CN117312617B - 基于污水数据监测的实时污水处理方法及系统 - Google Patents
基于污水数据监测的实时污水处理方法及系统 Download PDFInfo
- Publication number
- CN117312617B CN117312617B CN202311608968.8A CN202311608968A CN117312617B CN 117312617 B CN117312617 B CN 117312617B CN 202311608968 A CN202311608968 A CN 202311608968A CN 117312617 B CN117312617 B CN 117312617B
- Authority
- CN
- China
- Prior art keywords
- real
- sewage
- data
- monitoring
- 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.)
- Active
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 320
- 238000012544 monitoring process Methods 0.000 title claims abstract description 254
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 230000011218 segmentation Effects 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000010586 diagram Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005273 aeration Methods 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
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及数据处理技术领域,提出了基于污水数据监测的实时污水处理方法及系统,包括:获取局部分段、第一污水监测实时数据和临近污水监测实时数据;根据局部分段获取污水监测的实时数据的受噪度;获取数据种类的异常系数;获取第一污水监测实时数据的调整K邻域距离,对第一污水监测实时数据和临近污水监测实时数据进行异常检测,获取局部离群因子,根据局部离群因子标记异常污水数据、实现实时污水处理的监测。本发明解决实时增加的污水监测数据削弱污水监测数据中的异常值在所有污水监测数据中的表现导致的实时污水异常检测的精度不足的问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于污水数据监测的实时污水处理方法及系统。
背景技术
随着现代制造业的发展以及居民生活质量的提高,生活用水的需求越来越高,生活污水急剧增加,所以,生活污水的处理需求也逐步增加。生活污水中的相关参数包含水质参数、污水流量等,这些相关参数会随时发生变化。为了能够更好地优化污水处理效果,通常采用多类传感器对污水处理过程中的关键参数进行数据监测,并基于监测数据实时调节污水处理过程中的相关指标,调节污水处理过程中的相关指标包含曝气量、加药量等。
通常采用LOF异常检测算法对监测到的污水实时数据进行异常数据检测,以检测监测数据的质量问题,并通过识别出的异常数据及时采取相应措施,达到优化处理效果、提高处理效率的目的。但污水的监测数据是实时增加的,实时增加的污水监测数据会削弱污水监测数据中的异常值在所有污水监测数据中的表现,影响异常污水检测的精度。
发明内容
本发明提供基于污水数据监测的实时污水处理方法及系统,以解决实时增加的污水监测数据削弱污水监测数据中的异常值在所有污水监测数据中的表现导致的实时污水异常检测的精度不足的问题,所采用的技术方案具体如下:
第一方面,本发明一个实施例提供了基于污水数据监测的实时污水处理方法,该方法包括以下步骤:
采集污水监测的实时数据并进行预处理,获取局部分段,根据局部分段获取第一局部分段和历史局部分段,获取第一污水监测实时数据和临近污水监测实时数据;
根据局部分段建立数据种类的局部分段散点图,获取局部分段的趋势直线,根据趋势直线获取污水监测的实时数据的拟合差值,根据局部分段内包含的同一数据种类的污水监测的实时数据的采集时间的拟合差值和数据种类的局部分段的趋势直线的斜率获取局部分段的每一数据种类的趋势趋向值,根据局部分段的不同数据种类的趋势趋向值和局部分段内数据种类的污水监测的实时数据的拟合差值获取局部分段内包含的所有污水监测的实时数据的受噪度;
根据污水监测的实时数据的受噪度、数据种类的趋势趋向值、局部分段内数据种类的污水监测的实时数据、污水监测的实时数据的拟合差值获取数据种类的异常波动程度,根据数据种类的异常波动程度获取数据种类的异常系数;
获取第一污水监测实时数据的调整K邻域距离,建立污水监测的实时数据的点对,对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行异常检测,获取第一污水监测实时数据和临近污水监测实时数据的局部离群因子,根据局部离群因子标记异常污水数据、实现实时污水处理的监测。
进一步,所述根据局部分段获取第一局部分段和历史局部分段的获取方法为:
将采集时刻最晚的局部分段记为第一局部分段,将与第一局部分段的采集时间间隔小于等于预设时间的污水监测的实时数据所在的局部分段记为历史局部分段。
进一步,所述获取第一污水监测实时数据和临近污水监测实时数据的获取方法为:
将采集时刻最晚的局部分段内包含的污水监测的实时数据记为第一污水监测实时数据,将历史局部分段内包含的污水监测的实时数据记为临近污水监测实时数据。
进一步,所述根据局部分段建立数据种类的局部分段散点图的获取方法为:
以局部分段内包含的同一数据种类的污水监测的实时数据的采集时间为横坐标,以污水监测的实时数据的数值为纵坐标,建立数据种类的局部分段散点图。
进一步,所述获取局部分段的趋势直线的方法为:
将过局部分段散点图中采集时间最晚和最早的散点的直线记为局部分段散点图对应的数据种类和局部分段的趋势直线。
进一步,所述根据趋势直线获取污水监测的实时数据的拟合差值的方法为:
将数据种类的污水监测的实时数据与对应的拟合值的差值的绝对值记为污水监测的实时数据的拟合差值。
进一步,所述获取第一污水监测实时数据的调整K邻域距离,建立污水监测的实时数据的点对的方法为:
按照LOF异常检测中K邻域距离原始的计算方式,将以数据种类的异常系数作为数据种类内包含的第一污水监测实时数据对应的污水监测的实时数据之间距离的系数,获取K邻域距离,将获取的K邻域距离记为第一污水监测实时数据的调整K邻域距离;
将污水监测的实时数据作为横坐标,污水监测的实时数据对应的采集时间作为纵坐标的点对记为污水监测的实时数据的点对。
进一步,所述对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行异常检测,获取第一污水监测实时数据和临近污水监测实时数据的局部离群因子的方法为:
使用第一污水监测实时数据的调整K邻域距离作为第一污水监测实时数据的点对的K邻域距离,对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行LOF异常检测,获取所有污水监测的实时数据的局部离群因子。
进一步,所述根据局部离群因子标记异常污水数据、实现实时污水处理的监测的方法为:
将局部离群因子大于等于判定阈值的污水监测的实时数据记为异常污水数据;
当第一污水监测实时数据中识别出异常污水数据时,根据异常数据对应的数据种类对污水实时处理的参数进行调整。
第二方面,本发明实施例还提供了基于污水数据监测的实时污水处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是:
本发明对污水监测的实时数据进行分析,根据污水检测的实时数据发生较极端的变化时,例如波动程度过大、单调趋势性增加,实时污水处理可能出现异常的特征,首先,对污水监测的实时数据的趋势特征进行分析,获取数据种类的趋势趋向值,其次,结合污水监测的实时数据的波动性,获取数据种类的异常系数;然后,根据数据种类的异常系数对所有污水监测的实时数据在异常检测时的时间差异维度和数据值差异维度对异常评价结果的影响程度进行自适应调整,获取污水监测的实时数据的局部离群因子,根据局部离群因子标记异常污水数据、实现实时污水处理的监测,解决实时增加的污水监测数据削弱污水监测数据中的异常值在所有污水监测数据中的表现导致的实时污水异常检测的精度不足的问题,提高实时污水处理异常监测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于污水数据监测的实时污水处理方法的流程示意图;
图2为局部分段散点图示意图。
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。
请参阅图1,其示出了本发明一个实施例提供的基于污水数据监测的实时污水处理方法流程图,该方法包括以下步骤:
步骤S001,采集污水监测的实时数据并进行预处理,获取局部分段,根据局部分段获取第一局部分段和历史局部分段,获取第一污水监测实时数据和临近污水监测实时数据。
每间隔第一时间长度,通过监测传感器获取污水监测的实时数据。其中,污水监测的实时数据包括水质参数、污水流量、电导率、悬浮物和溶解氧;间隔第一时间长度的经验值为1分钟。其中,实施者可根据需要自行设定污水监测的实时数据包括的数据种类和数据种类的数量。
由于不同种类的污水监测的实时数据之间存在单位、数值量级、采样频率等差异,分别对每个种类的污水监测的实时数据进行归一化处理。其中,归一化算法可使用z-score归一化方法,z-score归一化方法为公知技术,不再赘述。
基于污水数据监测的实时污水处理需要基于已经采集到历史污水监测的实时数据的数据特征,对污水监测的实时数据进行分析,从而对当前的污水状态进行分析和判断,实现污水处理过程中异常检测。因此,需要对污水监测的实时数据进行裁剪分段,从而基于污水监测的实时数据的局部范围与历史污水监测的实时数据的局部范围内数据的差异对污水的整体异常波动进行分析。
采用人工设定经验值作为划分依据,从采集时刻最晚的污水监测的实时数据开始,将相邻的第一预设阈值个污水监测的实时数据作为一个局部分段。
将包含的污水监测的实时数据的采集时刻最晚的局部分段记为第一局部分段,将与第一局部分段的采集时间间隔小于等于一天的污水监测的实时数据所在的局部分段记为历史局部分段。
将第一局部分段内包含的污水监测的实时数据记为第一污水监测实时数据,将历史局部分段内包含的污水监测的实时数据记为临近污水监测实时数据。其中,第一污水监测实时数据和临近污水监测实时数据均包含所有种类的污水监测的实时数据。
至此,获取第一局部分段、历史局部分段、第一污水监测实时数据和临近污水监测实时数据。
步骤S002,根据局部分段建立数据种类的局部分段散点图,获取局部分段的趋势直线,根据趋势直线获取污水监测的实时数据的拟合差值,根据局部分段内包含的同一数据种类的污水监测的实时数据的采集时间的拟合差值和数据种类的局部分段的趋势直线的斜率获取局部分段的每一数据种类的趋势趋向值,根据局部分段的不同数据种类的趋势趋向值和局部分段内数据种类的污水监测的实时数据的拟合差值获取局部分段内包含的所有污水监测的实时数据的受噪度。
如果直接对不断实时增加的所有污水监测的实时数据使用LOF异常检测算法,本质上是根据污水监测的实时数据之间的时序间隔以及数值大小差异获取污水监测的实时数据之间的K近邻距离,由于污水监测的实时数据不断增加且不同相邻的污水监测的实时数据之间的时序间隔一样,不同污水监测的实时数据之间的时序间隔削弱了具体数值之间的差异在K近邻距离中的表现,导致异常检测结果为延时序顺序判定,而非根据污水监测的实时数据之间的数值差异。
在实时污水异常检测的过程中,监测的目的是根据污水监测的实时数据包括的不同数据种类的参数的差异获取异常参数,在出现异常参数时,对污水处理的相关参数进行调节。
所以,应该尽可能的削弱时序信息在LOF异常检测过程中的表现,提高异常检测结果对污水监测的实时数据的异常或波动的敏感程度,提升实时污水异常检测的精度。同时,对于局部范围内较为稳定的污水监测的实时数据,提高时序信息在LOF异常检测过程中的表现,提升实时污水异常检测的速度。
当污水检测的实时数据发生较极端的变化时,例如波动程度过大、单调趋势性增加,实时污水处理可能出现异常;当污水检测的实时数据在正常范围内进行波动时,实时污水处理一般未出现异常。所以,对每个局部分段内包含的污水监测的实时数据的趋势性进行分析。
首先,对局部分段内包含的每个数据种类的污水监测的实时数据分别进行分析。
以局部分段内包含的同一数据种类的污水监测的实时数据的采集时间为横坐标,以局部分段内包含的同一数据种类的污水监测的实时数据的数值为纵坐标,建立数据种类的局部分段散点图。局部分段散点图示意图如图2所示。
将局部分段散点图中采集时间最晚的散点记为第一散点,将采集时间最早的散点记为第二散点,将过第一散点和第二散点的直线记为数据种类和局部分段的趋势直线。根据趋势直线获取局部分段内包含的所有污水监测的实时数据的采集时间对应的拟合值。获取趋势直线的斜率。
将数据种类的污水监测的实时数据与采集时间对应的拟合值的差值的绝对值记为污水监测的实时数据的拟合差值。
根据局部分段内包含的同一数据种类的污水监测的实时数据的采集时间的拟合差值和数据种类的局部分段的趋势直线的斜率获取局部分段的每一数据种类的趋势趋向值。
其中,是局部分段的第/>个数据种类的趋势趋向值;/>是局部分段内包含的统一数据种类的污水监测的实时数据的数量;/>表示局部分段的第/>个数据种类的趋势直线的斜率;/>是局部分段内第/>个数据种类的第/>个污水监测的实时数据的拟合差值;/>是取括号内数值的线性归一化值;/>是第一调节数据种类,经验值为1。
当同一数据种类的所有污水监测的实时数据的拟合差值的累加和越小时,局部分段内污水监测的实时数据在数据种类的局部分段的趋势直线两侧分布越均匀,即数据种类的趋势趋向值越小,同时,当局部分段的数据种类的趋势直线的斜率越小时,局部分段内该数据种类的污水监测的实时数据趋向于单调递增或单调递减的可能性越小。
至此,获取所有局部分段的每个数据种类的趋势趋向值。
然后,以数据种类的趋势趋向值为基础,分析污水监测的实时数据的波动性。
根据局部分段的不同数据种类的趋势趋向值和局部分段内数据种类的污水监测的实时数据的拟合差值获取局部分段内包含的所有污水监测的实时数据的受噪度。
其中,是局部分段的第/>个数据种类的第/>个污水监测的实时数据的受噪度;/>是数据种类的数量;/>是局部分段内第/>个数据种类的第/>个污水监测的实时数据的拟合差值;/>是局部分段内第/>个数据种类的第/>个污水监测的实时数据的拟合差值;/>是局部分段的第/>个数据种类的趋势趋向值;/>是局部分段的第/>个数据种类的趋势趋向值。
当不同数据种类的对应污水监测的实时数据的拟合差值的差异越小、不同数据种类的趋势趋向值越大时,污水监测的实时数据的受噪度越大,即污水监测的实时数据的波动程度越大、污水监测的实时数据为异常数据的可能性越大。
当污水监测的实时数据的受噪度越大时,污水监测的实时数据表现出来的异常程度更加孤立、显著。
污水监测的实时数据的受噪度为根据不同数据种类的污水监测的实时数据获取的污水监测的实时数据的波动性。
至此,获取污水监测的实时数据的受噪度。
步骤S003,根据污水监测的实时数据的受噪度、数据种类的趋势趋向值、局部分段内数据种类的污水监测的实时数据、污水监测的实时数据的拟合差值获取数据种类的异常波动程度,根据数据种类的异常波动程度获取数据种类的异常系数。
以污水监测的实时数据的受噪度和据种类的趋势趋向值为基础,根据同一数据种类内包含的污水监测的实时数据之间的差异,继续分析数据种类的波动程度。
根据污水监测的实时数据的受噪度、数据种类的趋势趋向值、局部分段内数据种类的污水监测的实时数据、污水监测的实时数据的拟合差值获取数据种类的异常波动程度。
其中,是局部分段的第/>个数据种类的异常波动程度;/>是局部分段内第/>个数据种类的第/>个污水监测的实时数据;/>是局部分段内第/>个数据种类的第/>个污水监测的实时数据的拟合差值;/>是自然常数;/>是局部分段内第/>个数据种类内包含的所有污水监测的实时数据的均值;/>是局部分段内包含的统一数据种类的污水监测的实时数据的数量;是第一调节数据种类,经验值为1;/>是局部分段的第/>个数据种类的第/>个污水监测的实时数据的受噪度;/>是局部分段的第/>个数据种类的趋势趋向值;/>是取括号内数值的线性归一化值;/>是局部分段的所有数据种类的趋势趋向值的均值。
当污水监测的实时数据的拟合差值越大时,污水监测的实时数据偏离数据种类的趋势直线的显著度越高,同时,当局部分段内同一数据种类的不同污水监测的实时数据之间的差异越大、污水监测的实时数据的受噪度越大时,数据种类的异常波动程度越大,即污水监测的实时数据为异常数据的可能性越大。
至此,获取每个局部分段的每个数据种类的异常波动程度。
根据数据种类的异常波动程度获取数据种类的异常系数。
其中,是第/>个数据种类的异常系数;/>是第一局部分段的第/>个数据种类的异常波动程度;/>是第/>个历史局部分段内第/>个数据种类的异常波动程度;/>是历史局部分段的数量。
在局部分段中,当第一局部分段的数据种类的异常波动程度与历史局部分段的数据种类的异常波动程度差异越大时,数据种类内包含的污水监测的实时数据的异常程度相对越高,数据种类的异常系数越大,即应在进行异常检测时对数据种类内包含的第一污水监测实时数据在时序维度赋予越小的权重。
至此,获取数据种类的异常系数。
步骤S004,获取第一污水监测实时数据的调整K邻域距离,建立污水监测的实时数据的点对,对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行异常检测,获取第一污水监测实时数据和临近污水监测实时数据的局部离群因子,根据局部离群因子标记异常污水数据、实现实时污水处理的监测。
根据数据种类的异常系数确定每个数据种类内包含的第一污水监测实时数据在进行异常检测时的调整K邻域距离。
在对污水监测的实时数据进行LOF异常检测时,按照K邻域距离原始的计算方式,将以数据种类的异常系数作为数据种类内包含的第一污水监测实时数据对应的污水监测的实时数据之间距离的系数,获取K邻域距离,将获取的K邻域距离记为第一污水监测实时数据的调整K邻域距离。
将污水监测的实时数据作为横坐标,污水监测的实时数据对应的采集时间作为纵坐标的点对记为污水监测的实时数据的点对。
对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行LOF异常检测,获取所有污水监测的实时数据的局部离群因子。其中,第一污水监测实时数据的点对的K邻域距离使用第一污水监测实时数据的调整K邻域距离,临近污水监测实时数据的点对的K邻域距离使用LOF异常检测原始的K邻域距离计算方式;使用LOF异常检测获取所有污水监测的实时数据的局部离群因子为公知技术,不再赘述。
将局部离群因子大于等于判定阈值的污水监测的实时数据记为异常污水数据。
当第一污水监测实时数据中识别出异常污水数据时,根据异常数据对应的数据种类对污水实时处理的参数进行调整。其中,根据异常数据对应的数据种类对污水实时处理的参数进行调整为公知技术,不再赘述。
至此,实现实时污水处理的监测。
基于与上述方法相同的发明构思,本发明实施例还提供了基于污水数据监测的实时污水处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于污水数据监测的实时污水处理方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于污水数据监测的实时污水处理方法,其特征在于,该方法包括以下步骤:
采集污水监测的实时数据并进行预处理,获取局部分段,根据局部分段获取第一局部分段和历史局部分段,获取第一污水监测实时数据和临近污水监测实时数据;
根据局部分段建立数据种类的局部分段散点图,获取局部分段的趋势直线,根据趋势直线获取污水监测的实时数据的拟合差值,根据局部分段内包含的同一数据种类的污水监测的实时数据的采集时间的拟合差值和数据种类的局部分段的趋势直线的斜率获取局部分段的每一数据种类的趋势趋向值,根据局部分段的不同数据种类的趋势趋向值和局部分段内数据种类的污水监测的实时数据的拟合差值获取局部分段内包含的所有污水监测的实时数据的受噪度;
根据污水监测的实时数据的受噪度、数据种类的趋势趋向值、局部分段内数据种类的污水监测的实时数据、污水监测的实时数据的拟合差值获取数据种类的异常波动程度,根据数据种类的异常波动程度获取数据种类的异常系数;
获取第一污水监测实时数据的调整K邻域距离,建立污水监测的实时数据的点对,对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行异常检测,获取第一污水监测实时数据和临近污水监测实时数据的局部离群因子,根据局部离群因子标记异常污水数据、实现实时污水处理的监测;
所述获取第一污水监测实时数据的调整K邻域距离,建立污水监测的实时数据的点对的方法为:按照LOF异常检测中K邻域距离原始的计算方式,将以数据种类的异常系数作为数据种类内包含的第一污水监测实时数据对应的污水监测的实时数据之间距离的系数,获取K邻域距离,将获取的K邻域距离记为第一污水监测实时数据的调整K邻域距离;将污水监测的实时数据作为横坐标,污水监测的实时数据对应的采集时间作为纵坐标的点对记为污水监测的实时数据的点对;
所述对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行异常检测,获取第一污水监测实时数据和临近污水监测实时数据的局部离群因子的方法为:使用第一污水监测实时数据的调整K邻域距离作为第一污水监测实时数据的点对的K邻域距离,对所有第一污水监测实时数据的点对和临近污水监测实时数据的点对进行LOF异常检测,获取所有污水监测的实时数据的局部离群因子。
2.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述根据局部分段获取第一局部分段和历史局部分段的获取方法为:
将采集时刻最晚的局部分段记为第一局部分段,将与第一局部分段的采集时间间隔小于等于预设时间的污水监测的实时数据所在的局部分段记为历史局部分段。
3.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述获取第一污水监测实时数据和临近污水监测实时数据的获取方法为:
将采集时刻最晚的局部分段内包含的污水监测的实时数据记为第一污水监测实时数据,将历史局部分段内包含的污水监测的实时数据记为临近污水监测实时数据。
4.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述根据局部分段建立数据种类的局部分段散点图的获取方法为:
以局部分段内包含的同一数据种类的污水监测的实时数据的采集时间为横坐标,以污水监测的实时数据的数值为纵坐标,建立数据种类的局部分段散点图。
5.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述获取局部分段的趋势直线的方法为:
将过局部分段散点图中采集时间最晚和最早的散点的直线记为局部分段散点图对应的数据种类和局部分段的趋势直线。
6.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述根据趋势直线获取污水监测的实时数据的拟合差值的方法为:
将数据种类的污水监测的实时数据与对应的拟合值的差值的绝对值记为污水监测的实时数据的拟合差值。
7.根据权利要求1所述的基于污水数据监测的实时污水处理方法,其特征在于,所述根据局部离群因子标记异常污水数据、实现实时污水处理的监测的方法为:
将局部离群因子大于等于判定阈值的污水监测的实时数据记为异常污水数据;
当第一污水监测实时数据中识别出异常污水数据时,根据异常数据对应的数据种类对污水实时处理的参数进行调整。
8.基于污水数据监测的实时污水处理系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任意一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311608968.8A CN117312617B (zh) | 2023-11-29 | 2023-11-29 | 基于污水数据监测的实时污水处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311608968.8A CN117312617B (zh) | 2023-11-29 | 2023-11-29 | 基于污水数据监测的实时污水处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117312617A CN117312617A (zh) | 2023-12-29 |
CN117312617B true CN117312617B (zh) | 2024-04-12 |
Family
ID=89281495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311608968.8A Active CN117312617B (zh) | 2023-11-29 | 2023-11-29 | 基于污水数据监测的实时污水处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117312617B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
CN108038044A (zh) * | 2017-12-26 | 2018-05-15 | 北京航空航天大学 | 一种面向连续被监测对象的异常检测方法 |
CN108614895A (zh) * | 2018-05-10 | 2018-10-02 | 中国移动通信集团海南有限公司 | 异常的数据访问行为的识别方法及数据处理装置 |
WO2019071384A1 (en) * | 2017-10-09 | 2019-04-18 | Bl Technologies, Inc. | INTELLIGENT SYSTEMS AND METHODS FOR THE TREATMENT AND EVALUATION OF SANITATION DIAGNOSIS, DETECTION AND CONTROL OF ANOMALY IN WASTEWATER TREATMENT FACILITIES OR IN DRINKING WATER FACILITIES |
CN109919488A (zh) * | 2019-03-07 | 2019-06-21 | 中国南方电网有限责任公司 | 一种基于在线监测数据的保护装置状态趋势分析方法 |
CN110926529A (zh) * | 2019-11-21 | 2020-03-27 | 中国农业科学院北京畜牧兽医研究所 | 一种畜禽直饮水水质实时监测方法 |
CN111144435A (zh) * | 2019-11-11 | 2020-05-12 | 国电南瑞科技股份有限公司 | 基于lof和验证过滤框架的电能量异常数据监测方法 |
CN111553468A (zh) * | 2020-05-15 | 2020-08-18 | 南京大学 | 一种准确预测污水处理厂出水水质的方法 |
WO2022160682A1 (zh) * | 2021-01-27 | 2022-08-04 | 力合科技(湖南)股份有限公司 | 水质监测数据分析方法及装置、设备、存储介质 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN115981223A (zh) * | 2023-03-21 | 2023-04-18 | 南京乐翼环境科技有限公司 | 基于数据处理的污水处理控制方法及系统 |
CN116304962A (zh) * | 2023-05-25 | 2023-06-23 | 湖南东润智能仪表有限公司 | 一种用于水表计量数据的智能异常监测方法 |
CN116933186A (zh) * | 2023-09-14 | 2023-10-24 | 江苏新路德建设有限公司 | 基于数据驱动的污水管网堵塞实时监测方法 |
CN117035607A (zh) * | 2023-08-02 | 2023-11-10 | 上海朗晖慧科技术有限公司 | 一种基于物联网的仓储容量预测管理系统及方法 |
CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及系统 |
CN117113247A (zh) * | 2023-08-02 | 2023-11-24 | 中国电建集团华东勘测设计研究院有限公司 | 基于二分类和聚类算法的排水系统异常监测方法、设备及存储介质 |
CN117113264A (zh) * | 2023-10-24 | 2023-11-24 | 上海昊沧系统控制技术有限责任公司 | 一种实时在线的污水厂溶解氧仪表异常检测的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9528935B2 (en) * | 2012-03-30 | 2016-12-27 | Haripriya Pulyassary | Water weather station for monitoring changes in water quality |
-
2023
- 2023-11-29 CN CN202311608968.8A patent/CN117312617B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250505A (zh) * | 2016-08-01 | 2016-12-21 | 中国矿业大学 | 一种可变步长的矿井环境实时监测数据的动态压缩方法 |
WO2019071384A1 (en) * | 2017-10-09 | 2019-04-18 | Bl Technologies, Inc. | INTELLIGENT SYSTEMS AND METHODS FOR THE TREATMENT AND EVALUATION OF SANITATION DIAGNOSIS, DETECTION AND CONTROL OF ANOMALY IN WASTEWATER TREATMENT FACILITIES OR IN DRINKING WATER FACILITIES |
CN108038044A (zh) * | 2017-12-26 | 2018-05-15 | 北京航空航天大学 | 一种面向连续被监测对象的异常检测方法 |
CN108614895A (zh) * | 2018-05-10 | 2018-10-02 | 中国移动通信集团海南有限公司 | 异常的数据访问行为的识别方法及数据处理装置 |
CN109919488A (zh) * | 2019-03-07 | 2019-06-21 | 中国南方电网有限责任公司 | 一种基于在线监测数据的保护装置状态趋势分析方法 |
CN111144435A (zh) * | 2019-11-11 | 2020-05-12 | 国电南瑞科技股份有限公司 | 基于lof和验证过滤框架的电能量异常数据监测方法 |
CN110926529A (zh) * | 2019-11-21 | 2020-03-27 | 中国农业科学院北京畜牧兽医研究所 | 一种畜禽直饮水水质实时监测方法 |
CN111553468A (zh) * | 2020-05-15 | 2020-08-18 | 南京大学 | 一种准确预测污水处理厂出水水质的方法 |
WO2022160682A1 (zh) * | 2021-01-27 | 2022-08-04 | 力合科技(湖南)股份有限公司 | 水质监测数据分析方法及装置、设备、存储介质 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN115981223A (zh) * | 2023-03-21 | 2023-04-18 | 南京乐翼环境科技有限公司 | 基于数据处理的污水处理控制方法及系统 |
CN116304962A (zh) * | 2023-05-25 | 2023-06-23 | 湖南东润智能仪表有限公司 | 一种用于水表计量数据的智能异常监测方法 |
CN117035607A (zh) * | 2023-08-02 | 2023-11-10 | 上海朗晖慧科技术有限公司 | 一种基于物联网的仓储容量预测管理系统及方法 |
CN117113247A (zh) * | 2023-08-02 | 2023-11-24 | 中国电建集团华东勘测设计研究院有限公司 | 基于二分类和聚类算法的排水系统异常监测方法、设备及存储介质 |
CN116933186A (zh) * | 2023-09-14 | 2023-10-24 | 江苏新路德建设有限公司 | 基于数据驱动的污水管网堵塞实时监测方法 |
CN117057517A (zh) * | 2023-10-12 | 2023-11-14 | 国网吉林省电力有限公司长春供电公司 | 基于数字孪生的电力数据高效处理方法及系统 |
CN117113264A (zh) * | 2023-10-24 | 2023-11-24 | 上海昊沧系统控制技术有限责任公司 | 一种实时在线的污水厂溶解氧仪表异常检测的方法 |
Non-Patent Citations (3)
Title |
---|
东江水量水质监控系统设计实现与关键技术;吴宝国 等;人民黄河;第38卷(第12期);79-82 * |
基于分段映射模型的水质参数遥感反演研究;陈军 等;光谱学与光谱分析;第30卷(第10期);2784-2788 * |
太湖流域农村生活源产排污系数测算的相关方法及问题分析;唐晓燕 等;生态与农村环境学报;20130731;第29卷(第04期);433-437 * |
Also Published As
Publication number | Publication date |
---|---|
CN117312617A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
CN116111727B (zh) | 基于动态温度阈值的综合配电箱异常监测方法 | |
CN112032003B (zh) | 一种大型风电机组运行性能监测方法 | |
CN114817228B (zh) | 一种湖泊水位长时间序列监测数据的异常值剔除方法 | |
CN117196353B (zh) | 基于大数据的环境污染评估与监测方法及系统 | |
CN116881745B (zh) | 基于大数据的压力变送器异常监测方法 | |
CN117167903B (zh) | 基于人工智能的暖通设备异物故障检测方法 | |
CN108723895B (zh) | 一种用于钻削加工状态实时监测的信号分割方法 | |
Li et al. | Tool breakage detection using deep learning | |
CN114692723A (zh) | 一种反渗透膜污堵预警方法及系统 | |
CN116152749A (zh) | 基于数字孪生的齿轮磨损智能监测方法 | |
CN117312617B (zh) | 基于污水数据监测的实时污水处理方法及系统 | |
CN117434153A (zh) | 基于超声波技术的道路无损检测方法及系统 | |
CN113559630B (zh) | 一种用于除尘设备的自动清灰方法及系统 | |
CN117313020B (zh) | 一种承载式张力传感器数据处理方法 | |
CN117454201A (zh) | 一种智慧电网异常运行状态检测方法及系统 | |
CN116576553B (zh) | 一种空气调节机数据优化采集方法及系统 | |
CN116881635A (zh) | 一种用于纺织品洗涤剂设备数据管理系统 | |
CN112202630A (zh) | 一种基于无监督模型的网路质量异常检测方法及装置 | |
CN110020000B (zh) | 判定异常风速数据的方法和装置 | |
CN116317103A (zh) | 一种配电网电压数据处理方法 | |
CN110322063A (zh) | 一种耗电功率仿真预测方法及存储介质 | |
CN113098963B (zh) | 面向物联网云计算的处理分析系统 | |
CN117870779B (zh) | 一种自动化设备远程无线智能监控方法及系统 | |
CN117786584B (zh) | 基于大数据分析的畜牧业水源污染监测预警方法及系统 |
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 |