CN117172598A - 一种基于云计算的流域水生态鱼类监测管理系统 - Google Patents
一种基于云计算的流域水生态鱼类监测管理系统 Download PDFInfo
- Publication number
- CN117172598A CN117172598A CN202311134565.4A CN202311134565A CN117172598A CN 117172598 A CN117172598 A CN 117172598A CN 202311134565 A CN202311134565 A CN 202311134565A CN 117172598 A CN117172598 A CN 117172598A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- fish
- water quality
- change
- type
- 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 313
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 218
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 152
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims description 107
- 230000002159 abnormal effect Effects 0.000 claims description 73
- 238000004458 analytical method Methods 0.000 claims description 66
- 238000012795 verification Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241001597062 Channa argus Species 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云计算的流域水生态鱼类监测管理系统，属于水资源管理技术领域；通过将当下鱼群监测方面和水质监测方面进行整合计算获取监测影响系数，根据监测影响系数来对当下监测的整体状态进行分析和分类，既可以直观高效的获取到不同方面监测的整体情况，又可以为后续的监测方案动态调整提供可靠的数据支持；并且可以根据监测发现的异常来对监测方案进行动态调整来满足后续不同异常程度的监测需求，可以实现更合理、更有效的鱼群监测管理效果；本发明用于解决现有方案中不能将不同方面的监测结果进行整合评估来对后续的监测方案进行动态管理的技术问题。
Description
技术领域
本发明涉及水资源管理技术领域，具体涉及一种基于云计算的流域水生态鱼类监测管理系统。
背景技术
流域水生态鱼类监测管理涉及对特定水域内鱼类群体的监测、保护和管理，可以维护水生态系统的健康，保护生态多样性，以及维护人类与自然环境之间的平衡。
现有的流域水生态鱼类监测管理方案在实施时，大多数还是通过预先设定的监测方案来对鱼群方面和水质方面实施定期的监测分析，并根据监测结果来对鱼群方面和水质方面提醒人员介入来解决对应方面的问题，但是不能将不同方面的监测结果进行整合评估来对后续的监测方案进行动态管理，使得现有的监测方案不能自适应的满足后续不同异常程度的监测需求，导致流域水生态鱼类监测管理的整体效果不佳。
发明内容
本发明的目的在于提供一种基于云计算的流域水生态鱼类监测管理系统，用于解决现有方案中不能将不同方面的监测结果进行整合评估来对后续的监测方案进行动态管理的技术问题。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的流域水生态鱼类监测管理系统，包括阶段鱼类监测分析模块，用于对流域水生态中目标区域的单次鱼类监测情况实施状态分析，得到由类型分析数据和变化分析数据构成的阶段鱼类分析数据集并上传至监测管理平台；
阶段环境监测分析模块，用于对流域水生态中目标区域的单次水环境监测情况实施状态分析，得到由若干变化正常标签和正常指标以及变化异常标签和异常指标、水质异常监测表构成的阶段环境分析数据并上传至监测管理平台；
监测整合评估管理模块，用于根据阶段鱼类分析数据集和阶段环境分析数据对当下监测的异常情况进行整体分析核验，并根据核验结果对后续鱼类的监测进行动态管控；包括：
若变化分析数据中存在第二核验信号且阶段环境分析数据中存在变化异常标签时，根据第二核验信号统计不同备选鱼类型的总数N，以及不同备选鱼类型对应的类型权重LQm，m＝1，2，3，……，v；v为正整数；统计不同异常指标的总数M，依次将不同的异常指标与数据库中预先存储的所有水质指标进行遍历匹配获取对应的指标权重ZQp，p＝1，2，3，……，q；q为正整数；
提取标记的各项数据的数值并通过计算获取水域整体的监测影响系数；根据监测影响系数对流域水生态鱼类当下监测的整体状态进行分类时，将监测影响系数与预设的监测影响范围进行比对判断得到由整体状态正常标签、整体状态轻度异常标签或者整体状态重度异常标签构成的核验结果；
根据核验结果维持现有的鱼群和水质监测方案、增加现有的水质监测次数或者增加现有的鱼群和水质监测次数，直至后续监测的整体状态对应的标签为整体状态正常标签。
优选地，类型分析数据的获取步骤包括：
根据预设的鱼类监测时间点和鱼类监测位置点，对流域水生态中的目标区域鱼类方面实施监测统计，获取目标区域中监测获取的不同鱼群对应的鱼类型、鱼数量和鱼平均体长；
获取不同鱼类型的名称并统计鱼类型总数，计算统计的鱼类型总数与标准鱼类型总数之间的差值，若差值等于零，则生成类型正常标签；
若差值大于零，则生成第一类型异常标签，根据第一类型异常标签确定新增的鱼类型并标记为新增鱼类型；
若差值小于零，则生成第二类型异常标签，根据第二类型异常标签确定减少的鱼类型并标记为减少鱼类型；
类型正常标签、第一类型异常标签和新增鱼类型或者第二类型异常标签和减少鱼类型构成类型分析数据。
优选地，对监测统计的不同鱼类型进行编号并标记为i，i＝1，2，3，……，n；n为正整数；设定不同的鱼类型对应一个不同的类型权重，将不同的鱼类型分别与数据库中预存储的所有鱼类型进行遍历匹配获取对应的类型权重并标记为LQi；
统计不同鱼类型对应的鱼数量和鱼平均体长并分别标记为YSi和YTi；通过公式计算获取目标区域中不同鱼类型对应的监测变化系数Bx；YSi0为鱼类型上一次监测统计的鱼数量，YTi0为鱼类型上一次监测统计的鱼平均体长。
优选地，根据监测变化系数对不同鱼类型的不同时期的监测变化进行分类时，将监测变化系数与鱼类型对应的监测变化范围进行匹配判断；若监测变化系数属于监测变化范围，则生成第一变化信号；
若监测变化系数不属于监测变化范围，则生成第二变化信号，根据第二变化信号将对应的鱼类型标记为备选鱼类型；
统计备选鱼类型的总数并标记为监测异常总数，若监测异常总数小于监测异常阈值，则生成第一核验信号；
若监测异常总数不小于监测异常阈值，则生成第二核验信号；
所有鱼类型对应的第一变化信号、第二变化信号以及第一核验信号或者第二核验信号构成变化分析数据。
优选地，阶段环境监测分析模块的实施步骤包括：
根据预设的水质监测时间点和水质监测位置点，对目标区域中的若干水质指标实施监测统计，提取若干水质指标的数值并按提取的顺序排列组合得到水质监测序列，将水质监测序列中不同元素的数值标记为DBj，j＝1，2，3，4，5，6；
将目标区域中首次监测获取的水质监测序列设定为样本水质监测序列，将样本水质监测序列中不同元素的数值标记为YBj；以及将目标区域中上一次监测获取的水质监测序列设定为基础水质监测序列，并将基础水质监测序列中不同元素的数值标记为JBj；
将水质监测序列中的若干元素依次与样本水质监测序列和基础水质监测序列中相同位置的元素进行计算分析时，通过公式计算获取水质指标对应的变化度Bd；式中，k＝1，2；DB1和DB2分别为YBj和JBj。
优选地，将水质监测序列与样本水质监测序列之间计算得到的变化度设定为第一变化度，以及将水质监测序列与基础水质监测序列之间计算得到的变化度设定为第二变化度；
根据计算获取的第一变化度和第二变化度对不同水质指标的变化状态进行分析时，将第一变化度和第二变化度分别与水质指标对应的变化阈值进行比对判断；
若第一变化度小于变化阈值且第二变化度小于变化阈值，则生成变化正常标签，根据变化正常标签将对应的水质指标标记为正常指标；
若第一变化度不小于变化阈值或者第二变化度不小于变化阈值，则生成变化异常标签，根据变化异常标签将对应的水质指标标记为异常指标。
优选地，将异常指标的名称与水质影响数据库中的所有样本指标进行遍历匹配获取对应的样本指标范围，并将异常指标对应的监测数值与对应的样本指标范围进行遍历匹配获取对应的异常影响结果；统计所有异常指标以及对应的异常影响结果并组合构建水质异常监测表。
优选地，监测影响系数Jy的计算公式为式中，g1、g2均为比例系数，0＜g1＜1，0＜g2＜1，g1+g2＝1。
相比于现有方案，本发明实现的有益效果：
本发明通过对鱼群方面实施监测以及数据统计和处理时，根据不同的鱼类型来对鱼群实施模块化的监测分析，获取到不同鱼类型的类型变化和监测状态变化，可以有效提高不同类型鱼群监测分析的准确性，同时还可以为后续监测管理的动态管控提供鱼群方面的数据支持，提高了鱼群监测方面数据分析利用的多样性。
本发明通过对不同水质指标的变化情况进行分析和分类，同时将获取的异常指标与水质影响数据库进行遍历匹配获取对应的异常影响结果，可以有效提高水质异常监测提示的准确性和详细性，同时可以为维护人员提供有效的建议和参考。
本发明通过将当下鱼群监测方面和水质监测方面进行整合计算来对当下监测的整体状态进行分析和分类，既可以直观高效的获取到不同方面监测的整体情况，又可以为后续的监测方案动态调整提供可靠的数据支持；并且可以根据监测发现的异常来对监测方案进行动态调整来满足后续不同异常程度的监测需求，可以实现更合理、更有效的鱼群监测管理效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种基于云计算的流域水生态鱼类监测管理系统的模块框图。
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、完整地描述，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明为一种基于云计算的流域水生态鱼类监测管理系统，包括阶段鱼类监测分析模块、阶段环境监测分析模块、监测整合评估管理模块和监测管理平台；
阶段鱼类监测分析模块，用于对流域水生态中目标区域的单次鱼类监测情况实施状态分析，得到阶段鱼类分析数据集；包括：
根据预设的鱼类监测时间点和鱼类监测位置点，鱼类监测时间点和鱼类监测位置点根据现有的监测时间要求和位置要求来确定，对流域水生态中的目标区域鱼类方面实施监测统计，获取目标区域中监测获取的不同鱼群对应的鱼类型、鱼数量和鱼平均体长；
其中，对目标区域鱼类方面实施监测统计时，可以通过无人机搭载的高清相机和水下声纳设备来实施，此外，鱼类型以及鱼平均体长可以根据现有的图像识别算法对鱼图像进行识别和训练计算得到，具体的步骤这里不做赘述；
获取不同鱼类型的名称并统计鱼类型总数，计算统计的鱼类型总数与标准鱼类型总数之间的差值，若差值等于零，则生成类型正常标签；
其中，标准鱼类型总数为目标区域第一次监测统计的鱼类型总数；
若差值大于零，则生成第一类型异常标签，根据第一类型异常标签确定新增的鱼类型并标记为新增鱼类型；
若差值小于零，则生成第二类型异常标签，根据第二类型异常标签确定减少的鱼类型并标记为减少鱼类型；
类型正常标签、第一类型异常标签和新增鱼类型或者第二类型异常标签和减少鱼类型构成类型分析数据；
对监测统计的不同鱼类型进行编号并标记为i，i＝1，2，3，……，n；n为正整数；设定不同的鱼类型对应一个不同的类型权重，将不同的鱼类型分别与数据库中预存储的所有鱼类型进行遍历匹配获取对应的类型权重并标记为LQi；
其中，类型权重用于对文本类的鱼类型进行数字化表示的同时，还可以为后续不同鱼类型的差异化计算分析提供可靠的数据支持；类型权重的具体数值可以根据鱼类型对应的经济价值来确定；
统计不同鱼类型对应的鱼数量和鱼平均体长并分别标记为YSi和YTi；通过公式计算获取目标区域中不同鱼类型对应的监测变化系数Bx；YSi0为鱼类型上一次监测统计的鱼数量，YTi0为鱼类型上一次监测统计的鱼平均体长；
需要说明的是，监测变化系数是用于从鱼群的数量方面变化和体长方面变化来对鱼类型的整体变化情况进行分析的数值；
根据监测变化系数对不同鱼类型的不同时期的监测变化进行分类时，将监测变化系数与鱼类型对应的监测变化范围进行匹配判断；监测变化范围根据对应鱼类型的样本成长大数据和监测间隔时长来确定；
若监测变化系数属于监测变化范围，则生成第一变化信号；
若监测变化系数不属于监测变化范围，则生成第二变化信号，根据第二变化信号将对应的鱼类型标记为备选鱼类型；
统计备选鱼类型的总数并标记为监测异常总数，若监测异常总数小于监测异常阈值，则生成第一核验信号；监测异常阈值根据鱼类型的总数来确定，比如可以为鱼类型总数的三分之一；
若监测异常总数不小于监测异常阈值，则生成第二核验信号；
所有鱼类型对应的第一变化信号、第二变化信号以及第一核验信号或者第二核验信号构成变化分析数据；
类型分析数据和变化分析数据构成阶段鱼类分析数据集并上传至监测管理平台；
本发明实施例中，通过对鱼群方面实施监测以及数据统计和处理时，根据不同的鱼类型来对鱼群实施模块化的监测分析，获取到不同鱼类型的类型变化和监测状态变化，可以有效提高不同类型鱼群监测分析的准确性，同时还可以为后续监测管理的动态管控提供鱼群方面的数据支持，提高了鱼群监测方面数据分析利用的多样性。
阶段环境监测分析模块，用于对流域水生态中目标区域的单次水环境监测情况实施状态分析，得到阶段环境分析数据；包括：
根据预设的水质监测时间点和水质监测位置点，水质监测时间点和水质监测位置点同样根据现有的监测时间要求和位置要求来确定，水质监测时间点和水质监测位置点可以与鱼类监测时间点和鱼类监测位置点不同，对目标区域中的若干水质指标实施监测统计，提取若干水质指标的数值并按提取的顺序排列组合得到水质监测序列，将水质监测序列中不同元素的数值标记为DBj，j＝1，2，3，4，5，6；
其中，若干水质指标具体的可以为水温度、溶氧量、透明度、pH值、氨氮和硫化氢；
将目标区域中首次监测获取的水质监测序列设定为样本水质监测序列，将样本水质监测序列中不同元素的数值标记为YBj；以及将目标区域中上一次监测获取的水质监测序列设定为基础水质监测序列，并将基础水质监测序列中不同元素的数值标记为JBj；
将水质监测序列中的若干元素依次与样本水质监测序列和基础水质监测序列中相同位置的元素进行计算分析时，通过公式计算获取水质指标对应的变化度Bd；式中，k＝1，2；DB1和DB2分别为YBj和JBj；
需要说明的是，变化度是用于对当下水质指标与上次监测结果以及首次监测结果之间的监测数据变化进行分析评估的数值；
将水质监测序列与样本水质监测序列之间计算得到的变化度设定为第一变化度，以及将水质监测序列与基础水质监测序列之间计算得到的变化度设定为第二变化度；
根据计算获取的第一变化度和第二变化度对不同水质指标的变化状态进行分析时，将第一变化度和第二变化度分别与水质指标对应的变化阈值进行比对判断；变化阈值根据水质指标现有的样本检测要求数据来确定；
若第一变化度小于变化阈值且第二变化度小于变化阈值，则生成变化正常标签，根据变化正常标签将对应的水质指标标记为正常指标；
若第一变化度不小于变化阈值或者第二变化度不小于变化阈值，则生成变化异常标签，根据变化异常标签将对应的水质指标标记为异常指标；
需要说明的是，通过对监测的不同水质指标进行个体的分析和分类，既可以获取到不同水质指标的变化情况，又可以为后续水质方面的整体影响提供可靠的局部数据支持；
将异常指标的名称与水质影响数据库中的所有样本指标进行遍历匹配获取对应的样本指标范围，并将异常指标对应的监测数值与对应的样本指标范围进行遍历匹配获取对应的异常影响结果；这里的样本指标范围为异常数据范围，可以根据对应水质指标的样本监测大数据来确定；
统计所有异常指标以及对应的异常影响结果并组合构建水质异常监测表；
所有变化正常标签和正常指标以及变化异常标签和异常指标、水质异常监测表构成阶段环境分析数据并上传至监测管理平台；
本发明实施例中，通过对不同水质指标的变化情况进行分析和分类，同时将获取的异常指标与水质影响数据库进行遍历匹配获取对应的异常影响结果，可以有效提高水质异常监测提示的准确性和详细性，同时可以为维护人员提供有效的建议和参考，相比于现有技术方案中只能对监测分析的异常指标进行标记和告警提示，本发明实施例可以有效提高水质监测分析提示的多样性和有效性。
监测整合评估管理模块，用于根据阶段鱼类分析数据集和阶段环境分析数据对当下监测的异常情况进行整体分析核验，并根据核验结果对后续鱼类的监测进行动态管控；包括：
获取阶段鱼类分析数据集中的类型分析数据和变化分析数据并分别遍历，以及对阶段环境分析数据进行遍历；
若类型分析数据中存在第一类型异常标签，则确定新增鱼类型是否为危险类型，若新增鱼类型为危险类型，则生成类型危险信号并提示鱼群类型存在危险的告警提示；若新增鱼类型为非危险类型，则生成类型安全信号；
其中，新增鱼类型的危险判断可以将新增鱼类型的名称与预构建的威胁类型数据库进行遍历匹配，比如，新增鱼类型为黑鱼，会对其它鱼群的生存造成影响，则将其标记为危险类型；
若变化分析数据中存在第二核验信号且阶段环境分析数据中存在变化异常标签时，根据第二核验信号统计不同备选鱼类型的总数N，以及不同备选鱼类型对应的类型权重LQm，m＝1，2，3，……，v；v为正整数且v＜n；
统计不同异常指标的总数M，设定不同的水质指标对应一个不同的指标权重，依次将不同的异常指标与数据库中预先存储的所有水质指标进行遍历匹配获取对应的指标权重ZQp，p＝1，2，3，……，q；q为正整数；
提取标记的各项数据的数值并通过公式计算获取水域整体的监测影响系数Jy；式中，g1、g2均为比例系数，0＜g1＜1，0＜g2＜1，g1+g2＝1，公式中的比例系数可以由本领域的技术人员根据实际情况设定或者通过大量样本数据模拟获得；
需要说明的是，监测影响系数是用于将当下鱼群监测方面和水质监测方面进行整合来对监测的整体状态进行分析和分类；
根据监测影响系数对流域水生态鱼类当下监测的整体状态进行分类时，将监测影响系数与预设的监测影响范围进行比对判断；监测影响范围根据流域水生态的样本监测大数据来确定；
若监测影响系数小于监测影响范围的最小值，则生成整体状态正常标签；
若监测影响系数不小于监测影响范围的最小值且不大于监测影响范围的最大值，则生成整体状态轻度异常标签；
若监测影响系数大于监测影响范围的最大值，则生成整体状态重度异常标签；
监测影响系数以及对应的整体状态正常标签、整体状态轻度异常标签或者整体状态重度异常标签构成核验结果；
根据核验结果对后续鱼类的监测进行动态管控时，对核验结果进行遍历，并根据遍历获取的整体状态正常标签、整体状态轻度异常标签或者整体状态重度异常标签分别维持现有的鱼群和水质监测方案、增加现有的水质监测次数或者增加现有的鱼群和水质监测次数，直至后续监测的整体状态对应的标签为整体状态正常标签。
本发明实施例中，通过将当下鱼群监测方面和水质监测方面进行整合计算获取监测影响系数，根据监测影响系数来对当下监测的整体状态进行分析和分类，既可以直观高效的获取到不同方面监测的整体情况，又可以为后续的监测方案动态调整提供可靠的数据支持；此外，相比于现有技术方案中的固定时间、固定位置的监测方案，不能根据监测发现的异常来对监测方案进行动态调整来满足后续不同异常程度的监测需求，本发明实施例可以实现更合理、更有效的鱼群监测管理效果。
此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的发明实施例仅仅是示意性的，例如，模块的划分，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。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块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模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的基本特征的情况下，能够以其他的具体形式实现本发明。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，包括阶段鱼类监测分析模块，用于对流域水生态中目标区域的单次鱼类监测情况实施状态分析，得到由类型分析数据和变化分析数据构成的阶段鱼类分析数据集并上传至监测管理平台；
阶段环境监测分析模块，用于对流域水生态中目标区域的单次水环境监测情况实施状态分析，得到由若干变化正常标签和正常指标以及变化异常标签和异常指标、水质异常监测表构成的阶段环境分析数据并上传至监测管理平台；
监测整合评估管理模块，用于根据阶段鱼类分析数据集和阶段环境分析数据对当下监测的异常情况进行整体分析核验，并根据核验结果对后续鱼类的监测进行动态管控；包括：
若变化分析数据中存在第二核验信号且阶段环境分析数据中存在变化异常标签时，根据第二核验信号统计不同备选鱼类型的总数N，以及不同备选鱼类型对应的类型权重LQm，m＝1，2，3，……，v；v为正整数；统计不同异常指标的总数M，依次将不同的异常指标与数据库中预先存储的所有水质指标进行遍历匹配获取对应的指标权重ZQp，p＝1，2，3，……，q；q为正整数；
提取标记的各项数据的数值并通过计算获取水域整体的监测影响系数；根据监测影响系数对流域水生态鱼类当下监测的整体状态进行分类时，将监测影响系数与预设的监测影响范围进行比对判断得到由整体状态正常标签、整体状态轻度异常标签或者整体状态重度异常标签构成的核验结果；
根据核验结果维持现有的鱼群和水质监测方案、增加现有的水质监测次数或者增加现有的鱼群和水质监测次数，直至后续监测的整体状态对应的标签为整体状态正常标签。
2.根据权利要求1所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，类型分析数据的获取步骤包括：
根据预设的鱼类监测时间点和鱼类监测位置点，对流域水生态中的目标区域鱼类方面实施监测统计，获取目标区域中监测获取的不同鱼群对应的鱼类型、鱼数量和鱼平均体长；
获取不同鱼类型的名称并统计鱼类型总数，计算统计的鱼类型总数与标准鱼类型总数之间的差值，若差值等于零，则生成类型正常标签；
若差值大于零，则生成第一类型异常标签，根据第一类型异常标签确定新增的鱼类型并标记为新增鱼类型；
若差值小于零，则生成第二类型异常标签，根据第二类型异常标签确定减少的鱼类型并标记为减少鱼类型；
类型正常标签、第一类型异常标签和新增鱼类型或者第二类型异常标签和减少鱼类型构成类型分析数据。
3.根据权利要求2所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，对监测统计的不同鱼类型进行编号并标记为i，i＝1，2，3，……，n；n为正整数；设定不同的鱼类型对应一个不同的类型权重，将不同的鱼类型分别与数据库中预存储的所有鱼类型进行遍历匹配获取对应的类型权重并标记为LQi；
统计不同鱼类型对应的鱼数量和鱼平均体长并分别标记为YSi和YTi；通过公式计算获取目标区域中不同鱼类型对应的监测变化系数Bx；YSi0为鱼类型上一次监测统计的鱼数量，YTi0为鱼类型上一次监测统计的鱼平均体长。
4.根据权利要求3所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，根据监测变化系数对不同鱼类型的不同时期的监测变化进行分类时，将监测变化系数与鱼类型对应的监测变化范围进行匹配判断；若监测变化系数属于监测变化范围，则生成第一变化信号；
若监测变化系数不属于监测变化范围，则生成第二变化信号，根据第二变化信号将对应的鱼类型标记为备选鱼类型；
统计备选鱼类型的总数并标记为监测异常总数，若监测异常总数小于监测异常阈值，则生成第一核验信号；
若监测异常总数不小于监测异常阈值，则生成第二核验信号；
所有鱼类型对应的第一变化信号、第二变化信号以及第一核验信号或者第二核验信号构成变化分析数据。
5.根据权利要求1所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，阶段环境监测分析模块的实施步骤包括：
根据预设的水质监测时间点和水质监测位置点，对目标区域中的若干水质指标实施监测统计，提取若干水质指标的数值并按提取的顺序排列组合得到水质监测序列，将水质监测序列中不同元素的数值标记为DBj，j＝1，2，3，4，5，6；
将目标区域中首次监测获取的水质监测序列设定为样本水质监测序列，将样本水质监测序列中不同元素的数值标记为YBj；以及将目标区域中上一次监测获取的水质监测序列设定为基础水质监测序列，并将基础水质监测序列中不同元素的数值标记为JBj；
将水质监测序列中的若干元素依次与样本水质监测序列和基础水质监测序列中相同位置的元素进行计算分析时，通过公式计算获取水质指标对应的变化度Bd；式中，k＝1，2；DB1和DB2分别为YBj和JBj。
6.根据权利要求5所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，将水质监测序列与样本水质监测序列之间计算得到的变化度设定为第一变化度，以及将水质监测序列与基础水质监测序列之间计算得到的变化度设定为第二变化度；
根据计算获取的第一变化度和第二变化度对不同水质指标的变化状态进行分析时，将第一变化度和第二变化度分别与水质指标对应的变化阈值进行比对判断；
若第一变化度小于变化阈值且第二变化度小于变化阈值，则生成变化正常标签，根据变化正常标签将对应的水质指标标记为正常指标；
若第一变化度不小于变化阈值或者第二变化度不小于变化阈值，则生成变化异常标签，根据变化异常标签将对应的水质指标标记为异常指标。
7.根据权利要求6所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，将异常指标的名称与水质影响数据库中的所有样本指标进行遍历匹配获取对应的样本指标范围，并将异常指标对应的监测数值与对应的样本指标范围进行遍历匹配获取对应的异常影响结果；统计所有异常指标以及对应的异常影响结果并组合构建水质异常监测表。
8.根据权利要求1所述的一种基于云计算的流域水生态鱼类监测管理系统，其特征在于，监测影响系数Jy的计算公式为式中，g1、g2均为比例系数，0＜g1＜1，0＜g2＜1，g1+g2＝1。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311134565.4A CN117172598B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云计算的流域水生态鱼类监测管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311134565.4A CN117172598B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云计算的流域水生态鱼类监测管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117172598A true CN117172598A (zh) | 2023-12-05 |
| CN117172598B CN117172598B (zh) | 2024-05-28 |
Family
ID=88929408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311134565.4A Active CN117172598B (zh) | 2023-09-05 | 2023-09-05 | 一种基于云计算的流域水生态鱼类监测管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172598B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63222262A (ja) * | 1987-03-12 | 1988-09-16 | Hitachi Ltd | 水質異常検出装置 |
| KR19980068524A (ko) * | 1997-02-20 | 1998-10-26 | 이내흔 | 수질이상 감시방법 및 수질이상 감시시스템 |
| CN106526112A (zh) * | 2016-10-25 | 2017-03-22 | 浙江工业大学 | 一种基于鱼类活性分析的水质毒性检测方法 |
| CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
| CN111721360A (zh) * | 2020-06-19 | 2020-09-29 | 东北农业大学 | 一种湿地生态环境监测系统及方法 |
| AU2020102433A4 (en) * | 2020-09-25 | 2020-11-05 | Bhoi, Akash Kumar DR | Machine learning based fish monitoring machine and method thereof |
| CN112067768A (zh) * | 2020-08-20 | 2020-12-11 | 重庆文理学院 | 一种用于水生动物多样性保护的河流网络构建方法 |
| CN112200448A (zh) * | 2020-09-29 | 2021-01-08 | 水利部中国科学院水工程生态研究所 | 一种评价水生态状况并对水体进行保护优先级分级的方法 |
| CN112506120A (zh) * | 2020-12-02 | 2021-03-16 | 中国农业科学院农业信息研究所 | 一种基于物联网的智慧渔业管理系统 |
| CN114020730A (zh) * | 2021-10-27 | 2022-02-08 | 河北科技师范学院 | 一种水环境监测数据中异常值的检测和修复方法 |
| US20220082546A1 (en) * | 2020-09-14 | 2022-03-17 | Shang-Jung Wu | Multi-location time-division water quality monitoring system |
| CN115497013A (zh) * | 2021-06-02 | 2022-12-20 | 中国农业大学 | 工厂化养殖的鱼类胁迫状态监测方法及系统、设备和介质 |
| CN116087446A (zh) * | 2023-01-03 | 2023-05-09 | 广东工业大学 | 一种基于物联网的水生态完整性动态评估方法 |
| CN116307893A (zh) * | 2023-03-20 | 2023-06-23 | 广东海洋大学 | 基于数据分析的鱼类增殖放流水域适宜性评估系统 |
| CN116453295A (zh) * | 2022-12-07 | 2023-07-18 | 重庆大学 | 基于鱼类行为学的水质安全多参数联动预警系统 |
| CN116611704A (zh) * | 2023-05-13 | 2023-08-18 | 湖南三牛信息科技有限公司 | 一种用于渔业资源监管的系统及方法 |
-
2023
- 2023-09-05 CN CN202311134565.4A patent/CN117172598B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63222262A (ja) * | 1987-03-12 | 1988-09-16 | Hitachi Ltd | 水質異常検出装置 |
| KR19980068524A (ko) * | 1997-02-20 | 1998-10-26 | 이내흔 | 수질이상 감시방법 및 수질이상 감시시스템 |
| CN106526112A (zh) * | 2016-10-25 | 2017-03-22 | 浙江工业大学 | 一种基于鱼类活性分析的水质毒性检测方法 |
| CN111624037A (zh) * | 2020-06-12 | 2020-09-04 | 顾晓东 | 一种基于大数据的水产养殖业水体环境智能监测系统 |
| CN111721360A (zh) * | 2020-06-19 | 2020-09-29 | 东北农业大学 | 一种湿地生态环境监测系统及方法 |
| CN112067768A (zh) * | 2020-08-20 | 2020-12-11 | 重庆文理学院 | 一种用于水生动物多样性保护的河流网络构建方法 |
| US20220082546A1 (en) * | 2020-09-14 | 2022-03-17 | Shang-Jung Wu | Multi-location time-division water quality monitoring system |
| AU2020102433A4 (en) * | 2020-09-25 | 2020-11-05 | Bhoi, Akash Kumar DR | Machine learning based fish monitoring machine and method thereof |
| CN112200448A (zh) * | 2020-09-29 | 2021-01-08 | 水利部中国科学院水工程生态研究所 | 一种评价水生态状况并对水体进行保护优先级分级的方法 |
| CN112506120A (zh) * | 2020-12-02 | 2021-03-16 | 中国农业科学院农业信息研究所 | 一种基于物联网的智慧渔业管理系统 |
| CN115497013A (zh) * | 2021-06-02 | 2022-12-20 | 中国农业大学 | 工厂化养殖的鱼类胁迫状态监测方法及系统、设备和介质 |
| CN114020730A (zh) * | 2021-10-27 | 2022-02-08 | 河北科技师范学院 | 一种水环境监测数据中异常值的检测和修复方法 |
| CN116453295A (zh) * | 2022-12-07 | 2023-07-18 | 重庆大学 | 基于鱼类行为学的水质安全多参数联动预警系统 |
| CN116087446A (zh) * | 2023-01-03 | 2023-05-09 | 广东工业大学 | 一种基于物联网的水生态完整性动态评估方法 |
| CN116307893A (zh) * | 2023-03-20 | 2023-06-23 | 广东海洋大学 | 基于数据分析的鱼类增殖放流水域适宜性评估系统 |
| CN116611704A (zh) * | 2023-05-13 | 2023-08-18 | 湖南三牛信息科技有限公司 | 一种用于渔业资源监管的系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| CX JIN，等: "The Monitoring System of Aquaculture Environment", 《INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》, 31 December 2020 (2020-12-31), pages 184 - 187 * |
| 谭细畅，等: "长洲水利枢纽鱼道过鱼种群结构", 《应用生态学报》, vol. 26, no. 5, 31 December 2015 (2015-12-31), pages 1548 - 1552 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117172598B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111475804B (zh) | 一种告警预测方法及系统 | |
| CN107808139B (zh) | 一种基于深度学习的实时监控威胁分析方法及系统 | |
| CN107169426B (zh) | 一种基于深度神经网络的人群情绪异常检测和定位方法 | |
| Diamantopoulou et al. | Modelling total volume of dominant pine trees in reforestations via multivariate analysis and artificial neural network models | |
| CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
| CN108470022B (zh) | 一种基于运维管理的智能工单质检方法 | |
| CN112132233A (zh) | 一种基于有效影响因子的服刑人员危险行为预测方法及系统 | |
| CN116311374B (zh) | 一种化工厂工人异常行为识别与预警方法及系统 | |
| CN110888186A (zh) | 基于gbdt+lr模型的冰雹和短时强降水预报方法 | |
| CN114842208A (zh) | 一种基于深度学习的电网危害鸟种目标检测方法 | |
| CN115240060B (zh) | 一种海星灾害预警方法及系统 | |
| CN115602337A (zh) | 一种基于机器学习的刺激隐核虫疾病预警方法及系统 | |
| CN110794485A (zh) | 基于集成学习的强对流天气持续时间预报方法 | |
| CN112766119A (zh) | 一种基于多维度人脸分析精准识别陌生人构建社区安防的方法 | |
| Shahi et al. | Monitoring and modeling land use/cover changes in Arasbaran protected Area using and integrated Markov chain and artificial neural network | |
| CN117172598B (zh) | 一种基于云计算的流域水生态鱼类监测管理系统 | |
| CN116884192A (zh) | 一种电力生产作业风险预警方法、系统和设备 | |
| KR20180024331A (ko) | 조기경보시스템에서 외부 영향을 고려한 최신 데이터 학습 방법 및 그 시스템 | |
| CN112151185A (zh) | 一种儿童呼吸疾病与环境数据关联分析方法及系统 | |
| KR101845762B1 (ko) | 코로나 홀 및 ｃｍｅ 관측 자료를 이용한 지자기 교란 예측 자동화 방법 및 시스템 | |
| Munir et al. | Early identification model for dengue haemorrhagic fever (DHF) outbreak areas using rule-based stratification approach | |
| CN111209955A (zh) | 基于深度神经网络和随机森林的飞机电源系统故障识别方法 | |
| CN116702588A (zh) | 一种基于多源数据的风电场关键气象因子预报方法及系统 | |
| Dong et al. | Quality control algorithm for marine meteorological data based on interest degree association rules | |
| CN110705597B (zh) | 基于事件因果关系抽取的网络苗头事件检测方法及系统 |
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 |