CN115859068A - 一种用于智能水利架构的环境信息感知方法及系统 - Google Patents
一种用于智能水利架构的环境信息感知方法及系统 Download PDFInfo
- Publication number
- CN115859068A CN115859068A CN202310196656.4A CN202310196656A CN115859068A CN 115859068 A CN115859068 A CN 115859068A CN 202310196656 A CN202310196656 A CN 202310196656A CN 115859068 A CN115859068 A CN 115859068A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- abnormal
- points
- point
- determining
- 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 And Monitoring For Control Systems (AREA)
- Examining Or Testing Airtightness (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种用于智能水利架构的环境信息感知方法,涉及智慧水利系统建设技术领域,其主要包括:获取目标区域中的各监测点及拓扑结构图;收集各监测点的异常监测讯息,确定监测异常疑点;基于拓扑结构图确定监测异常疑点的所有第一关联监测点,再根据区划属性在第一关联监测点中确定第二关联监测点;将所有第二关联监测点的监测数据与监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。该感知方法及系统通过对各个监测点进行拓扑关联后依据区划属性来确定同主管且相似的监测点,从而依据该些监测点与异常点是否存在相似性来进一步甄别异常点是否存在初始习惯性或隐藏性数据误采集情形。
Description
技术领域
本发明涉及智慧水利系统建设技术领域,具体而言,涉及一种用于智能水利架构的环境信息感知方法及系统。
背景技术
智慧水利系统一般由智能感知层、融合网络层、平台支撑层和应用服务层组成,进行智能管理的前提是感知层需要获取正确且适合的水环境数据。目前的水环境数据获取方式是通过各种监测站实现的,监测站通过不同类型的数据采集工具或仪器来获得一手的监测数据,通过将采集到的数据进行预处理来传递给后续的层级,从而达到智慧管理的目的。
由上可知,现有的水利环境信息感知方式是提前在监测点位布置感知设备进行的,针对目标水域及相关排水点布置相应类型的感知设备进行数据采集,一旦通过对感知数据的分析发现存在异常情况便会发出预警讯息。但在实践过程中存在感知设备识别能力以及判断能力不强,导致出现误预警的情形,部分原因是监测手段即感知设备精度不高,导致后续的分析存在准确度低或者不及时的问题,目前通过采用高精度感知设备以及精度更高的分析模型来解决。
但还有部分原因是在感知设备初始安装时导致的,例如由于监管主体不同带来的安装标准不统一,或者由于监测对象不匹配带来的安装位置不合适,这种初始的习惯性或隐藏性数据误采集或偏采集情形会对水环境信息准确感知带来持续性的影响。
发明内容
本发明的目的在于提供一种用于智能水利架构的环境信息感知方法及系统,该感知方法及系统通过对各个监测点进行拓扑关联后依据区划属性来确定同主管且相似的监测点,从而依据该些监测点与异常点是否存在相似性来进一步甄别异常点是否存在初始习惯性或隐藏性数据误、偏采集情形。
本发明的实施例是这样实现的:
第一方面,一种用于智能水利架构的环境信息感知方法,包括如下步骤:获取目标区域中的各监测点,基于各监测点建立拓扑关系,获得拓扑结构图;确定各监测点的区划属性与初始感知属性,其中,初始感知属性包括该监测点的监测项目、监测对象以及监测方式中的至少一种;收集各监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;基于拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据区划属性在所有第一关联监测点中确定一个或多个第二关联监测点;将所有第二关联监测点的监测数据与监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。
在可选地实施方式中,相似性比对包括如下步骤:确定监测数据的获取手段,其中,获取手段包括化学监测、物理监测和生物监测;确定获取手段中各子项间的比重,计算第二关联监测点获取手段中各子项比重与监测异常疑点获取手段中各子项比重的距离系数;将距离系数所对应的第二关联监测点进行异常监测分析,获得分析结果,将该分析结果与监测异常疑点发出异常监测讯息的第一异常因子进行匹配。
在可选地实施方式中,将距离系数所对应的第二关联监测点进行异常监测分析之前还包括如下步骤:将所有距离系数进行排列,获得第一序列;将该第一序列中的各子项赋予基础值,再基于拓扑结构图在各基础值上赋予修正值,获多个修正结果,在多个修正结果中确定前M个修正结果所对应的距离系数进行后续步骤,M为正整数。
在可选地实施方式中,确定M个修正结果时补入异常距离系数所对应的修正结果,其中,异常距离系数是根据所有距离系数进行拟合得到的。
在可选地实施方式中,将该分析结果与监测异常疑点发出异常监测讯息的第一异常因子进行匹配包括如下步骤:获得分析结果的水化学特性参数和水污染物特性参数;根据水化学特性参数和水污染物特性参数判断第二异常因子;基于第一异常因子与第二异常因子计算差异系数;判断该差异系数与最优距离系数之差与预设阈值相比。
在可选地实施方式中,基于拓扑结构图确定该监测异常疑点的所有第一关联监测点包括如下步骤:获得与该监测异常疑点所有相邻连通的节点与其弧段,形成多个连通组合;其中,相邻连通的节点作为邻节点,相邻连通的的弧段为邻弧段;判断每个连通组合所对应的拓扑链中的节点数量,若节点数量小于N,则取所有节点作为第一关联监测点;若节点数量大于等于N,则取邻节点前后各N/2的节点作为第一关联监测点;其中,前后是指根据水流方向的上游和下游确定,N为正整数。
在可选地实施方式中,判断每个连通组合所对应的拓扑链中的节点数量之前还包括如下步骤:判断连通组合对应拓扑链的表现形式,表现形式包括环状形式或链状形式;若为环状形式,则将该拓扑链内的所有节点作为第一关联监测点,若为链状形式,则继续进行后续步骤。
在可选地实施方式中,还包括对N进行调整的步骤:获取连通组合内的邻弧段,基于该邻弧段的连接属性确定第一剔除值;获取连通组合对应拓扑链内所有弧段的连接属性,确定第二剔除值;将第一剔除值与第二剔除值进行合并,获得剔除总值;将剔除总值赋予N,进行N与该剔除总值的求差。
在可选地实施方式中,再根据区划属性在所有第一关联监测点中确定一个或多个第二关联监测点包括如下步骤:将所有第一关联监测点与监测异常疑点进行区划匹配,其中的区划匹配包括现时与历史区划匹配;将匹配适合的第一关联监测点进行定位判断,获取其与监测异常疑点的节点距离,将节点距离的小于预设阈值的第一关联监测点作为第二关联监测点。
第二方面,一种用于智能水利架构的环境信息感知系统,包括:第一构建模块,其用于获取目标区域中的各监测点,基于各监测点建立拓扑关系,获得拓扑结构图;第一确定模块,其用于确定各监测点的区划属性与初始感知属性,其中,初始感知属性包括该监测点的监测项目、监测对象以及监测方式;第一判断模块,其用于收集各监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;第二确定模块,其用于基于拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据区划属性在所有第一关联监测点中确定一个或多个第二关联监测点;第二判断模块,其用于将所有第二关联监测点的监测数据与监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。
本发明实施例的有益效果是:
本发明实施例提供的用于智能水利架构的环境信息感知方法及系统通过获取目标区域内所有监测点以及监测点的拓扑关系,能够预先根据其中的监测异常疑点进行预警时,基于拓扑关系找到存在预警可能的其他监测点,再根据区划属性从中选择同属一个监管主体的第二关联监测点,最终通过至少一个第二关联监测点与监测异常疑点进行相似性比对,从而便于判断该监测异常疑点是否存在习惯性或者隐藏性数据误、偏采集的情形,以便于对其进行感知属性的调整,确保后续层级所接收的数据具备更好的可靠性。
总体而言,本发明实施例提供的用于智能水利架构的环境信息感知方法及系统针对感知设备在初始安装时容易带来数据误、偏采集的情形,有目的地针对相互拓扑关联的监测点以及属于同一监管主体负责的监测点进行逐一比对,从而来发现该异常点是否存在习惯性或者隐藏性数据感知的情形,以便于及时进行调整措施,来保证数据感知的可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的感知方法的主要步骤的流程图;
图2为图1所示主要步骤中一个步骤S400的子步骤流程图;
图3为图1所示主要步骤中一个步骤S500的子步骤流程图;
图4为图3所示步骤S500中一个步骤S540的子步骤流程图;
图5为本发明实施例提供的感知系统600的示例性模块图。
图标:610-第一构建模块; 620-第一确定模块; 630-第一判断模块; 640-第二确定模块; 650-第二判断模块。
实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应当理解,本发明使用的“系统”、“装置”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其它词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本发明和权利要求书所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般来说,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本发明中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或者同时处理各个步骤。同时,也可以将其它操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例:在水环境感知层中容易出现某监测点误预警或者预警与其余监测点标准不统一的问题,在进行深入研究的过程中发现以下现象:由于同一片区会存在多片水域,该水域存在隶属于不同监管主体负责的情况,每个监管主体针对各自负责的水域都有自身的一套践行标准,尤其是针对同一水域的不同处,两种监测标准会出现一方误预警的情况,在无法判断是否为正确预警的情况下,需要进行实地第三方检测,再确定是否存在水质异常的情况。针对以上情形若发现并无存在水质异常的情况则会对发出异常预警的监测站进行检测,我们发现该检测站一开始便可能会存在数据误采集或者偏采集的情形,其中的数据误采集则是数据采集不准,偏采集则是采集对象不准,这就需要对该监测点进行调整,例如监测对象、监测方式等的调整。上述过程由于需要进行第三方实地检测,检测作业需要对目标水域进行多点均匀采样,工作量相对较大,尤其是针对属于同一监管主体负责的水域,均有可能出现上述问题,为此,本申请实施例提供一种用于智能水利架构的环境信息感知方法,通过线上监测,便能完成监测站可能存在隐藏性或者习惯性感知问题的判断,以尽量替代需要实地检测的情况。
请参阅图1,本实施例提供的一种用于智能水利架构的环境信息感知方法包括如下步骤:
S100:获取目标区域中的各监测点,基于各所述监测点建立拓扑关系,获得拓扑结构图;该步骤表示选择待监测的目标区域,该目标区域中由多个监测站组成的多个监测点,这些监测点主要用于形成多点在线监测系统,例如对排污企业、污水处理厂、监控断面、排水管、水域等实体点位进行监测。以上监测点可能存在相互之间的水资源流动关系,将每种流动关系作为弧段,将每个监测点作为节点,以节点和弧段的几何关联作为两个监测点之间的水资源流动情况,从而建立对应的拓扑关系,最终形成整个目标区域的拓扑结构图。
S200:确定各所述监测点的区划属性与初始感知属性,其中,所述初始感知属性包括该监测点的监测项目、监测对象以及监测方式中的至少一种;该步骤表示每个监测点都具备自己的区划属性与初始感知属性,区划属性包括监管主体的归属。初始感知属性包括其监测项目、对象与方式等,其中的监测项目例如地表水、地下水或者工业废水等,监测对象为上述的排污企业、污水处理厂、监控断面、排水管、水域等,监测方式例如自动监测、常规监测和应急监测等。以上的初始感知属性是该监测点初始建立时便决定的,但在实践中,可能存在该初始感知属性不匹配的问题,尤其是在同一监管主体下负责的多个监测站,其安装或配套的监测标准和监测模式基本都具有相似性或者复制性而导致的同一问题,导致因监测标准不一出现的误预警问题。
为此需要判断某个站点存在预警讯息时,先通过线上判断其是否存在误预警的问题。进行步骤S300:收集各所述监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;该步骤表示先将该监测点标记为疑似监测异常的点位,等待进一步线上判断其预警的正确性。进行步骤S400:基于所述拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据所述区划属性在所有第一关联监测点中确定一个或多个第二关联监测点;该步骤表示将监测异常疑点相关联的监测点择选出来,进行数据进一步线上分析,以具备判断该监测异常疑点是否存在正确预警的可能。由于一个监测点监测异常,其上游的监测点或下游的监测点中至少一者也会出现监测异常,前提是两者具备水资源流通的关系,尤其是针对直接连通的上、下游而言,对应布置的监测点可能存在监测数据异常的情况。
但由于该上、下游中,对应布置的监测点可能属于其余监管主体负责,这就会出现一者监测异常,一者监测正常的情况,需要介入实地检测或调查才能准确判断。为了节约线下资源,通过在所有第一关联监测点依据区划属性相同的原则进行第二关联监测点选择,一般而言,可能存在至少一个第二关联监测点与监测异常疑点既连通又归属同一监管主体的情形,若无该第二关联监测点则进行实地监测,本实施例则针对存在该第二关联监测点的情形进行论述。
确定了至少一个第二关联检测点后则可以进行线上数据分析,即进行步骤S500:将所有第二关联监测点的监测数据与所述监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。该步骤表示将所有第二关联监测点与监测异常疑点进行逐一相似性比对,确定其感知的数据是否存在习惯性或者隐藏性特点,例如均针对某一类型的数据均偏高或者针对某一类型的数据采集比较集中等情形,从而来甄别隶属于该监管主体的所有监测点,尤其是针对不同监测对象所获得的数据均呈现上述的特点,达到尽量能够通过线上分析的方式找到监测异常疑点是否正确预警的目的,以便于对该监测异常疑点进行感知属性的调整,例如改变监测对象或者监测方式,使其更适合于其余对象的监测。
通过以上技术方案,针对需要线下判断监测异常疑点是否存在习惯性或者隐藏性数据感知特点而导致的持续性感知偏差,容易因误预警而对智慧水利系统后续的层级应用带来一定影响,预先通过在线上对具备可能存在同一监测特点的关联监测点进行感知数据的进一步分析,从而尽量通过线上的手段进行甄别,达到节约线下资源的目的。
其中,在选择第一关联监测点时,考虑到系统的计算负荷,可能会出现大量的第一关联监测点,需要对其数量进行限制并筛选具备样本参考价值的第一关联监测点,请参阅图2,步骤S400:基于拓扑结构图确定该监测异常疑点的所有第一关联监测点具体包括如下步骤:
S410:获得与该监测异常疑点所有相邻连通的节点与其弧段,形成多个连通组合;其中,所述相邻连通的节点作为邻节点,相邻连通的的弧段为邻弧段;该步骤表示先获得与监测异常疑点直接关联的节点与弧段,节点代表监测站,弧段代表水资源,并以此为基础确定邻节点和邻弧段。一个相邻的节点与之间的弧段组成一节连通组合,然后进行步骤S420:判断每个连通组合所对应的拓扑链中的节点数量,若节点数量小于N,N为正整数,则取所有节点作为所述第一关联监测点;该步骤表示每个连通组合都位于一个拓扑链中,但该拓扑链中还可能存在其他节点,即拓扑链长短不一,相对较长的拓扑链节点较多,相对较短的拓扑链节点较少,无论哪种形式均需要确定该拓扑链中节点数量(至少具备两个节点以及连接的弧段才能形成拓扑链),依据该节点数量来进一步筛选。
若节点数量小于N,N值为根据当前计算负荷所确定的正整数,例如10-30区间的正整数,若节点数量小于N,则取所有节点作为第一关联监测点,能够满足计算负荷即可。否则进行步骤S440:若节点数量大于等于N,则取邻节点前后各N/2的节点作为所述第一关联监测点;其中,所述前后是指根据水流方向的上游和下游确定。即表示节点超过计算安全负荷时,则确定第一关联监测点的总数量为N,且根据邻节点的上游和下游各取一半(含邻节点,上游或者下游减一)即可,即依据最大相关原则筛选。
但在实践中,拓扑链的表现形式不一,例如有一些拓扑链为环状拓扑链,此时为了保证最终数据计算的合理性,需在步骤S420进行步骤S430,即在判断每个所述连通组合所对应的拓扑链中的节点数量之前还包括如下步骤:判断连通组合对应拓扑链的表现形式,所述表现形式包括环状形式或链状形式;若为环状形式,则将该拓扑链内的所有节点作为第一关联监测点,若为链状形式,则继续进行后续步骤(判断每个连通组合所对应的拓扑链中的节点数量)。通过以上方案,将出现环状拓扑链的情形内的节点均作为第一关联监测点,其相关性较高,若为链状则按照节点的实际数量进行判断。
无论是否存在环状拓扑链,为进一步保证可靠的计算负荷,均可以进一步筛选第一关联监测点的数量,即进行对所述N所表示的数值进行调整的步骤:获取连通组合内的邻弧段,基于该邻弧段的连接属性确定第一剔除值;即表示该邻弧段直接决定两个节点之间的连通效率,例如邻弧段实际为管道、河床、沟渠等等连接属性,每种形式连接属性所代表的连通效率具备差异,若连通效率越低,则确定更大的第一剔除值。同样地,获取所述连通组合内所有弧段的连接属性,确定第二剔除值,即该连通组合对应的拓扑链中所有弧段的连接属性,若出现的某种连接属性较为集中,则对应生成第二剔除值,其中具体的数值范围可根据实际需求选择,在此仅提供一种确定的方向,不再过多赘述。然后将所述第一剔除值与第二剔除值进行合并,例如求和、求积合并等,获得剔除总值;最后将所述剔除总值赋予所述N,并进行求差。通过以上技术方案,能够在初始决定的N值上进一步优化,达到更合理数值的N值。
此外,确定了合理的第一关联检测点后,由此确定的所有第二关联检测点也可以进一步优化,一方是也是为了降低后续的计算负荷,另一方面是选择具备代表性可能的第二关联检测点进行关联计算,避免因数据样本过大后出现更多噪音,请再次参阅图2,所述再根据所述区划属性在所有所述第一关联监测点中确定一个或多个第二关联监测点包括如下步骤:
S450:将所有所述第一关联监测点与所述监测异常疑点进行区划匹配,其中的区划匹配包括现时与历史区划匹配;该步骤表示在确定区划属性时,要考虑历史区划属性,尤其是监管主体之间进行负责内容的交替时,监测站并未进行实质改变的情况,将历史上出现过与现在监测异常疑点相同区划属性的第一关联监测点或者监测异常疑点历史上出现过与现在相同区划属性的第一关联监测点作为第二关联监测点的确定标准,其中的历史追溯可往前三次以内。
S460:将匹配适合的第一关联监测点进行定位判断,获取其与所述监测异常疑点的节点距离,将节点距离的小于预设阈值的第一关联监测点作为所述第二关联监测点。该步骤表示对匹配区划属性后第一关联监测点进行进一步择选,尤其是在节点距离相隔过远的第一关联监测点,即在N值上进一步优化,达到选择可靠且相似的第二关联监测点目的。在此基础上,还可以考虑两个节点实际地势之差,地势之差越高代表连通效率越高,则可以继续作为第二关联监测点进行后续计算。
通过上述技术方案,对第二关联监测点的选择及对应数量进行了合理优化,将所选出的所有第二关联监测点与监测异常疑点进行逐一相似性比对,具体请参阅图3,所述相似性比对包括如下步骤:
S510:确定监测数据的获取手段,其中,获取手段包括化学监测、物理监测和生物监测;该步骤表示确定第二关联监测点与监测异常疑点监测数据所获取的方式,其中的相关方式主要为三种,化学监测如监测水环境中的无机污染物、有机污染物、重金属离子等;物理监测如对水体的电导率、浊度等监测;生物监测如反映污染物的毒性效应以及对水环境的潜在威胁等监测。然后进行步骤S520:确定所述获取手段中各子项间的比重,计算所述第二关联监测点获取手段中各子项比重与所述监测异常疑点获取手段中各子项比重的距离系数;该步骤表示利用第二关联监测点与监测异常疑点之间的监测数据子项进行对比,更进一步地找到具体相似性监测的指标对比情况,其中运用了对应数据之间相隔距离的形式来表达相似性高低。从而其中具备距离系数的监测点(目的是排出完全相同的监测点)全部或部分进行对比,即其所对应的第二关联监测点进行是否异常的分析。
具体地分析如步骤S540:将所述距离系数所对应的第二关联监测点进行异常监测分析,获得分析结果,将该分析结果与所述监测异常疑点发出异常监测讯息的第一异常因子进行匹配。该步骤通过对上述的第二关联监测点进行监测数据的进一步分析,判断监测数据是否异常,不论结果是否异常,均可以与监测异常疑点发出异常监测讯息的第一异常因子进行对比,即表示由于某一个或多个指标异常导致监测异常疑点发出异常监测讯息,其中的一个或多个指标均与第二关联监测点进行监测所获取的指标进行逐一比对,最终通过比对结果再判断该监测异常疑点是否存在数据监测的习惯性或隐藏性感知特点。例如,大部分第二关联监测点的数据显示正常,则代表监测异常疑点存在误预警的情况,如果少量第二关联监测点显示正常,则可能存在监测精度不高的问题,如果全部第二关联监测点的数据显示异常,则进一步判断是否存在偏预警的情况,即所有第二关联监测点均存在习惯性或隐藏性感知特点。
具体请参阅图4,所述将该分析结果与所述监测异常疑点发出异常监测讯息的因子进行匹配包括如下步骤:
S541:获得所述分析结果的水化学特性参数和水污染物特性参数;该步骤表示对分析结果的理化性质进行进一步分析,然后进行步骤S542:根据水化学特性参数和水污染物特性参数判断第二异常因子;该步骤表示将分析结果进行拆解后确定第二异常因子,该第二异常因子中的何种参数作为主要的监测异常因素,将该第二异常因子表现的情况与第一异常因子表现的情况进行对比,即步骤S543:基于所述第一异常因子与所述第二异常因子计算差异系数,如果差异系数越小,则表明该第二关联监测点与监测异常疑点具体参数的相似性越高,反之则越差。列出所有的差异系数,从而便于判断这种差异系数之间的变化是否属于正常情况,如果差异系数变化满足期望变化率,则代表该监测异常疑点与所有第二关联监测点不存在偏预警的情况,反之则存在偏预警的情况。即进行步骤S544:判断该差异系数与所述最优距离系数之差与预设阈值相比。通过将每个差异系数与最优距离系数进行对比,则表示差异系数的变化是否与最优距离系数相差较大,能够获得多个差值,将多个差值逐一与预设阈值相比,判断每个第二关联监测点具体监测数据的变化是否满足预期来进行上述判断。
在本实施例中,考虑到距离系数的大小表示相似性的基础上还可能因为两个节点的远近而产生影响,请再次参阅图3,所述将所述距离系数所对应的第二关联监测点进行异常监测分析之前还包括如下步骤S530:将所有距离系数进行排列,获得第一序列;将该第一序列中的各子项赋予基础值,再基于拓扑结构图在各基础值上赋予修正值,获多个修正结果;即表示需要结合拓扑结构图节点之间的远近进行综合赋值。在多个修正结果中确定前M个修正结果所对应的距离系数进行后续步骤,M为正整数,则表示在距离系数较低的情况则不需要作为第二关联监测点进行异常分析,避免分析结果的出现更多的噪音,也就是找到与监测异常疑点最为相似的第二关联监测点进行对比即可,避免出现因其他误差而导致难以判断习惯性或隐藏性数据感知的情形。
需要说明的是,在以上方案的基础上,大面积排除相似性较低的点,可能会出现将正常正确预警的第二关联监测点剔除出去,该第二关联监测点与其余的第二关联监测点均存在数据监测上的差异,需要将其统计并进行最后的监测分析,更客观合理地构建数据比对的基础,即确定所述M个修正结果时补入异常距离系数所对应的修正结果,其中,异常距离系数是根据所有距离系数进行拟合得到的,通过拟合所有距离系数的方式,距离系数的数值作为横坐标,其对应的节点相距位置作为纵坐标进行拟合,找到异常的距离系数,将其作为上述的可能正常且正确预警的第二关联监测点进行补入即可。
本实施例中还提供一种用于智能水利架构的环境信息感知系统600,请参阅图5中该用于智能水利架构的环境信息感知系统600的模块化示意图,主要用于根据上述方法的实施例对用于智能水利架构的环境信息感知系统600进行功能模块的划分。例如可以划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。比如,在采用对应各个功能划分各个功能模块的情况下,图5示出的只是一种系统/装置示意图,其中,该用于智能水利架构的环境信息感知系统600可以包括第一构建模块610、第一确定模块620、第一判断模块630、第二确定模块640和第二判断模块650。下面对各个单元模块的功能进行阐述。
第一构建模块610,其用于获取目标区域中的各监测点,基于各所述监测点建立拓扑关系,获得拓扑结构图。第一确定模块620,其用于确定各所述监测点的区划属性与初始感知属性,其中,所述初始感知属性包括该监测点的监测项目、监测对象以及监测方式;第一判断模块630,其用于收集各所述监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;
第二确定模块640,其用于基于所述拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据所述区划属性在所有所述第一关联监测点中确定一个或多个第二关联监测点;在一些实施方式中,第二确定模块640还用于获得与该监测异常疑点所有相邻连通的节点与其弧段,形成多个连通组合;其中,所述相邻连通的节点作为邻节点,相邻连通的的弧段为邻弧段;判断每个所述连通组合所对应的拓扑链中的节点数量,判断所述连通组合对应拓扑链的表现形式,所述表现形式包括环状形式或链状形式;若为环状形式,则将该拓扑链内的所有节点作为所述第一关联监测点,若为链状形式,则继续进行后续步骤,若节点数量小于N,则取所有节点作为所述第一关联监测点;若节点数量大于等于N,则取所述邻节点前后各N/2的节点作为所述第一关联监测点;其中,所述前后是指根据水流方向的上游和下游确定,N为正整数。以及将所有所述第一关联监测点与所述监测异常疑点进行区划匹配,其中的区划匹配包括现时与历史区划匹配;将匹配适合的第一关联监测点进行定位判断,获取其与所述监测异常疑点的节点距离,将节点距离的小于预设阈值的第一关联监测点作为所述第二关联监测点。
第二判断模块650,其用于将所有所述第二关联监测点的监测数据与所述监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。在一些实施方式中,第二判断模块650还用于确定监测数据的获取手段,其中,获取手段包括化学监测、物理监测和生物监测;确定所述获取手段中各子项间的比重,计算所述第二关联监测点获取手段中各子项比重与所述监测异常疑点获取手段中各子项比重的距离系数;将所有距离系数进行排列,获得第一序列;将该第一序列中的各子项赋予基础值,再基于所述拓扑结构图在各所述基础值上赋予修正值,获多个修正结果,在多个所述修正结果中确定前M个修正结果所对应的距离系数进行后续步骤,M为正整数;将所述距离系数所对应的第二关联监测点进行异常监测分析,获得分析结果,将该分析结果与所述监测异常疑点发出异常监测讯息的第一异常因子进行匹配;以及获得所述分析结果的水化学特性参数和水污染物特性参数;根据所述水化学特性参数和水污染物特性参数判断第二异常因子;基于所述第一异常因子与所述第二异常因子计算差异系数;判断该差异系数与所述最优距离系数之差与预设阈值相比。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(sol标识 state disk,SSD))等。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种用于智能水利架构的环境信息感知方法,其特征在于,包括如下步骤:
获取目标区域中的各监测点,基于各所述监测点建立拓扑关系,获得拓扑结构图;
确定各所述监测点的区划属性与初始感知属性,其中,所述初始感知属性包括该监测点的监测项目、监测对象以及监测方式中的至少一种;
收集各所述监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;
基于所述拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据所述区划属性在所有所述第一关联监测点中确定一个或多个第二关联监测点;
将所有所述第二关联监测点的监测数据与所述监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。
2.根据权利要求1所述的用于智能水利架构的环境信息感知方法,其特征在于,所述相似性比对包括如下步骤:
确定监测数据的获取手段,其中,获取手段包括化学监测、物理监测和生物监测;
确定所述获取手段中各子项间的比重,计算所述第二关联监测点获取手段中各子项比重与所述监测异常疑点获取手段中各子项比重的距离系数;
将所述距离系数所对应的第二关联监测点进行异常监测分析,获得分析结果,将该分析结果与所述监测异常疑点发出异常监测讯息的第一异常因子进行匹配。
3.根据权利要求2所述的用于智能水利架构的环境信息感知方法,其特征在于,所述将所述距离系数所对应的第二关联监测点进行异常监测分析之前还包括如下步骤:将所有距离系数进行排列,获得第一序列;将该第一序列中的各子项赋予基础值,再基于所述拓扑结构图在各所述基础值上赋予修正值,获多个修正结果,在多个所述修正结果中确定前M个修正结果所对应的距离系数进行后续步骤,M为正整数。
4.根据权利要求3所述的用于智能水利架构的环境信息感知方法,其特征在于,确定所述M个修正结果时补入异常距离系数所对应的修正结果,其中,异常距离系数是根据所有距离系数进行拟合得到的。
5.根据权利要求2所述的用于智能水利架构的环境信息感知方法,其特征在于,所述将该分析结果与所述监测异常疑点发出异常监测讯息的第一异常因子进行匹配包括如下步骤:
获得所述分析结果的水化学特性参数和水污染物特性参数;根据所述水化学特性参数和水污染物特性参数判断第二异常因子;基于所述第一异常因子与所述第二异常因子计算差异系数;判断该差异系数与最优距离系数之差与预设阈值相比。
6.根据权利要求1所述的用于智能水利架构的环境信息感知方法,其特征在于,所述基于拓扑结构图确定该监测异常疑点的所有第一关联监测点包括如下步骤:
获得与该监测异常疑点所有相邻连通的节点与其弧段,形成多个连通组合;其中,所述相邻连通的节点作为邻节点,相邻连通的的弧段为邻弧段;
判断每个所述连通组合所对应的拓扑链中的节点数量,若节点数量小于N,则取所有节点作为所述第一关联监测点;
若节点数量大于等于N,则取所述邻节点前后各N/2的节点作为所述第一关联监测点;其中,所述前后是指根据水流方向的上游和下游确定,N为正整数。
7.根据权利要求6所述的用于智能水利架构的环境信息感知方法,其特征在于,所述判断每个所述连通组合所对应的拓扑链中的节点数量之前还包括如下步骤:
判断所述连通组合对应拓扑链的表现形式,所述表现形式包括环状形式或链状形式;若为环状形式,则将该拓扑链内的所有节点作为所述第一关联监测点,若为链状形式,则继续进行后续步骤。
8.根据权利要求6或7所述的用于智能水利架构的环境信息感知方法,其特征在于,还包括对所述N进行调整的步骤:
获取所述连通组合内的邻弧段,基于该邻弧段的连接属性确定第一剔除值;获取所述连通组合对应拓扑链内所有弧段的连接属性,确定第二剔除值;将所述第一剔除值与所述第二剔除值进行合并,获得剔除总值;将所述剔除总值赋予所述N,进行所述N与该剔除总值的求差。
9.根据权利要求6所述的用于智能水利架构的环境信息感知方法,其特征在于,所述再根据所述区划属性在所有所述第一关联监测点中确定一个或多个第二关联监测点包括如下步骤:
将所有所述第一关联监测点与所述监测异常疑点进行区划匹配,其中的区划匹配包括现时与历史区划匹配;
将匹配适合的第一关联监测点进行定位判断,获取其与所述监测异常疑点的节点距离,将节点距离的小于预设阈值的第一关联监测点作为所述第二关联监测点。
10.一种用于智能水利架构的环境信息感知系统,其特征在于,包括:
第一构建模块,其用于获取目标区域中的各监测点,基于各所述监测点建立拓扑关系,获得拓扑结构图;
第一确定模块,其用于确定各所述监测点的区划属性与初始感知属性,其中,所述初始感知属性包括该监测点的监测项目、监测对象以及监测方式;
第一判断模块,其用于收集各所述监测点的异常监测讯息,若检测到某监测点发出异常监测讯息,则将其作为监测异常疑点;
第二确定模块,其用于基于所述拓扑结构图确定该监测异常疑点的所有第一关联监测点,再根据所述区划属性在所有所述第一关联监测点中确定一个或多个第二关联监测点;
第二判断模块,其用于将所有所述第二关联监测点的监测数据与所述监测异常疑点的监测数据进行相似性比对,根据比对结果判断是否需要调整该监测异常疑点的感知属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310196656.4A CN115859068B (zh) | 2023-03-03 | 2023-03-03 | 一种用于智能水利架构的环境信息感知方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310196656.4A CN115859068B (zh) | 2023-03-03 | 2023-03-03 | 一种用于智能水利架构的环境信息感知方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115859068A true CN115859068A (zh) | 2023-03-28 |
CN115859068B CN115859068B (zh) | 2023-05-16 |
Family
ID=85659894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310196656.4A Active CN115859068B (zh) | 2023-03-03 | 2023-03-03 | 一种用于智能水利架构的环境信息感知方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859068B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
CN106872657A (zh) * | 2017-01-05 | 2017-06-20 | 河海大学 | 一种多变量水质参数时序数据异常事件检测方法 |
CN108769938A (zh) * | 2018-03-29 | 2018-11-06 | 深圳市益鑫智能科技有限公司 | 一种基于大数据的空气污染实时监测系统 |
CN109114430A (zh) * | 2018-09-26 | 2019-01-01 | 东莞青柳新材料有限公司 | 一种城市排水管网在线监测系统 |
CN110146671A (zh) * | 2019-04-25 | 2019-08-20 | 东莞东晟磁电磁控技术有限公司 | 一种组网水质监测系统及其水质监测方法 |
CN110677454A (zh) * | 2019-08-19 | 2020-01-10 | 浙江省水利河口研究院 | 基于多智能体网络趋同算法的水污染预警系统和方法 |
CN111735504A (zh) * | 2020-07-30 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 环境监测方法、系统及计算节点 |
CN112684133A (zh) * | 2020-12-18 | 2021-04-20 | 南京大博环境监测科技有限公司 | 基于大数据平台的水质监测预警方法、系统及存储介质 |
CN113420396A (zh) * | 2021-05-28 | 2021-09-21 | 浙江浙安数智环境工程有限公司 | 一种城市排水管网污染溯源的方法 |
CN113824109A (zh) * | 2020-10-23 | 2021-12-21 | 国网山东省电力公司兰陵县供电公司 | 区域拓扑网络用电数据一致性核算方法 |
WO2022021804A1 (zh) * | 2020-07-28 | 2022-02-03 | 谈斯聪 | 一种水下机器人装置.水下调控管理最优化系统及方法 |
CN114580786A (zh) * | 2022-03-30 | 2022-06-03 | 广州市自来水有限公司 | 一种用于城市供水管网监测点的布置优化方法 |
CN115077955A (zh) * | 2022-05-10 | 2022-09-20 | 北京千方科技股份有限公司 | 一种设备故障智能监测方法、装置、电子设备及存储介质 |
CN115095797A (zh) * | 2022-05-25 | 2022-09-23 | 四创科技有限公司 | 一种截污治污管网运行异常快速筛查方法及终端 |
CN115545678A (zh) * | 2022-11-29 | 2022-12-30 | 浙江贵仁信息科技股份有限公司 | 一种基于水环境画像与污染物溯源的水质监测方法 |
-
2023
- 2023-03-03 CN CN202310196656.4A patent/CN115859068B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105515197A (zh) * | 2016-01-04 | 2016-04-20 | 南京南瑞继保电气有限公司 | 电网拓扑结构识别方法及装置 |
CN106872657A (zh) * | 2017-01-05 | 2017-06-20 | 河海大学 | 一种多变量水质参数时序数据异常事件检测方法 |
CN108769938A (zh) * | 2018-03-29 | 2018-11-06 | 深圳市益鑫智能科技有限公司 | 一种基于大数据的空气污染实时监测系统 |
CN109114430A (zh) * | 2018-09-26 | 2019-01-01 | 东莞青柳新材料有限公司 | 一种城市排水管网在线监测系统 |
CN110146671A (zh) * | 2019-04-25 | 2019-08-20 | 东莞东晟磁电磁控技术有限公司 | 一种组网水质监测系统及其水质监测方法 |
CN110677454A (zh) * | 2019-08-19 | 2020-01-10 | 浙江省水利河口研究院 | 基于多智能体网络趋同算法的水污染预警系统和方法 |
WO2022021804A1 (zh) * | 2020-07-28 | 2022-02-03 | 谈斯聪 | 一种水下机器人装置.水下调控管理最优化系统及方法 |
CN111735504A (zh) * | 2020-07-30 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 环境监测方法、系统及计算节点 |
CN113824109A (zh) * | 2020-10-23 | 2021-12-21 | 国网山东省电力公司兰陵县供电公司 | 区域拓扑网络用电数据一致性核算方法 |
CN112684133A (zh) * | 2020-12-18 | 2021-04-20 | 南京大博环境监测科技有限公司 | 基于大数据平台的水质监测预警方法、系统及存储介质 |
CN113420396A (zh) * | 2021-05-28 | 2021-09-21 | 浙江浙安数智环境工程有限公司 | 一种城市排水管网污染溯源的方法 |
CN114580786A (zh) * | 2022-03-30 | 2022-06-03 | 广州市自来水有限公司 | 一种用于城市供水管网监测点的布置优化方法 |
CN115077955A (zh) * | 2022-05-10 | 2022-09-20 | 北京千方科技股份有限公司 | 一种设备故障智能监测方法、装置、电子设备及存储介质 |
CN115095797A (zh) * | 2022-05-25 | 2022-09-23 | 四创科技有限公司 | 一种截污治污管网运行异常快速筛查方法及终端 |
CN115545678A (zh) * | 2022-11-29 | 2022-12-30 | 浙江贵仁信息科技股份有限公司 | 一种基于水环境画像与污染物溯源的水质监测方法 |
Non-Patent Citations (4)
Title |
---|
YONGXIAO CAO 等: "Construction of pollution risk early warning model for urban drinking water supply chain", 《WATER SUPPLY》 * |
刘佳峰: "城市地下供水管网水力模型建立及漏失检测定位研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
崔超宇 等: "基于复杂网络的化工过程状态监测方法", 《燕山大学学报》 * |
熊万: "基于物联网的水文监测系统设计", 《中国优秀硕士学位论文 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
CN116975378B (zh) * | 2023-09-21 | 2023-12-05 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115859068B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898691B (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
CN109524139A (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN106872657A (zh) | 一种多变量水质参数时序数据异常事件检测方法 | |
CN111275307A (zh) | 一种水质自动在线站高频连续观测数据质量控制方法 | |
CN210895538U (zh) | 水质智能监管装置和设备 | |
CN112799898B (zh) | 基于分布式故障检测的互联系统故障节点定位方法及系统 | |
CN116975378B (zh) | 一种基于大数据的设备环境监测方法及系统 | |
CN115643159B (zh) | 一种基于边缘计算的设备异常预警方法及系统 | |
CN115859068B (zh) | 一种用于智能水利架构的环境信息感知方法及系统 | |
CN111160776A (zh) | 利用分块主成分分析的污水处理过程异常工况检测方法 | |
CN117308275B (zh) | 一种基于温差的管路连接异常检测方法及系统 | |
CN115858637B (zh) | 一种城市地下水监测与分析方法及系统 | |
CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
CN117670051A (zh) | 一种无人值守城乡供水运维分析系统 | |
CN116992385B (zh) | 一种物联网水表用量异常检测方法及系统 | |
CN112906738A (zh) | 一种水质检测及处理方法 | |
CN111191855B (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
CN115063014A (zh) | 一种基于5g网络的工业废水监管系统及方法 | |
CN115470850A (zh) | 一种基于管网水质时空数据的水质异常事件识别预警方法 | |
CN117391458B (zh) | 基于数据分析的安全生产风险检测预警方法及系统 | |
CN117892094A (zh) | 一种污水运维平台大数据分析系统 | |
CN117669888A (zh) | 一种二次供水远程监控系统 | |
CN111125195B (zh) | 一种数据异常检测方法及装置 | |
Mounce et al. | Water quality event detection and customer complaint clustering analysis in distribution systems |
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 |