CN116796907A - 一种基于物联网的水环境动态监测系统及其方法 - Google Patents
一种基于物联网的水环境动态监测系统及其方法 Download PDFInfo
- Publication number
- CN116796907A CN116796907A CN202310849505.4A CN202310849505A CN116796907A CN 116796907 A CN116796907 A CN 116796907A CN 202310849505 A CN202310849505 A CN 202310849505A CN 116796907 A CN116796907 A CN 116796907A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- water
- analysis
- maintenance
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 181
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 99
- 238000005457 optimization Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000010223 real-time analysis Methods 0.000 claims abstract description 9
- 238000012423 maintenance Methods 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 37
- 238000005516 engineering process Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000004140 cleaning Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 21
- 238000003745 diagnosis Methods 0.000 claims description 19
- 238000007619 statistical method Methods 0.000 claims description 17
- 230000036541 health Effects 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 11
- 238000013523 data management Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 9
- 238000013079 data visualisation Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004092 self-diagnosis Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000013450 outlier detection Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000007794 visualization technique Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000012300 Sequence Analysis Methods 0.000 claims 6
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000013480 data collection Methods 0.000 description 10
- 238000012731 temporal analysis Methods 0.000 description 9
- 238000000700 time series analysis Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000013024 troubleshooting Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及基于物联网的水环境动态监测系统技术领域，具体为一种基于物联网的水环境动态监测系统及其方法，一种基于物联网的水环境动态监测系统是由数据采集层、数据传输与通信层、数据处理与分析层、数据存储与管理层、用户界面与决策支持层、系统可靠性与维护层组成。本发明中，引入水质预警算法和水资源优化算法，实现对水质数据的实时分析、预警提示和优化决策支持，通过预测可能的水质异常事件和优化水资源调度，在提前预防水质问题、合理利用水资源方面做出更明智的决策，采用先进的数据处理与分析步骤，提高对水质数据的准确性、可靠性和实时性的分析与处理效果，有助于及时发现水环境问题和异常情况。
Description
技术领域
本发明涉及基于物联网的水环境动态监测系统技术领域，尤其涉及一种基于物联网的水环境动态监测系统及其方法。
背景技术
基于物联网的水环境动态监测系统是一种利用物联网技术来实时监测和管理水环境的系统，该系统通过将各种传感器部署在水环境中，采集水质、水位、水温、溶解氧、浊度等各种水环境参数的数据，并通过无线传输技术将数据发送到云平台或后台服务器进行处理和分析，实现对水环境的实时监测、精确预测和有效管理，为水资源保护和水环境治理提供重要的技术支持。
在现有基于物联网的水环境动态监测系统的实际使用中，在决策支持方向，其决策实施算法相对原始，缺乏基于时间序列预测等优化处理，对于可能出现的水质异常事件和优化水资源调度，较难做出预测性的决策方案，且在智能数据分析与预警方向，往往仅通过一些固定的阈值区间进行分析与预警工作，对于水质数据的准确性、可靠性和实时性，分析处理效果具有局限性，不利于及时发现水环境问题和异常情况。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种基于物联网的水环境动态监测系统及其方法。
为了实现上述目的，本发明采用了如下技术方案：一种基于物联网的水环境动态监测系统是由数据采集层、数据传输与通信层、数据处理与分析层、数据存储与管理层、用户界面与决策支持层、系统可靠性与维护层组成；
所述数据采集层包含水质传感器模块、图像传感器模块、声音传感器模块；
所述数据传输与通信层采用无线传输模块，使用无线通信协议和技术，将采集到的数据传输到数据处理中心；
所述数据处理与分析层包含数据清洗和预处理模块、机器学习算法模块、异常检测模块；
所述数据存储与管理层采用数据库模块，通过关系型数据库MySQL存储处理后的数据，供后续的查询、统计和分析使用；
所述用户界面与决策支持层包含用户界面模块、决策支持模块；
所述系统可靠性与维护层包含设备状态监测单元、故障预测与维修优化单元。
作为本发明的进一步方案，所述水质传感器模块包含浊度传感器单元、PH传感器单元、溶解氧传感器单元；
所述图像传感器模块通过图像采集单元实时采集水体图像，使用计算机视觉算法进行图像增强、目标检测以及水体边界提取；
所述声音传感器模块通过声音采集单元采集水体中的声音数据，使用声音处理算法进行频谱分析、声学特征提取或异常声音识别。
作为本发明的进一步方案，所述数据清洗和预处理模块包含数据清洗单元、数据预处理单元，所述数据清洗单元具体执行异常值处理、噪声处理、缺失值处理操作，所述数据预处理单元具体执行特征选择、降维、数据标准化操作；
所述机器学习算法模块包括分类算法单元、回归算法单元、聚类算法单元、时间序列分析单元、关联规则挖掘单元。
作为本发明的进一步方案，所述用户界面模块包括实时数据可视化单元、历史数据趋势分析单元，所述实时数据可视化单元采用图表库Matplotlib、地图库Leaflet结合，实时展示水质数据和趋势，所述历史数据趋势分析单元应用统计分析和可视化技术，绘制趋势图、箱线图；
所述决策支持模块包括水质预警算法单元、水资源优化算法单元，所述水质预警算法单元采用时间序列预测、异常检测和规则引擎，实现对水质数据的实时分析和预警，所述水资源优化算法单元采用线性规划、遗传算法作为优化算法。
作为本发明的进一步方案，所述设备状态监测单元采用传感器自检、时序分析和健康度评估方法；
所述故障预测与维修优化单元采用时序分析、故障诊断和维修策略优化算法。
一种基于物联网的水环境动态监测方法，包括以下步骤：
数据采集；
数据传输与通信；
数据处理与分析；
数据存储与管理；
用户界面与决策支持；
系统可靠性与维护。
作为本发明的进一步方案，所述数据采集的步骤具体为：
部署水质传感器模块、图像传感器模块、声音传感器模块；
基于水质传感器模块监测水体的质量参数，基于图像传感器模块实时捕捉水体图像，基于声音传感器模块获取水体中的声音数据；
所述数据传输与通信的步骤具体为：
设置通信网络架构，包括设立专用的网关节点来管理传感器设备的连接，配置路由器、交换机；
选择LoRaWAN技术适配广域低功耗的物联网应用；
使用安全协议(如TLS/SSL)对数据进行加密传输，将采集到的数据传输到数据处理中心；
所述数据传输与通信的步骤还包括网络带宽规划和优化、实时监控和故障排除。
作为本发明的进一步方案，所述数据处理与分析的步骤具体为：
实施数据清洗和预处理；
采用数据平滑、插值和异常值处理的数据清洗技术保障数据的准确性和一致性，应用平滑滤波、标准化、主成分分析(PCA)预处理技术，对原始数据进行转换、归一化和特征选择操作；
运用机器学习算法模块，对数据进行分析和建模；
基于统计的特征选择和降维技术，选择具有代表性的特征，以供机器学习算法使用，选取决策树、支持向量机、神经网络、随机森林、K均值聚类机器学习算法，使用已标记的数据进行模型训练，并利用评估指标评估模型的性能；
引入异常检测模块，对数据的异常情况和突发事件的检测，对水环境问题的实时发现与响应；
基于阈值或规则的异常检测方法，构建预定义的异常检测规则或模型，基于离群点检测的算法挖掘水质数据中的异常数据，将异常检测模块嵌入系统，实时监测水质数据，当检测到突发事件或异常情况时，系统自动发送警报通知或执行紧急处理程序。
作为本发明的进一步方案，所述用户界面与决策支持的步骤具体为：
构建用户界面模块；
基于图形用户界面(GUI)设计原则，提供可查询、直观化数据，图表库Matplotlib、地图库Leaflet，绘制水质数据的可视化图表，构建时间范围、位置或指标的数据检索项；
运用统计分析和可视化技术；
采用均值、标准差、相关性分析的统计分析方法分析水环境数据，基于统计指标和分布可视化，揭示数据的特征和潜在趋势，基于可视化图表展示水质数据的时序变化、空间分布和异常情况。
作为本发明的进一步方案，所述系统可靠性与维护的步骤具体为：
设备状态监测单元通过传感器自检、时序分析和健康度评估等方法监测系统设备的状态，及时发现问题并采取适当措施；
基于定期执行的自检程序，对各个设备和传感器单元进行自我诊断，自我诊断包括对传感器的功能性检查、校准和灵敏度测试，监测设备的运行时序数据，时序数据包括传感器输出、设备负载、温度和能耗，通过基于统计分析的评估算法，对设备的工作状态进行评估和监测；
故障预测与维修优化单元通过时序分析、故障诊断和维修策略优化算法，预测设备可能的故障，并采取优化的维护策略；
通过分析历史设备故障数据和运行时序数据，利用时间序列建模、异常检测的时序分析方法预测设备可能的故障，故障发生时，利用故障诊断技术，通过分析设备状态数据和故障特征，确定故障的类型和位置，基于故障预测和诊断结果，采取优化的维修策略，维修策略包括确定维修优先级、制定维修计划、调度维修资源、预测维修成本和设备停机时间。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，引入水质预警算法和水资源优化算法，结合时间序列预测、异常检测和优化算法，实现对水质数据的实时分析、预警提示和优化决策支持，通过预测可能的水质异常事件和优化水资源调度，在提前预防水质问题、合理利用水资源方面做出更明智的决策，采用先进的数据处理与分析步骤，包括数据清洗和预处理、机器学习算法模块的应用、异常检测模块的引入等，提高对水质数据的准确性、可靠性和实时性的分析与处理效果，有助于及时发现水环境问题和异常情况。
附图说明
图1为本发明提出一种基于物联网的水环境动态监测系统及其方法的系统流程图；
图2为本发明提出一种基于物联网的水环境动态监测系统及其方法的方法步骤示意图；
图3为本发明提出一种基于物联网的水环境动态监测系统及其方法的数据采集步骤细化示意图；
图4为本发明提出一种基于物联网的水环境动态监测系统及其方法的数据传输与通信步骤细化示意图；
图5为本发明提出一种基于物联网的水环境动态监测系统及其方法的数据处理与分析步骤细化示意图；
图6为本发明提出一种基于物联网的水环境动态监测系统及其方法的用户界面与决策支持步骤细化示意图；
图7为本发明提出一种基于物联网的水环境动态监测系统及其方法的系统可靠性与维护步骤细化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
请参阅图1，本发明提供一种技术方案：一种基于物联网的水环境动态监测系统是由数据采集层、数据传输与通信层、数据处理与分析层、数据存储与管理层、用户界面与决策支持层、系统可靠性与维护层组成；
数据采集层包含水质传感器模块、图像传感器模块、声音传感器模块；
数据传输与通信层采用无线传输模块，使用无线通信协议和技术，将采集到的数据传输到数据处理中心；
数据处理与分析层包含数据清洗和预处理模块、机器学习算法模块、异常检测模块；
数据存储与管理层采用数据库模块，通过关系型数据库MySQL存储处理后的数据，供后续的查询、统计和分析使用；
用户界面与决策支持层包含用户界面模块、决策支持模块；
系统可靠性与维护层包含设备状态监测单元、故障预测与维修优化单元。
具体而言，该基于物联网的水环境动态监测系统通过数据采集层获取水质、图像和声音数据，通过数据处理与分析层进行数据处理和算法分析，并在数据存储与管理层存储数据，用户界面与决策支持层提供交互界面和决策支持功能，而系统可靠性与维护层确保设备状态的监测和故障预测与维修优化，这些组成部分相互配合，使系统能够实现水环境监测与管理的目标，并提供可靠性和维护性的保障，引入水质预警算法和水资源优化算法，结合时间序列预测、异常检测和优化算法，实现对水质数据的实时分析、预警提示和优化决策支持，通过预测可能的水质异常事件和优化水资源调度，在提前预防水质问题、合理利用水资源方面做出更明智的决策，采用先进的数据处理与分析步骤，包括数据清洗和预处理、机器学习算法模块的应用、异常检测模块的引入等，提高对水质数据的准确性、可靠性和实时性的分析与处理效果，有助于及时发现水环境问题和异常情况。
请参阅图1，水质传感器模块包含浊度传感器单元、PH传感器单元、溶解氧传感器单元；
图像传感器模块通过图像采集单元实时采集水体图像，使用计算机视觉算法进行图像增强、目标检测以及水体边界提取；
声音传感器模块通过声音采集单元采集水体中的声音数据，使用声音处理算法进行频谱分析、声学特征提取或异常声音识别。
具体而言，浊度传感器用于测量水体中悬浮固体颗粒或微生物的浓度，通常使用光学原理，传感器通过发射光束穿过水体，然后测量被散射或吸收的光的强度来反映水体的浊度，PH传感器用于测量水体的酸碱程度，PH值是一种指标，用于衡量溶液的酸性或碱性，PH传感器通过电极与水体发生化学反应，测量产生的电势差，并将其转换为对应的PH值，溶解氧传感器用于测量水体中的溶解氧含量，传感器可能使用电化学方法，通过测量在电极表面上氧化还原反应产生的电流来确定溶解氧浓度，图像传感器模块通过图像采集单元实时采集水体图像，并使用计算机视觉算法对图像进行增强、目标检测以及水体边界提取等处理，这些算法可以帮助识别水体中的污染物、悬浮物、藻类等目标，提供对水体的视觉分析和异常检测，声音传感器模块通过声音采集单元获取水体中的声音数据，并使用声音处理算法进行频谱分析、声学特征提取或异常声音识别，这些算法可以帮助检测水体中的声音异常，如水声异常、设备故障声音等，从而提供对水体的进一步评估和监测。
请参阅图1，数据清洗和预处理模块包含数据清洗单元、数据预处理单元，数据清洗单元具体执行异常值处理、噪声处理、缺失值处理操作，数据预处理单元具体执行特征选择、降维、数据标准化操作；
机器学习算法模块包括分类算法单元、回归算法单元、聚类算法单元、时间序列分析单元、关联规则挖掘单元。
具体而言，异常值处理通过检测数据中的异常值，可以采取删除异常值、替换为合理值或使用插值方法来处理异常值，噪声处理使用滤波器或噪声消除技术来减少数据中的噪声，以避免对后续分析产生不必要的干扰，缺失值处理针对数据中的缺失值，可采用删除缺失值、插值填充或使用机器学习算法进行预测来处理，特征选择选择对目标分析和模型构建有重要影响的特征，减少不必要的特征，提高模型的准确性和效率，降维通过主成分分析(PCA)等技术将高维数据转换为低维表示，减少数据的复杂性并去除冗余的信息，数据标准化通过标准化或归一化处理，将不同尺度和单位的数据转换为具有统一范围的标准数据，以确保各个特征对模型的影响具有可比性，分类算法单元实施各种分类算法，决策树、支持向量机(SVM)、K近邻(KNN)，用于将数据进行分类，并预测新样本的类别，回归算法单元实施各种回归算法，线性回归、岭回归、随机森林，用于根据已有数据建立回归模型，预测连续型变量的数值，聚类算法单元实施聚类算法，K-均值聚类、层次聚类、DBSCAN，用于将数据分组成具有相似特征的聚类，时间序列分析单元实施时间序列分析算法，包括季节性分解、平滑技术、ARIMA模型，用于分析和预测时间序列数据的趋势和周期性，关联规则挖掘单元实施关联规则挖掘算法，Apriori算法、FP-Growth算法，用于从数据集中发现项集之间的关联规则，揭示数据之间的关联性和依赖性。
请参阅图1，用户界面模块包括实时数据可视化单元、历史数据趋势分析单元，实时数据可视化单元采用图表库Matplotlib、地图库Leaflet结合，实时展示水质数据和趋势，历史数据趋势分析单元应用统计分析和可视化技术，绘制趋势图、箱线图；
决策支持模块包括水质预警算法单元、水资源优化算法单元，水质预警算法单元采用时间序列预测、异常检测和规则引擎，实现对水质数据的实时分析和预警，水资源优化算法单元采用线性规划、遗传算法作为优化算法。
具体而言，用户界面模块包括实时数据可视化单元和历史数据趋势分析单元，实时数据可视化单元使用图表库Matplotlib和地图库Leaflet结合，实时展示水质数据和趋势，该单元可以绘制各种类型的图表，折线图、柱状图、散点图，以及在地图上标记水质采样点的位置，以地理空间的形式呈现数据，提供直观的可视化效果，历史数据趋势分析单元通过统计分析和可视化技术，绘制趋势图和箱线图，用于分析水质数据的历史变化趋势，统计分析技术可以计算和描述水质数据的各种统计量，例平均值、方差、相关系数，以及根据历史数据绘制趋势图展示数据的变化趋势，箱线图则展示水质数据的分布情况，包括中位数、上下四分位数、异常值，可用于评估水质质量和检测异常情况，决策支持模块包括水质预警算法单元和水资源优化算法单元，水质预警算法单元应用时间序列预测、异常检测和规则引擎技术，实现对水质数据的实时分析和预警，通过时间序列预测，此单元能利用历史水质数据的模式和趋势，预测未来的水质变化，提前发现潜在问题，异常检测技术用于识别水质数据中的异常值或异常模式，及时发现水质异常情况，以采取适当的处理措施，规则引擎则可定义一系列规则和条件，基于水质数据的特征和阈值，触发相应的预警通知和操作，水资源优化算法单元采用线性规划、遗传算法优化算法，用于水资源的优化配置和利用，线性规划技术能建立数学模型，描述水资源利用的目标和约束条件，并通过优化求解得到最佳的资源配置方案，而遗传算法基于生物进化过程，通过模拟自然选择、交叉和变异操作，搜索水资源优化的最优解。
请参阅图1，设备状态监测单元采用传感器自检、时序分析和健康度评估方法；
故障预测与维修优化单元采用时序分析、故障诊断和维修策略优化算法，
具体而言，设备状态监测单元采用传感器自检、时序分析和健康度评估方法，传感器自检用于监测传感器本身的状态，包括传感器的正常运行、接口连接状况以及传感器信号质量，通过传感器自检，可以即时检测出传感器故障或异常情况，确保数据的准确性和可靠性，
时序分析是一种分析时间序列数据的方法，在设备状态监测中可以用来识别设备故障特征和趋势，通过对设备传感器数据进行时序分析，可以检测出设备状态的变化，包括设备运行参数的偏差、周期性变化、异常峰值，通过时序分析，可以及时发现潜在的设备故障问题，
健康度评估是通过综合考虑设备状态信息，对设备的健康状况进行评估和判定，健康度评估可以基于设备的故障历史数据、传感器数据以及其他相关信息，通过建立健康度评估模型和算法，可以量化设备的健康度指标，以便及时判断设备是否处于正常工作状态或存在潜在故障，
故障预测与维修优化单元采用时序分析、故障诊断和维修策略优化算法，时序分析用于分析设备的历史数据和运行过程中的动态变化趋势，以便预测设备可能出现的故障或异常情况，通过时序分析，可以监测设备特征参数的变化，识别出与故障相关的模式和规律，
故障诊断是根据设备的故障现象和特征，利用诊断算法和模型来确定故障的具体原因和类型，通过故障诊断，可以提供对设备故障的准确诊断，为维修和故障排除提供指导，
维修策略优化算法通过考虑设备维修过程中的各种因素，如维修成本、维修时间、备件可用性，对维修策略进行优化，基于维修策略优化算法，可以选择最优的维修策略，以实现维修效率的最大化和维修成本的最小化，
综合这些方法，设备状态监测单元和故障预测与维修优化单元可以对设备的状态进行实时监测、预测设备故障和优化维修策略，提高设备的可靠性、降低故障风险，并最大限度地保证设备的正常运行，
请参阅图2，一种基于物联网的水环境动态监测方法，包括以下步骤：
数据采集；
数据传输与通信；
数据处理与分析；
数据存储与管理；
用户界面与决策支持；
系统可靠性与维护。
请参阅图3，数据采集的步骤具体为：
部署水质传感器模块、图像传感器模块、声音传感器模块；
基于水质传感器模块监测水体的质量参数，基于图像传感器模块实时捕捉水体图像，基于声音传感器模块获取水体中的声音数据。
请参阅图4，数据传输与通信的步骤具体为：
设置通信网络架构，包括设立专用的网关节点来管理传感器设备的连接，配置路由器、交换机；
选择LoRaWAN技术适配广域低功耗的物联网应用；
使用安全协议(如TLS/SSL)对数据进行加密传输，将采集到的数据传输到数据处理中心；
数据传输与通信的步骤还包括网络带宽规划和优化、实时监控和故障排除。
请参阅图5，数据处理与分析的步骤具体为：
实施数据清洗和预处理；
采用数据平滑、插值和异常值处理的数据清洗技术保障数据的准确性和一致性，应用平滑滤波、标准化、主成分分析(PCA)预处理技术，对原始数据进行转换、归一化和特征选择操作；
运用机器学习算法模块，对数据进行分析和建模；
基于统计的特征选择和降维技术，选择具有代表性的特征，以供机器学习算法使用，选取决策树、支持向量机、神经网络、随机森林、K均值聚类机器学习算法，使用已标记的数据进行模型训练，并利用评估指标评估模型的性能；
引入异常检测模块，对数据的异常情况和突发事件的检测，对水环境问题的实时发现与响应；
基于阈值或规则的异常检测方法，构建预定义的异常检测规则或模型，基于离群点检测的算法挖掘水质数据中的异常数据，将异常检测模块嵌入系统，实时监测水质数据，当检测到突发事件或异常情况时，系统自动发送警报通知或执行紧急处理程序。
请参阅图6，用户界面与决策支持的步骤具体为：
构建用户界面模块；
基于图形用户界面(GUI)设计原则，提供可查询、直观化数据，图表库Matplotlib、地图库Leaflet，绘制水质数据的可视化图表，构建时间范围、位置或指标的数据检索项；
运用统计分析和可视化技术；
采用均值、标准差、相关性分析的统计分析方法分析水环境数据，基于统计指标和分布可视化，揭示数据的特征和潜在趋势，基于可视化图表展示水质数据的时序变化、空间分布和异常情况。
请参阅图7，系统可靠性与维护的步骤具体为：
设备状态监测单元通过传感器自检、时序分析和健康度评估等方法监测系统设备的状态，及时发现问题并采取适当措施；
基于定期执行的自检程序，对各个设备和传感器单元进行自我诊断，自我诊断包括对传感器的功能性检查、校准和灵敏度测试，监测设备的运行时序数据，时序数据包括传感器输出、设备负载、温度和能耗，通过基于统计分析的评估算法，对设备的工作状态进行评估和监测；
故障预测与维修优化单元通过时序分析、故障诊断和维修策略优化算法，预测设备可能的故障，并采取优化的维护策略；
通过分析历史设备故障数据和运行时序数据，利用时间序列建模、异常检测的时序分析方法预测设备可能的故障，故障发生时，利用故障诊断技术，通过分析设备状态数据和故障特征，确定故障的类型和位置，基于故障预测和诊断结果，采取优化的维修策略，维修策略包括确定维修优先级、制定维修计划、调度维修资源、预测维修成本和设备停机时间。
工作原理：数据采集(部署水质传感器模块、图像传感器模块、声音传感器模块；基于水质传感器模块监测水体的质量参数，基于图像传感器模块实时捕捉水体图像，基于声音传感器模块获取水体中的声音数据)；数据传输与通信(设置通信网络架构，包括设立专用的网关节点来管理传感器设备的连接，配置路由器、交换机；选择LoRaWAN技术适配广域低功耗的物联网应用；使用安全协议(如TLS/SSL)对数据进行加密传输，将采集到的数据传输到数据处理中心；网络带宽规划和优化、实时监控和故障排除)；数据处理与分析(实施数据清洗和预处理，采用数据平滑、插值和异常值处理的数据清洗技术保障数据的准确性和一致性，应用平滑滤波、标准化、主成分分析(PCA)预处理技术，对原始数据进行转换、归一化和特征选择操作；运用机器学习算法模块，对数据进行分析和建模，基于统计的特征选择和降维技术，选择具有代表性的特征，以供机器学习算法使用，选取决策树、支持向量机、神经网络、随机森林、K均值聚类机器学习算法，使用已标记的数据进行模型训练，并利用评估指标评估模型的性能；引入异常检测模块，对数据的异常情况和突发事件的检测，对水环境问题的实时发现与响应，基于阈值或规则的异常检测方法，构建预定义的异常检测规则或模型，基于离群点检测的算法挖掘水质数据中的异常数据，将异常检测模块嵌入系统，实时监测水质数据，当检测到突发事件或异常情况时，系统自动发送警报通知或执行紧急处理程序)；数据存储与管理；用户界面与决策支持(构建用户界面模块，基于图形用户界面(GUI)设计原则，提供可查询、直观化数据，图表库Matplotlib、地图库Leaflet，绘制水质数据的可视化图表，构建时间范围、位置或指标的数据检索项；运用统计分析和可视化技术，采用均值、标准差、相关性分析的统计分析方法分析水环境数据，基于统计指标和分布可视化，揭示数据的特征和潜在趋势，基于可视化图表展示水质数据的时序变化、空间分布和异常情况)；系统可靠性与维护(设备状态监测单元通过传感器自检、时序分析和健康度评估等方法监测系统设备的状态，及时发现问题并采取适当措施，基于定期执行的自检程序，对各个设备和传感器单元进行自我诊断，自我诊断包括对传感器的功能性检查、校准和灵敏度测试，监测设备的运行时序数据，时序数据包括传感器输出、设备负载、温度和能耗，通过基于统计分析的评估算法，对设备的工作状态进行评估和监测；故障预测与维修优化单元通过时序分析、故障诊断和维修策略优化算法，预测设备可能的故障，并采取优化的维护策略，通过分析历史设备故障数据和运行时序数据，利用时间序列建模、异常检测的时序分析方法预测设备可能的故障，故障发生时，利用故障诊断技术，通过分析设备状态数据和故障特征，确定故障的类型和位置，基于故障预测和诊断结果，采取优化的维修策略，维修策略包括确定维修优先级、制定维修计划、调度维修资源、预测维修成本和设备停机时间)。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (10)
1.一种基于物联网的水环境动态监测系统，其特征在于：所述一种基于物联网的水环境动态监测系统是由数据采集层、数据传输与通信层、数据处理与分析层、数据存储与管理层、用户界面与决策支持层、系统可靠性与维护层组成；
所述数据采集层包含水质传感器模块、图像传感器模块、声音传感器模块；
所述数据传输与通信层采用无线传输模块，使用无线通信协议和技术，将采集到的数据传输到数据处理中心；
所述数据处理与分析层包含数据清洗和预处理模块、机器学习算法模块、异常检测模块；
所述数据存储与管理层采用数据库模块，通过关系型数据库MySQL存储处理后的数据；
所述用户界面与决策支持层包含用户界面模块、决策支持模块；
所述系统可靠性与维护层包含设备状态监测单元、故障预测与维修优化单元。
2.根据权利要求1所述的基于物联网的水环境动态监测系统，其特征在于：所述水质传感器模块包含浊度传感器单元、PH传感器单元、溶解氧传感器单元；
所述图像传感器模块通过图像采集单元实时采集水体图像，使用计算机视觉算法进行图像增强、目标检测以及水体边界提取；
所述声音传感器模块通过声音采集单元采集水体中的声音数据，使用声音处理算法进行频谱分析、声学特征提取或异常声音识别。
3.根据权利要求1所述的基于物联网的水环境动态监测系统，其特征在于：所述数据清洗和预处理模块包含数据清洗单元、数据预处理单元，所述数据清洗单元具体执行异常值处理、噪声处理、缺失值处理操作，所述数据预处理单元具体执行特征选择、降维、数据标准化操作；
所述机器学习算法模块包括分类算法单元、回归算法单元、聚类算法单元、时间序列分析单元、关联规则挖掘单元。
4.根据权利要求1所述的基于物联网的水环境动态监测系统，其特征在于：所述用户界面模块包括实时数据可视化单元、历史数据趋势分析单元，所述实时数据可视化单元采用图表库Matplotlib、地图库Leaflet结合，实时展示水质数据和趋势，所述历史数据趋势分析单元应用统计分析和可视化技术，绘制趋势图、箱线图；
所述决策支持模块包括水质预警算法单元、水资源优化算法单元，所述水质预警算法单元采用时间序列预测、异常检测和规则引擎，实现对水质数据的实时分析和预警，所述水资源优化算法单元采用线性规划、遗传算法作为优化算法。
5.根据权利要求1所述的基于物联网的水环境动态监测系统，其特征在于：所述设备状态监测单元采用传感器自检、时序分析和健康度评估方法；
所述故障预测与维修优化单元采用时序分析、故障诊断和维修策略优化算法。
6.一种基于物联网的水环境动态监测方法，其特征在于，包括以下步骤：
数据采集；
数据传输与通信；
数据处理与分析；
数据存储与管理；
用户界面与决策支持；
系统可靠性与维护。
7.根据权利要求6所述的基于物联网的水环境动态监测方法，其特征在于：所述数据采集的步骤具体为：
部署水质传感器模块、图像传感器模块、声音传感器模块；
基于水质传感器模块监测水体的质量参数，基于图像传感器模块实时捕捉水体图像，基于声音传感器模块获取水体中的声音数据；
所述数据传输与通信的步骤具体为：
设置通信网络架构，包括设立专用的网关节点来管理传感器设备的连接，配置路由器、交换机；
选择LoRaWAN技术适配广域低功耗的物联网应用；
使用安全协议(如TLS/SSL)对数据进行加密传输，将采集到的数据传输到数据处理中心；
所述数据传输与通信的步骤还包括网络带宽规划和优化、实时监控和故障排除。
8.根据权利要求6所述的基于物联网的水环境动态监测方法，其特征在于：所述数据处理与分析的步骤具体为：
实施数据清洗和预处理；
采用数据平滑、插值和异常值处理的数据清洗技术保障数据的准确性和一致性，应用平滑滤波、标准化、主成分分析(PCA)预处理技术，对原始数据进行转换、归一化和特征选择操作；
运用机器学习算法模块，对数据进行分析和建模；
基于统计的特征选择和降维技术，选择具有代表性的特征，以供机器学习算法使用，选取决策树、支持向量机、神经网络、随机森林、K均值聚类机器学习算法，使用已标记的数据进行模型训练，并利用评估指标评估模型的性能；
引入异常检测模块，对数据的异常情况和突发事件的检测，对水环境问题的实时发现与响应；
基于阈值或规则的异常检测方法，构建预定义的异常检测规则或模型，基于离群点检测的算法挖掘水质数据中的异常数据，将异常检测模块嵌入系统，实时监测水质数据，当检测到突发事件或异常情况时，系统自动发送警报通知或执行紧急处理程序。
9.根据权利要求6所述的基于物联网的水环境动态监测方法，其特征在于：所述用户界面与决策支持的步骤具体为：
构建用户界面模块；
基于图形用户界面(GUI)设计原则，提供可查询、直观化数据，图表库Matplotlib、地图库Leaflet，绘制水质数据的可视化图表，构建时间范围、位置或指标的数据检索项；
运用统计分析和可视化技术；
采用均值、标准差、相关性分析的统计分析方法分析水环境数据，基于统计指标和分布可视化，揭示数据的特征和潜在趋势，基于可视化图表展示水质数据的时序变化、空间分布和异常情况。
10.根据权利要求6所述的基于物联网的水环境动态监测方法，其特征在于：所述系统可靠性与维护的步骤具体为：
设备状态监测单元通过传感器自检、时序分析和健康度评估等方法监测系统设备的状态，及时发现问题并采取适当措施；
基于定期执行的自检程序，对各个设备和传感器单元进行自我诊断，自我诊断包括对传感器的功能性检查、校准和灵敏度测试，监测设备的运行时序数据，时序数据包括传感器输出、设备负载、温度和能耗，通过基于统计分析的评估算法，对设备的工作状态进行评估和监测；
故障预测与维修优化单元通过时序分析、故障诊断和维修策略优化算法，预测设备可能的故障，并采取优化的维护策略；
通过分析历史设备故障数据和运行时序数据，利用时间序列建模、异常检测的时序分析方法预测设备可能的故障，故障发生时，利用故障诊断技术，通过分析设备状态数据和故障特征，确定故障的类型和位置，基于故障预测和诊断结果，采取优化的维修策略，维修策略包括确定维修优先级、制定维修计划、调度维修资源、预测维修成本和设备停机时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310849505.4A CN116796907A (zh) | 2023-07-11 | 2023-07-11 | 一种基于物联网的水环境动态监测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310849505.4A CN116796907A (zh) | 2023-07-11 | 2023-07-11 | 一种基于物联网的水环境动态监测系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116796907A true CN116796907A (zh) | 2023-09-22 |
Family
ID=88040155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310849505.4A Pending CN116796907A (zh) | 2023-07-11 | 2023-07-11 | 一种基于物联网的水环境动态监测系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116796907A (zh) |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117076573A (zh) * | 2023-10-16 | 2023-11-17 | 深圳博十强志科技有限公司 | 一种基于大数据技术的数据处理分析系统 |
| CN117115637A (zh) * | 2023-10-18 | 2023-11-24 | 深圳市天地互通科技有限公司 | 一种基于大数据技术的水质监测预警方法及系统 |
| CN117171661A (zh) * | 2023-11-03 | 2023-12-05 | 山东鸿远新材料科技股份有限公司 | 一种化工厂污水处理监控方法及系统 |
| CN117174198A (zh) * | 2023-11-02 | 2023-12-05 | 山东鸿远新材料科技股份有限公司 | 一种基于氧氯化锆生产的自动检测清洁方法及系统 |
| CN117196159A (zh) * | 2023-11-07 | 2023-12-08 | 山东辰智电子科技有限公司 | 基于互联网大数据分析的智慧水务分区计量系统 |
| CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
| CN117309824A (zh) * | 2023-11-08 | 2023-12-29 | 广州市市维检测有限公司 | 一种光触媒覆膜层检测系统及方法 |
| CN117320192A (zh) * | 2023-11-28 | 2023-12-29 | 无锡浩渺生态环境科技有限公司 | 一种基于无线通信的水污染监测方法 |
| CN117309065A (zh) * | 2023-11-29 | 2023-12-29 | 广州中科智云科技有限公司 | 一种基于无人机的换流站远程监控方法及系统 |
| CN117332961A (zh) * | 2023-10-08 | 2024-01-02 | 珠海飞企耀点科技有限公司 | 一种智能化实验室管理系统 |
| CN117393076A (zh) * | 2023-12-13 | 2024-01-12 | 山东三岳化工有限公司 | 耐热环氧树脂生产过程智能监测方法及系统 |
| CN117517607A (zh) * | 2023-11-07 | 2024-02-06 | 江苏汇海环境科技有限公司 | 基于可视化的一体化水处理设备智能监测方法、系统 |
| CN117539187A (zh) * | 2023-12-20 | 2024-02-09 | 湖南博禹水电科技开发有限公司 | 一种基于物联网技术的远程数据监测系统及方法 |
| CN117592870A (zh) * | 2024-01-19 | 2024-02-23 | 生态环境部环境规划院 | 基于水环境监测信息的综合分析系统 |
| CN117633459A (zh) * | 2023-11-29 | 2024-03-01 | 国网山西省电力公司太原供电公司 | 高精准分布式光纤传感在线监测装置 |
| CN117892094A (zh) * | 2024-03-13 | 2024-04-16 | 宁波析昶环保科技有限公司 | 一种污水运维平台大数据分析系统 |
| CN117909667A (zh) * | 2024-03-19 | 2024-04-19 | 中铁四局集团有限公司 | 适应于复杂环境下的物联网采集方法及采集装置 |
| CN117912211A (zh) * | 2024-03-18 | 2024-04-19 | 延安大学西安创新学院 | 基于物联网的园林环境数据分析及报警系统 |
| CN117953995A (zh) * | 2024-01-25 | 2024-04-30 | 北京争上游科技有限公司 | 智能物联网空气质量监测系统 |
| CN117952254A (zh) * | 2024-01-10 | 2024-04-30 | 北京大学 | 一种基于人工智能的水处理工艺优化全流程模型系统 |
| CN118089859A (zh) * | 2024-04-24 | 2024-05-28 | 中测新图(北京)遥感技术有限责任公司 | 一种地质灾害监测装置 |
| CN118138472A (zh) * | 2024-03-14 | 2024-06-04 | 深圳兴科华创信息技术有限公司 | 基于物联网的监控数据分析方法及系统 |
| CN118656584A (zh) * | 2024-08-21 | 2024-09-17 | 安徽国信检测技术有限公司 | 一种用于水质采样的智能环境监测系统 |
| CN118688415A (zh) * | 2024-08-26 | 2024-09-24 | 浙江万里学院 | 一种滨海湿地的水质监测方法及系统 |
| CN118797316A (zh) * | 2024-09-11 | 2024-10-18 | 山东亿宁环保科技有限公司 | 一种真空泵实时数据采集方法及系统 |
| CN118966843A (zh) * | 2024-10-17 | 2024-11-15 | 红杉天枰科技集团有限公司 | 基于水务大模型的水务智能报警方法及装置 |
| CN119071843A (zh) * | 2024-09-09 | 2024-12-03 | 浙江农林大学 | 一种农业水下无线传感器网络异常诊断方法 |
| CN119090483A (zh) * | 2024-08-13 | 2024-12-06 | 东莞市光佳光电科技有限公司 | 一种基于物联网的测井光缆检测评估方法、系统及设备 |
| CN119085726A (zh) * | 2024-08-14 | 2024-12-06 | 中国地质科学院地质力学研究所 | 一种高精度监测的光纤传感器数据处理方法 |
| CN119208679A (zh) * | 2024-10-21 | 2024-12-27 | 国网浙江省电力有限公司嘉善县供电公司 | 燃料电池系统的排水控制方法、系统及燃料电池车 |
| CN119204435A (zh) * | 2024-09-18 | 2024-12-27 | 江西华宇软件股份有限公司 | 一种林场智能一体化管理系统 |
| CN119379044A (zh) * | 2024-12-30 | 2025-01-28 | 广东卓维网络有限公司 | 电网设备信息可视化方法、系统、设备和介质 |
| CN119416129A (zh) * | 2025-01-07 | 2025-02-11 | 湖南亿康环保科技有限公司 | 一种基于深度学习的暴雨场景下的污水监测方法及系统 |
| CN119945894A (zh) * | 2025-04-10 | 2025-05-06 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于抄表数据的异常定位方法及系统 |
| CN120128892A (zh) * | 2025-05-12 | 2025-06-10 | 吉林省鑫应信息科技开发有限公司 | 基于通信模组的智能热点采集设备远程智能管控系统 |
-
2023
- 2023-07-11 CN CN202310849505.4A patent/CN116796907A/zh active Pending
Cited By (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117332961A (zh) * | 2023-10-08 | 2024-01-02 | 珠海飞企耀点科技有限公司 | 一种智能化实验室管理系统 |
| CN117076573B (zh) * | 2023-10-16 | 2024-01-05 | 深圳博十强志科技有限公司 | 一种基于大数据技术的数据处理分析系统 |
| CN117076573A (zh) * | 2023-10-16 | 2023-11-17 | 深圳博十强志科技有限公司 | 一种基于大数据技术的数据处理分析系统 |
| CN117115637A (zh) * | 2023-10-18 | 2023-11-24 | 深圳市天地互通科技有限公司 | 一种基于大数据技术的水质监测预警方法及系统 |
| CN117174198A (zh) * | 2023-11-02 | 2023-12-05 | 山东鸿远新材料科技股份有限公司 | 一种基于氧氯化锆生产的自动检测清洁方法及系统 |
| CN117174198B (zh) * | 2023-11-02 | 2024-01-26 | 山东鸿远新材料科技股份有限公司 | 一种基于氧氯化锆生产的自动检测清洁方法及系统 |
| CN117171661A (zh) * | 2023-11-03 | 2023-12-05 | 山东鸿远新材料科技股份有限公司 | 一种化工厂污水处理监控方法及系统 |
| CN117171661B (zh) * | 2023-11-03 | 2024-01-26 | 山东鸿远新材料科技股份有限公司 | 一种化工厂污水处理监控方法及系统 |
| CN117196159A (zh) * | 2023-11-07 | 2023-12-08 | 山东辰智电子科技有限公司 | 基于互联网大数据分析的智慧水务分区计量系统 |
| CN117517607A (zh) * | 2023-11-07 | 2024-02-06 | 江苏汇海环境科技有限公司 | 基于可视化的一体化水处理设备智能监测方法、系统 |
| CN117309824A (zh) * | 2023-11-08 | 2023-12-29 | 广州市市维检测有限公司 | 一种光触媒覆膜层检测系统及方法 |
| CN117309824B (zh) * | 2023-11-08 | 2024-03-26 | 广州市市维检测有限公司 | 一种光触媒覆膜层检测系统及方法 |
| CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
| CN117236565B (zh) * | 2023-11-10 | 2024-04-05 | 韩宇 | 一种流域水环境智慧化管理方法 |
| CN117320192A (zh) * | 2023-11-28 | 2023-12-29 | 无锡浩渺生态环境科技有限公司 | 一种基于无线通信的水污染监测方法 |
| CN117320192B (zh) * | 2023-11-28 | 2024-03-15 | 无锡浩渺生态环境科技有限公司 | 一种基于无线通信的水污染监测方法 |
| CN117633459A (zh) * | 2023-11-29 | 2024-03-01 | 国网山西省电力公司太原供电公司 | 高精准分布式光纤传感在线监测装置 |
| CN117309065A (zh) * | 2023-11-29 | 2023-12-29 | 广州中科智云科技有限公司 | 一种基于无人机的换流站远程监控方法及系统 |
| CN117309065B (zh) * | 2023-11-29 | 2024-02-09 | 广州中科智云科技有限公司 | 一种基于无人机的换流站远程监控方法及系统 |
| CN117393076B (zh) * | 2023-12-13 | 2024-02-09 | 山东三岳化工有限公司 | 耐热环氧树脂生产过程智能监测方法及系统 |
| CN117393076A (zh) * | 2023-12-13 | 2024-01-12 | 山东三岳化工有限公司 | 耐热环氧树脂生产过程智能监测方法及系统 |
| CN117539187A (zh) * | 2023-12-20 | 2024-02-09 | 湖南博禹水电科技开发有限公司 | 一种基于物联网技术的远程数据监测系统及方法 |
| CN117539187B (zh) * | 2023-12-20 | 2024-04-12 | 湖南博禹水电科技开发有限公司 | 一种基于物联网技术的远程数据监测系统及方法 |
| CN117952254A (zh) * | 2024-01-10 | 2024-04-30 | 北京大学 | 一种基于人工智能的水处理工艺优化全流程模型系统 |
| CN117592870A (zh) * | 2024-01-19 | 2024-02-23 | 生态环境部环境规划院 | 基于水环境监测信息的综合分析系统 |
| CN117592870B (zh) * | 2024-01-19 | 2024-04-30 | 生态环境部环境规划院 | 基于水环境监测信息的综合分析系统 |
| CN117953995A (zh) * | 2024-01-25 | 2024-04-30 | 北京争上游科技有限公司 | 智能物联网空气质量监测系统 |
| CN117892094A (zh) * | 2024-03-13 | 2024-04-16 | 宁波析昶环保科技有限公司 | 一种污水运维平台大数据分析系统 |
| CN118138472A (zh) * | 2024-03-14 | 2024-06-04 | 深圳兴科华创信息技术有限公司 | 基于物联网的监控数据分析方法及系统 |
| CN117912211A (zh) * | 2024-03-18 | 2024-04-19 | 延安大学西安创新学院 | 基于物联网的园林环境数据分析及报警系统 |
| CN117912211B (zh) * | 2024-03-18 | 2024-05-31 | 延安大学西安创新学院 | 基于物联网的园林环境数据分析及报警系统 |
| CN117909667A (zh) * | 2024-03-19 | 2024-04-19 | 中铁四局集团有限公司 | 适应于复杂环境下的物联网采集方法及采集装置 |
| CN117909667B (zh) * | 2024-03-19 | 2024-06-07 | 中铁四局集团有限公司 | 适应于复杂环境下的物联网采集方法及采集装置 |
| CN118089859A (zh) * | 2024-04-24 | 2024-05-28 | 中测新图(北京)遥感技术有限责任公司 | 一种地质灾害监测装置 |
| CN119090483A (zh) * | 2024-08-13 | 2024-12-06 | 东莞市光佳光电科技有限公司 | 一种基于物联网的测井光缆检测评估方法、系统及设备 |
| CN119085726A (zh) * | 2024-08-14 | 2024-12-06 | 中国地质科学院地质力学研究所 | 一种高精度监测的光纤传感器数据处理方法 |
| CN118656584A (zh) * | 2024-08-21 | 2024-09-17 | 安徽国信检测技术有限公司 | 一种用于水质采样的智能环境监测系统 |
| CN118688415A (zh) * | 2024-08-26 | 2024-09-24 | 浙江万里学院 | 一种滨海湿地的水质监测方法及系统 |
| CN119071843A (zh) * | 2024-09-09 | 2024-12-03 | 浙江农林大学 | 一种农业水下无线传感器网络异常诊断方法 |
| CN118797316A (zh) * | 2024-09-11 | 2024-10-18 | 山东亿宁环保科技有限公司 | 一种真空泵实时数据采集方法及系统 |
| CN118797316B (zh) * | 2024-09-11 | 2025-01-21 | 山东亿宁环保科技有限公司 | 一种真空泵实时数据异常检测方法及系统 |
| CN119204435A (zh) * | 2024-09-18 | 2024-12-27 | 江西华宇软件股份有限公司 | 一种林场智能一体化管理系统 |
| CN118966843A (zh) * | 2024-10-17 | 2024-11-15 | 红杉天枰科技集团有限公司 | 基于水务大模型的水务智能报警方法及装置 |
| CN119208679A (zh) * | 2024-10-21 | 2024-12-27 | 国网浙江省电力有限公司嘉善县供电公司 | 燃料电池系统的排水控制方法、系统及燃料电池车 |
| CN119379044A (zh) * | 2024-12-30 | 2025-01-28 | 广东卓维网络有限公司 | 电网设备信息可视化方法、系统、设备和介质 |
| CN119416129A (zh) * | 2025-01-07 | 2025-02-11 | 湖南亿康环保科技有限公司 | 一种基于深度学习的暴雨场景下的污水监测方法及系统 |
| CN119945894A (zh) * | 2025-04-10 | 2025-05-06 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于抄表数据的异常定位方法及系统 |
| CN120128892A (zh) * | 2025-05-12 | 2025-06-10 | 吉林省鑫应信息科技开发有限公司 | 基于通信模组的智能热点采集设备远程智能管控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116796907A (zh) | 一种基于物联网的水环境动态监测系统及其方法 | |
| CN118915566A (zh) | 一种基于物联网的暖通设备异常在线监控系统 | |
| KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
| CN115657617A (zh) | 一种用于火电厂智慧监盘报警系统实现方法 | |
| CN116862442A (zh) | 基于大数据分析的智能设备管理方法、系统 | |
| CN116882426A (zh) | 基于标识解析的机电设备管理平台 | |
| CN119335940B (zh) | 一种基于物联网的污水处理数据实时监控方法及系统 | |
| CN118553338A (zh) | 一种海洋牧场水质多参数预测方法 | |
| CN117236930A (zh) | 基于5g和人工智能的公路桥梁综合监测系统 | |
| CN117172751A (zh) | 一种智慧运维信息分析模型的构建方法 | |
| CN111255674A (zh) | 一种用于检测旋转机械设备状态的系统及检测方法 | |
| CN115358155A (zh) | 一种电力大数据异常预警方法、装置、设备及可读存储介质 | |
| CN110765633A (zh) | 一种动力装置的智能管理方法和装置 | |
| CN114281046A (zh) | 一种安全评估模型、火工品区可视化监控系统及方法 | |
| CN118075088A (zh) | 一种基于云化智能维护中心的告警系统 | |
| CN118838449A (zh) | 一种全数字化实验室温度智能监测装置 | |
| CN118965247B (zh) | 一种基于多源数据的电厂数据管理方法及系统 | |
| CN119918740A (zh) | 一种人工智能水务设备及数字化协同优化方法 | |
| CN119416113A (zh) | 一种基于大数据的能源设备健康监测方法及系统 | |
| CN118692219A (zh) | 安全帽用环境监测预警方法及其系统 | |
| CN118499316A (zh) | 一种基于云数据的液压站状态监测方法及系统 | |
| CN117930705A (zh) | 一种工业企业能源消耗监测管理系统 | |
| CN117290734A (zh) | 基于物联网的机房能效分析方法及系统 | |
| US20240337995A1 (en) | Automation system for asset management and maintenance, building management and energy management | |
| CN119402288B (zh) | 工业互联网环境下的安全态势感知方法及平台 |
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 |