CN116187596A - 基于在线数据校正的生化需氧量的预测方法及装置 - Google Patents
基于在线数据校正的生化需氧量的预测方法及装置 Download PDFInfo
- Publication number
- CN116187596A CN116187596A CN202310466701.3A CN202310466701A CN116187596A CN 116187596 A CN116187596 A CN 116187596A CN 202310466701 A CN202310466701 A CN 202310466701A CN 116187596 A CN116187596 A CN 116187596A
- Authority
- CN
- China
- Prior art keywords
- bod
- water sample
- oxygen demand
- tested
- estimated value
- 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
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于在线数据校正的生化需氧量的预测方法及装置,涉及数据处理技术领域,所述方法包括:获取被测水样的环境多维度参数信息;根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;获取被测水样的化学需氧量;根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。本发明可以实现对水体污染的生化需氧量进行实时快速精准的预测。
Description
技术领域
本发明涉及数据处理技术领域,特别是指一种基于在线数据校正的生化需氧量的预测方法及装置。
背景技术
BODm(Biochemical Oxygen Demand)是一种用微生物代谢作用所消耗的溶解氧量来间接表示水体被有机物污染程度的一个重要指标。BODm是m日的生化需氧量。m可以是5、10、20等;该指标广泛应用于环保监测、石油化工、医疗卫生、教学科研等部门对水质的监测。
现有技术中,BODm真实值测量需要5天、10天、20天等比较长的测量时间(例如BOD5需要5天时间),为了快速实时的获得BODm指标、对水体污染程度给出定量化的测量评估,常常使用直接测量COD(化学需氧量),再根据化学需氧量与BOD(生化需氧量)存在的近似线性函数关系,用以快速预估BODm。由于地表水在不同环境温度的氧溶解度不同、不同地区生化污染物主要组成成分有差异、导致不同季节、不同环境温度、不同区域的水体BODm与CODCr(重铬酸盐指数)、CODmn(高锰酸盐指数)相关性存在一定的差异,这种差异导致根据统一的COD-BODm线性函数预估计的BODm与真实的BODm测量值之间存在一定的偏差。
发明内容
本发明要解决的技术问题是提供一种基于在线数据校正的生化需氧量的预测方法及装置,可以实现对水体污染的生化需氧量进行实时快速精准的预测。
为解决上述技术问题,本发明的技术方案如下:
第一方面,一种基于在线数据校正的生化需氧量的预测方法,所述方法包括:
获取被测水样的环境多维度参数信息;
根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;
获取被测水样的化学需氧量;
根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;
根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
进一步的,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定,包括:
根据化学需氧量与BODm估计值之间的直线方程Y=aX+b,获取在测量区间范围[mi,mj]内,每个化学需氧量对应的BODm估计值Y[i];其中,X为测量的化学需氧量,Y为BODm估计值,mi为化学需氧量测量的下边界,mj为化学需氧量测量的上边界,a是直线方程的斜率,b为直线方程的截距;
获得BODm估计值Y[i]与BODm实际测量值的差值ΔY;根据所述差值ΔY,确定直线方程Y=aX+b在所述测量区间范围[mi,mj]内的至少一段折线的斜率Δa和截距参数Δb;
通过查表,确定所述测量区间范围[mi,mj]内的修正值对(Δa,Δb);
根据所述修正值对(Δa,Δb),得到校准模型公式 Y=(a+Δa)X+(b+Δb)。
进一步的,所述Y[i]=f(X,T,Lng,Lat,Date);
其中,f为预设函数,T为水样的环境温度,Lng为水样的经度信息,Lat为水样的纬度信息,Date为水样的采集时间信息。
进一步的,所述校准数据库包括:
所述环境多维度参数信息、所述环境多维度参数信息对应的索引值以及所述校准模型公式之间的对应关系表;其中,所述环境多维度参数信息至少包括:水样的环境温度、地理位置信息和采样时间信息。
进一步的,获取被测水样的化学需氧量,包括:
获取被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr。
进一步的,根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值,包括:
根据直线方程Y=aX+b,得到所述被测水样的BODm估计值;
其中,Y为BODm估计值,X为被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr,a是直线方程的斜率,b为直线方程的截距。
进一步的,根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值,包括:
将被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr输入所述校准模型公式Y=(a+Δa)X+(b+Δb),得到被测水样的BODm预测值。
第二方面,一种基于在线数据校正的生化需氧量的预测装置,包括:
获取模块,用于获取被测水样的环境多维度参数信息;
处理模块,用于根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;获取被测水样的化学需氧量;根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
第三方面,一种基于在线数据校正的生化需氧量测试设备,包括所述的基于在线数据校正的生化需氧量的预测装置以及通信模块;
其中,所述通信模块与所述处理模块通信连接,并与远程服务器通信连接,用于向所述远程服务器发送水样的环境多维度参数信息,并从所述远程服务器获取校准数据库。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现所述的方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,通过根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值,使得预测出来的BODm预测值是经过校正后的值,实现对水体污染程度的实时快速精准预测。
附图说明
图1是本发明的实施例提供的基于在线数据校正的生化需氧量的预测方法的流程示意图。
图2是本发明的实施例提供的基于在线数据校正的生化需氧量的预测方法中在不同经纬度情况下查找表部分示意图。
图3是本发明的实施例提供的基于在线数据校正的生化需氧量的预测方法中在不同经纬度情况下查找表另一部分示意图。
图4是本发明的实施例提供的基于在线数据校正的生化需氧量的预测装置示意图。
图5是本发明的实施例提供的基于在线数据校正的生化需氧量的预测装置的应用示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种基于在线数据校正的生化需氧量的预测方法,包括以下步骤:
步骤11:获取被测水样的环境多维度参数信息;
步骤12:根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;
步骤13:获取被测水样的化学需氧量;
步骤14:根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;
步骤15:根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
本发明的该实施例,在步骤11中,在生化需氧量(BOD)预测中,水样的环境条件会对BOD值产生影响,因此需要获取被测水样的环境多维度参数信息,以提高BOD预测的准确性和可靠性。这些信息包括水样的环境温度、地理位置信息和采样时间信息。在步骤12中,所述校准模型公式是BOD预测过程中非常重要的组成部分,它是由多个环境因素和时间因素共同决定的,在本步骤中,通过将被测水样的环境多维度参数信息转换为相应的索引值,并在校准数据库中查找与索引值相对应的校准模型公式,实现了对校准模型的选择和匹配,该校准模型公式是基于实时更新的BODm估计值和BODm实测值的数据,使得校准模型公式具有更好的预测效果。在步骤13中,化学需氧量(COD)是测量水体中有机物的总含量,它能够反映出水体污染程度的指标之一,在生化需氧量BOD预测中,COD作为重要的因素之一被用于估算BOD值。在步骤14中,通过COD与BOD间的相关关系,可以得到被测水样的BODm估计值,从而实现对BODm估计值的初步估测。在步骤15中,将BODm估计值作为输入数据,通过所选用的校准模型公式对其进行修正和调整,从而得到最终的BODm预测值,通过对BODm估计值进行修正,可以更准确地预测水样的生化需氧量,提高预测的准确率。
本发明的一可选的实施例中,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定,包括:
根据化学需氧量与BODm估计值之间的直线方程Y=aX+b,获取在测量区间范围[mi,mj]内,每个化学需氧量对应的BODm估计值Y[i];其中,X为测量的化学需氧量,Y为BODm估计值,mi为化学需氧量测量的下边界,mj为化学需氧量测量的上边界,a是直线方程的斜率,b为直线方程的截距,其中,a与一相关系数r具有对应关系,根据该相关系数r确定,这里,
获得BODm估计值Y[i]与BODm实际测量值的差值ΔY;根据所述差值ΔY,确定直线方程Y=aX+b在所述测量区间范围[mi,mj]内的至少一段折线的斜率Δa和截距参数Δb;
通过查表,确定所述测量区间范围[mi,mj]内的修正值对(Δa,Δb);
根据所述修正值对(Δa,Δb),得到校准模型公式 Y=(a+Δa)X+(b+Δb)。
本发明的该实施例,根据化学需氧量与BODm估计值之间的直线方程,获取在特定测量区间范围内的所有化学需氧量与BODm估计值的对应关系,这一步的目的是为后续步骤提供基础数据。通过比较BODm估计值与BODm实际测量值的差异,确定了在所述测量区间范围内的折线段的斜率和截距参数,为后续步骤提供校准模型公式的基础数据;通过查找预先制定的修正表,获取当前测量区间范围的修正值对(Δa,Δb),为后续步骤提供校准模型公式的具体数值。通过将修正值对(Δa,Δb)代入直线方程中,得到了最终的校准模型公式,实现了BODm实际测量值的实时准确性更新,并为后续环境监测和水质管理工作提供了可靠的数据支持,通过校正模型公式,可以避免预测结果的偏差和误差,进一步提高预测准确性,增强预测结果的可信度,优化监测效率:校准模型公式灵活且精确地修正预测结果,使得监测效率得到提高。
本发明的一可选的实施例中,所述Y[i]=f(X,T,Lng,Lat,Date);
其中,f为预设函数,T为水样的环境温度,Lng为水样的经度信息,Lat为水样的纬度信息,Date为水样的采集时间信息。
本发明的该实施例,能够不断修正和优化校准模型公式,提高预测结果的准确性和可靠性,还能够根据不同的标准或经验,选择合适的修正值对,进一步提高了校准模型的准确度,此外,预设函数中添加环境温度、经度、纬度和采集时间等信息,可以更好地反映实际监测场景中的变异因素,从而使得预测结果更加准确可靠。
如图2和图3所示,例如,在查找表中输入“需氧量,经纬度,环境温度,测量日期”,那么,查找表输出为:在这个需氧量的量程范围内[mi,mj]这个区间内的(Δa,Δb)修正值对。因此,在这个区间内,对于BODm估计值的估算方程被修正为:
Y=(a+Δa)X+(b+Δb) ,且X∈[mi,mj]。
该实施例中,校准数据库可以位于一校准服务器中,而环境多维度参数信息获取可以在便携式生化需氧量测试仪中进行测量获得,该生化需氧量测试仪与校准服务器通过通信模块进行通信连接,可以实时地将测量得到的环境多维度参数信息上报至校准服务器,校准服务器将查找到的校准值以及根据校准值校准之后的BODm估计值返回生化需氧量测试仪;从而实现快速精准地将原来正负20%的生化需氧量快速估值偏差,缩小到正负5%,提升了生化需氧量快速估值的精度。
本发明的一可选的实施例中,所述校准数据库包括:
所述环境多维度参数信息、所述环境多维度参数信息对应的索引值以及所述校准模型公式之间的对应关系表;其中,所述环境多维度参数信息至少包括:水样的环境温度、地理位置信息和采样时间信息。
本发明的该实施例,所述校准数据库包含了环境多维度参数信息,这些信息至少包括水样的环境温度、地理位置信息和采样时间信息。其目的是更好地反映实际监测场景中各种环境因素对测量结果的影响,从而提高预测的准确性和可靠性。其次,所述校准数据库还包括环境多维度参数信息对应的索引值,这些索引值可以作为校准模型公式的输入变量。对于每个环境多维度参数信息,都有相应的索引值与之对应,方便进行校准数据库的查询和检索。所述校准数据库还包括了校准模型公式之间的对应关系表,用于记录每组环境多维度参数信息所对应的校准模型公式。通过对应关系表,可以快速地找到适合当前环境参数的校准模型公式,从而提高预测结果的准确性和可靠性。所述校准数据库的主要作用是提高测量结果的准确性和可靠性。通过将环境多维度参数信息、索引值和校准模型公式之间的对应关系存储在一个校准数据库中,可以方便地进行查询和检索,找到适合当前监测环境的校准模型公式。同时,该校准数据库还可以不断添加新的环境多维度参数信息和对应的校准模型公式,从而不断提高预测结果的准确性和可靠性。
本发明的一可选的实施例中,获取被测水样的化学需氧量,包括:
获取被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr。
需要说明的是,化学需氧量(COD)是用于测量水样中有机物量的指标,CODmn指高锰酸盐指数,是测量水中有机物氧化的指标;CODcr指重铬酸盐指数,也是测量水中有机物氧化的指标。其中,重铬酸盐指数CODcr与高锰酸盐指数CODmn一般都会同时测量,以获取被测水样的化学需氧量,具体操作方式视所采用的测量仪器而定。
本发明的一可选的实施例中,上述步骤14,可以包括:
根据直线方程Y=aX+b,得到所述被测水样的BODm估计值;
其中,Y为BODm估计值,X为被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr,a是直线方程的斜率,b为直线方程的截距。
本发明的该实施例,具体来说,根据已知数据点,可以通过回归分析等方法得到一条直线方程,即 Y=aX+b。然后,将所测得的被测水样的COD值代入该方程中,就可以计算得到该水样的BODm估计值。需要注意的是,这种估算方法具有一定的误差,其准确性取决于所采用的回归模型的精度和数据点的质量。
本发明的一可选的实施例中,上述步骤15,可以包括:
将被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr输入所述校准模型公式Y=(a+Δa)X+(b+Δb),得到被测水样的BODm预测值。
本发明的该实施例,通过对BODm估计值进行修正,可以更准确地预测水样的生化需氧量,提高预测的准确率。
如图4所示,本发明的实施例还提供一种基于在线数据校正的生化需氧量的预测装置20,包括:
获取模块21,用于获取被测水样的环境多维度参数信息;
处理模块22,用于根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;获取被测水样的化学需氧量;根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
可选的,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定,包括:
根据化学需氧量与BODm估计值之间的直线方程Y=aX+b,获取在测量区间范围[mi,mj]内,每个化学需氧量对应的BODm估计值Y[i];其中,X为测量的化学需氧量,Y为BODm估计值,mi为化学需氧量测量的下边界,mj为化学需氧量测量的上边界,a是直线方程的斜率,b为直线方程的截距;
获得BODm估计值Y[i]与BODm实际测量值的差值ΔY;根据所述差值ΔY,确定直线方程Y=aX+b在所述测量区间范围[mi,mj]内的至少一段折线的斜率Δa和截距参数Δb;
通过查表,确定所述测量区间范围[mi,mj]内的修正值对(Δa,Δb);
根据所述修正值对(Δa,Δb),得到校准模型公式 Y=(a+Δa)X+(b+Δb)。
可选的,所述Y[i]=f(X,T,Lng,Lat,Date);
其中,f为预设函数,T为水样的环境温度,Lng为水样的经度信息,Lat为水样的纬度信息,Date为水样的采集时间信息。
可选的,所述校准数据库包括:
所述环境多维度参数信息、所述环境多维度参数信息对应的索引值以及所述校准模型公式之间的对应关系表;其中,所述环境多维度参数信息至少包括:水样的环境温度、地理位置信息和采样时间信息。
可选的,获取被测水样的化学需氧量,包括:
获取被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr。
可选的,根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值,包括:
根据直线方程Y=aX+b,得到所述被测水样的BODm估计值;
其中,Y为BODm估计值,X为被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr,a是直线方程的斜率,b为直线方程的截距。
可选的,根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值,包括:
将被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr输入所述校准模型公式Y=(a+Δa)X+(b+Δb),得到被测水样的BODm预测值。
如图5所示,所述基于在线数据校正的生化需氧量的预测装置可以为一个便携式BOD5快速测试仪,所述便携式BOD5快速测试仪可以为环保监察人员手持或者车载的BOD5快速检测仪器,用于对地表水或者受检测的河湖进行快速BOD5检测。这类设备的地理位置不会发生变动,但是测试时间、测试时的温度等参数会变化,从而影响BOD5快速估计的准确定。
因此,当使用时,所述便携式BOD5快速测试仪需要通过通信模块与BOD5数据校准服务器连接,所述BOD5数据校准服务器中储存有校准数据库,所述便携式BOD5快速测试仪中设置有获取模块和处理模块,所述处理模块包括数据校准模块,所述获取模块包括化学需氧量测试模块、环境参数检测模块、数据预估模块以及分类检索模块;
所述环境参数检测模块用于获取被测水样的环境多维度参数信息;分类检索模块根据所述环境多维度参数信息对应的索引值在校准数据库查找与所述索引值对应的校准模型公式;
其中,所述化学需氧量测试模块用于获取被测水样的高锰酸盐指数CODmn和重铬酸盐指数CODcr,并通过数据预估模块预测到被测水样的BODm估计值,然后所述数据校准模块根据所述BODm估计值以及校准模型公式计算被测水样的BODm预测值。
需要说明的是,该装置是与上述方法相对应的装置,上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种基于在线数据校正的生化需氧量测试设备,包括所述的基于在线数据校正的生化需氧量的预测装置以及通信模块;
其中,所述通信模块与所述处理模块通信连接,并与远程服务器通信连接,用于向所述远程服务器发送水样的环境多维度参数信息,并从所述远程服务器获取校准数据库。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,存储指令,当所述指令在计算机上运行时,使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于在线数据校正的生化需氧量的预测方法,其特征在于,所述方法包括:
获取被测水样的环境多维度参数信息;
根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;
获取被测水样的化学需氧量;
根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;
根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
2.根据权利要求1所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定,包括:
根据化学需氧量与BODm估计值之间的直线方程Y=aX+b,获取在测量区间范围[mi,mj]内,每个化学需氧量对应的BODm估计值Y[i];其中,X为测量的化学需氧量,Y为BODm估计值,mi为化学需氧量测量的下边界,mj为化学需氧量测量的上边界,a是直线方程的斜率,b为直线方程的截距;
获得BODm估计值Y[i]与BODm实际测量值的差值ΔY;根据所述差值ΔY,确定直线方程Y=aX+b在所述测量区间范围[mi,mj]内的至少一段折线的斜率Δa和截距参数Δb;
通过查表,确定所述测量区间范围[mi,mj]内的修正值对(Δa,Δb);
根据所述修正值对(Δa,Δb),得到校准模型公式 Y=(a+Δa)X+(b+Δb)。
3.根据权利要求2所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,Y[i]=f(X,T,Lng,Lat,Date);
其中,f为预设函数,T为水样的环境温度,Lng为水样的经度信息,Lat为水样的纬度信息,Date为水样的采集时间信息。
4.根据权利要求1所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,所述校准数据库包括:
所述环境多维度参数信息、所述环境多维度参数信息对应的索引值以及所述校准模型公式之间的对应关系表;其中,所述环境多维度参数信息至少包括:水样的环境温度、地理位置信息和采样时间信息。
5.根据权利要求2所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,获取被测水样的化学需氧量,包括:
获取被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr。
6.根据权利要求5所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值,包括:
根据直线方程Y=aX+b,得到所述被测水样的BODm估计值;
其中,Y为BODm估计值,X为被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr,a是直线方程的斜率,b为直线方程的截距。
7.根据权利要求6所述的基于在线数据校正的生化需氧量的预测方法,其特征在于,根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值,包括:
将被测水样的化学需氧量高锰酸盐指数CODmn和/或化学需氧量重铬酸盐指数CODcr输入所述校准模型公式Y=(a+Δa)X+(b+Δb),得到被测水样的BODm预测值。
8.一种基于在线数据校正的生化需氧量的预测装置,其特征在于,包括:
获取模块,用于获取被测水样的环境多维度参数信息;
处理模块,用于根据所述环境多维度参数信息对应的索引值,在校准数据库查找与所述索引值对应的校准模型公式;所述校准数据库包括至少一个校准模型公式,所述校准模型公式根据生化需氧量BODm估计值和BODm实际测量值实时在线更新确定;获取被测水样的化学需氧量;根据所述被测水样的化学需氧量,得到所述被测水样的BODm估计值;根据所述被测水样的BODm估计值和所述校准模型公式对被测水样的BODm估计值进行修正,得到所述被测水样的BODm预测值。
9.一种基于在线数据校正的生化需氧量测试设备,其特征在于,包括如权利要求8所述的基于在线数据校正的生化需氧量的预测装置以及通信模块;
其中,所述通信模块与所述处理模块通信连接,并与远程服务器通信连接,用于向所述远程服务器发送水样的环境多维度参数信息,并从所述远程服务器获取校准数据库。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310466701.3A CN116187596B (zh) | 2023-04-27 | 2023-04-27 | 基于在线数据校正的生化需氧量的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310466701.3A CN116187596B (zh) | 2023-04-27 | 2023-04-27 | 基于在线数据校正的生化需氧量的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116187596A true CN116187596A (zh) | 2023-05-30 |
CN116187596B CN116187596B (zh) | 2023-07-14 |
Family
ID=86450935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310466701.3A Active CN116187596B (zh) | 2023-04-27 | 2023-04-27 | 基于在线数据校正的生化需氧量的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187596B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030828A (zh) * | 2023-09-28 | 2023-11-10 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 电化学传感器结合多元分析的全氟辛烷磺酸定量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000046823A (ja) * | 1998-07-27 | 2000-02-18 | Marcom:Kk | 水の生物化学的酸素要求量の測定方法および装置 |
CN1774627A (zh) * | 2003-04-04 | 2006-05-17 | 水体检测有限公司 | 化学需氧量的光电化学检测 |
EP2128599A1 (en) * | 2008-05-28 | 2009-12-02 | Université de Liège | Analysing spectral data for the selection of a calibration model |
DE202014006662U1 (de) * | 2014-08-16 | 2014-10-20 | IAB - Institut für Angewandte Bauforschung Weimar gemeinnützige GmbH | Überwachungssystem zur Bestimmung des biochemischen Sauerstoffbedarfs von Abwässern |
-
2023
- 2023-04-27 CN CN202310466701.3A patent/CN116187596B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000046823A (ja) * | 1998-07-27 | 2000-02-18 | Marcom:Kk | 水の生物化学的酸素要求量の測定方法および装置 |
CN1774627A (zh) * | 2003-04-04 | 2006-05-17 | 水体检测有限公司 | 化学需氧量的光电化学检测 |
EP2128599A1 (en) * | 2008-05-28 | 2009-12-02 | Université de Liège | Analysing spectral data for the selection of a calibration model |
DE202014006662U1 (de) * | 2014-08-16 | 2014-10-20 | IAB - Institut für Angewandte Bauforschung Weimar gemeinnützige GmbH | Überwachungssystem zur Bestimmung des biochemischen Sauerstoffbedarfs von Abwässern |
Non-Patent Citations (1)
Title |
---|
严爱军等: "基于CBR和SVR的生化需氧量预测模型", 华东理工大学学报(自然科学版), vol. 43, no. 2, pages 227 - 232 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030828A (zh) * | 2023-09-28 | 2023-11-10 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 电化学传感器结合多元分析的全氟辛烷磺酸定量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116187596B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thompson et al. | Harmonized guidelines for single-laboratory validation of methods of analysis (IUPAC Technical Report) | |
US6834530B2 (en) | Odor measuring apparatus | |
Rees et al. | Methods for reproducible shipboard SFA nutrient measurement using RMNS and automated data processing | |
Hazan et al. | Automatic processing of atmospheric CO 2 and CH 4 mole fractions at the ICOS Atmosphere Thematic Centre | |
CN116187596B (zh) | 基于在线数据校正的生化需氧量的预测方法及装置 | |
Prenesti et al. | Trueness, precision and accuracy: a critical overview of the concepts as well as proposals for revision | |
CN117195135B (zh) | 一种水污染异常溯源检测方法及系统 | |
Byrne et al. | The role of pHT measurements in marine CO2-system characterizations | |
CN115165999A (zh) | 一种基于分布式的河道湖泊生态稳定性监测分析方法 | |
Millard et al. | CTD calibration and processing methods used at Woods Hole Oceanographic Institution | |
CN108775921A (zh) | 工业烟气在线连续监测装置 | |
CN116912672A (zh) | 一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法 | |
CN116187861A (zh) | 基于同位素的水质溯源监测方法及相关装置 | |
Näykki et al. | Application of the Nordtest method for “real-time” uncertainty estimation of on-line field measurement | |
CN116338094A (zh) | 一种用于碳排放气体检测的气体浓度校准方法及装置 | |
Dafner | An assessment of analytical performance of dissolved organic nitrogen and dissolved organic phosphorus analyses in marine environments: a review | |
CN115691692A (zh) | 一种硫化合物分析仪的性能评价方法、系统和存储介质 | |
Borges et al. | Chemical aspects of ocean acidification monitoring in the ICES marine area | |
CN111007220A (zh) | 一种生猪养殖污水水质敏捷监测的方法 | |
KR102441849B1 (ko) | 계측 센서 근접대응스팬교정에 의한 측정값의 불확도 정량화 방법 및 장치 | |
Hansen et al. | Exploring data quality and seasonal variations of N2O in wastewater treatment: a modeling perspective | |
CN114757296B (zh) | 一种基于协同数据的污染物分析方法和装置 | |
Cotman et al. | Proficiency testing of wastewater sampling: What did we learn? | |
CN117033355B (zh) | 一种基于大数据的实验室数据有效性分析方法 | |
CN115808504B (zh) | 一种用于浓度预测的气体传感器在线漂移补偿方法 |
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 |