CN115623419B - 一种用于城市湖泊流域水质监测的传感器布置优化方法 - Google Patents
一种用于城市湖泊流域水质监测的传感器布置优化方法 Download PDFInfo
- Publication number
- CN115623419B CN115623419B CN202211547066.3A CN202211547066A CN115623419B CN 115623419 B CN115623419 B CN 115623419B CN 202211547066 A CN202211547066 A CN 202211547066A CN 115623419 B CN115623419 B CN 115623419B
- Authority
- CN
- China
- Prior art keywords
- sensor
- sampling frequency
- sensors
- pollution
- node
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y30/00—IoT infrastructure
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Immunology (AREA)
- General Engineering & Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Food Science & Technology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及水质监测技术领域,尤其涉及一种用于城市湖泊流域水质监测的传感器布置优化方法,包括以下步骤:将城市湖泊流域通过隔网划分为多个预设模块,在每个预设模块中投放多个可自主移动的传感器,构成传感器网络;设定每个预设模块内传感器的初始采样频率与污染度触发阈值,传感器根据设定的初始采样频率通过传感器的采集节点定时采集水质污染信息。本发明可实时监测水质污染程度变化,可以根据不同污染程度调整传感器不同的工作能耗,使用灵活性高,提高了传感器的续航性,传感器位置可以根据污染程度的高低进行调整,并且还可以通过调节传感器间隔位置与采样频率以准确获得湖泊的水质污染程度,提高检测准确度,保证了检测的精准性。
Description
技术领域
本发明涉及水质监测技术领域,尤其涉及一种用于城市湖泊流域水质监测的传感器布置优化方法。
背景技术
目前,由于城市生活污染物未得到有效控制,工业污染源未得到严格治理,农业污染日益突出,城市内河湖内排污口、沿岸雨污水面源污染及河湖淤积底泥等污染源的存在,国内许多城市河湖水质恶化,部分河道甚至成为黑臭水体,严重影响了城市环境质量和河湖沿岸居民生产生活,对其治理工作变得尤为重要,而对城市湖泊的水质监测在水环境治理的工作中有着直接且关键性的作用,只有水质监测工作高效率且严谨地进行,城市内水环境治理才能有时间和数据上的保证。
目前现有技术中的城市湖泊流域水质监测方式通常为:
1.人工监测:主要由人工采样、样品实验室分析、实验数据分析和得出结论组成;
2.通过监测设备自动监测:通过监测设备将探头插入到水中对水质进行探测。
3.通过传感器监测:通过多个传感器组成的无线传感网络系统对水质进行监测,可以实现实时动态监测,监测区域大且监测简便易行。
然而目前第一种人工监测的方式采样周期较长,采样时间受水域地形、天气等诸多因素影响较大;第二种通过监测设备自动监测的方式当遇到水流湍急段,在水流的冲击作用下,探头易损坏,会导致探头测量不精确;第三种监测方式虽然可以方便的部署在被监测的水域中,且部署的水域不受当地的地形地貌地理条件限制,但是其只能对水质进行单一的检测,湖泊中各个位置处的污染程度不同,只能够对单一的湖泊固定深度进行检测,传感器位置与能耗无法根据污染程度的高低进行调整,无法准确获得湖泊的水质污染程度和污染分布情况。
因此需要一种可以解决上述问题的一种用于城市湖泊流域水质监测的传感器布置优化方法。
发明内容
本发明提供了一种用于城市湖泊流域水质监测的传感器布置优化方法,本发明可以实时监测水质的污染程度变化,可以根据不同污染程度调整传感器不同的工作能耗,使用灵活性高,提高了传感器的续航性,本发明中的传感器位置可以根据污染程度的高低进行调整,并且还可以通过调节传感器间隔位置与采样频率以准确获得湖泊的水质污染程度和污染分布情况,提高检测准确度,保证了检测的精准性。
本发明为解决上述技术问题所采用的技术方案是:一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于,包括以下步骤:
S1:将城市湖泊流域通过隔网划分为多个预设模块,在每个预设模块中投放多个传感器,构成传感器网络;
S2:设定每个预设模块内传感器的初始采样频率与污染度触发阈值,传感器根据设定的初始采样频率通过传感器的采集节点定时采集水质污染信息,然后通过传感器对每个预设模块的水质污染信息进行数据传输;
S3:当某个或多个预设模块中传感器感知到水质污染信息时,对传感器采集得到的各个污染节点进行聚类,得到污染数据集;
S4:通过传感器将采集的污染数据集传输到数据对比模块中,通过数据对比模块对比所属预设模块中的污染数据集与该预设模块的历史数据集;
S5:根据污染数据集与历史数据集之间的数据差异值,获得预设模块的水质污染程度;
S6:根据水质污染程度与污染度触发阈值的差值大小设置传感器之间的最优位置间隔和传感器采集节点的最优采样频率;
S7:对最优采样频率状态下的采集节点采集得到的污染节点进行定位,包括根据高污染程度预设模块中传感器的采集节点的网络连通性和其相邻三个信标节点确定污染节点的准确坐标;
S8:将水质污染程度与污染度触发阈值的差值代入至马尔可夫计算模型中,通过马尔可夫计算模型求解传感器之间的最优布置位置,根据马尔可夫计算模型计算得到的最优解对传感器之间的布置位置进行调整;
S9:将采集得到的传感器数据汇集到无线网关,通过无线网关将从传感器网络汇集的数据发送至水质监测中心计算机,由数据接收与管理上位机软件对水质数据进行接收和处理。
进一步,所述预设模块中传感器的污染度触发阈值由低至高分别设置为最低触发阈值、第一触发阈值与第二触发阈值;
所述S6中当传感器相邻三次检测得到的水质污染程度均小于最低触发阈值时,传感器的采集节点保持初始采样频率;
当传感器相邻三次检测得到的水质污染程度均在最低触发阈值与第一触发阈值之间时,调整传感器之间的位置间隔为x1,传感器的采集节点的采样频率由初始采样频率转换为第一采样频率,第一采样频率大于初始采样频率;
当传感器相邻三次检测得到的水质污染程度在第一触发阈值与第二触发阈值之间时,调整传感器之间的位置间隔为x2,传感器之间的间隔x2小于间隔x1,传感器的采集节点的采样频率由初始采样频率转换为第二采样频率,第二采样频率大于第一采样频率;
当传感器相邻三次检测得到的水质污染程度均高于第二触发阈值时,调整传感器之间的位置间隔为x3,传感器之间的间隔x3小于间隔x2,传感器的采集节点的采样频率由初始采样频率转换为第三采样频率,第三采样频率大于第二采样频率。
进一步,所述传感器具有微处理模块,用于对相邻的传感器节点信息进行计算处理,得到与传感器之间距离最小的信标节点,信标节点采用基于测距的定位算法对移动节点进行定位,得到污染节点的坐标。
进一步,所述每个预设模块内的其中一个或多个传感器内设置中心锚点。
进一步,所述S7中确定污染节点的准确坐标后,判断污染节点与信标节点之间是否存在中心锚点,如果存在中心锚点,则将污染节点的准确坐标传输给中心锚点,中心锚点根据接收到的反馈信息将污染节点的位置坐标发送至水质监测中心计算机。
进一步,所述S8的马尔可夫计算模型为具有马尔可夫性质的无记忆随机过程。
进一步,所述马尔可夫计算模型的记忆丢失允许系统根据当前状态预测随机变量的下一个状态。
进一步,所述无记忆随机过程根据其在任一时刻T的状态,通过连续型随机变量或离散型随机变量而分为连续型随机过程或离散型随机过程,随机过程可以依时间参数分类。
进一步,所述S3中聚类的方法为:对传感器采集节点感知的污染节点目标形成集群,通过传感器的采集节点中选择的簇头聚合目标传感数据,设定传感器的数据接收流量阈值。
进一步,根据污染节点目标传感数据从传感器的采集节点中继到汇聚节点的接收流量大小采用不同的数据聚合方法。
本发明的优点在于:本发明提供了一种用于城市湖泊流域水质监测的传感器布置优化方法,本发明可以实时监测水质的污染程度变化,可以根据不同污染程度调整传感器不同的工作能耗,使用灵活性高,提高了传感器的续航性,本发明中的传感器位置可以根据污染程度的高低进行调整,并且还可以通过调节传感器间隔位置与采样频率以准确获得湖泊的水质污染程度,提高检测准确度,保证了检测的精准性,同时可以对污染节点的坐标进行准确定位,可以根据信标节点与污染节点之间的距离得到污染节点的坐标,本发明在每个预设模块内的其中一个或多个传感器内设置中心锚点,可以每个中心锚点的电量状态选出电量最多的传感器作为临时转发锚点,从而降低传感器的功耗。
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为本发明公开的一种用于城市湖泊流域水质监测的传感器布置优化方法流程图。
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。
实施例1:
图1为本发明公开的一种用于城市湖泊流域水质监测的传感器布置优化方法流程图,如图1所示的一种用于城市湖泊流域水质监测的传感器布置优化方法,包括以下步骤:
S1:将城市湖泊流域通过隔网划分为多个预设模块,在每个预设模块中投放多个可在水下移动的无线传感器,构成传感器网络,多个传感器可以在每个预设模块内随水流进行随机移动,对预设模块中的水流流速、污染物成分与污染源进行检测,传感器采用具有锚定模块的水下自移动传感器,传感器可以通过锚定模块挂在每个预设模块中的隔网上,从而限制传感器在其预设模块范围中进行移动,避免传感器随水流移动到其他预设模块中;
S2:设定每个预设模块内传感器的初始采样频率与污染度触发阈值,传感器根据设定的初始采样频率通过传感器的采集节点定时采集水中的总溶解固体、细菌、化学品与污染物质信息,然后通过传感器对每个预设模块的水质污染信息进行数据传输,当传感器的采集节点相邻三次均没有检测到水质污染信息时,传感器自动进入休眠状态,使传感器内的中央处理器进入休眠状态,可以有效降低传感器的能耗,延长传感器的工作续航时间,传感器采用太阳能和电池供电;
S3:当某个或多个预设模块中传感器感知到水质污染信息时,对传感器采集得到的各个污染节点进行聚类,其聚类方法为:针对由传感器的采集节点感知的目标形成集群,将目标传感数据从传感器的采集节点中继到汇聚节点,通过传感器的采集节点中选择的簇头聚合目标传感数据,设定传感器的数据接收流量阈值,当目标传感数据从传感器的采集节点中继到汇聚节点的接收流量大于其预设阈值时,采用静态数据聚合方法,其中每个传感器的采集节点将传感数据传输到一个预设簇的簇头,簇头对目标传感数据进行聚合,并将聚合后的目标传感数据进行发送;
当目标传感数据从传感器的采集节点中继到汇聚节点的接收流量小于其预设阈值时,则改为动态数据聚合方法,在已感知到的目标传感器节点之间临时形成簇,从簇中的传感器的采集节点中选择的簇头聚合目标,将聚合后的目标传感数据进行发送。
S4:通过传感器将采集的污染数据集传输到数据对比模块中,通过数据对比模块对比所属预设模块中的污染数据集与该预设模块的历史数据集,仅调用在其控制时段的历史数据,从而能够相对的避免污水参数大幅波动;
S5:根据污染数据集与历史数据集之间的数据差异值,获得预设模块的水质污染程度,污染程度越高,该预设模块中的污染风险等级越高,污染程度越低,该预设模块中的污染风险等级越低;
S6:根据水质污染程度与污染度触发阈值的差值大小设置传感器之间的最优位置间隔和传感器采集节点的最优采样频率:
预设模块中传感器的污染度触发阈值由低至高分别设置为最低触发阈值、第一触发阈值与第二触发阈值;
当传感器相邻三次检测得到的水质污染程度均小于最低触发阈值时,传感器的采集节点保持初始采样频率,初始采样频率为500KHZ,当传感器的采集节点保持初始采样频率的采集时间大于2小时且在采集期间内污染程度均小于最低触发阈值的情况下,传感器自动进入休眠状态,传感器自动进入休眠状态之前通过配网监测主机检查传感器是否发生故障,通过配网监测主机判断传感器是否处于故障状态:通过传感器向配网监测主机输出传感器在每24小时中6小时(包括09:00~10:00、15:00~17:00、22:00~23:00、03:00~05:00)内的电压数据,通过传感器的无线射频传输装置将电压数据定时(每日06:00发送)输出至配网监测主机中,由于传感器在正常工作状态下的电压范围为12VDC~24VDC,当传感器在20MIN内的电压持续小于12VDC或高于24VDC时,则确定传感器发生故障,当传感器的电压在12VDC~24VDC时,则确定传感器无故障,传感器则自动进入休眠状态;
当传感器相邻三次检测得到的水质污染程度均在最低触发阈值与第一触发阈值之间时,调整传感器之间的位置间隔为x1,x2为150cm,传感器的采集节点的采样频率由初始采样频率(500KHZ)转换为第一采样频率,第一采样频率为1000KHZ,当传感器的采集节点保持第一采样频率的采集时间大于1小时后,传感器自动进入低能耗工作状态,在低能耗工作状态下的传感器减小其采集节点功率及发射功率,使传感器采集节点功率小于20MW,发射功率小于22dBm,由此降低能耗,传感器的电源耗能功率小于5VDC,降低了无线传感器的功耗;
当传感器相邻三次检测得到的水质污染程度在第一触发阈值与第二触发阈值之间时,调整传感器之间的位置间隔为x2,x2为80cm,位置间隔为x2传感器的采集节点的采样频率由初始采样频率转换为第二采样频率,第二采样频率为1500KHZ,当传感器的采集节点保持第二采样频率的采集时间大于1小时后,传感器自动进入正常工作状态,在正常工作状态下传感器在第一采样频率下通过采集节点持续对水质进行监测,其采集节点功率为80MW,发射功率为35dBm;
当传感器相邻三次检测得到的水质污染程度均高于第二触发阈值时,调整传感器之间的位置间隔为x3,x2为35cm,传感器的采集节点的采样频率由初始采样频率转换为第三采样频率,第三采样频率为2000KHZ,传感器的采集节点保持第三采样频率的时间大于1小时后,传感器自动进入高效(高能耗)工作状态,在高能耗状态下传感器的采集节点在第三采样频率下通过采集节点持续对水质进行监测,其采集节点功率为130MW,发射功率为50dBm;
S7:对最优采样频率状态下的采集节点采集得到的污染节点进行定位:根据高污染程度预设模块中传感器的采集节点的网络连通性和其相邻信标节点确定污染节点的准确坐标:
本发明中的传感器具有微处理模块,用于对邻近的传感器节点信息进行计算处理,得到与传感器最邻近的信标节点,信标节点采用基于测距的定位算法对移动节点进行定位,得到污染节点的坐标;
本发明在每个预设模块内的其中一个或多个传感器内设置中心锚点,在S7中通过距离矢量路由方法获取传感器检测污染节点与信标节点之间的最小跳数,并计算每跳的平均距离,然后以每跳的平均距离与最小跳数的乘积作为污染节点与信标节点的估算距离:设M为污染节点,设X、Y、Z为信标节点,X到Y和Z的距离分别为80m和200m,而X到Y和Z的最小跳数分别为2和5,则X的平均跳距为:(80+200)/(2+5)=40m,同理可以得到Y和Z的平均跳数为48m和50m,则可以计算污染节点M距离三个信标节点的距离分别为:3*40m,2*48m,3*50m,根据三个信标节点X、Y、Z与污染节点M之间的距离得到污染节点M的坐标;
所述S7中计算出三个信标节点与污染节点M之间的距离值后,判断污染节点M与信标节点之间是否存在中心锚点,如果污染节点M与信标节点之间存在中心锚点,则将污染节点M的准确坐标传输给中心锚点,通过中心锚点发送至水质监测中心计算机;
若污染节点M与信标节点之间存在中心锚点,则根据每个中心锚点的电量状态选出电量最多的传感器作为临时转发锚点L,由该临时转发锚点L将待污染节点M的反馈信息发送至中心锚点,并将该临时转发锚点L的坐标信息及与污染节点M的距离值如(Ln,L1,a), (Ln,L2, b), (Ln,L3, c)的反馈信息发送至中心锚点,其他锚点不再进行信令交互中心锚点根据接收到的反馈信息计算出污染节点M的位置坐标,并发送给基站或服务器,本发明在测距的过程中可以判断是否有中心锚点的参与,可以减少传感器之间的信令交互,降低资源冲突的概率,可以有效保证通信的性能。
S8:将水质污染程度与污染度触发阈值的差值代入至马尔可夫计算模型中,通过马尔可夫计算模型求解传感器之间的最优布置位置,根据马尔可夫计算模型计算得到的最优解对传感器之间的布置位置进行调整:基于马尔可夫链以及余弦相似度,计算定义两个传感器之间的特征相似度如下:
其中L i 和L j 分别表示第i个传感器采集节点和第j个传感器采集节点的特征;
通过马尔可夫计算模型计算任意两个传感器的特征相似度得到特征相似度矩阵K=(Ki,j),其中Ki,j=cos(Li ,Lj)=;i, j=1,2,……n,其中i表示第i个传感器采集节点,j表示第j个传感器采集节点,n为传感器的总数,可以得到传感器采集节点的转移概率矩阵G=(Gi,j),传感器的稳态分布矩阵通过等式x=Gx求解,得到节点稳态分布位置x,其表达式为,n为传感器的总数,本发明S8的马尔可夫计算模型为具有马尔可夫性质的无记忆随机过程,随机过程根据其在任一时刻T的状态,通过连续型随机变量或离散型随机变量而分为连续型随机过程或离散型随机过程,随机过程可以依时间参数分类。
S9:将采集得到的传感器数据汇集到无线网关,通过无线网关将从传感器网络汇集的数据发送至水质监测中心计算机,由数据接收与管理上位机软件对水质数据进行接收和处理。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于,包括以下步骤:
S1:将城市湖泊流域通过隔网划分为多个预设模块,在每个预设模块中投放多个传感器,构成传感器网络,传感器为水下自移动传感器,传感器通过锚定模块挂在每个预设模块中的隔网上;
S2:设定每个预设模块内传感器的初始采样频率与污染度触发阈值,污染度触发阈值由低至高分别设置为最低触发阈值、第一触发阈值与第二触发阈值,传感器根据设定的初始采样频率通过传感器的采集节点定时采集水质污染信息,然后通过传感器对每个预设模块的水质污染信息进行数据传输;
S3:当某个或多个预设模块中传感器感知到水质污染信息时,对传感器采集得到的各个污染节点进行聚类:针对由传感器的采集节点感知的目标形成集群,将目标传感数据从传感器的采集节点中继到汇聚节点,通过传感器的采集节点中选择的簇头聚合目标传感数据,设定传感器的数据接收流量阈值,当目标传感数据从传感器的采集节点中继到汇聚节点的接收流量大于其预设阈值时,采用静态数据聚合方法,其中每个传感器的采集节点将传感数据传输到一个预设簇的簇头,簇头对目标传感数据进行聚合,并将聚合后的目标传感数据进行发送,得到污染数据集;
当目标传感数据从传感器的采集节点中继到汇聚节点的接收流量小于其预设阈值时,则改为动态数据聚合方法,在已感知到的目标传感器节点之间临时形成簇,从簇中的传感器的采集节点中选择的簇头聚合目标,将聚合后的目标传感数据进行发送,得到污染数据集;
S4:通过传感器将采集的污染数据集传输到数据对比模块中,通过数据对比模块对比所属预设模块中的污染数据集与该预设模块的历史数据集;
S5:根据污染数据集与历史数据集之间的数据差异值,获得预设模块的水质污染程度;
S6:根据水质污染程度与污染度触发阈值的差值大小设置传感器之间的最优位置间隔和传感器采集节点的最优采样频率:当传感器相邻三次检测得到的水质污染程度均在最低触发阈值与第一触发阈值之间时,调整传感器之间的位置间隔为x1,传感器的采集节点的采样频率由初始采样频率转换为第一采样频率,第一采样频率大于初始采样频率;
当传感器相邻三次检测得到的水质污染程度在第一触发阈值与第二触发阈值之间时,调整传感器之间的位置间隔为x2,传感器之间的间隔x2小于间隔x1,传感器的采集节点的采样频率由初始采样频率转换为第二采样频率,第二采样频率大于第一采样频率;
当传感器相邻三次检测得到的水质污染程度均高于第二触发阈值时,调整传感器之间的位置间隔为x3,传感器之间的间隔x3小于间隔x2,传感器的采集节点的采样频率由初始采样频率转换为第三采样频率,第三采样频率大于第二采样频率;
S7:对最优采样频率状态下的采集节点采集得到的污染节点进行定位,包括根据高污染程度预设模块中传感器的采集节点的网络连通性和其相邻三个信标节点确定污染节点的准确坐标;
S8:将水质污染程度与污染度触发阈值的差值代入至马尔可夫计算模型中,通过马尔可夫计算模型求解传感器之间的最优布置位置,根据马尔可夫计算模型计算得到的最优解对传感器之间的布置位置进行调整;
S9:将采集得到的传感器数据汇集到无线网关,通过无线网关将从传感器网络汇集的数据发送至水质监测中心计算机,由数据接收与管理上位机软件对水质数据进行接收和处理。
2.根据权利要求1所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述传感器具有微处理模块,用于对相邻的传感器节点信息进行计算处理,得到与传感器之间距离最小的信标节点,信标节点采用基于测距的定位算法对移动节点进行定位,得到污染节点的坐标。
3.根据权利要求1所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述每个预设模块内的其中一个或多个传感器内设置中心锚点。
4.根据权利要求2~3中任意一项所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述S7中确定污染节点的准确坐标后,判断污染节点与信标节点之间是否存在中心锚点,如果存在中心锚点,则将污染节点的准确坐标传输给中心锚点,中心锚点根据接收到的反馈信息将污染节点的位置坐标发送至水质监测中心计算机。
5.根据权利要求1所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述S8的马尔可夫计算模型为具有马尔可夫性质的无记忆随机过程。
6.根据权利要求5所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述马尔可夫计算模型的记忆丢失允许系统根据当前状态预测随机变量的下一个状态。
7.根据权利要求5所述的一种用于城市湖泊流域水质监测的传感器布置优化方法,其特征在于:所述无记忆随机过程根据其在任一时刻T的状态,通过连续型随机变量或离散型随机变量而分为连续型随机过程或离散型随机过程,随机过程可以依时间参数分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211547066.3A CN115623419B (zh) | 2022-12-05 | 2022-12-05 | 一种用于城市湖泊流域水质监测的传感器布置优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211547066.3A CN115623419B (zh) | 2022-12-05 | 2022-12-05 | 一种用于城市湖泊流域水质监测的传感器布置优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115623419A CN115623419A (zh) | 2023-01-17 |
CN115623419B true CN115623419B (zh) | 2023-03-14 |
Family
ID=84880270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211547066.3A Active CN115623419B (zh) | 2022-12-05 | 2022-12-05 | 一种用于城市湖泊流域水质监测的传感器布置优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115623419B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116468189A (zh) * | 2023-06-20 | 2023-07-21 | 山东云泷水务环境科技有限公司 | 一种基于智能优化算法的水质传感器节点部署优化方法 |
CN117007022A (zh) * | 2023-06-29 | 2023-11-07 | 上海勘测设计研究院有限公司 | 一种用于现实水域中水流水文信息的测量系统及测量方法 |
CN117630309B (zh) * | 2023-10-17 | 2024-05-28 | 水利部珠江水利委员会水文局 | 一种河道水质智能监测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3770586B1 (de) * | 2019-07-26 | 2021-11-10 | Currenta GmbH & Co. OHG | Verfahren und vorrichtung zur qualitätsüberwachung und feststellung einer kontamination eines raums |
CN113139584B (zh) * | 2021-03-29 | 2022-04-22 | 长江水利委员会长江科学院 | 用于供水管网污染物入侵点识别的传感器优化布置方法 |
CN113624915A (zh) * | 2021-07-01 | 2021-11-09 | 同济大学 | 一种室内突发空气污染预警传感器布置优化方法 |
CN113887000A (zh) * | 2021-09-14 | 2022-01-04 | 长江水利委员会长江科学院 | 基于污染概率的供水管网污染监测传感器多目标布置方法 |
-
2022
- 2022-12-05 CN CN202211547066.3A patent/CN115623419B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115623419A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115623419B (zh) | 一种用于城市湖泊流域水质监测的传感器布置优化方法 | |
CN109270237B (zh) | 一种基于大数据的水质监测分析系统 | |
CN102109511B (zh) | 一种基于无线传感器网络的污水监测网络结构 | |
CN106526708B (zh) | 一种基于机器学习的气象强对流天气的智能预警分析方法 | |
CN105842412A (zh) | 一种水环境垂向分布综合在线监测浮标及系统 | |
CN107292383B (zh) | 基于深度学习算法与混合整数线性规划相结合的水质波动区间预测方法 | |
CN110297018A (zh) | 一种排水管网污染物排放溯源的方法及装置 | |
Kadir et al. | Smart sensor node of WSNs for river water pollution monitoring system | |
CN103727983B (zh) | 一种核电厂的无线水文监测装置 | |
CN107172722A (zh) | 一种污水智能监测系统 | |
CN113176387A (zh) | 基于广域无线传感器网络的水质监测智能评估系统及方法 | |
Rui et al. | A new traffic congestion detection and quantification method based on comprehensive fuzzy assessment in VANET | |
CN106020034A (zh) | 一种市政污水管道淤堵自动检测方法 | |
Haswani et al. | Web-based realtime underground drainage or sewage monitoring system using wireless sensor networks | |
CN111221286A (zh) | 智能物联排水系统及其控制方法 | |
CN109506631A (zh) | 基于物联网的水文监测系统 | |
CN201600362U (zh) | 一种基于无线传感器网络的污水监测网络结构 | |
CN113959489A (zh) | 一种入河雨水排放口的在线监测系统及监测方法 | |
CN111522864A (zh) | 基于用电数据的企业生产模式识别及转移生产预警方法 | |
CN106408936B (zh) | 一种基于手机数据的高速公路异常事件实时检测方法 | |
CN2847232Y (zh) | 一种海洋水域监测装置 | |
CN115407040B (zh) | 一种水环境污染监测方法及系统 | |
CN109348448A (zh) | 海洋气象信息实时播报系统 | |
CN216847765U (zh) | 基于排水口水力发电的水质监控云系统 | |
CN113420925B (zh) | 一种基于朴素贝叶斯的交通健康预测方法及系统 |
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 |