数。然后,这给出了作为瞬时测量结果的非常真实的表示的主要成分。
另一方面,在本发明的一组具体实施方式中,基于所述来自多个传感器的先前测量结果,在训练阶段中计算中心缩减矩阵和变换矩阵中的至少一个的系数。
这使得对于所有的测量结果系列,能够使用相同的中心缩减矩阵和变换矩阵的系数。因此,这使得总是能够将测量结果投影到相同的主成分空间中。因此,主成分空间的一些区域可以与液体的异常或状态相关联。
实际上,可以用来自多个传感器的时间序列值形成训练基,并且可以确定矩阵的系数,以便在训练基上优化中心缩减和到主成分的变换。接着,对新数据应用中心缩减和变换矩阵。应当注意,用于训练阶段的所述多个传感器可以对应于相同的物理传感器,也就是说,训练测量是从与在步骤310中获得的测量结果相同的探针获得的,或者是通过相同模型的多个传感器获得的,例如与在步骤310中获得测量结果所使用的探针相同的探针的传感器。
方法300然后包括将数据分区应用于测量结果的步骤340。
如果使用主成分分析步骤330,则将数据分区应用于主成分。如果只使用平滑测量结果的步骤320,则步骤340应用于平滑的测量结果。
在本发明的一组具体实施方式中,数据分区包括应用基于密度的分区。
在一组具体实施方式中,可以使用基于质心的数据分区方法。例如,可以使用k-均值或k-中心点方法。
在本发明的一组具体实施方式中,可以连续使用多个方法类型。例如,可以使用第一方法,并且如果它没有设法识别至少两个分离的群集,则可以使用第二方法。
例如,可以应用第一基于密度的数据分区方法,然后,如果该第一方法没有设法将测量结果分离成至少两个群集,则可以使用第二基于质心的数据分区方法。
该方法然后包括检查至少两个测量结果群集的存在的步骤350。
如果存在至少两个测量结果群集,则检测到液体的物理化学组成的异常变化370。否则,检测到液体的物理化学组成没有异常变化360。
如上所述,数据分区给出了液体组成中发生突然异常变化的极好指示。因此,即使在先前未知的改变的情况下,该方法也能够非常可靠地确定这种改变是否已经发生。
在检测异常变化370的情况下,在本发明的一组具体实施方式中,方法300包括表征异常变化的步骤380。
该步骤在于自动确定异常变化的类型。例如,如果这涉及清水渗入或工业排放。这能够自动地向用户指示发生了什么异常,以便允许所述用户尽快采取纠正措施。
步骤380可以以各种方式执行。例如,测量结果空间的一些区域(或者,在适用的情况下,主成分空间的一些区域)可以与给定的异常相关联。这可以通过在液体组成的异常变化的测量结果的注释历史上训练诸如神经网络或随机森林的监督学习引擎来执行。
知道某些类型的改变也可用于产生自动异常检测规则。例如,(复合或非复合)变量在中断的特征方向上演变。例如,当主成分1和2的值群集沿正方向移动时,观察到的中断对应于工业排放。因此,可以通过手动定义规则或通过自动学习规则,将测量结果或主成分的异常变化方向和/或测量结果或主成分空间的区域与异常相关联,从而对检测到的中断进行分类。
然而,该步骤380对于方法300不是必要的。具体地,在许多使用情况下,该方法简单地使得能够确定液体的组成发生了异常变化,给用户留下了细化诊断的任务,并且在适用的情况下进行额外的调查。
在本发明的一组具体实施方式中,方法300包括,如果检测到液体组成的异常变化,则定位异常变化的步骤390。
该步骤允许用户确定异常变化发生的位置,以便更有效地采取纠正措施或附加调查。
然而,该步骤390对于本发明不是必要的:在许多情况下,仅根据其发生异常变化的信息足以使用户进行附加调查或纠正措施。同样,即使没有异常变化的精确位置,用户通常也受益于允许所述用户进行附加分析或纠错步骤的位置信息。例如,在固定探针(诸如探针100a)的情况下,液体组成的异常变化的检测必然意味着该变化已经发生在系统上的探针的上游;如果诸如探针100b的移动探针在有限大小的系统上移动,则仅根据在系统上发生异常变化的信息允许用户采取附加动作。
可以以各种方式定位390异常变化。
在本发明的一组具体实施方式中,异常变化的位置是基于通过数据分区定位在两个群集之间的极限处的至少一个测量结果的位置来确定的。
更通常地,如将在图4和图5中所示,数据分区能够将测量结果分离成群集,在该群集内测量结果逐渐变化且彼此接近。相反,群集通过每次测量结果之间的显著差异而彼此分离。因此,在群集的极限处的测量结果对应于最靠近相邻群集的群集中的测量结果。液体组成的异常变化的位置可以基于测量结果位置信息以各种方式确定:
-作为在群集的极限处的测量结果位置;
-作为两个相邻群集的极限的测量结果位置的平均值;
-更通常地,在相邻群集的极限处的测量结果位置的组合可用于定位异常。
可以以各种方式获得测量结果的位置本身。
在本发明的一组具体实施方式中,诸如探针100b的移动探针配备有地理定位装置,并且每个测量结果与地理定位信息相关联。例如,GPS数据项可以与来自多个传感器的每个测量结果相关联,从而能够直接获得所述多个传感器的每个测量结果的位置信息。如上所述,地理定位还可以经由移动电话网络或嵌入式定位系统(诸如配备有加速度计、陀螺仪和电磁计的惯性测量结果单元)或通过识别先前地理参考的可表征点(视野、房间)或任何其他适当手段来地理定位。
在本发明的一组具体实施方式中,地理定位信息不能直接用于移动探针的测量结果(例如,如果探针没有配备地理定位设备,或者如果这些在测量期间不可用;例如,当诸如探针100b的移动探针位于埋地管道中时,GPS信标可能不能接收卫星测量结果),但是对每个测量结果加时间戳,并且基于探针所采取的路径和测量结果的时间戳来确定测量结果的位置。
这使得即使当不可能直接获得测量结果位置信息时,例如在掩埋管道中,也能够定位异常变化。
通常,这种类型的定位在于基于开始时间和位置,测量结果的时间戳、时间和探针行程的总长度来外推移动探针的位置。
在本发明的一组具体实施方式中,通过在探针的行程上对测量结果的时间戳与开始时间之间的差与行程时间之间的比率进行线性外推来获得测量结果的位置。
换言之,测量结果的时间戳能够确定在行程开始之后进行测量的时间段。因此,能够利用系统中探针的总行程时间的知识来确定测量结果是否是在行程的中途、行程的三分之一、行程的90%等进行的,并且可以考虑分别将测量结果定位在位于行程的中途、行程的三分之一、行程的90%等的位置。
还可以在测量结果的时间戳和异常变化的位置之间使用更复杂的关联。例如,可以获得探针在其中移动的系统的水力模型,能够确定每个管道中的流速。例如,申请人已经提交了以编号EP 3 112 959公开的欧洲专利申请,其中,水分配系统的水力模型被参数化,从而使得能够获得关于每个管道中的流速的信息。这种水力模型可以直接转置到收集系统。如果这种模型是已知的,则在进行给定测量时,可以更精确地确定系统中探针的移动,并且可以几乎精确地确定其位置,所述给定测量结果是从探针的路径以及流过的每个管道中的水的流速获知的。
在本发明的一组具体实施方式中,用户可以选择该方法的一个或多个参数,即用于检测液体的物理化学组成变化的至少一个参数。能够由用户选择的参数可以例如是:
-从可用的测量结果类型/传感器之中选择要使用的测量结果类型的子集;
-使用或省略可选步骤,诸如平滑测量结果,或使用PCA;
-数据分区的类型,以及在适用的情况下的分区参数;
-等。
更通常地,可以由用户定义能够考虑用于该方法的各种参数。为此,用户可以具有可用的图形界面,该图形界面允许所述用户定义用于检测液体的物理化学组成变化的至少一个参数,并查看执行该方法的结果。
因此,这允许用户执行测试,以便识别用于执行该方法的最相关的参数值。
图4示出了在本发明的一组实现方式中从来自物理化学测量传感器的测量结果分区数据的第一实例。
曲线410表示来自废水收集系统中同一个探针上的多个传感器的一系列测量结果:
-曲线411表示传导率测量结果的演化;
-曲线412表示温度测量结果的演变;
-曲线413表示pH测量结果的演变;
-曲线414表示氧化还原测量结果的演变。
曲线是同步的并且对应于在相同时间取得的测量结果。水平轴420是表示测量结果的时间戳的时间轴。
在此实例中,在时间421处发生相变:水的化学组成变化通过定义非常不同的测量结果的两个时间窗422和423的4种类型的的测量结果的同时快速变化来体现。在此应当注意,同时使用多个探针能够具有更鲁棒的检测,因为水的组成的变化是经由多个物理化学变量同时变化而不是仅一个物理化学变量变化来检测的。
如上所述,在根据本发明的方法中,将数据分区应用于测量结果。在图4的实例中,在数据分区之前还应用PCA,因此将其应用于主成分而不是原始测量结果。
曲线图430表示将PCA应用于测量结果410的时间序列。对于曲线图430,数据也得益于中心缩减。已经应用了基于密度的分区,诸如HDBSCAN算法。在主成分空间中,每个点对应于来自该组传感器的测量结果。
曲线图430突出了两个单独的测量结果群集,分别为432和433。这些群集分别对应于测量结果时间窗口422和423。对于每个群集,清楚地观察到由几个更远的点分开的对应于慢变化的一组均匀点。
在这种情况下,在群集的极限处的两个测量结果是测量结果4310和4311,其对应于时间421任一侧的测量结果。
因此,在本发明的一组具体实施方式中,异常变化可以位于测量结果组4310、4311或两者的组合处(例如,在测量结果4310和4311的位置之间的中间)。如上所述,可以以多种方式获得测量结果的位置,例如如果测量结果是地理定位的,或者通过使用测量结果的时间戳来推导进行测量的探针的位置。
图5示出了在本发明的一组实现方式中,从来自物理化学测量传感器的测量结果中分区数据的第二实例。
更准确地说,曲线图500在3维中示出了来自由分别由轴510、511和512表示的3个主要组件PC1、PC2和PC3形成的空间中的多个并置传感器的一组测量结果。
在图500的实例中,还将基于密度的数据分区应用于主成分。这能够将测量结果分离成两个群集520和521。在这种情况下,在每个群集内也观察到高局部密度的测量结果,其表示在群集之间的突然变化之前物理化学变量的逐渐演变。在图5的实例中,水的物理化学组成发生了暂时变化,其中第一变化从第一组成(群集520)到第二组成(群集521),由群集530和531的极限点表示,然后第二突然变化从第二组成转变(群集521)到第一组成(群集520),由群集532和533的极限点表示。
这里可以注意到,包含异常测量结果的群集521位于与包含正常测量结果的群集520不同的主成分空间的区域中。还可以观察到,从群集520到群集521的测量结果的变化与正方向上主成分1和2的修改(即主成分1和2的值的增加)相关联。在该实例中,在学习阶段,已经证明主成分的这种修改与工业排放相关联。
因此,本发明不仅可以检测异常,而且在本发明的一组具体实施方式中,能够基于群集之间的值的变化方向来表征它们。值得注意的是,这些值的变化方向可以通过计算每个群集上和每个维度中的测量结果的平均值来确定。作为替换,可以使用表示测量结果空间或主成分空间中的群集的测量结果的总位置的中值或任何其他值。接下来,可以比较每个群集的代表值,并且可以基于变化方向和可能的变化阈值来表征异常。可以在学习阶段确定,例如由专家用户或监督机器学习算法确定变化方向和阈值。
基于群集之间的测量结果值得的变化方向来检测异常的类型给出了鲁棒且有效的异常分类方法。此外,异常的检测和分类与收集系统中水的初始状态无关。
上述实例证明了本发明检测液体成分中的异常变化的能力,并且对于一些具体实施方式,证明了定位它们的能力,并且即使变化发生到以前从未遇到过的状态也能这样做。然而,它们仅通过实例的方式给出,并不以任何方式极限本发明的范围,本发明的范围由所附权利要求限定。
Claims (23)
1.用于检测液体的物理化学组成变化的计算机实现的方法(300),其包括:
-从用于感测所述液体的物理化学变量的多个并置传感器(211、212、213)接收(310)测量结果;
-将数据分区(340)应用于所述测量结果;
-检查(350)至少两个测量结果群集的存在;
-如果存在至少两个测量结果群集,则检测到所述液体的物理化学组成中存在异常变化(370);
-否则,检测到所述液体的物理化学组成中不存在异常变化(360)。
2.根据权利要求1所述的计算机实现的方法,其包括平滑(320)所述测量结果。
3.根据权利要求1和2中任一项所述的计算机实现的方法,其包括对所述测量结果进行主成分分析(330)。
4.根据权利要求3所述的计算机实现的方法,其中,所述主成分分析包括将测量结果矩阵乘以中心缩减矩阵,然后乘以变换矩阵,并且其中,所述中心缩减矩阵和变换矩阵中的至少一个是在训练阶段中基于来自所述多个传感器的测量结果来计算的。
5.根据权利要求1至4中任一项所述的计算机实现的方法,其中,应用所述数据分区包括应用基于密度的分区。
6.根据权利要求1至5中任一项所述的计算机实现的方法,其中,应用所述数据分区包括应用第一数据分区方法,并且如果所述第一方法没有设法将所述测量结果划分成至少两个群集,则应用不同于所述第一数据分区方法的第二数据分区方法。
7.根据权利要求6所述的计算机实现的方法,其中,所述第一方法是基于局部密度的数据分区方法,并且所述第二方法是基于质心的。
8.根据权利要求1至7中任一项所述的计算机实现的方法,其包括:如果检测到异常变化的存在,则对所述异常变化进行分类(380)。
9.根据权利要求8所述的计算机实现的方法,其中,所述异常变化的类别是基于所述至少两个测量结果群集中的每一个之间的测量结果值的变化方向来确定的。
10.根据权利要求1至9中任一项所述的计算机实现的方法,其包括:如果检测到异常变化的存在,则定位(390)所述异常变化。
11.根据权利要求10所述的计算机实现的方法,其中,所述异常变化的位置是基于由所述数据分区定位在两个群集之间的极限处的至少一个测量结果的位置来确定的。
12.根据权利要求11所述的计算机实现的方法,其中,所述多个传感器位于移动探针中,所述测量结果被标上时间戳,并且基于所述探针在所述液体中所采取的路径和所述测量结果的时间戳来获得所述测量结果的位置。
13.根据权利要求12所述的计算机实现的方法,其中,所述测量结果的位置是通过在所述探针的行程上线性外推所述测量结果的时间戳与所述开始时间之间的差与所述行程时间之间的比率来获得的。
14.根据权利要求1至13中任一项所述的计算机实现的方法,其中,所述多个传感器包括选自以下的至少一个传感器:
-传导率传感器;
-温度传感器;
-pH传感器;
-氧化还原电位传感器。
15.根据权利要求14所述的计算机实现的方法,其中,所述多个传感器包括:
-传导率传感器;
-温度传感器。
16.根据权利要求1至15中任一项所述的计算机实现的方法,其中,所述多个传感器被并置在移动探针(100b)中。
17.根据权利要求16所述的计算机实现的方法,其中,所述可移动探针是浮球。
18.用于检测液体的物理化学组成变化的设备(100a、100b、200),其包括:
-到用于感测所述液体的物理化学变量的多个并置传感器(211、212、213)的至少一个通信链路(221、222、223);
-处理器(240),其被配置为执行根据权利要求1至17中任一项所述的方法的步骤。
19.用于检测液体的物理化学组成变化的探针(100a、100b),所述探针包括:
-用于感测所述液体的物理化学变量的多个传感器;
-到根据权利要求18所述的设备的至少一个通信链路(221、222、223)。
20.根据权利要求19所述的探针,其中,所述探针设计成漂浮在所述液体中。
21.用于检测液体的物理化学组成变化的系统,包括:
-根据权利要求18所述的设备;
-根据权利要求19或20所述的至少一个探针,其包括到所述设备的通信链路。
22.根据权利要求21所述的系统,其包括图形界面,所述图形界面允许用户定义用于检测所述液体的物理化学组成变化的至少一个参数。
23.用于检测液体的物理化学组成变化的计算机程序产品,其包括记录在计算机可读介质上的程序代码指令,当在计算机上执行所述程序产品时,所述程序代码指令用于执行根据权利要求1至17中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2005509 | 2020-05-25 | ||
FR2005509A FR3110724B1 (fr) | 2020-05-25 | 2020-05-25 | Détection améliorée de changement de composition physico-chimique d’un liquide |
PCT/EP2021/063741 WO2021239646A1 (fr) | 2020-05-25 | 2021-05-24 | Detection de changement de composition physico-chimique d'un liquide |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114026390A true CN114026390A (zh) | 2022-02-08 |
Family
ID=72709475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180003327.2A Pending CN114026390A (zh) | 2020-05-25 | 2021-05-24 | 液体物理化学组成变化的改进的检测 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20230341370A1 (zh) |
EP (1) | EP4158639A1 (zh) |
CN (1) | CN114026390A (zh) |
AU (1) | AU2021279241A1 (zh) |
FR (1) | FR3110724B1 (zh) |
MX (1) | MX2022014769A (zh) |
WO (1) | WO2021239646A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024023823A1 (en) * | 2022-07-26 | 2024-02-01 | Ramot At Tel-Aviv University Ltd. | On-demand determination of fecal coliform presence in water resources |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013043737A1 (en) * | 2011-09-23 | 2013-03-28 | Visualant, Inc. | Fluid medium sensor system and method |
FR3024260B1 (fr) * | 2014-07-25 | 2016-07-29 | Suez Environnement | Procede pour detecter des anomalies dans un reseau de distribution, en particulier d'eau potable |
ES2906411T3 (es) | 2015-06-29 | 2022-04-18 | Suez Groupe | Procedimiento de detección de anomalías en un sistema de distribución de agua |
EP3336505B1 (en) * | 2016-12-15 | 2020-02-12 | INGU Solutions Inc. | Sensor device and systems for determining fluid parameters |
CN107389888A (zh) * | 2017-08-02 | 2017-11-24 | 中南林业科技大学 | 一种基于生态浮岛的环境监控方法 |
-
2020
- 2020-05-25 FR FR2005509A patent/FR3110724B1/fr active Active
-
2021
- 2021-05-24 US US17/927,320 patent/US20230341370A1/en active Pending
- 2021-05-24 CN CN202180003327.2A patent/CN114026390A/zh active Pending
- 2021-05-24 MX MX2022014769A patent/MX2022014769A/es unknown
- 2021-05-24 EP EP21726932.3A patent/EP4158639A1/fr active Pending
- 2021-05-24 WO PCT/EP2021/063741 patent/WO2021239646A1/fr unknown
- 2021-05-24 AU AU2021279241A patent/AU2021279241A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
FR3110724B1 (fr) | 2024-03-01 |
US20230341370A1 (en) | 2023-10-26 |
AU2021279241A1 (en) | 2023-01-19 |
MX2022014769A (es) | 2023-03-21 |
WO2021239646A1 (fr) | 2021-12-02 |
FR3110724A1 (fr) | 2021-11-26 |
EP4158639A1 (fr) | 2023-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Seyedmohammadi et al. | Spatial variation modelling of groundwater electrical conductivity using geostatistics and GIS | |
US20200331772A1 (en) | A water network monitor, monitoring system and method | |
Mackie et al. | Bulk organic δ13C and C/N ratios as palaeosalinity indicators within a Scottish isolation basin | |
Rodriguez-Perez et al. | Detecting technical anomalies in high-frequency water-quality data using artificial neural networks | |
Boënne et al. | Use of online water quality monitoring for assessing the effects of WWTP overflows in rivers | |
Cai et al. | Assessing benthic health under multiple human pressures in B ohai B ay (C hina), using density and biomass in calculating AMBI and M‐AMBI | |
CN113505471A (zh) | 一种河流断面污染物浓度预测计算方法 | |
Beaufort et al. | A classification approach to reconstruct local daily drying dynamics at headwater streams | |
Mozo et al. | Chlorophyll soft-sensor based on machine learning models for algal bloom predictions | |
Sotomayor et al. | Multivariate-statistics based selection of a benthic macroinvertebrate index for assessing water quality in the Paute River basin (Ecuador) | |
Mogheir et al. | Entropy and multi-objective based approach for groundwater quality monitoring network assessment and redesign | |
Samuelsson et al. | Fault signatures and bias progression in dissolved oxygen sensors | |
Jingang et al. | Outlier detection and sequence reconstruction in continuous time series of ocean observation data based on difference analysis and the Dixon criterion | |
Mei et al. | Optimizing water quality monitoring networks using continuous longitudinal monitoring data: a case study of Wen-Rui Tang River, Wenzhou, China | |
CN114026390A (zh) | 液体物理化学组成变化的改进的检测 | |
Aho et al. | An intense precipitation event causes a temperate forested drainage network to shift from N2O source to sink | |
Kim et al. | Enhanced monitoring of water quality variation in Nakdong River downstream using multivariate statistical techniques | |
Knee et al. | Spatial distribution of dissolved radon in the Choptank River and its tributaries: implications for groundwater discharge and nitrate inputs | |
Cunningham et al. | Benthic diatom communities as indicators of anthropogenic metal contamination at Casey Station, Antarctica | |
Kadir et al. | Smart sensor node of wireless sensor networks (WSNS) for remote river water pollution monitoring system | |
Seldomridge et al. | Use of geomorphic, hydrologic, and nitrogen mass balance data to model ecosystem nitrate retention in tidal freshwater wetlands | |
Moasheri et al. | ‘SAR’qualities parameter persistence by a compound method of geostatic and artificial neural network (Case study of Jiroft plain) | |
Lamrini et al. | Data Integrity Analysis of Water Quality Sensors and Water Quality Assessment | |
Mousli et al. | Detection of some water elements based on IoT: review study | |
O'Connor et al. | Multi-modal sensor networks for more effective sensing in irish coastal and freshwater environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Paris France Applicant after: Vizier Group Address before: Paris France Applicant before: SUEZ GROUPE |
|
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230627 Address after: Ladd, Paris, France Applicant after: DEGREMONT Address before: Paris France Applicant before: Vizier Group |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |