CN114280262A - 一种可渗透反应栅格监测方法、装置、系统及计算机设备 - Google Patents
一种可渗透反应栅格监测方法、装置、系统及计算机设备 Download PDFInfo
- Publication number
- CN114280262A CN114280262A CN202111643167.6A CN202111643167A CN114280262A CN 114280262 A CN114280262 A CN 114280262A CN 202111643167 A CN202111643167 A CN 202111643167A CN 114280262 A CN114280262 A CN 114280262A
- Authority
- CN
- China
- Prior art keywords
- data
- sensor data
- analysis result
- sensor
- neural network
- 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
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种可渗透反应栅格监测方法、装置、系统及计算机设备,该方法包括,获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;基于所述传感器数据输入到预设的神经网络模型得到分析结果;基于所述分析结果生成相应的响应措施。通过获取各类的传感器数据,可以实时监测各种数据的变化,将传感器数据输入到预设的神经网络模型得到对应的数据分析结果,根据分析结果采取相应的应对措施,可以大大减少了监测周期,提高了监测的时效性。
Description
技术领域
本发明涉及地下水监测技术领域,具体涉及一种可渗透反应栅格监测方法、装置、系统及计算机设备。
背景技术
可渗透反应格栅(Permeable reactive barrier,以下简称PRB)技术是指通过在受污染地下水流经的途径上建造由反应介质组成的反应格栅(设置于反应墙上),通过反应介质的吸附、沉淀、氧化还原和生物降解等作用去除地下水中的污染物,可用于污染地下水修复及风险管控。
PRB的运行寿命是关乎PRB实际工程应用的重要问题之一,PRB工程建成后,只要场地地下污染羽存在就必须对其进行全方位监测。最基本的监测是在关键位置(如浓度较高或接近反应墙的位置)集中布设一定数量的监测设备,对目标污染物进行监测以明确PRB下游的地下水是否达到修复目标值,即判断污染羽是否被PRB高效捕获即处理。为了精确衡量监测效果,需在PRB内部及上下游设置监测井以观测水位深度变化,并周期性地监测相关的水力性能、地球化学参数以及地下水流速等,这些数据对决定PRB运行方式十分重要。传统人工监测方式面临着人力、时间成本高,各类数据分散存储、数据格式不统一,汇总分析结果迟滞,对风险事件响应不及时等问题。
发明内容
因此,本发明要解决的技术问题在于克服现有PRB监测技术中由于人工监测数据汇总和分析迟滞,导致对风险事件响应不及时缺陷,从而提供一种可渗透反应栅格监测方法、装置、系统及计算机设备。
根据第一方面,本发明实施例公开了一种可渗透反应栅格监测方法,包括:获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;基于所述传感器数据输入到预设的神经网络模型得到分析结果;基于所述分析结果生成相应的响应措施。
可选地,构建所述预设的神经网络的过程包括:获取传感器样本数据,对所述传感器样本数据进行阈值标注和空间插值分析标注得到对应的阈值数据和空间插值数据;将所述传感器样本数据作为输入数据、与所述传感器数据对应的所述阈值数据和空间插值数据作为输出数据,对用于进行传感器数据分析的神经网络模型进行训练,得到所述预设的神经网络模型。
可选地,对所述传感器数据进行空间插值分析标注,包括:获取同一时间段内各地下水水位数据;基于反距离加权插值法得到等水位线图;基于所述等水位线图对所述传感器样本数据进行标注得到空间插值分析标注。
可选地,所述传感器数据包括阈值数据和空间插值数据,所述基于所述传感器数据输入到预设的神经网络模型得到分析结果,包括:基于所述阈值数据和预设的神经网络模型得到第一特征值;基于所述空间插值数据和预设的神经网络模型得到第二特征值;基于所述第一特征值和第二特征值得到所述阈值数据和空间插值数据的标准度;基于所述标准度得到所述阈值数据和空间插值数据的分析结果。
可选地,在所述获取传感器数据之后,所述基于所述传感器数据输入到预设的神经网络模型得到分析结果之前,所述方法还包括:基于所述传感器数据转化为数据格式统一的可用传感器数据;基于所述可用传感器数据输入到神经网络模型得到分析结果。
可选地,所述基于所述分析结果生成相应的响应措施,包括:判断所述分析结果是否超过预设阈值,若超过所述预设阈值则发出告警信号。
根据第二方面,本发明实施例还公开了一种可渗透反应栅格监测装置,包括:获取模块,用于获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;分析模块,用于基于所述传感器数据输入到预设的神经网络模型得到分析结果;响应模块,用于基于所述分析结果生成相应的响应措施。
根据第三方面,本发明实施例还公开了一种可渗透反应栅格监测系统,包括传感器终端、下位机和上位机,所述传感器终端,用于获取所述可渗透反应栅格监测系统的传感器数据;所述传感器终端包括污染物监测模块、水力性能监测模块和地球化学特征监测模块,所述污染物监测模块,用于获取目标污染物浓度数据;所述水力性能监测模块,用于获取污染物捕获性能参数;所述地球化学特征监测模块,用于获取地下水的水质参数;所述下位机,用于获取所述传感器数据,并将所述传感器数据传输至所述上位机;所述上位机,包括数据分析模块,用于统计并分析所述下位机传输的传感器数据得到分析结果;显示模块,用于基于所述数据分析模块的分析结果进行可视化展示。
根据第四方面,本发明实施例还公开了一种计算机设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的可渗透反应栅格监测方法的步骤。
根据第五方面,本发明实施方式还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的可渗透反应栅格监测方法的步骤。
本发明技术方案,具有如下优点:
本发明提供的可渗透反应栅格监测方法、装置、系统及计算机设备,该方法包括,获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;基于所述传感器数据输入到预设的神经网络模型得到分析结果;基于所述分析结果生成相应的响应措施。通过获取各类的传感器数据,可以实时监测各种数据的变化,将传感器数据输入到预设的神经网络模型得到对应的数据分析结果,根据分析结果采取相应的应对措施,可以大大减少了监测周期,提高了监测的时效性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例中可渗透反应栅格监测方法的一个具体示例的流程图;
图2为本发明实施例中可渗透反应栅格监测装置的一个具体示例的原理框图;
图3为本发明实施例中可渗透反应栅格监测系统的一个具体示例的原理框图;
图4为本发明实施例中计算机设备的一个具体示例图;
图5为本发明实施例中可渗透反应栅格监测方法的一个具体示例的示意图;
图6为本发明实施例中可渗透反应栅格监测系统的一个具体示例的原理框图;
图7A-图7B为本发明实施例中可渗透反应栅格监测方法的具体示例的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种可渗透反应栅格监测方法,如图1所示,该方法包括如下步骤:
步骤101:获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息。
示例性地,传感器数据可以是污染物浓度数据(污染物去除浓度以及采集数据时相应的采集时间和采集点位等)、水力性能数据(具体可以是地下水水位、地下水流向、地下水流速以及相应的采集时间和采集点位等)以及水质数据(地下水中pH、Eh、DO、Ca2+、Mg2+、Fe2+、Mn2+、Cl-、HCO3-、CO3 2-、SO4 2-等水质的指标以及相应的采集时间和采集点位等)。本发明实施例对传感器数据的类型不作限定,本领域技术人员可以根据实际需要确定。
步骤102:基于所述传感器数据输入到预设的神经网络模型得到分析结果。
示例性地,预设的神经网络模型为根据采集到的传感器的样本数据进行训练得到的神经网络模型,由于PRB系统是根据实际情况进行设置的,设置在不同位置的PRB系统的情况均不一样,因此传感数数据的分析标准是不一样,前期可以由技术人员根据实际情况进行标注数据,进行神经网络的训练,待神经网络训练好后在采用训练好的神经网络模型进行实时的数据分析。
步骤103:基于所述分析结果生成相应的响应措施。示例性地,分析结果可以是污染物浓度超标、水质数据超标等,对应的响应措施可以是根据分析结果发出告警信息,由技术人员根据告警信息的具体内容采取对应的措施。
本发明提供的可渗透反应栅格监测方法,包括:获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;基于所述传感器数据输入到预设的神经网络模型得到分析结果;基于所述分析结果生成相应的响应措施。通过获取各类的传感器数据,可以实时监测各种数据的变化,将传感器数据输入到预设的神经网络模型得到对应的数据分析结果,根据分析结果采取相应的应对措施,可以大大减少了监测周期,提高了监测的时效性。
作为本发明一个可选实施方式,所述步骤102中,构建所述预设的神经网络的过程包括:获取传感器样本数据,对所述传感器样本数据进行阈值标注和空间插值分析标注得到对应的阈值数据和空间插值数据;将所述传感器样本数据作为输入数据、与所述传感器数据对应的所述阈值数据和空间插值数据作为输出数据,对用于进行传感器数据分析的神经网络模型进行训练,得到所述预设的神经网络模型。
示例性地,对采集到的传感器样本数据进行标准阈值的标注和空间差值的标注,由于每个PRB系统的标准都是不一样的,因此在前期的样本数据的标注需要技术人员根据实际PRB系统的情况进行标注。将标注后的数据作为预设的神经网络的训练集,对神经网络进行训练,直至训练的神经网络的输出数据与标注的数据相同或正确率达到既定的标准时,说明神经网络模型已经训练好,后续再进行数据监测时的,只需要直接将采集到的数据输入到训练好的神经网络模型即可。
作为本发明一个可选实施方式,步骤102中,预设的神经网络的过程还包括,对所述传感器数据进行空间插值分析标注,包括:获取同一时间段内各地下水水位数据;基于反距离加权插值法得到等水位线图;基于所述等水位线图对所述传感器样本数据进行标注得到空间插值分析标注。
示例性地,传感器数据中包括两种类型的数据,一种是可以根据设定的目标阈值判断数据是否正常的数据,另一种的是需要根据实际的水位信息等进行空间插值计算,得到不同位置的数据的标准,才能根据标准数据判断采集到的数据是否满足标准情况。其中具体的空间插值计算如下,根据同一时间段内PRB系统中不同位置的水位信息,由水位信息生成等水位线图,根据等水位线图可以准确的得到水流的方向,从而可以判断地下水是否流经PRB墙体,从而确保了采集到的传感器数据的准确性,效果示意图如图7A-7B所示,图中箭头所指方向为水流方向,图7A为PRB正常运行状态,图7B为PRB非正常运行状态,即地下水没有流经PRB墙体。等水位线图的示意图如图5所示,水位信息可以包括不同的监测点位信息、XY坐标和水位高程数据等,具体数据如表1所示,利用反距离加权插值法得出等水位线图,该方法的原理为:等水位线图上分布一系列监测点位P(x,y,z),己知其位置坐标P(xi,yi)和水位高程数据zi(I=1,2,…,n),根据周围监测点位的水位高程数据,通过距离加权插值求监测点位P的水位高程数据。其插值原理是待插值点邻域内已知散乱点水位高程数据的加权平均,权的大小与待插点的邻域内散乱点之间的距离有关,是距离k(k常取2)次方的倒数。即:
表1
作为本发明一个可选实施方式,所述传感器数据包括阈值数据和空间插值数据,所述步骤102,包括:基于所述阈值数据和预设的神经网络模型得到第一特征值;基于所述空间插值数据和预设的神经网络模型得到第二特征值;基于所述第一特征值和第二特征值得到所述阈值数据和空间插值数据的标准度;基于所述标准度得到所述阈值数据和空间插值数据的分析结果。示例性地,在训练神经网络模型是分两部分来训练,分别是对阈值数据的训练和空间插值数据的训练,需要分别提取两种数据的特征来进行训练,直至训练的数据得到输出结果与标注结果的正确率(标准度)达到预定比例。
作为本发明一个可选实施方式,在步骤101之后,步骤102之前,所述方法还包括:基于所述传感器数据转化为数据格式统一的可用传感器数据;基于所述可用传感器数据输入到神经网络模型得到分析结果。示例性地,采集到的传感器数据格式均不同,在输入到神经网络模型进行分析之前,需要对传感器数据的格式进行统一。
作为本发明一个可选实施方式,所述步骤103,包括:判断所述分析结果是否超过预设阈值,若超过所述预设阈值则发出告警信号。
示例性地,若监测到的污染物浓度高于预设的浓度水平,发出相应的告警信息,技术人员根据告警信息确定PRB系统运行不正常的原因,并及时采取应对措施直至监测数据正常后可停止相应措施。其中常见原因有;PRB内发生水流短路或反应介质活性减低而导致污染物浓度升高等。常见的PRB应急处置措施有以下两种方式,一是提高监测频率以确定污染物的浓度变化趋势,分析引起变化的原因;二是采取相应的应急处置措施,如更换反应介质、进行水力控制、改变地球化学条件或实施其他的修复和风险管控措施。
本发明实施例还公开了一种可渗透反应栅格监测装置,如图2所示,该装置包括:
获取模块201,用于获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息。示例性地,详细内容见上述方法实施例中步骤101的内容,此处不再赘述。
分析模块202,用于基于所述传感器数据输入到预设的神经网络模型得到分析结果。示例性地,详细内容见上述方法实施例中步骤102的内容,此处不再赘述。
响应模块203,用于基于所述分析结果生成相应的响应措施。示例性地,详细内容见上述方法实施例中步骤103的内容,此处不再赘述。
本发明提供的可渗透反应栅格监测装置,包括:获取模块201,用于获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;分析模块202,用于基于所述传感器数据输入到预设的神经网络模型得到分析结果;响应模块203,用于基于所述分析结果生成相应的响应措施。通过获取各类的传感器数据,可以实时监测各种数据的变化,将传感器数据输入到预设的神经网络模型得到对应的数据分析结果,根据分析结果采取相应的应对措施,可以大大减少了监测周期,提高了监测的时效性。
作为本发明一个可选实施方式,所述分析模块202中,构建所述预设的神经网络的过程包括:标注模块,用于获取传感器样本数据,对所述传感器样本数据进行阈值标注和空间插值分析标注得到对应的阈值数据和空间插值数据;训练模块,用于将所述传感器样本数据作为输入数据、与所述传感器数据对应的所述阈值数据和空间插值数据作为输出数据,对用于进行传感器数据分析的神经网络模型进行训练,得到所述预设的神经网络模型。示例性地,详细内容见上述方法实施例中步骤102的内容,此处不再赘述。
作为本发明一个可选实施方式,分析模块202中,预设的神经网络的过程还包括,对所述传感器数据进行空间插值分析标注,包括:获取子模块,用于一时间段内各地下水水位数据;水位线图模块,用于加权插值法得到等水位线图;分析标注模块,用于基于所述等水位线图对所述传感器样本数据进行标注得到空间插值分析标注。示例性地,详细内容见上述方法实施例中步骤102的内容,此处不再赘述。
作为本发明一个可选实施方式,所述传感器数据包括阈值数据和空间插值数据,所述分析模块202,包括:第一特征值模块,用于基于所述阈值数据和预设的神经网络模型得到第一特征值;第二特征值模块,用于基于所述空间插值数据和预设的神经网络模型得到第二特征值;标准度模块,用于基于所述第一特征值和第二特征值得到所述阈值数据和空间插值数据的标准度;分析结果模块,用于基于所述标准度得到所述阈值数据和空间插值数据的分析结果。示例性地,详细内容见上述方法实施例中步骤102的内容,此处不再赘述。
作为本发明一个可选实施方式,在获取模块201之后,分析模块202之前,所述装置还包括:格式转化模块,用于基于所述传感器数据转化为数据格式统一的可用传感器数据;分析子模块,用于基于所述可用传感器数据输入到神经网络模型得到分析结果。示例性地,详细内容见上述方法实施例中的内容,此处不再赘述。
作为本发明一个可选实施方式,所述响应模块203,包括:判断模块,用于判断所述分析结果是否超过预设阈值,告警模块,用于若超过所述预设阈值则发出告警信号。示例性地,详细内容见上述方法实施例中步骤103的内容,此处不再赘述。
本发明实施例还公开了一种可渗透反应栅格监测系统,如图3所示,该系统包括传感器终端301、下位机302和上位机303,
所述传感器终端301,用于获取所述可渗透反应栅格监测系统的传感器数据,所述传感器终端包括污染物监测模块、水力性能监测模块和地球化学特征监测模块,所述污染物监测模块,用于获取目标污染物浓度数据;所述水力性能监测模块,用于获取污染物捕获性能参数;所述地球化学特征监测模块,用于获取地下水的水质参数。
示例性地,污染物监测模块是指能够测量地下水中目标污染物浓度的传感器探头,通常置放于配合PRB工程运行的监测井中,将探头前端被地下水完全浸润,即可实时获取污染物监测信息,包括监测点位、监测时间、目标污染物、目标污染物浓度。
配合PRB工程运行的监测井布置如下:污染羽上游至少布置1个,目的是监测进入PRB的污染物浓度;污染羽下游至少布置1个,目的是监测经过PRB反应后的污染物浓度,即PRB对污染物去除效果;PRB两侧各布置1个,目的是监测污染羽的截获情况,确保污染羽全部通过PRB;PRB内部布置至少1个,监测是否存在穿透和绕流。监测井的开筛位置为污染羽垂向分布范围。
水力性能监测模块是指能够测量PRB对污染羽的捕获性能和污染物的停留时间的计算参数的传感器探头,即地下水水位仪和地下水流速流向仪。通常置放于配合PRB工程运行的监测井中,将探头前端被地下水完全浸润,即可实时获取水力性能监测信息,包括监测点位、监测时间、地下水水位、地下水流向、地下水流速。
地球化学特征监测模块是指能够测量地下水中pH、Eh、DO、Ca2+、Mg2+、Fe2+、Mn2+、Cl-、HCO3-、CO3 2-、SO4 2-等指标的多参数水质仪,根据可反映PRB内沉淀反应发生程度的重要指标来选取相应的传感器探头并组合在多参数水质仪上。通常置放于配合PRB工程运行的监测井中,将探头前端被地下水完全浸润,即可实时获取地球化学特征监测信息,包括监测点位、监测时间、监测指标、监测结果。
所述下位机302,用于获取所述传感器数据,并将所述传感器数据传输至所述上位机。
示例性地,下位机302可以由中央控制模块、通讯模块、监测模块及电源管理模块组成,置放于监测井井口处,通过柔性有线与下方的传感器终端301连接。中央控制模块主要由MCU及其外围电路构成,其为系统中的各个模块提供控制接口和数据传输通道。GPRS与MCU之间使用UART通信接口;电源管理使用普通I/O口;与EEPROM之间通讯使用I2C接口;监测模块包括所选的传感器,每个传感器的构成都是独立的,监测数据传输由I/O接口完成。GPRS模块用来实现系统与控制中心信息交换,运行在GSM网络,能够通过短信方式实现数据上传和接受控制命令功能。电池管理模块是为了将系统的功耗降至最低,以此提高电池的续航能力。主要是通过对工作模式和工作状态的识别来控制系统各个模块工作与否。
所述上位机303,包括数据分析模块,用于统计并分析所述下位机传输的传感器数据得到分析结果;显示模块,用于基于所述数据分析模块的分析结果进行可视化展示。
示例性地,数据分析模块,重要用于对传感器终端采集到的传感器数据进行分析,显示模块中内置了可渗透反应栅格监测系统三维模拟结构,可以将数据分析结果一一映射的与实际系统对应的三维模型中,方便技术人员及时应用解决方案应对突发情况,具有很强的实用性、准确性。如图6所示为可渗透反应栅格监测系统的具体示意图。
本发明提供的可渗透反应栅格监测系统,包括:传感器终端301,用于获取所述可渗透反应栅格监测系统的传感器数据;下位机302,用于获取所述传感器数据,并将所述传感器数据传输至所述上位机;上位机303,包括数据分析模块,用于统计并分析所述下位机传输的传感器数据得到分析结果;显示模块,用于基于所述数据分析模块的分析结果进行可视化展示。通过设置各类的传感器终端,可以实时监测各种数据的变化,将传感器终端的数据通过下位机传输到上位机进行数据分析结果,根据分析结果采取相应的应对措施,可以大大减少了监测周期,提高了监测的时效性。
本发明实施例还提供了一种计算机设备,如图4所示,该计算机设备可以包括处理器401和存储器402,其中处理器401和存储器402可以通过总线或者其他方式连接,图4中以通过总线连接为例。
上述系统上位机可以通过Web应用程序访问,Web应用程序的一个最大好处是用户很容易访问应用程序。用户只需要有浏览器即可,不需要再安装其他软件。一个Web应用程序是由完成特定任务的各种Web组件(web components)构成的并通过Web将服务展示给外界。在实际应用中,Web应用程序是由多个Servlet、JSP页面、HTML文件以及图像文件等组成。所有这些组件相互协调为用户提供一组完整的服务。WEB应用程序一般是B/S模式(浏览器端/服务器端应用程序,这类应用程序一般借助IE等浏览器来运行)。Web应用程序首先是“应用程序”,和用标准的程序语言,如C、C++等编写出来的程序没有什么本质上的不同。然而Web应用程序又有自己独特的地方,就是它是基于Web的,而不是采用传统方法运行的。上述系统是浏览器/服务器架构。
处理器401可以为中央处理器(Central Processing Unit,CPU)。处理器401还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器402作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的可渗透反应栅格监测方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的可渗透反应栅格监测方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器401所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至处理器401。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器402中,当被所述处理器401执行时,执行如图1所示实施例中的可渗透反应栅格监测方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种可渗透反应栅格监测方法,其特征在于,包括:
获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;
基于所述传感器数据输入到预设的神经网络模型得到分析结果;
基于所述分析结果生成相应的响应措施。
2.根据权利要求1所述的方法,其特征在于,构建所述预设的神经网络的过程包括:
获取传感器样本数据,对所述传感器样本数据进行阈值标注和空间插值分析标注得到对应的阈值数据和空间插值数据;
将所述传感器样本数据作为输入数据、与所述传感器数据对应的所述阈值数据和空间插值数据作为输出数据,对用于进行传感器数据分析的神经网络模型进行训练,得到所述预设的神经网络模型。
3.根据权利要求2所述的方法,其特征在于,对所述传感器数据进行空间插值分析标注,包括:
获取同一时间段内各地下水水位数据;
基于反距离加权插值法得到等水位线图;
基于所述等水位线图对所述传感器样本数据进行标注得到空间插值分析标注。
4.根据权利要求1所述的方法,其特征在于,所述传感器数据包括阈值数据和空间插值数据,所述基于所述传感器数据输入到预设的神经网络模型得到分析结果,包括:
基于所述阈值数据和预设的神经网络模型得到第一特征值;
基于所述空间插值数据和预设的神经网络模型得到第二特征值;
基于所述第一特征值和第二特征值得到所述阈值数据和空间插值数据的标准度;
基于所述标准度得到所述阈值数据和空间插值数据的分析结果。
5.根据权利要求1所述的方法,其特征在于,在所述获取传感器数据之后,所述基于所述传感器数据输入到预设的神经网络模型得到分析结果之前,所述方法还包括:
基于所述传感器数据转化为数据格式统一的可用传感器数据;
基于所述可用传感器数据输入到神经网络模型得到分析结果。
6.根据权利要求1所述的方法,其特征在于,所述基于所述分析结果生成相应的响应措施,包括:
判断所述分析结果是否超过预设阈值,若超过所述预设阈值则发出告警信号。
7.一种可渗透反应栅格监测装置,其特征在于,包括:
获取模块,用于获取传感器数据,所述传感器数据用于表征所述可渗透反应栅格的状态信息;
分析模块,用于基于所述传感器数据输入到预设的神经网络模型得到分析结果;
响应模块,用于基于所述分析结果生成相应的响应措施。
8.一种可渗透反应栅格监测系统,其特征在于,包括传感器终端、下位机和上位机,
所述传感器终端,用于获取所述可渗透反应栅格监测系统的传感器数据;所述传感器终端包括污染物监测模块、水力性能监测模块和地球化学特征监测模块,所述污染物监测模块,用于获取目标污染物浓度数据;所述水力性能监测模块,用于获取污染物捕获性能参数;所述地球化学特征监测模块,用于获取地下水的水质参数;
所述下位机,用于获取所述传感器数据,并将所述传感器数据传输至所述上位机;
所述上位机,包括数据分析模块,用于统计并分析所述下位机传输的传感器数据得到分析结果;显示模块,用于基于所述数据分析模块的分析结果进行可视化展示。
9.一种计算机设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-6任一所述的可渗透反应栅格监测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的可渗透反应栅格监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111643167.6A CN114280262B (zh) | 2021-12-29 | 2021-12-29 | 一种可渗透反应栅格监测方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111643167.6A CN114280262B (zh) | 2021-12-29 | 2021-12-29 | 一种可渗透反应栅格监测方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114280262A true CN114280262A (zh) | 2022-04-05 |
CN114280262B CN114280262B (zh) | 2023-08-22 |
Family
ID=80878130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111643167.6A Active CN114280262B (zh) | 2021-12-29 | 2021-12-29 | 一种可渗透反应栅格监测方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114280262B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1417588A (zh) * | 2001-11-09 | 2003-05-14 | 湖南力合科技发展有限公司 | 水质在线监测网络系统 |
US20130138349A1 (en) * | 2010-05-10 | 2013-05-30 | Groundswell Technologies, Inc. | Method and apparatus for groundwater basin storage tracking, remediation performance monitoring and optimization |
CN111414694A (zh) * | 2020-03-19 | 2020-07-14 | 天津中德应用技术大学 | 一种基于fcm和bp算法的污水监测系统及其建立方法 |
CN112830593A (zh) * | 2021-04-16 | 2021-05-25 | 北京中地泓科环境科技有限公司 | 地下水污水处理系统 |
CN214407469U (zh) * | 2021-03-02 | 2021-10-15 | 深圳市水务规划设计院股份有限公司 | 一种地下水信息监测系统 |
CN113537586A (zh) * | 2021-07-12 | 2021-10-22 | 浙江大学 | 集成小波分解与深度神经网络的水质指标多步预测方法 |
CN113836475A (zh) * | 2021-11-26 | 2021-12-24 | 深圳奥雅设计股份有限公司 | 一种基于生态环境修复的污水智能处理方法及系统 |
-
2021
- 2021-12-29 CN CN202111643167.6A patent/CN114280262B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1417588A (zh) * | 2001-11-09 | 2003-05-14 | 湖南力合科技发展有限公司 | 水质在线监测网络系统 |
US20130138349A1 (en) * | 2010-05-10 | 2013-05-30 | Groundswell Technologies, Inc. | Method and apparatus for groundwater basin storage tracking, remediation performance monitoring and optimization |
CN111414694A (zh) * | 2020-03-19 | 2020-07-14 | 天津中德应用技术大学 | 一种基于fcm和bp算法的污水监测系统及其建立方法 |
CN214407469U (zh) * | 2021-03-02 | 2021-10-15 | 深圳市水务规划设计院股份有限公司 | 一种地下水信息监测系统 |
CN112830593A (zh) * | 2021-04-16 | 2021-05-25 | 北京中地泓科环境科技有限公司 | 地下水污水处理系统 |
CN113537586A (zh) * | 2021-07-12 | 2021-10-22 | 浙江大学 | 集成小波分解与深度神经网络的水质指标多步预测方法 |
CN113836475A (zh) * | 2021-11-26 | 2021-12-24 | 深圳奥雅设计股份有限公司 | 一种基于生态环境修复的污水智能处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114280262B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN111898691A (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN210895538U (zh) | 水质智能监管装置和设备 | |
CN204425399U (zh) | 一种基于云计算的水文气象业务系统 | |
CN113899872A (zh) | 基于水质监测的污染源溯源系统 | |
CN102541013B (zh) | 阳极保护设备远程监控、预警及故障诊断系统与方法 | |
CN113970627B (zh) | 一种水质监测及预警方法、系统 | |
CN111339092A (zh) | 一种基于深度学习的多尺度空气质量预报方法 | |
CN111122665B (zh) | 一种用电导率进行工业企业废水水质监测的方法 | |
CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
CN116933626A (zh) | 一种基于数字孪生的数据监测方法及装置 | |
CN115395657A (zh) | 一种基于云计算的智慧城市监视方法 | |
CN114235653A (zh) | 基于端云协同的大气颗粒污染物时空预测云平台 | |
CN117709715A (zh) | 一种隧道工程施工风险评估方法、系统、终端及介质 | |
CN114280262B (zh) | 一种可渗透反应栅格监测方法、装置及计算机设备 | |
CN116385690B (zh) | 一种基于bim模型的三维运维管控平台及其管控方法 | |
CN111047160B (zh) | 污染原因分析方法、装置、可读存储介质及电子设备 | |
CN109019717A (zh) | 一种火电厂脱硫废水智能处理方法及系统 | |
CN114814135B (zh) | 一种基于多元监测的河流水质污染溯源方法及系统 | |
CN115905348A (zh) | 一种多源异构数据的行业用电异常预警方法及系统 | |
CN115908728A (zh) | 一种智能煤矿井下监控系统、方法、终端设备及存储介质 | |
CN103631232A (zh) | 数据监测控制方法和装置 | |
Yang et al. | Design and implementation of a highly accurate spatiotemporal monitoring and early warning platform for air pollutants based on IPv6 |
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 |