CN116990479B - 一种基于Zigbee技术的水质监测方法、系统、设备及介质 - Google Patents
一种基于Zigbee技术的水质监测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116990479B CN116990479B CN202311261134.4A CN202311261134A CN116990479B CN 116990479 B CN116990479 B CN 116990479B CN 202311261134 A CN202311261134 A CN 202311261134A CN 116990479 B CN116990479 B CN 116990479B
- Authority
- CN
- China
- Prior art keywords
- water quality
- value
- abnormality
- coefficient
- turbidity
- 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 404
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 192
- 235000020188 drinking water Nutrition 0.000 claims abstract description 118
- 239000003651 drinking water Substances 0.000 claims abstract description 118
- 238000011156 evaluation Methods 0.000 claims abstract description 112
- 238000010586 diagram Methods 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000007726 management method Methods 0.000 claims abstract description 16
- 230000000875 corresponding effect Effects 0.000 claims description 58
- 230000002159 abnormal effect Effects 0.000 claims description 38
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 30
- 239000001301 oxygen Substances 0.000 claims description 30
- 229910052760 oxygen Inorganic materials 0.000 claims description 30
- 229910001385 heavy metal Inorganic materials 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Classifications
-
- 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
- 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
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- 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
- G01N33/1813—Specific cations in water, e.g. heavy metals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Medicinal Chemistry (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Emergency Medicine (AREA)
- Biomedical Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于Zigbee技术的水质监测方法、系统、设备及介质,具体涉及水质监测技术领域,包括获取目标管理区域中水质分析设备的水质训练数据;基于水质训练数据生成水质状态评估系数;对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;本发明通过基于浊度实测数据与酸碱度实测数据生成的浊度折线图和酸碱度折线图,进行对比分析,进一步确定第一水质异常原因,从而能够对饮用水快速判断并确定发生饮用水第一水质异常的水质异常原因,提高了饮用水水质污染排查效率。
Description
技术领域
本发明涉及水质监测技术领域,更具体地说,本发明涉及一种基于Zigbee技术的水质监测方法、系统、设备及介质。
背景技术
随着城市高层建筑与日俱增,二次供水成为城市供水的主要方式。容易遭到忽视的是,储水池、储水箱等二次供水设施容易滋生有害菌类、藻类,甚至有杂物堆积,对水质造成污染,那这些污染物也会对自来水水质造成影响,使得自来水可能出现发黄、异味等异常情况,而很多小区二次供水设施很少清洗,严重危害居民饮水安全,为此监测二次供水水质质量是亟需处理的问题。
二次供水饮用水水箱出现的异常根据时间划分,大致划分为两种,一种为突发性饮用水异常,由于降雨强烈时,雨水径流速度加快,可能在流经污染源地区携带有害物质,并最终进入饮用水水箱而导致饮用水无法饮用;另一种为间歇性饮用水异常,由于饮用水水箱中余氯已耗尽,容易在水箱壁及水箱底的附着物和沉淀物,导致水箱污染饮用水;间歇性饮用水异常在发生异常时常伴随一些征兆,而突发性饮用水异常往往不会明显的预兆。
目前,现有的水质监测方法及系统,包括监测人员定期通过水质检测设备到饮用水水箱取样监测,耗时耗力,监测效率低下,在发生突发性饮用水异常时,有一定的滞后性,二是通过服务器分析水箱内安全影响系数进行判断是否安全,如申请公开号CN111983961A,公开了一种基于大数据的居民饮用水安全智能监测管理系统,该发明虽然通过对多项水质参数进行处理,实现了对水质的异常监测,但是该方式处理过程冗长,且无法快速确定异常原因,存在水质监测的滞后性。
为此,本发明提供了一种基于Zigbee技术的水质监测方法、系统、设备及介质。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于Zigbee技术的水质监测方法、系统、设备及介质,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于Zigbee技术的水质监测方法,包括:
获取目标管理区域中水质分析设备的水质训练数据;
基于水质训练数据生成水质状态评估系数;
对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息。
进一步地,目标管理区域为设有饮用水水箱的小区中,布置有水质分析设备的区域,所述水质分析设备至少包括Zigbee模块,Zigbee模块为创建Zigbee无线网络,用于获取L组Zigbee串口传感器对应的水质训练数据;L组Zigbee串口传感器对应一个水质分析设备,L为大于零的正整数,每组Zigbee串口传感器包括COD传感器、重金属分析仪与溶解氧传感器,将目标管理区域按照小区楼栋号顺序进行编号,并基于编号记录对应的地理位置,将小区楼栋号依次编号为i=1,2,3...I,I为总楼栋数,i为大于等于1的正整数;在一个优选的实施例中,所述水质训练数据包括波动水质数据值与预设波动水质数据。
进一步地,获取第i组Zigbee串口传感器的预设波动水质数据,所述预设波动水质数据包括COD预设波动数值、重金属含量预设波动数值与溶解氧预设波动数值;
将COD实测数据值与COD预设波动数值进行关联,计算COD评估系数;
将重金属含量实测数据值与重金属含量预设波动数值进行关联,计算重金属评估系数;
将溶解氧实测数据值与溶解氧预设波动数值进行关联,计算溶解氧评估系数;
将COD评估系数、重金属评估系数与溶解氧评估系数进行关联,计算得到水质状态评估系数。
进一步地,对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常,包括:
预设第一评估阈值;将水质状态评估系数与预设第一评估阈值对比;若水质状态评估系数大于等于预设第一评估阈值,则将饮用水标记为第一水质异常;
所述异常基础信息包括每个第一水质异常原因对应异常水质分析设备的编号和异常水质分析设备对应的地理位置。
进一步地,根据浊度折线图和酸碱度折线图确定水质异常原因,包括:
基于相似度算法比较酸碱度折线图和异常酸碱度折线图的第一相似度;
若第一相似度大于等于预设酸碱度相似阈值,则提取对应的异常酸碱度折线图的对应异常基础信息和对应的第一水质异常原因;
若第一相似度小于预设酸碱度相似阈值,则基于相似度算法比较浊度折线图与异常浊度折线图的第二相似度;
若第二相似度大于等于预设浊度相似阈值,则提取对应的异常浊度折线图的对应异常基础信息和对应的第一水质异常原因;
若第二相似度小于预设浊度相似阈值,则判断出现外界干扰因素,则生成紧急指令。
进一步地,还包括:基于水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常,包括:
预设第二评估阈值;其中,第二评估阈值小于第一评估阈值;
将水质状态评估系数与第二评估阈值进行对比,若水质状态评估系数大于等于第二评估阈值,且小于第一评估阈值,则将饮用水标记为第二水质异常。
进一步地,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令;
根据第i组浊度折线图和酸碱度折线图分别生成浊度系数与酸碱度系数,具体包括:
将预设时间段沿着坐标轴的延伸方向进行等距分割,分别标记为t=1,2,3...T,其中t为正整数,获取浊度折线图中的浊度,计算t时刻的浊度与t-1时刻的浊度的差值,并进行无量纲化计算,得到浊度系数;
获取酸碱度折线图中的酸碱度,计算t时刻的酸碱度与t-1时刻的酸碱度的差值,并进行无量纲化计算,得到酸碱度系数;
获取第i个饮用水水箱的历史水质异常次数,将浊度系数、酸碱度系数与历史水质异常次数进行归一化处理,获得水质监测系数,并标记为;
所述历史水质异常次数预储存于水质监测数据库中;
预设水质监测系数阈值,将水质监测系数与水质监测系数阈值进行对比,获得预警信息,并进行预警提醒,所述预警信息包括第一预警信息与第二预警信息。
进一步地,水质监测系数与水质监测系数阈值进行对比,获得预警信息,包括:
预设水质监测系数阈值为与/>,且/>,将水质监测系数与水质监测系数阈值进行对比;
若,则将该监测的饮用水不生成第一预警信息;说明第i个饮用水水箱内的饮用水在未来时间段发生水质异常的概率极低;
若,且/>,则将该监测的饮用水生成为第一预警信息;说明第i个饮用水水箱内的饮用水在未来时间段发生水质异常的概率较大,需要采取停水措施,对饮用水水箱进行清洗;
若,则将该监测的饮用水生成为第二预警信息。
第二方面,一种基于Zigbee技术的水质监测系统,用于实施上述的一种基于Zigbee技术的水质监测方法的实现,系统包括:
数据采集模块,获取目标管理区域中水质分析设备的水质训练数据;
水质评估模块,基于水质训练数据生成水质状态评估系数;
第一分析模块,用于对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
异常匹配模块,根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
水质异常确认模块,获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息;
进一步地,一种基于Zigbee技术的水质监测系统,还包括:
第二分析模块,对水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常;
预警模块,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令。
第三方面,本发明提供一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种基于Zigbee技术的水质监测方法。
第四方面,本发明提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行上述的一种基于Zigbee技术的水质监测方法。
本发明的技术效果和优点:
本发明获取水质训练数据并生成水质状态评估系数,当水质状态评估系数大于等于预设第一评估阈值时,基于波动水质数据值与第一水质异常信息的预设对应关系,确定多个第一水质异常原因,缩小了饮用水发生第一水质异常的排查范围,并基于浊度实测数据与酸碱度实测数据生成的浊度折线图和酸碱度折线图,进一步对比分析,进一步确定第一水质异常原因,从而能够对饮用水快速判断并确定发生饮用水第一水质异常的水质异常原因,提高了饮用水水质污染排查效率;
本发明通过水质训练数据中的COD数据、重金属含量数据与溶解氧数据等数据生成水质状态评估系数,并设置第一评估阈值与水质状态评估系数进行对比判断,若水质状态评估系数大于等于预设第一评估阈值,则将饮用水标记为第一水质异常,根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定第一水质异常信息,最后提取浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图定位,确定异常基础信息中发生水质异常的编号和位置,并确定饮用水发生第一水质异常的原因;
本发明通过对水质状态评估系数进行第二次对比,判断饮用水是否存在水质异常,并基于预设时间段内浊度折线图和酸碱度折线图对饮用水进行监测预警,便于在水质异常的饮用水进行及时预警提醒,确保饮用水的饮水安全。
附图说明
图1为本发明实施例1、2中一种基于Zigbee技术的水质监测方法流程图;
图2为本发明实施例3一种基于Zigbee技术的水质监测系统示意图;
图3为本发明实施例4一种基于Zigbee技术的水质监测系统详细模块示意图;
图4为本发明实施例5的一种电子设备示意图;
图5为本发明实施例6的一种计算机可读存储介质示意图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
实施例1
请参阅图1所示,本实施例提供了一种基于Zigbee技术的水质监测方法,应用于水质分析设备,包括如下步骤:
S10.获取目标管理区域中水质分析设备的水质训练数据;
具体地,所述目标管理区域为设有饮用水水箱的小区中,布置有水质分析设备的区域,所述水质分析设备至少包括Zigbee模块,Zigbee模块为创建Zigbee无线网络,用于获取L组Zigbee串口传感器对应的水质训练数据;L组Zigbee串口传感器对应一个水质分析设备,L为大于零的正整数,每组Zigbee串口传感器包括COD传感器、重金属分析仪与溶解氧传感器,将目标管理区域按照小区楼栋号顺序进行编号,并基于编号记录对应的地理位置,将小区楼栋号依次编号为i=1,2,3...I,I为总楼栋数,i为大于等于1的正整数;在一个优选的实施例中,所述水质训练数据包括波动水质数据值与预设波动水质数据;
S20.基于水质训练数据生成水质状态评估系数;
具体地,基于水质训练数据生成水质状态评估系数,包括:
S201.基于水质训练数据获取预设时间段内第i组Zigbee串口传感器的波动水质数据值;
其中,所述波动水质数据值包括COD实测数据值、重金属含量实测数据值与溶解氧实测数据值;
具体地,获取预设时间段内第i组Zigbee串口传感器的波动水质数据值,包括:
获取第i组Zigbee串口传感器的预设波动水质数据,所述预设波动水质数据包括COD预设波动数值、重金属含量预设波动数值与溶解氧预设波动数值;
S202.将COD实测数据值与COD预设波动数值进行关联,计算COD评估系数,其计算公式为:;式中,/>为第i组的COD评估系数,/>为第i组的COD实测数据值,/>为第i组的COD预设波动数值;
S203.将重金属含量实测数据值与重金属含量预设波动数值进行关联,计算重金属评估系数,其计算公式为:;式中,/>为第i组的重金属评估系数,/>为第i组的重金属含量实测数据值,/>为第i组的重金属含量预设波动数值;
S204.将溶解氧实测数据值与溶解氧预设波动数值进行关联,计算溶解氧评估系数,其计算公式为:;式中,/>为第i组的溶解氧评估系数,/>为第i组的溶解氧实测数据值,/>为第i组的溶解氧预设波动数值;
S205.将COD评估系数、重金属评估系数与溶解氧评估系数进行关联,计算得到水质状态评估系数,其计算公式为:,式中,/>为第i组的水质状态评估系数,/>为第i组的修正常数;
水质状态评估系数越高,说明饮用水越容易发生水质异常;
S30.对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
具体地,对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常,包括:
预设第一评估阈值,将水质状态评估系数与预设第一评估阈值对比;若水质状态评估系数大于等于预设第一评估阈值,则将饮用水标记为第一水质异常;所述预设第一评估阈值通过多次实验总结后认为设定确定,对此本实施例不做过多赘述。
S40.根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
具体地,所述异常基础信息包括每个第一水质异常原因对应异常水质分析设备的编号和异常水质分析设备对应的地理位置;
需要说明的是,波动水质数据值与第一水质异常信息的预设对应关系通过历史数据或人工实验分析确定,每个第一水质异常信息包括多个第一水质异常原因;具体地,每个第一水质异常信息对应多个第一水质异常原因,且每个第一水质异常原因包含对应的异常基础信息,以及包含每个第一水质异常原因对的异常折线图;示例性的,当发生第一水质异常时,COD实测数据值增大,说明饮用水受到的有机物污染程度越大,有机物污染包括污染物排放泄露或垃圾堆放进入饮用水水箱中而导致水质异常;或老鼠、昆虫误入饮用水水箱,而导致饮用水异常;重金属实测数据值或溶解氧实测数据值减少,说明工业废水水管泄漏或化学品存储泄露进入附近的饮用水水箱导致的水质异常等众多原因。
可以理解的是,当水质状态评估系数小于预设第一评估阈值时,则说明饮用水水箱中的饮用水未出现第一水质异常,此时,继续对水质状态评估系数进行监测;
当水质状态评估系数大于等于预设第一评估阈值时,则说明饮用水水箱中的饮用水出现第一水质异常,此时,通过波动水质数据与第一水质异常信息的预设对应关系,可以确定多个第一水质异常原因,有利于饮用水发生突发异常时,采取停水措施,并快速缩小对饮用水异常的排查范围,减少异常饮用水对居民的身体危害;
S50.获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息;
所述预设时间段可以为一小时,也可以为12小时,甚至可以为一天等等,对此本发明不做过多限定,其可以根据目标管理区域饮用水水箱供水使用情况进行具体设定。
需要说明的是,浊度实测数据与酸碱度实测数据基于预设第i组的Zigbee串口传感器采集饮用水水箱获取,所述Zigbee串口传感器还包括浊度传感器、酸碱度传感器;
所述浊度折线图和酸碱度折线图分别基于浊度实测数据与酸碱度实测数据生成,需要说明的是,当水质分析设备分析到某一时间段存在第一水质异常的水质时,调取同一时间段内的浊度实测数据与酸碱度实测数据,并以时间轴为横轴,浊度实测数据或酸碱度实测数据为纵轴,建立二维坐标系图,分别得到对应的浊度折线图和酸碱度折线图;
具体地,根据浊度折线图和酸碱度折线图确定水质异常原因,包括:
基于相似度算法比较酸碱度折线图和异常酸碱度折线图的第一相似度;
若第一相似度大于等于预设酸碱度相似阈值,则提取对应的异常酸碱度折线图的对应异常基础信息和对应的第一水质异常原因;
若第一相似度小于预设酸碱度相似阈值,则基于相似度算法比较浊度折线图与异常浊度折线图的第二相似度;
若第二相似度大于等于预设浊度相似阈值,则提取对应的异常浊度折线图的对应异常基础信息和对应的第一水质异常原因;
需要说明的是,若第二相似度小于预设浊度相似阈值,则判断出现外界干扰因素,则生成紧急指令,提醒管理人员对第i组的Zigbee串口传感器对应的饮用水水箱进行水质安全检查;
所述预设酸碱度相似阈值、预设酸碱度相似阈值通过多次实验总结后认为设定确定,对此本实施例不做过多赘述。
需要说明的是,相似度算法包括但不限于曼哈顿距离算法或余弦相似度算法;所述浊度折线图和酸碱度折线图在与异常浊度折线图和异常酸碱度折线图对比前进行预处理,所述预处理包括但不限于图像去噪、图像增强或图像分割处理等,图像预处理为现有技术,在此不再赘述。
本步骤中,当水质状态评估系数大于等于预设第一评估阈值时,基于波动水质数据值与第一水质异常信息的预设对应关系,确定多个第一水质异常原因,缩小了饮用水发生第一水质异常的排查范围,并基于浊度实测数据与酸碱度实测数据生成的浊度折线图和酸碱度折线图,进一步对比分析,进一步确定第一水质异常原因,从而能够对饮用水快速判断并确定发生饮用水第一水质异常的水质异常原因,提高了饮用水水质污染排查效率。
本实施例中,通过水质训练数据中的COD数据、重金属含量数据与溶解氧数据等数据生成水质状态评估系数,并设置第一评估阈值与水质状态评估系数进行对比判断,若水质状态评估系数大于等于预设第一评估阈值,则将饮用水标记为第一水质异常,根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定第一水质异常信息,最后提取浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图定位,确定异常基础信息中发生水质异常的编号和位置,并确定饮用水发生第一水质异常的原因。
实施例2
请参阅图1所示,基于上述实施例1,本实施例基于水质异常做出如下设计改进,本实施例公开提供了一种基于Zigbee技术的水质监测方法,所述方法还包括:
S60.基于水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常;
具体的,判断饮用水是否存在第二水质异常,包括:
预设第二评估阈值;其中,第二评估阈值小于第一评估阈值;
所述第二评估阈值通过多次实验总结后认为设定确定,对此本实施例不做过多赘述。
将水质状态评估系数与第二评估阈值进行对比,若水质状态评估系数大于等于第二评估阈值,且小于第一评估阈值,则将饮用水标记为第二水质异常;
所述第二水质异常是由于饮用水水箱长期未清洗而导致的微生物滋生或清洗不到位而产生水垢,使得饮用水随着时间不断延长而产生水质异常。
进一步地,若水质状态评估系数小于第二评估阈值,则将饮用水标记为水质正常;若饮用水标记为水质正常,则返回步骤10进行下一时间段的饮用水水质监测判断;
需要说明的是,若存在第二水质异常,则说明为饮用水水箱存在大量微生物滋生或水垢,从而导致饮用水污染;相反,若饮用水标记为水质正常,则说明饮用水水箱内的饮用水暂时不存在异常,可以继续使用。
S70.基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令;
需要说明的是,将每次产生水质异常都将记录至水质监测数据库中,并根据每个时间段进行数据更新;
具体地,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,包括:
S701.分别根据第i组浊度折线图和酸碱度折线图分别生成浊度系数与酸碱度系数,具体包括:
将预设时间段沿着坐标轴的延伸方向进行等距分割,分别标记为t=1,2,3...T,其中t为正整数,获取浊度折线图中的浊度,计算t时刻的浊度与t-1时刻的浊度的差值,得到浊度系数,其计算公式为:
,式中,/>为浊度系数,/>为t时刻的浊度,/>为t-1时刻的浊度;
获取酸碱度折线图中的酸碱度,计算t时刻的酸碱度与t-1时刻的酸碱度的差值,得到酸碱度系数,其计算公式为:
,式中,/>为酸碱度系数,/>为t时刻的酸碱度,/>为t-1时刻的酸碱度;
S702.获取第i个饮用水水箱的历史水质异常次数,将浊度系数、酸碱度系数与历史水质异常次数进行归一化处理,获得水质监测系数,计算公式如下:
,式中,/>为水质监测系数,/>为历史水质异常次数, />、/>与/>分别为浊度系数、酸碱度系数与历史水质异常次数的权重因子,根据目标管理区域内浊度系数、酸碱度系数与历史水质异常次数数据对水质监测系数影响大小,进行预先设定,且/>、/>与/>均大于零;
所述权重因子由本领域技术人员采集多组浊度系数、酸碱度系数与历史水质异常次数数据,并对每一组浊度系数、酸碱度系数与历史水质异常次数数据设定对应的权重系数;将设定的权重系数和采集的浊度系数、酸碱度系数与历史水质异常次数数据代入公式,任意三个公式构成三元一次方程组,将计算得到的权重系数进行筛选并取均值。
其中,所述历史水质异常次数预储存于水质监测数据库中;
S703.预设水质监测系数阈值,将水质监测系数与水质监测系数阈值进行对比,获得预警信息,并进行预警提醒,所述预警信息包括第一预警信息与第二预警信息;
需要说明的是,将水质监测系数与水质监测系数阈值进行对比,获得预警信息,包括:
预设水质监测系数阈值为与/>,且/>,将水质监测系数与水质监测系数阈值进行对比;
若,则将该监测的饮用水不生成第一预警信息;说明第i个饮用水水箱内的饮用水在未来时间段发生水质异常的概率极低;
若,且/>,则将该监测的饮用水生成为第一预警信息;说明第i个饮用水水箱内的饮用水在未来时间段发生水质异常的概率较大,需要采取停水措施,对饮用水水箱进行清洗;
若,则将该监测的饮用水生成为第二预警信息;说明第i个饮用水水箱内的饮用水在未来时间段发生水质异常的概率很大,需要采取停水措施,对饮用水水箱进行更换或维修。
本实施例中,通过对水质状态评估系数进行第二次对比,判断饮用水是否存在水质异常,并基于预设时间段内浊度折线图和酸碱度折线图对饮用水进行监测预警,便于在水质异常的饮用水进行及时预警提醒,确保饮用水的饮水安全。
实施例3
请参阅图2所示,本实施例提供了一种基于Zigbee技术的水质监测系统,包括:
数据采集模块,获取目标管理区域中水质分析设备的水质训练数据;
水质评估模块,基于水质训练数据生成水质状态评估系数;
第一分析模块,用于对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
异常匹配模块,根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
水质异常确认模块,获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息。
实施例4
请参阅图3所示,基于上述实施例2-3,本实施例提供了一种基于Zigbee技术的水质监测系统,还包括:
第二分析模块,对水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常;
预警模块,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令。
实施例5
请参阅图4所示,本实施例提供了一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种基于Zigbee技术的水质监测方法。
实施例6
请参阅图5所示,本实施例提供了一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行上述的一种基于Zigbee技术的水质监测方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阁值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例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或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、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网络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合的服务器、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。半导体介质可以是固态硬盘。
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申请的范围。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其他的方式实现。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,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,机械或其他的形式。
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,既可以位于一个地方,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,在本申请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,本申请的技术方案本质上或者说对现有技术作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)执行本申请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、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种基于Zigbee技术的水质监测方法,其特征在于,包括:
获取目标管理区域中水质分析设备的水质训练数据;
基于水质训练数据生成水质状态评估系数;所述水质训练数据包括波动水质数据值与预设波动水质数据;波动水质数据值包括COD实测数据值、重金属含量实测数据值与溶解氧实测数据值;
获取第i组Zigbee串口传感器的预设波动水质数据,所述预设波动水质数据包括COD预设波动数值、重金属含量预设波动数值与溶解氧预设波动数值;
将COD实测数据值与COD预设波动数值进行关联,计算COD评估系数;其计算公式为:;式中,/>为第i组的COD评估系数,/>为第i组的COD实测数据值,/>为第i组的COD预设波动数值;
将重金属含量实测数据值与重金属含量预设波动数值进行关联,计算重金属评估系数;其计算公式为:;式中,/>为第i组的重金属评估系数,/>为第i组的重金属含量实测数据值,/>为第i组的重金属含量预设波动数值;
将溶解氧实测数据值与溶解氧预设波动数值进行关联,计算溶解氧评估系数;其计算公式为:;式中,/>为第i组的溶解氧评估系数,/>为第i组的溶解氧实测数据值,/>为第i组的溶解氧预设波动数值;
将COD评估系数、重金属评估系数与溶解氧评估系数进行关联,计算得到水质状态评估系数,其计算公式为:,式中,/>为第i组的水质状态评估系数,/>为第i组的修正常数;
对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息。
2.根据权利要求1所述的一种基于Zigbee技术的水质监测方法,其特征在于,目标管理区域为设有饮用水水箱的小区中,布置有水质分析设备的区域,所述水质分析设备至少包括Zigbee模块,Zigbee模块为创建Zigbee无线网络,用于获取L组Zigbee串口传感器对应的水质训练数据;L组Zigbee串口传感器对应一个水质分析设备,L为大于零的正整数,每组Zigbee串口传感器包括COD传感器、重金属分析仪与溶解氧传感器,将目标管理区域按照小区楼栋号顺序进行编号,并基于编号记录对应的地理位置,将小区楼栋号依次编号为i=1,2,3...I,I为总楼栋数,i为大于等于1的正整数。
3.根据权利要求2所述的一种基于Zigbee技术的水质监测方法,其特征在于,对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常,包括:
预设第一评估阈值;将水质状态评估系数与预设第一评估阈值对比;若水质状态评估系数大于等于预设第一评估阈值,则将饮用水标记为第一水质异常;
所述异常基础信息包括每个第一水质异常原因对应异常水质分析设备的编号和异常水质分析设备对应的地理位置。
4.根据权利要求3所述的一种基于Zigbee技术的水质监测方法,其特征在于,根据浊度折线图和酸碱度折线图确定水质异常原因,包括:
基于相似度算法比较酸碱度折线图和异常酸碱度折线图的第一相似度;
若第一相似度大于等于预设酸碱度相似阈值,则提取对应的异常酸碱度折线图的对应异常基础信息和对应的第一水质异常原因;
若第一相似度小于预设酸碱度相似阈值,则基于相似度算法比较浊度折线图与异常浊度折线图的第二相似度;
若第二相似度大于等于预设浊度相似阈值,则提取对应的异常浊度折线图的对应异常基础信息和对应的第一水质异常原因;
若第二相似度小于预设浊度相似阈值,则判断出现外界干扰因素,生成紧急指令。
5.根据权利要求4所述的一种基于Zigbee技术的水质监测方法,其特征在于,所述方法还包括:基于水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常,包括:
预设第二评估阈值;其中,第二评估阈值小于第一评估阈值;
将水质状态评估系数与第二评估阈值进行对比,若水质状态评估系数大于等于第二评估阈值,且小于第一评估阈值,则将饮用水标记为第二水质异常。
6.根据权利要求5所述的一种基于Zigbee技术的水质监测方法,其特征在于,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令;
根据第i组浊度折线图和酸碱度折线图分别生成浊度系数与酸碱度系数,具体包括:
将预设时间段沿着坐标轴的延伸方向进行等距分割,分别标记为t=1,2,3...T,其中t为正整数,获取浊度折线图中的浊度,计算t时刻的浊度与t-1时刻的浊度的差值,并进行无量纲化计算,得到浊度系数;
获取酸碱度折线图中的酸碱度,计算t时刻的酸碱度与t-1时刻的酸碱度的差值,并进行无量纲化计算,得到酸碱度系数;
获取第i个饮用水水箱的历史水质异常次数,将浊度系数、酸碱度系数与历史水质异常次数进行归一化处理,获得水质监测系数,并标记为;
所述历史水质异常次数预储存于水质监测数据库中;
预设水质监测系数阈值,将水质监测系数与水质监测系数阈值进行对比,获得预警信息,并进行预警提醒,所述预警信息包括第一预警信息与第二预警信息。
7.根据权利要求6所述的一种基于Zigbee技术的水质监测方法,其特征在于,水质监测系数与水质监测系数阈值进行对比,获得预警信息,包括:
预设水质监测系数阈值为与/>,且/>,将水质监测系数与水质监测系数阈值进行对比;
若,则将该监测的饮用水不生成第一预警信息;
若,且/>,则将该监测的饮用水生成为第一预警信息;
若,则将该监测的饮用水生成为第二预警信息。
8.一种基于Zigbee技术的水质监测系统,用于实施权利要求1-7中任一项所述的一种基于Zigbee技术的水质监测方法,其特征在于,所述系统包括:
数据采集模块,获取目标管理区域中水质分析设备的水质训练数据;
水质评估模块,基于水质训练数据生成水质状态评估系数;
第一分析模块,用于对水质状态评估系数进行分析,判断饮用水是否存在第一水质异常;
异常匹配模块,根据第一水质异常并基于波动水质数据值与第一水质异常信息的预设对应关系,确定对应的第一水质异常信息;所述第一水质异常信息包括M个第一水质异常原因、异常基础信息以及每个第一水质异常原因对应的异常折线图,M为大于零的正整数,所述异常折线图包括异常浊度折线图和异常酸碱度折线图;
水质异常确认模块,获取在预设时间段内的浊度实测数据与酸碱度实测数据,基于浊度实测数据与酸碱度实测数据生成浊度折线图和酸碱度折线图;根据浊度折线图和酸碱度折线图确定水质异常原因,并记录第一水质异常信息。
9.根据权利要求8所述的一种基于Zigbee技术的水质监测系统,其特征在于,所述系统还包括:
第二分析模块,对水质状态评估系数进行第二次对比,判断饮用水是否存在第二水质异常;
预警模块,基于预设时间段内的浊度折线图和酸碱度折线图对饮用水水质异常进行预警提示,并生成预警指令。
10.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1-7中任一项所述的一种基于Zigbee技术的水质监测方法。
11.一种计算机可读存储介质,其特征在于,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-7中任一项所述的一种基于Zigbee技术的水质监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311261134.4A CN116990479B (zh) | 2023-09-27 | 2023-09-27 | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311261134.4A CN116990479B (zh) | 2023-09-27 | 2023-09-27 | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116990479A CN116990479A (zh) | 2023-11-03 |
CN116990479B true CN116990479B (zh) | 2023-12-15 |
Family
ID=88525270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311261134.4A Active CN116990479B (zh) | 2023-09-27 | 2023-09-27 | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116990479B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407679B (zh) * | 2023-12-15 | 2024-03-12 | 南京中鑫智电科技有限公司 | 智能末屏传感器的数据采集方法及系统 |
CN117725541B (zh) * | 2024-02-07 | 2024-04-16 | 上海强华实业股份有限公司 | 退火炉运行状态智能监控与故障诊断系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511233A (zh) * | 2022-02-16 | 2022-05-17 | 平安国际智慧城市科技股份有限公司 | 水质异常成因分析方法、装置及计算机设备 |
CN116233370A (zh) * | 2023-04-27 | 2023-06-06 | 安徽哈斯特自动化科技有限公司 | 基于水质监测的智能化视频监控方法 |
CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测系统及监测方法 |
CN116630766A (zh) * | 2023-07-26 | 2023-08-22 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
-
2023
- 2023-09-27 CN CN202311261134.4A patent/CN116990479B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511233A (zh) * | 2022-02-16 | 2022-05-17 | 平安国际智慧城市科技股份有限公司 | 水质异常成因分析方法、装置及计算机设备 |
CN116233370A (zh) * | 2023-04-27 | 2023-06-06 | 安徽哈斯特自动化科技有限公司 | 基于水质监测的智能化视频监控方法 |
CN116593811A (zh) * | 2023-07-17 | 2023-08-15 | 南京欧陆电气股份有限公司 | 一种集成型变频器运行状态监测系统及监测方法 |
CN116630766A (zh) * | 2023-07-26 | 2023-08-22 | 山东中慧强企信息科技有限公司 | 一种多源信息数据处理系统、方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116990479A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116990479B (zh) | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 | |
CN107292501B (zh) | 一种评估废水监测数据质量的方法及设备 | |
CN108665119B (zh) | 一种供水管网异常工况预警方法 | |
CN111259334B (zh) | 一种工业企业大用户用水异常监测预警方法 | |
JP2019209271A (ja) | 汚水処理施設の水質判定装置及び水質判定方法 | |
CN112857471B (zh) | 工业物联网的化工废水处理排放在线监测预警管理云平台 | |
US11680937B2 (en) | Detection and characterization of anomalies in a continuum of water | |
CN116233370A (zh) | 基于水质监测的智能化视频监控方法 | |
CN112529240A (zh) | 一种大气环境数据的预测方法、系统、装置及存储介质 | |
CN107422088A (zh) | 一种污水监测管理方法及装置 | |
JP4010514B2 (ja) | 水道水の水質管理方法及び水質管理システム | |
KR102325991B1 (ko) | 하수 및 폐수처리시설 설비 지능형 자산관리 시스템 및 이를 이용한 운영방법 | |
CN117274827B (zh) | 一种智慧环境环保远程实时监测预警方法及系统 | |
CN117151557B (zh) | 一种基于工业废水监测数据的质量监控方法及系统 | |
CN106560713B (zh) | 大型养猪场处理后的污水水质监测方法 | |
CN117333772A (zh) | 一种基于大数据的水环境污染分析管理方法及系统 | |
CN111983961A (zh) | 一种基于大数据的居民饮用水安全智能监测管理系统 | |
Eriksson et al. | Drinking water monitoring with voltammetric sensors | |
CN111242381A (zh) | 一种工业循环水系统关键指标的预测方法 | |
CN112884197B (zh) | 一种基于双模型的水华预测方法和装置 | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN114330951A (zh) | 基于模糊综合评价的河流湖泊水质安全评估方法 | |
CN115704815A (zh) | 水质监测的预警方法、装置、系统及计算机可读存储介质 | |
Ji et al. | Wind power prediction interval estimation method using wavelet-transform neuro-fuzzy network | |
CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 |
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 |