CN117233342A - 一种基于置信区间算法的入河排污口精准监测方法及系统 - Google Patents
一种基于置信区间算法的入河排污口精准监测方法及系统 Download PDFInfo
- Publication number
- CN117233342A CN117233342A CN202311137538.2A CN202311137538A CN117233342A CN 117233342 A CN117233342 A CN 117233342A CN 202311137538 A CN202311137538 A CN 202311137538A CN 117233342 A CN117233342 A CN 117233342A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- river
- sewage outlet
- confidence interval
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000010865 sewage Substances 0.000 title claims description 108
- 239000002351 wastewater Substances 0.000 claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 15
- 231100000719 pollutant Toxicity 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 238000012806 monitoring device Methods 0.000 claims abstract description 13
- 238000013523 data management Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000002146 bilateral effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000013479 data entry Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- 206010063385 Intellectualisation Diseases 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
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于置信区间算法的入河排污口精准监测方法及系统,属于排污口精准监测技术领域,建立废水监测装置与目标入河排污口的监测关系,实时监测目标入河排污口排放废水的瞬时流量,通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间,当某一所设时间的瞬时流量在置信区间范围之内时,对目标入河排污口排放的废水进行采集,针对废水重点关注的污染物指标,触发水质自动分析仪对采集的样品进行检测,数据管理单元将监测数据自动上传至入河排污口在线监测系统平台。
Description
技术领域
本发明涉及一种排污口精准监测方法,特别是涉及一种基于置信区间算法的入河排污口精准监测方法,本发明还涉及一种排污口精准监测系统,特别涉及一种基于置信区间算法的入河排污口精准监测系统,属于排污口精准监测技术领域。
背景技术
目前国内的污染源在线监测系统,采用的监测方式主要是连续排放监测和间歇排放监测,连续排放监测是指按照设定的时间段每1h或2h进行一次水质监测,基本反映企业废水的污染物排放情况;
间歇排放监测是指每1h采集水样进行水质监测,若采样量无法满足仪器分析之用,则对该时段作无数据处理,显然,两种监测方式各有其弊端,例如一些企业的连续排放监测系统,其取样口设置在长期蓄水的位置,当没有废水排放时仍进行取样检测,造成检测资源的浪费,间歇排放监测的排放方式更加复杂,其排放频次和排放周期存在明显的随机无规律性,甚至一些不符合法律法规要求的企业或工厂可能避开监测时间段进行废水偷排,无法保证废水排污口水质监测数据真实、准确、有效,此外,目前对入河排污口的水质监测大多采用人为设置流量阈值,未对其流量峰值进行设定,当下雨天时大量地表径流通过入河排污口进行排放,触发监测设备进行监测,造成监测资源的浪费,为此设计一种基于置信区间算法的入河排污口精准监测方法及系统来解决上述问题。
发明内容
本发明的主要目的是为了提供一种基于置信区间算法的入河排污口精准监测方法及系统,。
本发明的目的可以通过采用如下技术方案达到:
一种基于置信区间算法的入河排污口精准监测方法及系统,包括如下步骤:
建立废水监测装置与目标入河排污口的监测关系;
实时监测目标入河排污口排放废水的瞬时流量;
通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间;
当某一所设时间的瞬时流量在置信区间范围之内时,对目标入河排污口排放的废水进行采集;
针对废水重点关注的污染物指标,触发水质自动分析仪对采集的样品进行检测,数据管理单元将监测数据自动上传至入河排污口在线监测系统平台。
优选的,目标入河排污口流量的95%置信区间是通过机器学习算法对目标入河排污口的历史流量数据进行分析确定,具体包括如下步骤:
获取储存于入河排污口在线监测系统数据库中目标排污口的时间标记的历史流量数据,得到n个待分析数据:;
对待分析数据采用Jarque-bera法进行正态性检验;
根据正态性检验结果是否拒绝零假设,判断该组数据为正态分布数据或偏态分布数据,再求双侧95%置信区间。
优选的,Jarque-bera法具体包括如下公式:
;
;
;
其中:
;
式中:
S为偏度系数;
K为峰态系数;
n为样本容量;
xi为待分析数据;
为待分析数据的平均值。
优选的,偏度系数S是对概率密度函数对称性的度量;
峰态系数K是对概率密度函数的度量;
S和K分别用于检验不对称性和峰态;
对于一组正态分布数据,其偏度系数S=0,峰态系数K=3,Jarque-Bera法证明,如果数据服从正态分布,统计量JB=0;
如果数据不服从正态分布则统计量JB是一个逐渐增大的值。
优选的,在给定的置信水平α=0.05的情况下,临界值=5.99147,如果JB统计量的值没有超过临界的/>值,则不能拒绝零假设,认为该组数据服从正态分布,用正态分布法计算其双侧95%置信区间;
如果JB统计量的值超过临界的值,则拒绝零假设,认为该组数据不服从正态分布,判定为偏态分布数据,用百分位数法计算其双侧95%置信区间。
优选的,针对正态分布数据,用正态分布法计算其双侧95%置信区间,包括根据公式:
;
式中,Zα/2参照正态分布置信水平表取1.96,S为待分析数据的标准差。
优选的,针对偏态分布数据,用百分位数法计算其双侧95%置信区间,包括根据公式:
;
计算P2.5和P97.5,首先将n个待分析数据从小到大排列,包括根据公式:
;
式中,p为第p位百分位数;
若i不是整数,而大于i的比邻整数为j,则第p百分位数为第j项数据;若i是整数,则第p百分位数为第i项与第(i+1)项数据的平均数。
优选的,所述方法还包括:
将目标入河排污口排放废水的瞬时流量、累计流量以及对应的水质监测结果自动上传至入河排污口在线监测系统平台进行呈现和分析。
一种基于置信区间算法的入河排污口精准监测系统,包括:
数据录入单元:用于在入河排污口在线监测系统中录入各类相关数据,建立废水监测装置与目标入河排污口的监测关系;
流量监测单元:用于实时监测目标入河排污口排放废水的瞬时流量,数据上传至入河排污口在线监测系统;
算法计算单元:通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间;
样品采集单元:当某一所设时间的瞬时流量在置信区间范围之内时,则对目标入河排污口排放的废水进行采集;
水质分析单元:触发水质自动分析仪,针对重点关注的污染物指标对采集的废水样品进行检测;
监测预警单元:通过入河排污口在线监控平台,呈现不同目标入河排污口的污染物指标检测结果,支持设置各类指标阈值,当各监测设备上传的检测数据超过设定阈值,则系统自动进行超标报警;同时支持设备故障报警,通过设定在线监测设备数据上传频率,若3个上传周期皆无数据上传,则对其定义为设备故障并进行报警;
视频监控单元:包括监控设备,用于对排污口的排污情况进行实时监控;时钟模块,用于获取废水流出入河排污口的时刻;时刻判断模块,用于判断所述时刻是否属于预设的正常时间段内;
数据管理单元:所有监测数据自动上传至入河排污口在线监控系统平台,对目标入河排污口的所有监测数据进行统一呈现及管理。
本发明的有益技术效果:
本发明提供的一种基于置信区间算法的入河排污口精准监测方法及系统,首先建立废水监测装置与目标入河排污口的监测关系,基于该监测关系实时监测目标入河排污口排放废水的瞬时流量;所述置信区间是通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间;当某一所设时间的瞬时流量在置信区间范围之内时,则对目标入河排污口排放的废水进行采集;触发水质自动分析仪,针对排污工业或企业重点关注的污染物指标对采集的废水样品进行检测,数据管理单元将监测数据自动上传至入河排污口在线监控系统平台。
本发明的有益效果在于:
通过流量计实时监测废水的瞬时流量,通过机器学习算法进行自动识别计算,得到各时间段的95%流量置信区间,判断某一所设时间瞬时流量是否处于置信区间范围之内并持续一段时间,如果是则触发样品采集和水质分析,减少人为干预的影响,大大提升了智能化和自动化,提高了对工业及企业废水偷排的监督效率;同时减少试剂、用电、人工监测等资源消耗,延长了监测设备的使用寿命;
根据工业或企业性质建立在线监测装置与目标入河排污口的监测关系,对工业或企业排放污染物的不同确定其重点关注的污染物指标,针对性地监测其易排放不达标的污染物,实现了对入河排污口污染源排放的高效化、精准化监管和控制。
附图说明
图1为本发明实施例提供的一种基于置信区间算法的入河排污口精准监测方法流程图。
图2为本发明实施例提供的流量的95%置信区间实现路线图。
图3为本发明实施例提供的一种基于置信区间算法的入河排污口精准监测系统示意图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案,下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1-图3所示,本实施例提供的一种基于置信区间算法的入河排污口精准监测方法,该方法包括以下步骤,
建立废水监测装置与目标入河排污口的监测关系。
在本申请中,所述监测关系是指数据录入单元模块在入河排污口在线监测系统中建立的工业或企业目标入河排污口与废水在线监测装置的对应关系,具体地,流量监测单元对目标入河排污口瞬时流量进行监测;样品采集单元控制自动采样器对入河排污口排出的废水进行采样、供样;触发水质自动分析仪对样品进行检测,监测预警单元对水质数据进行分析,当水质数据显示超标时再次触发自动采样器对已采集的废水样品进行超标留样;视频监控单元对目标排污口排污状态,流量计、自动采样器、水质自动分析仪等一仪器工作状态进行监控。所有监测数据、监控数据及仪器工作状态等数据由数采仪进行数据采集,将信息传输至数据管理单元模块,在入河排污口在线监控系统平台进行统一呈现和分析。
实时监测目标入河排污口排放废水的瞬时流量。
在本申请中,所述瞬时流量是通过在目标入河排污口排污管道内安装流量计进行监测。根据时间间隔,当入河排污口管道内有废水排出时,废水流经流量计产生瞬时流量数据,数据由数采仪采集传输至入河排污口在线监控系统平台,在线监控系统平台对数据进行时间标记并储存于系统数据库中。同时自动采样器对瞬时流量数据进行流量区间判断,是否进行样品采集及水质分析,所述流量区间根据历史流量数据进行计算。
通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间。
具体地,流量的95%置信区间是算法计算单元通过机器学习算法实现,具体包括了:
获取储存于入河排污口在线监测系统数据库中目标排污口的具有时间标记的历史流量数据,得到n个待分析数据:。
对n个待分析数据进行正态性检验:
Jarque-bera法采用偏态系数S和峰态系数K检验数据的正态性,偏度系数S是对概率密度函数对称性的度量峰态系数,K是对概率密度函数的度量,S和K分别用于检验不对称性和峰态。其计算公式如下:
;
;
;
其中:
;
式中,n为样本容量,xi为待分析数据,为待分析数据的平均值。
对于一组正态分布数据,其偏度系数S=0,峰态系数K=3,Jarque-Bera法证明了,如果数据服从正态分布,统计量JB=0;如果数据不服从正态分布则统计量JB是一个逐渐增大的值。
在给定的置信水平α=0.05的情况下,临界值=5.99147,如果JB统计量的值没有超过临界的/>值,则不能拒绝零假设,认为该组数据服从正态分布;如果JB统计量的值超过临界的/>值,则拒绝零假设,认为该组数据不服从正态分布,判定为偏态分布数据。
针对符合正态分布的数据,用正态分布法计算其双侧95%置信区间,其计算公式为:
;
式中,Zα/2参照正态分布置信水平表取1.96,S为待分析数据的标准差。
针对偏态分布数据,用百分位数法计算其双侧95%置信区间,其计算公式为:
;
计算P2.5和P97.5,首先将n个待分析数据从小到大排列,然后根据公式:
;
式中,p为第p位百分位数。
若i不是整数,而大于i的比邻整数为j,则第p百分位数为第j项数据;若i是整数,则第p百分位数为第i项与第(i+1)项数据的平均数。
如附图2给出了上述机器学习算法的目标入河排污口流量的95%置信区间的实现路线。
步骤四,当某一所设时间的瞬时流量在置信区间范围之内时,对目标入河排污口排放的废水进行采集。
参考步骤三,给出了根据待分析数据的类型计算得到目标入河排污口流量的双侧95%置信区间,若流量低于该置信区间下限,则此时可能是无排水状态;若流量高于置信区间上限,则可能是因为下雨导致流量激增。当某一所设时间的瞬时流量在置信区间范围之内时,触发自动采样器对目标入河排污口排放的废水进行采集。
步骤五,触发水质自动分析仪,针对重点关注的污染物指标对采集的样品进行检测,数据管理单元将监测数据自动上传至入河排污口在线监测系统平台。
进一步地,样品采集单元与水质分析单元连接,自动采样器采集废水后触发水质自动分析仪进行检测,具体检测的污染物指标根据数据录入单元进行设置,数据录入单元模块根据排污工业或者企业的性质不同进行分类,重点关注该工业或企业易排放不达标的物质,包括但不限于COD、氨氮、ORP、氟化物、氯化物等出水指标,通过多参数水质自动分析仪对重点关注指标进行监测,实现了对入河排污口污染源排放的高效化、精准化监管和控制。
附图3给出了本发明实施例提供的一种基于置信区间算法的入河排污口精准监测系统示意图,系统包括:
首先在入河排污口在线监控系统的数据录入单元建立废水在线监测装置与目标入河排污口的监测关系,通过在用户管理模块录入各类信息,包括企业基本信息、排污口名称、排污口编号、排入水体名称、重点监测指标等其他相关信息。
流量监测单元是通过在目标入河排污口排污管道内安装流量计,当目标入河排污口有废水排出时,实时监测目标入河排污口排放废水的瞬时流量,流量监测数据由数采仪采集传输至入河排污口在线监控系统平台,在线监控系统平台对数据进行时间标记并储存于系统数据库中。
算法计算单元是通过获取储存于入河排污口在线监测系统数据库中目标排污口的具有时间标记的历史流量数据,通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间。
样品采集单元中自动采样器根据上述算法计算单元中所得的流量的95%置信区间对瞬时流量进行判断,当某一所设时间的瞬时流量在置信区间范围之内时,触发自动采样器对目标入河排污口排放的废水进行采集。
自动采样器连接水质自动分析仪,当自动采样器采集废水样品后,信号传输至水质分析单元,触发多参数水质自动分析仪,针对工业或企业重点关注的污染物指标对采集的废水样品进行检测,水质检测结果上传至入河排污口在线监控系统平台。
监测预警单元包括超标报警模块和故障报警模块,超标报警模块是指入河排污口在线监控系统平台支持设置各类指标阈值,当各监测设备上传的检测数据超过设定阈值,则系统自动进行超标报警,信号传输至样品采集单元对采集的废水样品进行超标留样,根据超标信号自动保存水样;故障报警模块是指通过设定在线监测设备数据上传频率,若3个上传周期皆无数据上传,则对其定义为设备故障并进行报警。
视频监控单元包括监控设备,通过在入河排污口周围安装摄像头,实时监控目标入河排污口的排污情况;时钟模块用于获取废水流出入河排污口的时刻;时刻判断模块用于判断所述时刻是否属于预设的正常时间段内,便于与流量监测单元的所设时间间隔进行时间矫正。
数据管理单元通过数采仪进行数据采集与传输,数据录入单元、流量监测单元、算法计算单元、样品采集单元、水质分析单元、监测预警单元以及视频监控单元与数据管理单元连接,所有流量监测数据、水质分析数据、仪器工作状态等信息均通过数采仪采集传输至数据管理单元,入河排污口在线监控系统平台对所有监测数据进行统一呈现和分析。
以上,仅为本发明进一步的实施例,但本发明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发明所公开的范围内,根据本发明的技术方案及其构思加以等同替换或改变,都属于本发明的保护范围。
Claims (9)
1.一种基于置信区间算法的入河排污口精准监测方法,其特征在于:包括如下步骤:
建立废水监测装置与目标入河排污口的监测关系;
实时监测目标入河排污口排放废水的瞬时流量;
通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间;
当某一所设时间的瞬时流量在置信区间范围之内时,对目标入河排污口排放的废水进行采集;
针对废水重点关注的污染物指标,触发水质自动分析仪对采集的样品进行检测,数据管理单元将监测数据自动上传至入河排污口在线监测系统平台。
2.根据权利要求1所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:目标入河排污口流量的95%置信区间是通过机器学习算法对目标入河排污口的历史流量数据进行分析确定,具体包括如下步骤:
获取储存于入河排污口在线监测系统数据库中目标排污口的时间标记的历史流量数据,得到n个待分析数据:;
对待分析数据采用Jarque-bera法进行正态性检验;
根据正态性检验结果是否拒绝零假设,判断该组数据为正态分布数据或偏态分布数据,再求双侧95%置信区间。
3.根据权利要求2所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:Jarque-bera法具体包括如下公式:
;
;
;
其中:
;
式中:
S为偏度系数;
K为峰态系数;
n为样本容量;
xi为待分析数据;
为待分析数据的平均值。
4.根据权利要求3所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:偏度系数S是对概率密度函数对称性的度量;
峰态系数K是对概率密度函数的度量;
S和K分别用于检验不对称性和峰态;
对于一组正态分布数据,其偏度系数S=0,峰态系数K=3,Jarque-Bera法证明,如果数据服从正态分布,统计量JB=0;
如果数据不服从正态分布则统计量JB是一个逐渐增大的值。
5.根据权利要求4所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:在给定的置信水平α=0.05的情况下,临界值=5.99147,如果JB统计量的值没有超过临界的/>值,则不能拒绝零假设,认为该组数据服从正态分布,用正态分布法计算其双侧95%置信区间;
如果JB统计量的值超过临界的值,则拒绝零假设,认为该组数据不服从正态分布,判定为偏态分布数据,用百分位数法计算其双侧95%置信区间。
6.根据权利要求5所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:针对正态分布数据,用正态分布法计算其双侧95%置信区间,包括根据公式:
;
式中,Zα/2参照正态分布置信水平表取1.96,S为待分析数据的标准差。
7.根据权利要求6所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:针对偏态分布数据,用百分位数法计算其双侧95%置信区间,包括根据公式:
;
计算P2.5和P97.5,首先将n个待分析数据从小到大排列,包括根据公式:
;
式中,p为第p位百分位数;
若i不是整数,而大于i的比邻整数为j,则第p百分位数为第j项数据;若i是整数,则第p百分位数为第i项与第(i+1)项数据的平均数。
8.根据权利要求7所述的一种基于置信区间算法的入河排污口精准监测方法,其特征在于:所述方法还包括:
将目标入河排污口排放废水的瞬时流量、累计流量以及对应的水质监测结果自动上传至入河排污口在线监测系统平台进行呈现和分析。
9.根据权利要求8所述的一种基于置信区间算法的入河排污口精准监测系统,其特征在于:包括:
数据录入单元:用于在入河排污口在线监测系统中录入各类相关数据,建立废水监测装置与目标入河排污口的监测关系;
流量监测单元:用于实时监测目标入河排污口排放废水的瞬时流量,数据上传至入河排污口在线监测系统;
算法计算单元:通过机器学习算法对目标入河排污口的历史流量数据进行分析,确定其流量的95%置信区间;
样品采集单元:当某一所设时间的瞬时流量在置信区间范围之内时,则对目标入河排污口排放的废水进行采集;
水质分析单元:触发水质自动分析仪,针对重点关注的污染物指标对采集的废水样品进行检测;
监测预警单元:通过入河排污口在线监控平台,呈现不同目标入河排污口的污染物指标检测结果,支持设置各类指标阈值,当各监测设备上传的检测数据超过设定阈值,则系统自动进行超标报警;同时支持设备故障报警,通过设定在线监测设备数据上传频率,若3个上传周期皆无数据上传,则对其定义为设备故障并进行报警;
视频监控单元:包括监控设备,用于对排污口的排污情况进行实时监控;时钟模块,用于获取废水流出入河排污口的时刻;时刻判断模块,用于判断所述时刻是否属于预设的正常时间段内;
数据管理单元:所有监测数据自动上传至入河排污口在线监控系统平台,对目标入河排污口的所有监测数据进行统一呈现及管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311137538.2A CN117233342A (zh) | 2023-09-05 | 2023-09-05 | 一种基于置信区间算法的入河排污口精准监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311137538.2A CN117233342A (zh) | 2023-09-05 | 2023-09-05 | 一种基于置信区间算法的入河排污口精准监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117233342A true CN117233342A (zh) | 2023-12-15 |
Family
ID=89081799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311137538.2A Pending CN117233342A (zh) | 2023-09-05 | 2023-09-05 | 一种基于置信区间算法的入河排污口精准监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117233342A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050080194A (ko) * | 2002-11-18 | 2005-08-12 | 차희원 | 하수관거 모니터링 데이터의 보정방법 및 그 장치 {a method and an apparatus for real-time filtering of monitoring data in a sewer flow monitoring} |
CA2634759A1 (en) * | 2008-06-27 | 2009-12-27 | George Lampropoulos | Intelligent online water quality monitoring system using sensor and non-sensor data fusion |
CN106599271A (zh) * | 2016-12-22 | 2017-04-26 | 江苏方天电力技术有限公司 | 一种燃煤机组排放监测时序数据异常值检测方法 |
CN115293923A (zh) * | 2022-05-19 | 2022-11-04 | 太原群欣科技有限公司 | 一种入河入海排污口监督溯源管理平台 |
CN115685792A (zh) * | 2022-12-29 | 2023-02-03 | 北京万维盈创科技发展有限公司 | 基于流量阈值的废水间歇性排污口流量触发方法及装置 |
CN115684531A (zh) * | 2022-12-29 | 2023-02-03 | 北京万维盈创科技发展有限公司 | 一种废水间歇性排放口流量触发监测方法及系统 |
-
2023
- 2023-09-05 CN CN202311137538.2A patent/CN117233342A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050080194A (ko) * | 2002-11-18 | 2005-08-12 | 차희원 | 하수관거 모니터링 데이터의 보정방법 및 그 장치 {a method and an apparatus for real-time filtering of monitoring data in a sewer flow monitoring} |
CA2634759A1 (en) * | 2008-06-27 | 2009-12-27 | George Lampropoulos | Intelligent online water quality monitoring system using sensor and non-sensor data fusion |
CN106599271A (zh) * | 2016-12-22 | 2017-04-26 | 江苏方天电力技术有限公司 | 一种燃煤机组排放监测时序数据异常值检测方法 |
CN115293923A (zh) * | 2022-05-19 | 2022-11-04 | 太原群欣科技有限公司 | 一种入河入海排污口监督溯源管理平台 |
CN115685792A (zh) * | 2022-12-29 | 2023-02-03 | 北京万维盈创科技发展有限公司 | 基于流量阈值的废水间歇性排污口流量触发方法及装置 |
CN115684531A (zh) * | 2022-12-29 | 2023-02-03 | 北京万维盈创科技发展有限公司 | 一种废水间歇性排放口流量触发监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
薛毅 等: "《实用数据分析与MATLAB软件》", 30 September 2015, 北京工业大学出版社, pages: 151 - 152 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
CN111080502B (zh) | 一种区域企业数据异常行为的大数据识别方法 | |
CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
CN111898691A (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
CN109270237A (zh) | 一种基于大数据的水质监测分析系统 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN112418737A (zh) | 一种区域水环境管理平台 | |
CN111596025B (zh) | 一种基于大数据的水环境污染分析系统 | |
CN115685792B (zh) | 基于流量阈值的废水间歇性排污口流量触发方法及装置 | |
CN111638312A (zh) | 一种基于大数据的饮水工程水质安全实时监测管理系统 | |
CN116990479B (zh) | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 | |
CN202648999U (zh) | 水污染监测自动采样决策系统及采样装置 | |
CN115063014A (zh) | 一种基于5g网络的工业废水监管系统及方法 | |
WO2020244265A1 (zh) | 一种利用支持向量机预测农村生活污水处理设施运行有效性的方法 | |
CN115372571A (zh) | 一种水环境智能监测系统 | |
CN115684531A (zh) | 一种废水间歇性排放口流量触发监测方法及系统 | |
CN113655189A (zh) | 污染源自动监控数据分析判断系统 | |
CN117195135B (zh) | 一种水污染异常溯源检测方法及系统 | |
CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN112903946A (zh) | 一种新型零星工业废水收集水质检测预警方法 | |
CN115792165B (zh) | 一种环境水质智能监测方法及系统 | |
CN116881747A (zh) | 基于医疗废水监测的智能处理方法及系统 | |
CN117233342A (zh) | 一种基于置信区间算法的入河排污口精准监测方法及系统 | |
CN116448988A (zh) | 一种工业园区土壤污染监测系统及方法 | |
CN115293940A (zh) | 基于工业互联网的环境监测系统 |
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 |