CN117073806A - 基于人工智能的污水处理异位监测方法及系统 - Google Patents
基于人工智能的污水处理异位监测方法及系统 Download PDFInfo
- Publication number
- CN117073806A CN117073806A CN202311331925.XA CN202311331925A CN117073806A CN 117073806 A CN117073806 A CN 117073806A CN 202311331925 A CN202311331925 A CN 202311331925A CN 117073806 A CN117073806 A CN 117073806A
- Authority
- CN
- China
- Prior art keywords
- water level
- neural network
- network model
- monitoring
- acquisition time
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000010865 sewage Substances 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 169
- 230000005856 abnormality Effects 0.000 claims abstract description 50
- 238000003062 neural network model Methods 0.000 claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000011066 ex-situ storage Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000004065 wastewater treatment Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 29
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Fluid Mechanics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了一种基于人工智能的污水处理异位监测方法、系统、计算机可读介质及电子设备。该基于人工智能的污水处理异位监测方法包括:在本申请技术方案中,在设定的水位检测处安装传感器设备;通过所述传感器设备获取至少两个水位数据及其对应的获取时间;基于所述水位数据和所述获取时间,计算综合水位参数;将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;若检测到发生异常,则进行告警,本申请实施例的技术方案通过综合得到多个水位数据以进行综合水位参数的计算,用于通过神经网络模型进行异常检测,提高了污水处理异位监测的效率和精确性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种基于人工智能的污水处理异位监测方法、系统、计算机可读介质及电子设备。
背景技术
在污水处理的技术领域中,使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程中,一般通过人工检测的方式进行污水处理异位监测,这种方式需要投入大量的人力成本,并且监测的效率和精度都比较低,无法满足污水处理异位监测的需求和目的,存在效率和准确程度较低的问题。
发明内容
本申请的实施例提供了一种基于人工智能的污水处理异位监测方法、系统、计算机可读介质及电子设备,进而至少在一定程度上可以解决污水处理异位监测效率和准确程度较低的问题。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请的一个方面,提供了一种基于人工智能的污水处理异位监测方法,包括:在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个;通过所述传感器设备获取至少两个水位数据及其对应的获取时间;基于所述水位数据和所述获取时间,计算综合水位参数;将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;若检测到发生异常,则进行告警。
在本申请中,基于前述方案,所述在设定的水位检测处安装传感器设备,包括:在设定的水位检测处,以预设长度为间隔,布设传感器设备。
在本申请中,基于前述方案,所述通过所述传感器设备获取至少两个水位数据及其对应的获取时间,包括:基于预设的数据采集周期,通过所述传感器设备获取至少两个水位数据及其对应的获取时间;将所述获取时间及其对应的水位数据关联存储。
在本申请中,基于前述方案,所述基于所述水位数据和所述获取时间,计算综合水位参数,包括:基于所述水位数据计算水位因子;基于所述获取时间计算时间因子;基于所述水位因子和所述时间因子,确定综合水位参数。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常之前,还包括:获取综合水位的训练参数,并构建神经网络模型;基于所述训练参数对所述神经网络模型进行训练。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常,包括:将所述综合水位参数输入神经网络模型中,获取所述神经网络模型的输出结果,确定是否发生异常。
在本申请中,基于前述方案,所述若检测到发生异常,则进行告警,包括:若检测到发生异常,则确定发生异常的位置以及所述位置对应的管理人员;将告警信息发送至管理人员的终端。
根据本申请的一个方面,提供了一种基于人工智能的污水处理异位监测系统,包括:
传感单元,用于在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个;
获取单元,用于通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
参数单元,用于基于所述水位数据和所述获取时间,计算综合水位参数;
检测单元,用于将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;
告警单元,用于若检测到发生异常,则进行告警。
在本申请中,基于前述方案,所述在设定的水位检测处安装传感器设备,包括:在设定的水位检测处,以预设长度为间隔,布设传感器设备。
在本申请中,基于前述方案,所述通过所述传感器设备获取至少两个水位数据及其对应的获取时间,包括:基于预设的数据采集周期,通过所述传感器设备获取至少两个水位数据及其对应的获取时间;将所述获取时间及其对应的水位数据关联存储。
在本申请中,基于前述方案,所述基于所述水位数据和所述获取时间,计算综合水位参数,包括:基于所述水位数据计算水位因子;基于所述获取时间计算时间因子;基于所述水位因子和所述时间因子,确定综合水位参数。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常之前,还包括:获取综合水位的训练参数,并构建神经网络模型;基于所述训练参数对所述神经网络模型进行训练。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常,包括:将所述综合水位参数输入神经网络模型中,获取所述神经网络模型的输出结果,确定是否发生异常。
在本申请中,基于前述方案,所述若检测到发生异常,则进行告警,包括:若检测到发生异常,则确定发生异常的位置以及所述位置对应的管理人员;将告警信息发送至管理人员的终端。
根据本申请的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述实施例中所述的基于人工智能的污水处理异位监测方法。
根据本申请的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的基于人工智能的污水处理异位监测方法。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的基于人工智能的污水处理异位监测方法。
在本申请技术方案中,在设定的水位检测处安装传感器设备;通过所述传感器设备获取至少两个水位数据及其对应的获取时间;基于所述水位数据和所述获取时间,计算综合水位参数;将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;若检测到发生异常,则进行告警,本申请实施例的技术方案通过综合得到多个水位数据以进行综合水位参数的计算,用于通过神经网络模型进行异常检测,提高了污水处理异位监测的效率和精确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了根据本申请的一个实施例的基于人工智能的污水处理异位监测方法的流程图。
图2示意性示出了根据本申请的一个实施例的计算综合水位参数的流程图。
图3示意性示出了根据本申请的一个实施例的基于人工智能的污水处理异位监测系统的示意图。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,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/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的基于人工智能的污水处理异位监测方法的流程图。参照图1所示,该基于人工智能的污水处理异位监测方法至少包括步骤S110至步骤S150,详细介绍如下:
在步骤S110中,在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个。
本申请一实施例中,在设定的水位监测处,以预设长度为间隔,布设至少两个传感器设备。
本实施例中,水位监测位置可以包括至少两个,每个位置处对应布设的传感器设备包括至少两个,通过布设多个传感器设备,保证数据获取的完整性。
在步骤S120中,通过所述传感器设备获取至少两个水位数据及其对应的获取时间。
在本申请的一个实施例中,通过传感器设备获取至少两个水位数据及其对应的获取时间。
在本申请的一个实施例中,通过所述传感器设备获取至少两个水位数据及其对应的获取时间,包括:
基于预设的数据采集周期,通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
将所述获取时间及其对应的水位数据关联存储。
本实施例中,基于预设的数据采集周期,通过传感器设备获取至少两个水位数据,同时确定获取该水位数据对应的获取时间。并将获取时间及其对应的水位数据关联存储。
通过上述方式获取某一时间对应的水位数据,得到至少两个数据组,用于之后的水位数据评估。
在步骤S130中,基于所述水位数据和所述获取时间,计算综合水位参数。
在本申请的一个实施例中,在获取到水位数据和获取时间之后,基于上述信息计算综合水位参数。
如图2所示,在本申请的一个实施例中,基于所述水位数据和所述获取时间,计算综合水位参数,包括:
S210,基于所述水位数据计算水位因子;
S220,基于所述获取时间计算时间因子;
S230,基于所述水位因子和所述时间因子,确定综合水位参数。
本申请一实施例中,获取到k个水位数据,基于水位数据计算水位因子/>为:
存在m个获取时间,基于获取时间计算时间因子/>为:
在得到水位因子和时间因子之后,基于水位因子和时间因子,确定综合水位参数为:
上述过程中,通过基于多个水位数据综合计算得到水位因子,用于表示一段时间之内水位的平均水平,通过基于多个获取时间计算得到时间因子,用于表示数据获取的中间时间;之后基于水位因子和时间因子,确定综合水位参数,用于表示在某一时间采集得到的水位参数,具有一定的数据代表性。
在步骤S140中,将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常。
在本申请一实施例中,先获取综合水位的训练参数,并基于卷积网络构建神经网络模型,之后基于训练参数对神经网络模型进行训练,用于进行之后的水位数据检测。
神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然,每个神经元的结构和功能都不复杂,但是神经网络的动态行为则是十分复杂的;因此,用神经网络可以表达实际物理世界的各种现象。
在本申请一实施例中,将所述综合水位参数输入神经网络模型中,获取所述神经网络模型的输出结果,确定是否发生异常。
本实施例中,在训练得到神经网络模型之后,将综合水位参数输入神经网络模型中,获取神经网络模型的输出结果,得到水位是否法发生异常的结论。
在步骤S150中,若检测到发生异常,则进行告警。
在本申请的一个实施例中,若检测到发生异常,则确定发生异常的位置以及所述位置对应的管理人员;将告警信息发送至管理人员的终端。
在本申请的一个实施例中,若检测到水位发生异常,先根据水位数据确定发生异常的位置,之后确定该位置对应的管理人员。以将告警信息发送至管理人员的终端设备。保证管理人员可以第一时间获取到异常信息,对异常情况进行处理,提高异常管理的额效率。
在本申请技术方案中,在设定的水位检测处安装传感器设备;通过所述传感器设备获取至少两个水位数据及其对应的获取时间;基于所述水位数据和所述获取时间,计算综合水位参数;将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;若检测到发生异常,则进行告警,本申请实施例的技术方案通过综合得到多个水位数据以进行综合水位参数的计算,用于通过神经网络模型进行异常检测,提高了污水处理异位监测的效率和精确性。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的基于人工智能的污水处理异位监测方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的基于人工智能的污水处理异位监测方法的实施例。
图3示出了根据本申请的一个实施例的基于人工智能的污水处理异位监测系统的框图。
参照图3所示,根据本申请的一个实施例的基于人工智能的污水处理异位监测系统,包括:
传感单元310,用于在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个;
获取单元320,用于通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
参数单元330,用于基于所述水位数据和所述获取时间,计算综合水位参数;
检测单元340,用于将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;
告警单元350,用于若检测到发生异常,则进行告警。
在本申请中,基于前述方案,所述在设定的水位检测处安装传感器设备,包括:在设定的水位检测处,以预设长度为间隔,布设传感器设备。
在本申请中,基于前述方案,所述通过所述传感器设备获取至少两个水位数据及其对应的获取时间,包括:基于预设的数据采集周期,通过所述传感器设备获取至少两个水位数据及其对应的获取时间;将所述获取时间及其对应的水位数据关联存储。
在本申请中,基于前述方案,所述基于所述水位数据和所述获取时间,计算综合水位参数,包括:基于所述水位数据计算水位因子;基于所述获取时间计算时间因子;基于所述水位因子和所述时间因子,确定综合水位参数。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常之前,还包括:获取综合水位的训练参数,并构建神经网络模型;基于所述训练参数对所述神经网络模型进行训练。
在本申请中,基于前述方案,所述将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常,包括:将所述综合水位参数输入神经网络模型中,获取所述神经网络模型的输出结果,确定是否发生异常。
在本申请中,基于前述方案,所述若检测到发生异常,则进行告警,包括:若检测到发生异常,则确定发生异常的位置以及所述位置对应的管理人员;将告警信息发送至管理人员的终端。
在本申请技术方案中,在设定的水位检测处安装传感器设备;通过所述传感器设备获取至少两个水位数据及其对应的获取时间;基于所述水位数据和所述获取时间,计算综合水位参数;将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;若检测到发生异常,则进行告警,本申请实施例的技术方案通过综合得到多个水位数据以进行综合水位参数的计算,用于通过神经网络模型进行异常检测,提高了污水处理异位监测的效率和精确性。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于人工智能的污水处理异位监测方法,其特征在于,包括:
在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个;
通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
基于所述水位数据和所述获取时间,计算综合水位参数;
将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;
若检测到发生异常,则进行告警。
2.根据权利要求1所述的方法,其特征在于,在设定的水位检测处安装传感器设备,包括:
在设定的水位检测处,以预设长度为间隔,布设传感器设备。
3.根据权利要求1所述的方法,其特征在于,通过所述传感器设备获取至少两个水位数据及其对应的获取时间,包括:
基于预设的数据采集周期,通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
将所述获取时间及其对应的水位数据关联存储。
4.根据权利要求1所述的方法,其特征在于,基于所述水位数据和所述获取时间,计算综合水位参数,包括:
基于所述水位数据计算水位因子;
基于所述获取时间计算时间因子;
基于所述水位因子和所述时间因子,确定综合水位参数。
5.根据权利要求1所述的方法,其特征在于,将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常之前,还包括:
获取综合水位的训练参数,并构建神经网络模型;
基于所述训练参数对所述神经网络模型进行训练。
6.根据权利要求1所述的方法,其特征在于,将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常,包括:
将所述综合水位参数输入神经网络模型中,获取所述神经网络模型的输出结果,确定是否发生异常。
7.根据权利要求1所述的方法,其特征在于,若检测到发生异常,则进行告警,包括:
若检测到发生异常,则确定发生异常的位置以及所述位置对应的管理人员;
将告警信息发送至管理人员的终端。
8.一种基于人工智能的污水处理异位监测系统,其特征在于,包括:
传感单元,用于在设定的水位检测处安装传感器设备,其中,水位检测位置包括至少两个;
获取单元,用于通过所述传感器设备获取至少两个水位数据及其对应的获取时间;
参数单元,用于基于所述水位数据和所述获取时间,计算综合水位参数;
检测单元,用于将所述综合水位参数输入神经网络模型中,进行监测,确定是否发生异常;
告警单元,用于若检测到发生异常,则进行告警。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的污水处理异位监测方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的基于人工智能的污水处理异位监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331925.XA CN117073806B (zh) | 2023-10-16 | 2023-10-16 | 基于人工智能的污水处理异位监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331925.XA CN117073806B (zh) | 2023-10-16 | 2023-10-16 | 基于人工智能的污水处理异位监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117073806A true CN117073806A (zh) | 2023-11-17 |
CN117073806B CN117073806B (zh) | 2023-12-29 |
Family
ID=88717573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311331925.XA Active CN117073806B (zh) | 2023-10-16 | 2023-10-16 | 基于人工智能的污水处理异位监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117073806B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190147300A1 (en) * | 2017-11-16 | 2019-05-16 | International Business Machines Corporation | Anomaly detection in multidimensional time series data |
CN114022305A (zh) * | 2021-10-29 | 2022-02-08 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 地下水动态监测方法及装置 |
CN114593792A (zh) * | 2022-03-29 | 2022-06-07 | 中国水利水电科学研究院 | 一种地下水水位监测方法和装置、存储介质 |
CN114858238A (zh) * | 2022-04-29 | 2022-08-05 | 南方科技大学 | 地下水蓄变监测预警系统 |
CN115165020A (zh) * | 2022-07-26 | 2022-10-11 | 深圳市宏电技术股份有限公司 | 一种道路积水监测终端、监测方法、监测装置及存储介质 |
US20230112496A1 (en) * | 2022-07-20 | 2023-04-13 | Hangzhou Innovation Institute, Beihang University | Remote monitoring method, system and storage medium for sewage treatment process |
CN116337018A (zh) * | 2023-03-28 | 2023-06-27 | 内蒙古北方蒙西发电有限责任公司 | 一种水资源在线监测系统 |
CN116543540A (zh) * | 2023-05-04 | 2023-08-04 | 贵州新思维科技有限责任公司 | 基于物联网的水池液位在线智能监测感知系统及感知方法 |
-
2023
- 2023-10-16 CN CN202311331925.XA patent/CN117073806B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190147300A1 (en) * | 2017-11-16 | 2019-05-16 | International Business Machines Corporation | Anomaly detection in multidimensional time series data |
CN114022305A (zh) * | 2021-10-29 | 2022-02-08 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 地下水动态监测方法及装置 |
CN114593792A (zh) * | 2022-03-29 | 2022-06-07 | 中国水利水电科学研究院 | 一种地下水水位监测方法和装置、存储介质 |
CN114858238A (zh) * | 2022-04-29 | 2022-08-05 | 南方科技大学 | 地下水蓄变监测预警系统 |
US20230112496A1 (en) * | 2022-07-20 | 2023-04-13 | Hangzhou Innovation Institute, Beihang University | Remote monitoring method, system and storage medium for sewage treatment process |
CN115165020A (zh) * | 2022-07-26 | 2022-10-11 | 深圳市宏电技术股份有限公司 | 一种道路积水监测终端、监测方法、监测装置及存储介质 |
CN116337018A (zh) * | 2023-03-28 | 2023-06-27 | 内蒙古北方蒙西发电有限责任公司 | 一种水资源在线监测系统 |
CN116543540A (zh) * | 2023-05-04 | 2023-08-04 | 贵州新思维科技有限责任公司 | 基于物联网的水池液位在线智能监测感知系统及感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117073806B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782706A (zh) | 智能车辆驾驶风险的预警方法和装置 | |
CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
CN111967917A (zh) | 预测用户流失的方法以及设备 | |
CN110825589A (zh) | 用于微服务系统的异常检测方法及其装置和电子设备 | |
CN117073806B (zh) | 基于人工智能的污水处理异位监测方法及系统 | |
CN109960626B (zh) | 端口异常的识别方法、装置、设备及介质 | |
CN113849374A (zh) | 中央处理器占用率预测方法、系统、电子设备及存储介质 | |
CN115293735A (zh) | 一种无人工厂工业互联网平台监测管理方法及系统 | |
CN115820952A (zh) | 一种高炉状态监控方法、装置、电子设备及存储介质 | |
CN117092309B (zh) | 基于大数据的社区供水水质监测方法及系统 | |
CN112804104A (zh) | 一种预警方法、装置、设备及介质 | |
JP2013182471A (ja) | プラントオペレーションの負荷評価装置 | |
CN111833608A (zh) | 路况信息的处理方法、装置 | |
CN116187747A (zh) | 基于大数据的生产设备安全评估方法、装置及电子设备 | |
CN112087482B (zh) | 利用云端系统对多台设备进行管理的方法 | |
CN115963798B (zh) | 工业互联网中的设备运控方法、系统及电子设备 | |
CN116362628B (zh) | 电力系统运行状态分析评估方法和装置 | |
CN115809404B (zh) | 一种检测阈值计算方法、装置、存储介质及电子设备 | |
CN116149971B (zh) | 设备故障预测方法、装置、电子设备及存储介质 | |
CN116880600A (zh) | 一种基于ai技术的温度控制方法及系统 | |
CN117349734B (zh) | 水表设备识别方法、装置、电子设备及存储介质 | |
CN113722292B (zh) | 分布式数据系统的应灾处理方法、装置、设备及存储介质 | |
CN115861321B (zh) | 应用于工业互联网的生产环境检测方法及系统 | |
CN113780482A (zh) | 一种能量路由器异常智能检测方法 | |
CN113850462A (zh) | 一种事件预测处置推荐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |