CN115577018B - 一种水质监测数据的智能处理方法及系统 - Google Patents
一种水质监测数据的智能处理方法及系统 Download PDFInfo
- Publication number
- CN115577018B CN115577018B CN202211529394.0A CN202211529394A CN115577018B CN 115577018 B CN115577018 B CN 115577018B CN 202211529394 A CN202211529394 A CN 202211529394A CN 115577018 B CN115577018 B CN 115577018B
- Authority
- CN
- China
- Prior art keywords
- health
- monitoring
- water area
- characteristic value
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 284
- 238000012544 monitoring process Methods 0.000 title claims abstract description 236
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000036541 health Effects 0.000 claims abstract description 212
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 239000003643 water by type Substances 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 11
- 238000011157 data evaluation Methods 0.000 abstract description 7
- 235000019580 granularity Nutrition 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000013619 trace mineral Nutrition 0.000 description 2
- 239000011573 trace mineral Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种水质监测数据的智能处理方法及系统，涉及水质监测评估技术领域，获取待测水域的多组历史监测数据，基于多个监测指标进行多个水域健康度评分，进行监测指标权重分布生成多个权重分布结果，获取水域健康总评分，构建多个健康评分阈值，对待测水域进行健康度检测生成水域健康偏离度，对多组历史监测数据进行标识并发送至水质管理端可视化界面，解决现有技术中进行水质监测与数据处理时，由于当前的处理方法智能度不足，导致水质监测与处理流程受外因影响，无法保障处理数据的实时有效性与数据评估准确性的技术问题，通过优化数据处理流程，分别进行单项指标评估与综合评估，在保障数据时效性的基础上有效提高数据评估准确度。
Description
技术领域
本发明涉及水质监测评估技术领域，具体涉及一种水质监测数 据的智能处理方法及系统。
背景技术
进行地表水质监测评估对于平衡生态系统与确保公众生命安全 具有重要的意义，不同地理、气候条件下的各种水体指标要求存在 差异性，通过对水质监测数据进行处理分析，可确定水质的实时状 态，但由于各种客观因素的影响，使得水质评估结果不够精准，无 法体现水域的水质等级，现如今，主要通过定期取样，基于技术人 员依据检测设备对样本进行分解提取，确定水质中各种元素含量， 进而进行水质评估，但由于检测过程存在一定的不可控因素，使得 水质的检测处理受限。
现有技术中，进行水质监测与数据处理时，由于当前的处理方 法智能度不足，导致水质监测与处理流程受外因影响，无法保障处 理数据的实时有效性与数据评估准确性。
发明内容
本申请提供了一种水质监测数据的智能处理方法及系统，用于 针对解决现有技术中存在的进行水质监测与数据处理时，由于当前 的处理方法智能度不足，导致水质监测与处理流程受外因影响，无 法保障处理数据的实时有效性与数据评估准确性的技术问题。
鉴于上述问题，本申请提供了一种水质监测数据的智能处理方 法及系统。
第一方面，本申请提供了一种水质监测数据的智能处理方法，所 述方法包括：获取待测水域的预设时间粒度内多个监测指标的多组历 史监测数据；根据所述多组历史监测数据，确定所述多个监测指标的 多个水域健康度评分；对所述多个监测指标进行权重分布，生成多个 权重分布结果；构建所述待测水域的多个时区的多个健康评分阈值； 根据所述多个水域健康度评分和所述多个权重分布结果，确定水域健 康总评分；根据所述多个健康评分阈值和所述水域健康总评分对所述 待测水域进行健康度检测，生成水域健康偏离度；根据所述水域健康 偏离度对所述多组历史监测数据进行标识，发送至水质管理端可视化 界面。
第二方面，本申请提供了一种水质监测数据的智能处理系统，所 述系统包括：数据获取模块，所述数据获取模块用于获取待测水域的 预设时间粒度内多个监测指标的多组历史监测数据；水域评分模块， 所述水域评分模块用于根据所述多组历史监测数据，确定所述多个监 测指标的多个水域健康度评分；权重分布模块，所述权重分布模块用 于对所述多个监测指标进行权重分布，生成多个权重分布结果；阈值 构建模块，所述阈值构建模块用于构建所述待测水域的多个时区的多 个健康评分阈值；综合评分模块，所述综合评分模块用于根据所述多 个水域健康度评分和所述多个权重分布结果，确定水域健康总评分； 偏离度生成模块，所述偏离度生成模块用于根据所述多个健康评分阈 值和所述水域健康总评分对所述待测水域进行健康度检测，生成水域 健康偏离度；数据标识模块，所述数据标识模块用于根据所述水域健 康偏离度对所述多组历史监测数据进行标识，发送至水质管理端可视 化界面。
本申请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：
本申请实施例提供的一种水质监测数据的智能处理方法，获取待 测水域的预设时间粒度内多个监测指标的多组历史监测数据，进行数 据评估确定所述多个监测指标的多个水域健康度评分，对所述多个监 测指标进行权重分布生成多个权重分布结果，构建所述待测水域的多 个时区的多个健康评分阈值，根据所述多个水域健康度评分和所述多 个权重分布结果确定水域健康总评分，依据所述多个健康评分阈值和 所述水域健康总评分对所述待测水域进行健康度检测，生成水域健康 偏离度，对所述多组历史监测数据进行标识并发送至水质管理端可视 化界面，解决现有技术中存在的进行水质监测与数据处理时，由于当 前的处理方法智能度不足，导致水质监测与处理流程受外因影响，无 法保障处理数据的实时有效性与数据评估准确性的技术问题，通过优 化数据处理流程，分别进行单项指标评估与综合评估，在保障数据时 效性的基础上有效提高数据评估准确度。
附图说明
图1为本申请提供了一种水质监测数据的智能处理方法流程示 意图；
图2为本申请提供了一种水质监测数据的智能处理方法中多组 历史监测数据获取流程示意图；
图3为本申请提供了一种水质监测数据的智能处理方法中多个 水域健康度评分获取流程示意图；
图4为本申请提供了一种水质监测数据的智能处理系统结构示 意图。
附图标记说明：数据获取模块11，水域评分模块12，权重分布 模块13，阈值构建模块14，综合评分模块15，偏离度生成模块16， 数据标识模块17。
具体实施方式
本申请通过提供一种水质监测数据的智能处理方法及系统，获 取待测水域的多组历史监测数据，基于多个监测指标进行多个水域 健康度评分，进行监测指标权重分布生成多个权重分布结果，获取 水域健康总评分，构建多个健康评分阈值，对待测水域进行健康度 检测生成水域健康偏离度，对多组历史监测数据进行标识并发送至 水质管理端可视化界面，用于解决现有技术中存在的进行水质监测 与数据处理时，由于当前的处理方法智能度不足，导致水质监测与 处理流程受外因影响，无法保障处理数据的实时有效性与数据评估 准确性的技术问题。
实施例一
如图1所示，本申请提供了一种水质监测数据的智能处理方 法，所述方法包括：
步骤S100：获取待测水域的预设时间粒度内多个监测指标的多 组历史监测数据；
具体而言，进行地表水质监测评估对于平衡生态系统与确保公众 生命安全具有重要的意义，不同地理、气候条件下的各种水体指标要 求存在差异性，通过对水质监测数据进行处理分析，可确定水质的实 时状态，本申请提供的一种水质监测数据的智能处理方法，通过确定 待监测水域的多个监测指标并进行指标权重分布，进而联合实时监测 数据进行水域健康评估，获取健康偏离度并进行可视化显示，以便进 行针对性调整修正，首先，获取所述预设时间粒度，即进行监测数据 调取的预定时间区间，进而对所述待测水域进行监测指标提取，地理 与气候的差异性，对应的水域质量要求不同，因此对于监测的指标数据要求存在差异，将温度、色度、浊度、pH值、电导率、悬浮物、溶 解氧、微量元素等作为监测指标，基于所述预设时间粒度，即预设时 间区间内的多个时间节点，对所述待测水域的上述多个监测指标对应 的监测数据进行调取，将监测指标与对应的监测数据进行一一对应，生成所述多组历史监测数据。
进一步而言，如图2所示，所述获取待测水域的预设时间粒度内 多个监测指标的多组历史监测数据，本申请步骤S100还包括：
步骤S110：在所述待测水域中均匀布置多个监测点位；
步骤S120：在预设时间区间内遍历所述多个监测点位进行指标 监测，生成多个指标特征值；
步骤S130：对所述多个指标特征值进行层次聚类分析，生成任意 一监测指标的一历史监测数据；
步骤S140：将所述任意一监测指标的一历史监测数据，添加进所 述多组历史监测数据。
具体而言，将待进行水质监测的目标水域作为所述待测水域，依 据所述待测水域的分布状况确定多个均匀排布的监测点位，于监测所 述多个监测点位布设监测设备，将所述预设时间区间作为进行指标数 据监测的时间区间，分别针对所述多个监测指标进行数据监测，生成 所述多个指标特征值，其中，所述多个指标特征值于所述多个监测指 标相对应，进一步的，设定特征值偏差阈值，从所述多个指标特征值 中随机提取相邻监测点位的同指标特征值，通过进行指标偏差分析， 确定是否标识为一类，同时对确定为同类的特征值进行特征值融合， 以减少监测数据量，提高数据代表性，通过对同一监测指标对应的指标特征值进行聚类，生成指标对应的历史监测数据，通过进行多层级 指标特征值聚类分析，并对确定的历史监测数据与指标进行对应标识， 将其添加进所述多组历史监测数据中，以提高所述多组历史监测数据 的代表性与规范度。
进一步而言，所述对所述多个指标特征值进行层次聚类分析，生 成任意一监测指标的一历史监测数据，本申请步骤S130还包括：
步骤S131：获取层次聚类规则：
步骤S132：获取第k特征值和第k+1特征值，其中，所述第k特 征值的第k监测点位和所述第k+1特征值的第k+1监测点位相邻；
步骤S133：判断所述第k特征值和所述第k+1特征值的偏差绝 对值是否小于或等于特征值偏差阈值；
步骤S134：若小于或等于，将所述第k特征值和所述第k+1特 征值标识为一类，将所述第k特征值和所述第k+1特征值输入特征值 融合公式，生成第k融合指标特征值，其中，所述特征值融合公式为：
其中，A k为第k融合特征值，w k为第k特征值权重，α k为第k 特征值，w k+1为第k+1特征值权重，α k+1为第k+1特征值，n k为第k 特征值中所融合的特征值数量，n k+1为第k+1特征值所融合的特征值 数量；
步骤S135：若大于，将所述第k特征值和所述第k+1特征值标 识为两类；
步骤S136：根据所述层次聚类规则，遍历所述多个指标特征值， 获取所述任意一监测指标的一历史监测数据。
具体而言，通过所述多个监测点位进行指标监测，获取所述多个 指标特征值，基于监测指标确定多个数据层级，分别对各层级对应的 指标特征值进行聚类分析，其中，一监测指标对应多个指标特征值， 分别对应不同时间维度与空间维度，获取所述层次聚类规则，即进行 指标特征值多层级聚类分析的限定要求，随机提取相邻监测点位第k 监测点位与第k+1监测点位对应的同一聚类层级指标特征值，即单项 监测指标对应的指标特征值，作为所述第k特征值与所述第k+1特征 值，进而设定所述特征值偏差阈值，即作为特征值聚类标准的偏差临 界值，计算所述第k特征值与所述第k+1特征值的偏差绝对值，判断 所述偏差绝对值是否小于等于所述特征值偏差阈值，当小于等于是， 表明对应的特征值偏差较小，将其标识为同一类。
进一步构建所述特征值融合公式
其中，A k为第k融合特征值，w k为第k特 征值权重，α k为第k特征值w k+1为第k+1特征值权重，α k+1为第k+1 特征值，n k为第k特征值中所融合的特征值数量，n k+1为第k+1特征 值所融合的特征值数量，上述数据可通过数据监测统计进行获取。对 所述第k特征值与所述第k+1特征值进行融合，作为对应水域监测范 围的整体指标特征值，可有效提高监测数据集成度，在保障数据代表 性的基础上缩减数据量，提高后续水质评估效率；当所述偏差绝对值 大于所述特征值偏差阈值时，表明对应的特征值偏差较大，将其划分为两类，遍历所述多个指标特征值，基于上述层次聚类规则分别进行 特征值分类标识与融合，对一监测指标对应的多个指标特征值进行聚 类分析，生成该监测指标对应的一组历史监测数据。
步骤S200：根据所述多组历史监测数据，确定所述多个监测指标 的多个水域健康度评分；
具体而言，将水质管理公司、工厂或相关组织作为多个参与方， 分别针对所述多个监测指标构建多个水质健康度评分标定表，进一步 构建所述多个水域健康度评分模型，其中，所述多个水域健康度评分 模型与所述多个监测指标一一对应，所述多个水域健康度评分模型为 基于不同参与方评定标准确定的标准化模型，对所述多组历史监测数 据与所述多个水域健康度评分模型进行匹配对应，将所述多组历史监 测数据分别输入对应的水域健康度评分模型中，通过进行数据识别与 匹配评估，输出对应的水域健康度评分，其中，单项指标对应的历史 监测数据可能对应多个水域划分范围，相应的对应多个水域健康度评 分，所述多个水域健康度评分的获取为后续进行综合评分夯实了基础。
进一步而言，如图3所示，所述根据所述多组历史监测数据，确 定所述多个监测指标的多个水域健康度评分，本申请步骤S200还包 括：
步骤S210：将所述多个监测指标输入第一参与方、第二参与方直 到第N参与方，构建多个水质健康度评分标定表；
步骤S220：根据所述多个水质健康度评分标定表，构建多个水域 健康度评分模型；
步骤S230：将所述多组历史监测数据输入所述多个水域健康度 评分模型，生成所述多个水域健康度评分。
具体而言，获取所述多个监测指标，确定多个水质管理的公司、 工厂或者相关组织，作为所述第一参与方、所述第二参与方直至所述 第N参与方，将所述多个监测指标输入所述第一参与方、所述第二参 与方直至所述第N参与方，基于所述多个监测指标分别确定多个参 与方对不同水域类型对应的指标数据标准等级，进一步构建所述多个 水域健康度评分标定表，其中，不同类型水域对应的指标标准等级存 在差异性，不同参与方的评定标准存在差别，所述多个水质健康评分 标定表与所述多个监测指标一一对应，所述多个水域健康度评分标定 表中列对应指标数据区间，行对应多个参与方及对应的指标评分，依 据所述多个水质健康度评分标定表构建所述多个水域健康度评分模 型，其中，模型与监测指标一一对应，进而将所述多组历史监测数据 输入所述多个水域健康度评分模型中，生成所述多个水域健康度评分， 分别对应各监测指标，通过构建模型进行水域健康度分析，可有效保 障分析结果的客观性与准确性，同时提高分析效率。
进一步而言，所述根据所述多个水质健康度评分标定表，构建多 个水域健康度评分模型，本申请步骤S220还包括：
步骤S221：获取多个所述预设时间粒度内的所述多个监测指标 的多组历史记录数据；
步骤S222：将所述多组历史记录数据输入所述多个水质健康度 评分标定表，生成多个水质健康度评分标定结果；
步骤S223：根据所述多组历史记录数据和所述多个水质健康度 评分标定结果，训练所述多个水域健康度评分模型。
具体而言，所述预设时间粒度为所述指标监测时间区间涵盖的多 个间隔子区间，即监测指标数据的采集时间节点，通过基于所述预设 时间粒度对所述多个监测指标进行数据采集，基于时序性对监测指标 与对应的监测数据进行数据处理与对应标识，生成所述多组历史记录 数据，进而对所述多组历史记录数据基于水质健康度评分标定结果进 行数据匹配，确定所述多组历史记录数据中各指标对应的多个数据相 应的健康度评分，对两者进行对应标识，获取标识结果作为样本数据。
进一步的，将所述多个监测指标作为根节点，将各监测指标对应 的多个参与方的指标评分标定结果作为子节点，构建多个评分决策树， 所述多个评分决策树对应所述多个水质健康度评分标定结果，基于此 构建所述多个水域健康度评分模型，分别对应所述多个评分决策树， 将所述样本数据与所述多个评分决策模型进行映射对应，确定各评分 决策模型对应的指标样本数据，进一步将其划分为训练集与验证集， 输入对应的模型中进行模型训练与验证，直至模型的输出准确率达到 预定标准，以提高模型的模拟精准度，所述多个水域健康度评分模型 为多层级网络层，包括数据识别层、分析匹配层、决策输出层，获取构建完成的所述多个水域健康度评分模型，所述多个水域健康度评分 模型与所述多个监测指标一一对应。
步骤S300：对所述多个监测指标进行权重分布，生成多个权重分 布结果；
步骤S400：构建所述待测水域的多个时区的多个健康评分阈值；
进一步而言，所述构建所述待测水域多个时区的多个健康评分阈 值，本申请步骤S400还包括：
步骤S410：所述待测水域多个时区的多个健康评分阈值包括多 组健康评分单因子阈值和多个健康总评分阈值。
具体而言，确定所述多个监测指标对水域质量的影响度，以此为 基准确定所述多个监测指标对应的权重值，影响度与权重值成正比， 其中，水域类型不同，对应的指标要求不同，其权重分布标准存在差 异性，可选的，确定所述待测水域类型，可基于水域位置、气候等进 行确定，基于大数据根据所述待测水域类型调取对应的监测指标权值 分布标准，为专家设定的具有权威性的标准化分布，示例性的，河流 水资源用于灌溉、发电、城市用水等，水质浊度、重金属含量、微量 元素等的检测指标权值较大，对于温度、溶解氧等指标权值较小；当 水域中生物群落较多时，包括海洋水域及部分陆地水域，提升溶解氧 的指标权重，以反应水域生态平衡度，同时色度、浊度、pH值等为基 本检测指标，基于待检测水域类型进行指标权重分布，优选的权重确 定方式基于德菲尔权重设定法：将需要权重分配的多个监测指标发送 至6个重要度评分组，任意一个重要度评分组优选的为进行水域研究 的专家组、企业、研究机构等，6个重要度评分组之间信息不交互； 通过6个重要度评分组获取6组多个监测指标的重要度评分；然后求 取6组重要度评分总和；然后求取6组中每种监测指标的总和；以每 种监测指标的总和与6组重要度评分总和之比作为各个指标的权重 分布结果。通过上述方式，以生成所述多个权重分布结果。
进一步的，不同时区对应的所述待测水域的生态链存在差异性， 基于实际生态需求确定不同时区对应的健康评分阈值，所述健康评分 阈值为判定水域健康度达标的临界值，即维系生态平衡状态下的水域 健康度标准，示例性的，随着季节性交替，对应的水域质量要求，即 指标要求会随之变化，分别对所述多个监测指标分别确定对应的多个 评分阈值，作为一组健康评分单因子阈值，基于所述多个时区确定所 述多组健康评分单因子阈值，进一步的，确定不同时区对应的多个健 康总评分阈值，可选的，可基于国家生态标准要求进行阈值构建，例 如，基于《河湖评价指南》，实现一时区-一水域-一政策，基于此获取待监测水域于不同时区下，基于对应的政策要求确定的健康度临界值， 作为所述多个健康总评分阈值，由于具体的健康总评分阈值，不同区 域根据不同的政策规定，具有显著差异，所以此处不列举详细的标准， 实施时根据相应地区自行查询相应区域的标准数据较为容易。基于所 述多组健康评分单因子阈值与所述多个健康总评分阈值构建所述多 个健康评分阈值，其中，所述多个健康评分阈值与所述多个时区一一 对应，所述多个健康评分阈值的获取为后续进行水域健康偏离分析提 供了基本参考依据。
步骤S500：根据所述多个水域健康度评分和所述多个权重分布 结果，确定水域健康总评分；
步骤S600：根据所述多个健康评分阈值和所述水域健康总评分 对所述待测水域进行健康度检测，生成水域健康偏离度；
步骤S700：根据所述水域健康偏离度对所述多组历史监测数据 进行标识，发送至水质管理端可视化界面。
具体而言，以所述多个监测指标为基准，对所述多个水域健康度 评分与所述多个权重分布结果分别进行关联对应，基于各监测指标对 应的权值联合所述多个水域健康度评分进行评分加权计算，将加权计 算结果作为所述水域健康总评分，进一步的，基于所述多个健康评分 阈值调取当前时区对应的健康评分单因子阈值，通过进行阈值比对判 定是否存在单项监测指标不合格，对不合格指标与所述多组历史监测 数据进行对应标识，获取单项指标数据标识结果。
进而对所述水域健康总评分进行健康度偏离分析，基于所述多个 健康评分阈值对当前时区对应的健康总评分阈值进行调取，将其作为 参考判定依据，对健康总评分阈值与所述水域健康总评分进行校对分 析，当所述水域健康总评分高于所述健康总评分阈值时，表明所述待 测水域质量良好，当评分低于时表明所述待测水域质量不达标，对两 者进行评分差值计算，将所述水域健康总评分较之所述健康总评分阈 值对应的差值计算结果作为所述水域健康偏离度，进一步的，基于所 述水域健康偏离度对所述多组历史监测数据进行标识，进而将标识结 果与单项指标数据标识结果发送至所述水质管理端可视化界面，进行 水质评分展示，便于后续基于界面展示信息对所述待测水域进行指标 调整，以进行生态修复。
进一步而言，所述根据所述多个水域健康度评分和所述多个权重 分布结果，确定水域健康总评分，本申请步骤S500还包括：
步骤S510：判断所述多个水域健康度评分是否满足所述多组健 康评分单因子阈值；
步骤S520：若全部满足，根据所述多个水域健康度评分和所述多 个权重分布结果，确定所述水域健康总评分；
步骤S530：若任意单因子不满足，生成水域亚健康指标对所述 多组历史监测数据进行标识，发送至所述水质管理端可视化界面。
具体而言，将构建的所述多个健康评分阈值作为判定标准，判 断所述多个水域健康度评分是否达标，首先，基于所述多个健康评 分阈值调取与当前时区相对应的一组健康评分单因子阈值，对所述 多个水域健康度评分与该组健康评分单因子阈值进行匹配对应，基 于匹配结果判定两者的满足关系，当所述多个水域健康度评分全部 满足阈值时，表明所述待测水域的单项监测指标皆达标，进一步进 行水域健康总评分析，以所述多个权重分布结果为基准，对所述多 个水域健康度评分与所述多个权重分布结果进行匹配对应，确定所 述多个水域健康度评分对应的指标权值，进一步进行评分加权计 算，将计算结果作为所述水域健康总评分；当对所述多个水域健康 度评分进行阈值判定时，存在任意单因子不满足，将不满足单因子 对应的指标作为水域亚健康指标，并对该指标对应的所述多组历史监测数据进行标识，对所述水域亚健康指标与数据标识结果进行关 联对应，进而将其发送至所述水质管理端可视化界面进行展示，以 达到水质亚健康指标预警的目的，便于后续进行针对性生态调整修 复。
实施例二
基于与前述实施例中一种水质监测数据的智能处理方法相同的 发明构思，如图4所示，本申请提供了一种水质监测数据的智能处理 系统，所述系统包括：
数据获取模块11，所述数据获取模块11用于获取待测水域的预 设时间粒度内多个监测指标的多组历史监测数据；
水域评分模块12，所述水域评分模块12用于根据所述多组历史 监测数据，确定所述多个监测指标的多个水域健康度评分；
权重分布模块13，所述权重分布模块13用于对所述多个监测指 标进行权重分布，生成多个权重分布结果；
阈值构建模块14，所述阈值构建模块14用于构建所述待测水域 的多个时区的多个健康评分阈值；
综合评分模块15，所述综合评分模块15用于根据所述多个水域 健康度评分和所述多个权重分布结果，确定水域健康总评分；
偏离度生成模块16，所述偏离度生成模块16用于根据所述多个 健康评分阈值和所述水域健康总评分对所述待测水域进行健康度检 测，生成水域健康偏离度；
数据标识模块17，所述数据标识模块17用于根据所述水域健康 偏离度对所述多组历史监测数据进行标识，发送至水质管理端可视化 界面。
进一步而言，所述系统还包括：
点位布置模块，所述点位布置模块用于在所述待测水域中均匀布 置多个监测点位；
指标监测模块，所述指标监测模块用于在预设时间区间内遍历所 述多个监测点位进行指标监测，生成多个指标特征值；
特征值聚类模块，所述特征值聚类模块用于对所述多个指标特征 值进行层次聚类分析，生成任意一监测指标的一历史监测数据；
数据添加模块，所述数据添加模块用于将所述任意一监测指标的 一历史监测数据，添加进所述多组历史监测数据。
进一步而言，所述系统还包括：
规则获取模块，所述规则获取模块用于获取层次聚类规则：
特征值获取模块，所述特征值获取模块用于获取第k特征值和第 k+1特征值，其中，所述第k特征值的第k监测点位和所述第k+1特 征值的第k+1监测点位相邻；
阈值判断模块，所述阈值判断模块用于判断所述第k特征值和所 述第k+1特征值的偏差绝对值是否小于或等于特征值偏差阈值；
特征值融合模块，所述特征值融合模块用于若小于或等于，将所 述第k特征值和所述第k+1特征值标识为一类，将所述第k特征值和 所述第k+1特征值输入特征值融合公式，生成第k融合指标特征值， 其中，所述特征值融合公式为：
其中，A k为第k融合特征值，w k为第k特征值权重，α k为第k 特征值，w k+1为第k+1特征值权重，α k+1为第k+1特征值，n k为第k 特征值中所融合的特征值数量，n k+1为第k+1特征值所融合的特征值 数量；
特征值标识模块，所述特征值标识模块用于若大于，将所述第k 特征值和所述第k+1特征值标识为两类；
监测数据获取模块，所述监测数据获取模块用于根据所述层次聚 类规则，遍历所述多个指标特征值，获取所述任意一监测指标的一历 史监测数据。
进一步而言，所述系统还包括：
标定表构建模块，所述标定表构建模块用于将所述多个监测指标 输入第一参与方、第二参与方直到第N参与方，构建多个水质健康度 评分标定表；
模型构建模块，所述模型构建模块用于根据所述多个水质健康度 评分标定表，构建多个水域健康度评分模型；
评分生成模块，所述评分生成模块用于将所述多组历史监测数据 输入所述多个水域健康度评分模型，生成所述多个水域健康度评分。
进一步而言，所述系统还包括：
历史记录数据获取模块，所述历史记录数据获取模块用于获取多 个所述预设时间粒度内的所述多个监测指标的多组历史记录数据；
评分标定模块，所述评分标定模块用于将所述多组历史记录数据 输入所述多个水质健康度评分标定表，生成多个水质健康度评分标定 结果；
模型训练模块，所述模型训练模块用于根据所述多组历史记录数 据和所述多个水质健康度评分标定结果，训练所述多个水域健康度评 分模型。
进一步而言，所述系统还包括：
阈值确定模块，所述阈值确定模块用于所述待测水域多个时区的 多个健康评分阈值包括多组健康评分单因子阈值和多个健康总评分 阈值。
进一步而言，所述系统还包括：
评分判定模块，所述评分判定模块用于判断所述多个水域健康度 评分是否满足所述多组健康评分单因子阈值；
总评分确定模块，所述总评分确定模块用于若全部满足，根据所 述多个水域健康度评分和所述多个权重分布结果，确定所述水域健康 总评分；
指标标识模块，所述指标标识模块用于若任意单因子不满足，生 成水域亚健康指标对所述多组历史监测数据进行标识，发送至所述水 质管理端可视化界面。
本说明书通过前述对一种水质监测数据的智能处理方法的详细 描述，本领域技术人员可以清楚的知道本实施例中一种水质监测数据 的智能处理方法及系统，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。
Claims (6)
1.一种水质监测数据的智能处理方法，其特征在于，包括：
获取待测水域的预设时间粒度内多个监测指标的多组历史监测 数据；
根据所述多组历史监测数据，确定所述多个监测指标的多个水域 健康度评分；
对所述多个监测指标进行权重分布，生成多个权重分布结果；
构建所述待测水域的多个时区的多个健康评分阈值；
根据所述多个水域健康度评分和所述多个权重分布结果，确定水 域健康总评分；
根据所述多个健康评分阈值和所述水域健康总评分对所述待测 水域进行健康度检测，生成水域健康偏离度；
根据所述水域健康偏离度对所述多组历史监测数据进行标识，发 送至水质管理端可视化界面；
其中，所述获取待测水域的预设时间粒度内多个监测指标的多组 历史监测数据，包括：
在所述待测水域中均匀布置多个监测点位；
在预设时间区间内遍历所述多个监测点位进行指标监测，生成多 个指标特征值；
对所述多个指标特征值进行层次聚类分析，生成任意一监测指标 的一历史监测数据；
将所述任意一监测指标的一历史监测数据，添加进所述多组历史 监测数据；
所述对所述多个指标特征值进行层次聚类分析，生成任意一监测 指标的一历史监测数据，包括：
获取层次聚类规则：
获取第k特征值和第k+1特征值，其中，所述第k特征值的第k 监测点位和所述第k+1特征值的第k+1监测点位相邻；
判断所述第k特征值和所述第k+1特征值的偏差绝对值是否小 于或等于特征值偏差阈值；
若小于或等于，将所述第k特征值和所述第k+1特征值标识为一 类，将所述第k特征值和所述第k+1特征值输入特征值融合公式，生 成第k融合指标特征值，其中，所述特征值融合公式为：
其中，A k为第k融合特征值，w k为第k特征值权重，α k为第k 特征值，w k+1为第k+1特征值权重，α k+1为第k+1特征值，n k为第k 特征值中所融合的特征值数量，n k+1为第k+1特征值所融合的特征值 数量；
若大于，将所述第k特征值和所述第k+1特征值标识为两类；
根据所述层次聚类规则，遍历所述多个指标特征值，获取所述任 意一监测指标的一历史监测数据。
2.如权利要求1所述的方法，其特征在于，所述根据所述多组历 史监测数据，确定所述多个监测指标的多个水域健康度评分，包括：
将所述多个监测指标输入第一参与方、第二参与方直到第N参 与方，构建多个水质健康度评分标定表；
根据所述多个水质健康度评分标定表，构建多个水域健康度评分 模型；
将所述多组历史监测数据输入所述多个水域健康度评分模型，生 成所述多个水域健康度评分。
3.权利要求1所述的方法，其特征在于，所述根据所述多个水质 健康度评分标定表，构建多个水域健康度评分模型，包括：
获取多个所述预设时间粒度内的所述多个监测指标的多组历史 记录数据；
将所述多组历史记录数据输入所述多个水质健康度评分标定表， 生成多个水质健康度评分标定结果；
根据所述多组历史记录数据和所述多个水质健康度评分标定结 果，训练所述多个水域健康度评分模型。
4.权利要求1所述的方法，其特征在于，所述构建所述待测水域 多个时区的多个健康评分阈值，包括：所述待测水域多个时区的多个 健康评分阈值包括多组健康评分单因子阈值和多个健康总评分阈值。
5.如权利要求4所述的方法，其特征在于，所述根据所述多个水 域健康度评分和所述多个权重分布结果，确定水域健康总评分，包括：
判断所述多个水域健康度评分是否满足所述多组健康评分单因 子阈值；
若全部满足，根据所述多个水域健康度评分和所述多个权重分布 结果，确定所述水域健康总评分；
若任意单因子不满足，生成水域亚健康指标对所述多组历史监测 数据进行标识，发送至所述水质管理端可视化界面。
6.一种水质监测数据的智能处理系统，其特征在于，所述系统包 括：
数据获取模块，所述数据获取模块用于获取待测水域的预设时间 粒度内多个监测指标的多组历史监测数据；
水域评分模块，所述水域评分模块用于根据所述多组历史监测数 据，确定所述多个监测指标的多个水域健康度评分；
权重分布模块，所述权重分布模块用于对所述多个监测指标进行 权重分布，生成多个权重分布结果；
阈值构建模块，所述阈值构建模块用于构建所述待测水域的多个 时区的多个健康评分阈值；
综合评分模块，所述综合评分模块用于根据所述多个水域健康度 评分和所述多个权重分布结果，确定水域健康总评分；
偏离度生成模块，所述偏离度生成模块用于根据所述多个健康评 分阈值和所述水域健康总评分对所述待测水域进行健康度检测，生成 水域健康偏离度；
数据标识模块，所述数据标识模块用于根据所述水域健康偏离度 对所述多组历史监测数据进行标识，发送至水质管理端可视化界面；
点位布置模块，所述点位布置模块用于在所述待测水域中均匀布 置多个监测点位；
指标监测模块，所述指标监测模块用于在预设时间区间内遍历所 述多个监测点位进行指标监测，生成多个指标特征值；
特征值聚类模块，所述特征值聚类模块用于对所述多个指标特征 值进行层次聚类分析，生成任意一监测指标的一历史监测数据；
数据添加模块，所述数据添加模块用于将所述任意一监测指标的 一历史监测数据，添加进所述多组历史监测数据；
规则获取模块，所述规则获取模块用于获取层次聚类规则：
特征值获取模块，所述特征值获取模块用于获取第k特征值和第 k+1特征值，其中，所述第k特征值的第k监测点位和所述第k+1特 征值的第k+1监测点位相邻；
阈值判断模块，所述阈值判断模块用于判断所述第k特征值和所 述第k+1特征值的偏差绝对值是否小于或等于特征值偏差阈值；
特征值融合模块，所述特征值融合模块用于若小于或等于，将所 述第k特征值和所述第k+1特征值标识为一类，将所述第k特征值和 所述第k+1特征值输入特征值融合公式，生成第k融合指标特征值， 其中，所述特征值融合公式为：
其中，A k为第k融合特征值，w k为第k特征值权重，α k为第k 特征值，w k+1为第k+1特征值权重，α k+1为第k+1特征值，n k为第k 特征值中所融合的特征值数量，n k+1为第k+1特征值所融合的特征值 数量；
特征值标识模块，所述特征值标识模块用于若大于，将所述第k 特征值和所述第k+1特征值标识为两类；
监测数据获取模块，所述监测数据获取模块用于根据所述层次聚 类规则，遍历所述多个指标特征值，获取所述任意一监测指标的一历 史监测数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211529394.0A CN115577018B (zh) | 2022-12-01 | 2022-12-01 | 一种水质监测数据的智能处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211529394.0A CN115577018B (zh) | 2022-12-01 | 2022-12-01 | 一种水质监测数据的智能处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115577018A CN115577018A (zh) | 2023-01-06 |
| CN115577018B true CN115577018B (zh) | 2023-03-10 |
Family
ID=84590075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211529394.0A Active CN115577018B (zh) | 2022-12-01 | 2022-12-01 | 一种水质监测数据的智能处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115577018B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115792165B (zh) * | 2023-01-31 | 2023-04-25 | 北京华科仪科技股份有限公司 | 一种环境水质智能监测方法及系统 |
| CN116433041B (zh) * | 2023-02-17 | 2024-04-05 | 广州珠科院工程勘察设计有限公司 | 一种小流域水生态的集成治理方法及系统 |
| CN116102100B (zh) * | 2023-03-23 | 2023-06-20 | 厚普环保科技(苏州)有限公司 | 一种基于物联网设备的水质修复反馈控制方法及系统 |
| CN116049264B (zh) * | 2023-04-03 | 2023-06-23 | 广东省建设工程质量安全检测总站有限公司 | 一种基于区块链的工程试验数据分析管理方法及系统 |
| CN116629550B (zh) * | 2023-05-26 | 2023-11-07 | 扬州市勘测设计研究院有限公司 | 一种基于云计算的水环境监管方法及调度运行系统 |
| CN116466058B (zh) * | 2023-06-15 | 2023-09-05 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估系统、设备及介质 |
| CN116805204B (zh) * | 2023-08-24 | 2023-12-01 | 超网实业(成都)股份有限公司 | 一种智慧厂务监控方法及系统 |
| CN118228835A (zh) * | 2023-09-27 | 2024-06-21 | 四川云感知人工智能科技有限公司 | 一种用于污水处理的控制模型的训练方法和系统 |
| CN117557099B (zh) * | 2023-11-23 | 2024-08-06 | 无锡市政公用检测有限公司 | 水厂生物活性炭运行状况评估方法、装置及系统 |
| CN118443900A (zh) * | 2024-05-09 | 2024-08-06 | 广东贝源检测技术股份有限公司 | 水环境评估方法及系统 |
| CN118348218A (zh) * | 2024-05-24 | 2024-07-16 | 广东粤源工程咨询有限公司 | 一种河湖水质状态检测方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102880910A (zh) * | 2012-08-30 | 2013-01-16 | 常州大学 | 一种区域地下水污染风险评价方法 |
| CN106202163A (zh) * | 2016-06-24 | 2016-12-07 | 中国环境科学研究院 | 通江湖泊生态监测信息管理及预警系统 |
| CN111415103A (zh) * | 2020-04-24 | 2020-07-14 | 中国水利水电科学研究院 | 一种基于psr的流域水安全度量方法 |
| CN114200888A (zh) * | 2020-09-17 | 2022-03-18 | 株式会社日立制作所 | 特征量筛选方法以及健康状态评价方法 |
| WO2022063839A1 (de) * | 2020-09-22 | 2022-03-31 | Swiss Reinsurance Company Ltd. | Überwachungs- und risikoindexmesssystem basierend auf gemessenen ökosystemleistungen in abhängigkeit von sektor-bezogenen wirtschaftsleistungen, und entsprechendes verfahren |
-
2022
- 2022-12-01 CN CN202211529394.0A patent/CN115577018B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115577018A (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115577018B (zh) | 一种水质监测数据的智能处理方法及系统 | |
| WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
| CN110675036B (zh) | 一种基于随机森林优化微生物指数的高原河流生态健康评价方法 | |
| CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
| CN112070393B (zh) | 一种工农业生产排放的废水水质检测系统 | |
| CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
| CN115774953B (zh) | 一种基于数据处理的污染时空风险监管评估系统及方法 | |
| CN108665119B (zh) | 一种供水管网异常工况预警方法 | |
| CN113011661B (zh) | 一种用于河流生态修复的曝气控制系统及其控制方法 | |
| CN109858755A (zh) | 一种评价水体质量的方法 | |
| CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
| CN116433041B (zh) | 一种小流域水生态的集成治理方法及系统 | |
| CN116340723A (zh) | 基于大数据的乡村水污染快速溯源方法及系统 | |
| CN111090831A (zh) | 一种湖泊面积变化关键驱动因子识别方法 | |
| CN117952308A (zh) | 一种区域可持续发展动态监测与评估的方法及系统 | |
| CN117538503A (zh) | 一种实时智能的土壤污染监测系统及方法 | |
| CN114638441B (zh) | 一种基于卫星遥感影像的洋流监测及预警系统 | |
| CN117974404A (zh) | 一种水陆协同的陆域污染源分析方法及系统 | |
| CN102721514A (zh) | 一种基于熵权模糊聚类的渗漏通道探测方法 | |
| CN116739999A (zh) | 一种在役桩基无损检测方法 | |
| Wang et al. | Research of the early warning analysis of crop diseases and insect pests | |
| CN106250669B (zh) | 一种干旱重现期计算中确定干旱阈值的方法 | |
| CN110751398B (zh) | 一种区域生态质量评价方法及装置 | |
| CN114912744A (zh) | 一种村镇污水处理设施优选评价方法 | |
| CN111007220B (zh) | 一种生猪养殖污水水质敏捷监测的方法 |
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 |