CN118071105A - 一种用于农村饮用水处理的智能控制方法及系统 - Google Patents
一种用于农村饮用水处理的智能控制方法及系统 Download PDFInfo
- Publication number
- CN118071105A CN118071105A CN202410308289.7A CN202410308289A CN118071105A CN 118071105 A CN118071105 A CN 118071105A CN 202410308289 A CN202410308289 A CN 202410308289A CN 118071105 A CN118071105 A CN 118071105A
- Authority
- CN
- China
- Prior art keywords
- drinking water
- node
- water
- supply
- rural
- 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
- 239000003651 drinking water Substances 0.000 title claims abstract description 244
- 235000020188 drinking water Nutrition 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 148
- 230000001502 supplementing effect Effects 0.000 claims abstract description 28
- 235000012206 bottled water Nutrition 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000000875 corresponding effect Effects 0.000 claims description 46
- 238000001556 precipitation Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000006735 deficit Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 2
- 239000003673 groundwater Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000008213 purified water Substances 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000002384 drinking water standard Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B1/00—Methods or layout of installations for water supply
- E03B1/02—Methods or layout of installations for water supply for public or like main supply for industrial use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Hydrology & Water Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Devices For Dispensing Beverages (AREA)
Abstract
本申请公开了一种用于农村饮用水处理的智能控制方法及系统，该方法包括：响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；饮用水需求请求包括需求位置信息、饮用水需求量；获取每个饮用水供应系统所对应的饮用水供应信息；饮用水供应信息包括供应位置信息和可供饮用水量；根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；基于饮用水供应表进行发送供应反馈信息；基于预设周期进行自适应补水处理。本申请在农村饮用水调度场景中能够实现实时响应用水需求、智能筛选饮用水供应系统以及自适应补水处理的技术效果，提高了农村饮用水资源的利用效率和调度的精准性。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种用于农村饮用水处理的智能控制方法及系统。
背景技术
在自然地理位置上，国内农村仍存在地域性缺少和季节性缺少的情况，例如山东省处于南北交界处，属于暖温带季风气候，在降雨量上呈现出年内降雨分配不均的问题，经常出现连续的丰水年和连续的枯水年。从省内地区降雨量分布来看，总体呈现出从鲁东南向鲁西北逐次递减的趋势，从而导致农村存在饮用水资源短缺问题。
若采用物联网方式进行农村跨村调度饮用水时，在旱情发生时依然容易出现饮用水资源不足的情况，但现有技术中未结合农村节点和可供应节点进行综合关联分析，无法及时解决农村饮用水供需匹配问题，进而导致农村饮用水调度控制精细化程度低的技术问题。
发明内容
为了克服现有技术存在的缺陷与不足，本申请提供了一种用于农村饮用水处理的智能控制方法及系统。
为了达到上述目的，本申请采用以下技术方案：
根据本申请的一个方面，提供了一种用于农村饮用水处理的智能控制方法，该方法用于云服务器，所述云服务器分别与至少一个用户终端、至少一个饮用水供应系统连接，用户终端用于发起饮用水需求请求，饮用水供应系统用于发送饮用水供应信息，所述云服务器用于针对饮用水需求请求匹配对应的饮用水供应系统以完成农村饮用水调度，每个饮用水供应系统均作为一个可供应节点，其中每个可供应节点均具有对应的节点ID；
所述方法包括：响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；其中饮用水需求请求包括需求位置信息、饮用水需求量；
获取每个饮用水供应系统所对应的饮用水供应信息；其中饮用水供应信息包括供应位置信息和可供饮用水量；
根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
基于所述饮用水供应表进行发送供应反馈信息；
基于预设周期进行自适应补水处理。
优选地，在根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统中，具体包括：
以需求位置信息为目标节点，将与目标节点之间距离小于预设运输距离的可供应节点进行筛选得到多个待关联节点；
基于农村饮用水关联条件进行建立与目标节点的供应关联关系；
将满足所述农村饮用水关联条件的所有待关联节点添加至所述饮用水供应表，并对满足所述农村饮用水关联条件的所有待关联节点对应的可供饮用水量进行更新。
优选地，在基于农村饮用水关联条件进行建立与目标节点的供应关联关系中，具体包括：
基于可供饮用水量按照从大到小的顺序对多个待关联节点排序，从具有最大可供饮用水量的待关联节点开始建立与目标节点的供应关联关系，直至满足所述农村饮用水关联条件。
优选地，所述农村饮用水关联条件具体表示为：
θdemand≤θ1+θ2+…+θn，n≤N
θdemand表示饮用水需求量，θ1表示基于可供饮用水量按照从大到小的顺序排序后序号为1的待关联节点所对应的可供饮用水量，θ2表示基于可供饮用水量按照从大到小的顺序排序后序号为2的待关联节点所对应的可供饮用水量，θn表示基于可供饮用水量按照从大到小的顺序排序后序号为n的待关联节点所对应的可供饮用水量，N表示待关联节点的总数量。
优选地，在基于预设周期进行自适应补水处理中，具体包括：
依次遍历预设缺水区域表；
在当前遍历的缺水区域中利用预先训练好的缺水预测模型对每个农村节点进行分析预测未来缺水情况，以得到每个农村节点的缺水预测标识信息；
依次遍历每个可供应节点，依次将属于当前遍历的可供应节点的预设运输范围内的所有农村节点筛选出来，并基于缺水预测标识信息确定每个可供应节点的供应关联度，供应关联度表示为：
其中μi表示第i个可供应节点的供应关联度，Ii(k)表示属于当前遍历的第i个可供应节点的预设运输范围内第k个农村节点对应的缺水预测标识信息所对应的数值，M表示属于当前遍历的第i个可供应节点的预设运输范围内农村节点的总数量；
基于供应关联度确定补水量，具体表示为：
Lsupply(i)表示第i个可供应节点的补水量，L0(i)表示第i个可供应节点的储水最大容量，L1(i)表示第i个可供应节点的剩余可补充储水容量，min表示取最小值的函数；
将补水量大于0的可供应节点筛选出来，基于节点ID和补水量进行打包补水指令，并基于节点ID发送补水指令。
优选地，所述缺水预测模型为使用多组训练数据通过机器学习训练得出，在训练时，多组训练数据中的每组训练数据均包括降水量抽样时序数据、与该降水量抽样时序数据对应的缺水预测标识信息。
根据本申请的另一个方面，还提供了一种用于农村饮用水处理的智能控制系统，该系统包括：
请求响应模块，用于响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；饮用水需求请求包括需求位置信息、饮用水需求量；
供应信息获取模块，用于获取每个饮用水供应系统所对应的饮用水供应信息；饮用水供应信息包括供应位置信息和可供饮用水量；
饮用水供应表模块，用于根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
供应反馈模块，用于基于所述饮用水供应表进行发送供应反馈信息；
自适应补水模块，用于基于预设周期进行自适应补水处理。
根据本申请的另一个方面，还提供了一种终端，该终端包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述任一所述的方法。
根据本申请的另一个方面，还提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行上述任一所述的方法。
本申请与现有技术相比，具有如下优点和有益效果：
(1)本申请在收到饮用水需求请求时确定饮用水需求量，通过智能筛选可供应节点，根据饮用水需求量和饮用水供应信息进行筛选以确定饮用水供应表，从而获得最佳供应饮用水的调度方案，从而提高了农村饮用水调度场景的效率和可靠性，本申请进一步基于预设周期进行自适应补水处理，通过预测未来缺水情况、可供应节点的供应关联度的情况，及时对具有缺水情况的区域进行补水，这样可以根据实际需求和情况进行自动调整补水策略，从而协调了区域缺水情况与可供应节点的饮用水供应能力，既提高了农村居民的饮用水需求响应的实时性，又提高了处于缺水区域内的农村节点的饮用水的供应效率，综上所述，本申请在农村饮用水调度场景中能够实现实时响应用水需求、智能筛选供应系统、供应反馈信息发送以及自适应补水处理等技术效果，提高了农村饮用水资源的利用效率和调度的精准性。
(2)本申请基于预设周期进行自适应补水处理，利用缺水预测模型对农村节点进行缺水预测，从而实现对不同农村节点的补水需求进行预测，根据缺水预测标识信息，确定农村节点是否需要进行补水，调整不同可供应节点的供应关联度，通过及时补给饮用水资源以提高对未来具有缺水情况的农村节点的供应效率，解决了农村饮用水在地域性缺水或季节性缺水情况下供需匹配不及时的问题，具有优化饮用水资源调度效果，提高了饮用水资源的利用效率，从而更加精准地进行饮用水资源的调度。
附图说明
图1为本申请实施例1中提供的一种用于农村饮用水处理的智能控制方法的流程示意图；
图2为本申请实施例1中饮用水供应表的结构示意图；
图3为本申请实施例2中提供的一种用于农村饮用水处理的智能控制系统的示意框图；
图4为本申请实施例3中提供的一种终端的结构示意图；
图5为本申请实施例4中提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在实施例1中，本实施例提供了一种用于农村饮用水处理的智能控制方法，该方法用于云服务器，该云服务器用于调度农村饮用水资源，该云服务器分别与至少一个用户终端、至少一个饮用水供应系统连接，用户终端用于发起饮用水需求请求，饮用水供应系统用于发送饮用水供应信息，云服务器用于针对饮用水需求请求匹配对应的饮用水供应系统以完成农村饮用水调度，每个饮用水供应系统均作为一个可供应节点，其中每个可供应节点均具有对应的节点ID。
示例性的，用户终端可以为手机、电脑、平板。饮用水供应系统包括水泵、水处理设备、储水设备、流量传感器、压力传感器、水质传感器、通信模块、控制器，控制器分别与水泵、水处理设备、储水设备、流量传感器、压力传感器、水质传感器、通信模块连接，通信模块与云服务器进行无线连接。水泵用于从水源地抽取水源并输送到水处理设备中；水处理设备用于对水源进行净化处理得到净化水，以确保水质符合饮用水标准；储水设备用于储存净化水，以便在外部缺水时供应；流量传感器、压力传感器均设置在水处理设备的接口处以实时监测饮用水供应系统的流量和压力；水质传感器设置在储水设备内，以实时监测储水设备内净化水的水质；饮用水供应系统通过通信模块与云服务器进行连接，实现数据的实时传输和监控。
在本实施例中，当水质不符合饮用水标准时，饮用水供应系统会设置异常标识，以提示云服务器该饮用水供应系统暂时无法参与调度。
如图1所示，该方法包括：
步骤S100：响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；在本实施例中，饮用水需求请求包括需求位置信息、饮用水需求量，示例性的，需求位置信息具体为需供水的农村所对应的第一地址文本，每个农村的地址文本均具有对应的经纬度坐标。
步骤S200：获取每个饮用水供应系统所对应的饮用水供应信息；在本实施例中，饮用水供应信息包括供应位置信息和可供饮用水量，示例性的，供应位置信息具体为饮用水供应系统所对应的第二地址文本，每个饮用水供应系统的地址文本均具有对应的经纬度坐标。
步骤S300：根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
在根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统中，具体包括：
步骤S310：以需求位置信息为目标节点，将与目标节点之间距离小于预设运输距离的可供应节点进行筛选得到多个待关联节点；
步骤S320：基于农村饮用水关联条件进行建立与目标节点的供应关联关系；具体包括：基于可供饮用水量按照从大到小的顺序对多个待关联节点排序，从具有最大可供饮用水量的待关联节点开始建立与目标节点的供应关联关系，直至满足农村饮用水关联条件，农村饮用水关联条件具体表示为：
θdemand≤θ1+θ2+…+θn，n≤N
θdemand表示饮用水需求量，θ1表示基于可供饮用水量按照从大到小的顺序排序后序号为1的待关联节点所对应的可供饮用水量，θ2表示基于可供饮用水量按照从大到小的顺序排序后序号为2的待关联节点所对应的可供饮用水量，θn表示基于可供饮用水量按照从大到小的顺序排序后序号为n的待关联节点所对应的可供饮用水量，N表示待关联节点的总数量；
步骤S330：将满足农村饮用水关联条件的所有待关联节点添加至饮用水供应表，并对满足农村饮用水关联条件的所有待关联节点对应的可供饮用水量进行更新；
如图2所示，饮用水供应表包括多个目标节点和与目标节点对应的反馈项，每个反馈项包括至少一个待关联节点。示例性的，在饮用水供应表中，目标节点1与反馈项1关联，反馈项1包括满足农村饮用水关联条件的所有待关联节点，即待关联节点1、待关联节点2……待关联节点n；目标节点x与反馈项x关联。
在对满足农村饮用水关联条件的所有待关联节点对应的可供饮用水量进行更新中，具体为将待关联节点的可供饮用水量依次进行删减并进行数值更新，直至饮用水需求量被删减完。示例性的，θdemand为5000L，θ1为2500L，θ2为2000L，θ3为1000L，此时满足农村饮用水关联条件后，将θ1、θ2更新置零，θ3更新为500L；示例性的，θdemand为1500L，θ1为500L，θ2为600L，θ3为400L，此时满足农村饮用水关联条件后，将θ1、θ2、θ3均更新置零。
步骤S400：基于饮用水供应表进行发送供应反馈信息；
具体而言，依次遍历饮用水供应表，找到与目标节点关联的反馈项，将满足农村饮用水关联条件的每个待关联节点的删减量作为目标饮用水输出量，将节点ID、目标饮用水输出量、需求位置信息打包作为一个供应反馈项，进而由多个供应反馈项打包构成供应反馈信息；
在本实施例中，由于国内地域辽阔，不同地区具有不同的缺水情况，通过分析缺水情况，进而根据缺水情况进行自适应补水处理，从而保证农村饮用水供应的稳定性和及时性。
在本实施例中，该方法还包括：
步骤S500：基于预设周期进行自适应补水处理，具体包括：
步骤S510：依次遍历预设缺水区域表；
在本实施例中，预设周期可以设置为1周、半个月、一个月等等，本领域技术人员可以根据实际情况进行调整，在此不对具体数值进行限定。
步骤S520：在当前遍历的缺水区域中利用预先训练好的缺水预测模型对每个农村节点进行分析预测未来缺水情况，以得到每个农村节点的缺水预测标识信息；
在本实施例中，预设缺水区域表为预先根据每个区域的降雨量进行分析得到，具体包括：收集每个区域的历史地下水位时序数据，依次遍历每个区域的历史地下水位时序数据，若当前遍历的区域存在任意一天的地下水位低于预设地下水位阈值时则将该当前遍历的区域添加至预设缺水区域表中，继续遍历下一个区域直至遍历结束，其中历史地下水位时序数据为基于过去5年记录的地下水位的数据构成，具体历史记录时间可根据实际情况进行调整，在此不做具体限定；
在本实施例中，缺水预测模型为使用多组训练数据通过机器学习训练得出，在训练时，多组训练数据中的每组训练数据均包括降水量抽样时序数据、与该降水量抽样时序数据对应的缺水预测标识信息；
实际应用时，本实施例利用缺水预测模型解决了对未来缺水情况的预测问题，从而可以提前采取补水措施，确保农村饮用水的供应，能够提高存在地域性缺水或季节性缺水情况的农村节点的饮用水供应的响应效率。
通过机器学习算法来训练缺水预测模型，以预测未来的缺水情况，例如采用LSTM神经网络算法模型，针对每个农村节点，以当前时间点为末尾抽取的时序号，根据第一预设时序量提取出对应的降水量抽样时序数据以作为输入数据，输出数据为与该降水量抽样时序数据对应的缺水标识信息。机器学习算法可以根据实际情况替换别的现有神经网络模型，在此不做具体限定。
实际应用时，每个降水量抽样时序数据均为从历史降水量时序数据中根据第一预设时序量进行截取得到，以t0为起始抽取的时序号，以t1为末尾抽取的时序号，第一预设时序量T1＝t1-t0+1，进而根据第二预设时序量T2统计未来时间段为T2的缺水标签统计数量，缺水标签统计数量为未来时间段为T2内缺水标签为数值1的数量，若缺水标签统计数量超过预设统计数量则设置与该历史降水量抽样时序数据对应的缺水预测标识信息为数值1，以表示预测未来出现缺水情况；否则设置为数值0，以表示预测未来不出现缺水情况；
其中，缺水标签为用于标识是否存在缺水情况的二值信息，例如，缺水标签为数值1时则表示存在缺水情况，此时日降水量小于预设日降水量阈值；缺水标签为数值0时则表示不存在缺水情况，此时日降水量大于或等于预设日降水量阈值。
示例性的，第一预设时序量、第二预设时序量均可以根据实际情况进行设置，预设统计数量设置为小于或等于第二预设时序量的30％的数值。例如第一预设时序量设置为90个，第二预设时序量设置为10个，预设统计数量设置为3个。即：以时序号t为参照点进行举例，从历史降水量时序数据中截取t-89至t对应的时序数据以作为一个降水量抽样时序数据，从历史降水量时序数据中找到t+1至t+10对应的时序数据对应的缺水标签进行统计，若缺水标签统计数量大于或等于3个时则与该降水量抽样时序数据对应的缺水预测标识信息设置为数值1，否则设置为数值0。
在本实施例中，每个区域的历史地下水位时序数据、历史降水量时序数据均可以从相关地区的气象数据提取得到；
步骤S530：依次遍历每个可供应节点，依次将属于当前遍历的可供应节点的预设运输范围内的所有农村节点筛选出来，并基于缺水预测标识信息确定每个可供应节点的供应关联度，供应关联度表示为：
其中μi表示第i个可供应节点的供应关联度，Ii(k)表示属于当前遍历的第i个可供应节点的预设运输范围内第k个农村节点对应的缺水预测标识信息所对应的数值，M表示属于当前遍历的第i个可供应节点的预设运输范围内农村节点的总数量；
在本实施例中，预设运输范围为以当前遍历的可供应节点中心并按预设运输距离为半径所形成的范围；
步骤S540：基于供应关联度确定补水量，具体表示为：
Lsupply(i)表示第i个可供应节点的补水量，L0(i)表示第i个可供应节点的储水最大容量，L1(i)表示第i个可供应节点的剩余可补充储水容量，min表示取最小值的函数；
示例性的，以一个可供应节点为例，储水最大容量为1500L，此时已储蓄水量为500L，则剩余可补充储水容量为1000L。
步骤S550：将补水量大于0的可供应节点筛选出来，基于节点ID和补水量进行打包补水指令，并基于节点ID发送补水指令；
在本实施例中，当任意一个饮用水供应系统接收到补水指令时，通过对节点ID进行确认，进而及时补充储水设备内的净化水。
实际应用时，在基于预设周期进行自适应补水处理中，利用缺水预测模型对每个农村节点进行分析预测未来缺水情况，进而及时发送补水指令，通过及时区域性缺水的农村节点进行补水，提高了针对农村饮用水存在区域性缺水和季节性缺水情况的饮用水供应的响应效率，解决了农村饮用水供应不及时的问题。
在实施例2中，本实施例提供了一种用于农村饮用水处理的智能控制系统，该系统与上述实施例中的一种用于农村饮用水处理的智能控制方法相对应。
如图3所示，该系统包括：
请求响应模块，用于响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；饮用水需求请求包括需求位置信息、饮用水需求量；
供应信息获取模块，用于获取每个饮用水供应系统所对应的饮用水供应信息；饮用水供应信息包括供应位置信息和可供饮用水量；
饮用水供应表模块，用于根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
供应反馈模块，用于基于饮用水供应表进行发送供应反馈信息；
自适应补水模块，用于基于预设周期进行自适应补水处理。
在实施例3中，如图4所示，本实施例提供了一种终端，包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述实施例中的任一种用于农村饮用水处理的智能控制方法。
在实施例4中，本实施例提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库为物理层用于存储各种数据库。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用于农村饮用水处理的智能控制方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在实施例5中，本实施例提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行上述的一种用于农村饮用水处理的智能控制方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
上述实施例为本申请较佳的实施方式，但本申请的实施方式并不受上述实施例的限制，其他的任何未背离本申请的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本申请的保护范围之内。
Claims (9)
1.一种用于农村饮用水处理的智能控制方法，用于云服务器，所述云服务器分别与至少一个用户终端、至少一个饮用水供应系统连接，用户终端用于发起饮用水需求请求，饮用水供应系统用于发送饮用水供应信息；
其特征在于，所述云服务器用于针对饮用水需求请求匹配对应的饮用水供应系统以完成农村饮用水调度，每个饮用水供应系统均作为一个可供应节点，其中每个可供应节点均具有对应的节点ID；
所述方法包括：
响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；其中饮用水需求请求包括需求位置信息、饮用水需求量；
获取每个饮用水供应系统所对应的饮用水供应信息；其中饮用水供应信息包括供应位置信息和可供饮用水量；
根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
基于所述饮用水供应表进行发送供应反馈信息；
基于预设周期进行自适应补水处理。
2.如权利要求1所述的方法，其特征在于，在根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统中，具体包括：
以需求位置信息为目标节点，将与目标节点之间距离小于预设运输距离的可供应节点进行筛选得到多个待关联节点；
基于农村饮用水关联条件进行建立与目标节点的供应关联关系；
将满足所述农村饮用水关联条件的所有待关联节点添加至所述饮用水供应表，并对满足所述农村饮用水关联条件的所有待关联节点对应的可供饮用水量进行更新。
3.如权利要求2所述的方法，其特征在于，在基于农村饮用水关联条件进行建立与目标节点的供应关联关系中，具体包括：
基于可供饮用水量按照从大到小的顺序对多个待关联节点排序，从具有最大可供饮用水量的待关联节点开始建立与目标节点的供应关联关系，直至满足所述农村饮用水关联条件。
4.如权利要求3所述的方法，其特征在于，所述农村饮用水关联条件具体表示为：
θdemand≤θ1+θ2+…+θn，n≤N
θdemand表示饮用水需求量，θ1表示基于可供饮用水量按照从大到小的顺序排序后序号为1的待关联节点所对应的可供饮用水量，θ2表示基于可供饮用水量按照从大到小的顺序排序后序号为2的待关联节点所对应的可供饮用水量，θn表示基于可供饮用水量按照从大到小的顺序排序后序号为n的待关联节点所对应的可供饮用水量，N表示待关联节点的总数量。
5.如权利要求1所述的方法，其特征在于，在基于预设周期进行自适应补水处理中，具体包括：
依次遍历预设缺水区域表；
在当前遍历的缺水区域中利用预先训练好的缺水预测模型对每个农村节点进行分析预测未来缺水情况，以得到每个农村节点的缺水预测标识信息；
依次遍历每个可供应节点，依次将属于当前遍历的可供应节点的预设运输范围内的所有农村节点筛选出来，并基于缺水预测标识信息确定每个可供应节点的供应关联度，供应关联度表示为：
其中μi表示第i个可供应节点的供应关联度，Ii(k)表示属于当前遍历的第i个可供应节点的预设运输范围内第k个农村节点对应的缺水预测标识信息所对应的数值，M表示属于当前遍历的第i个可供应节点的预设运输范围内农村节点的总数量；
基于供应关联度确定补水量，具体表示为：
Lsupply(i)表示第i个可供应节点的补水量，L0(i)表示第i个可供应节点的储水最大容量，L1(i)表示第i个可供应节点的剩余可补充储水容量，min表示取最小值的函数；
将补水量大于0的可供应节点筛选出来，基于节点ID和补水量进行打包补水指令，并基于节点ID发送补水指令。
6.如权利要求5所述的方法，其特征在于，所述缺水预测模型为使用多组训练数据通过机器学习训练得出，在训练时，多组训练数据中的每组训练数据均包括降水量抽样时序数据、与该降水量抽样时序数据对应的缺水预测标识信息。
7.一种用于农村饮用水处理的智能控制系统，其特征在于，包括：
请求响应模块，用于响应于接收到由用户终端发起的饮用水需求请求，确定饮用水需求量；饮用水需求请求包括需求位置信息、饮用水需求量；
供应信息获取模块，用于获取每个饮用水供应系统所对应的饮用水供应信息；饮用水供应信息包括供应位置信息和可供饮用水量；
饮用水供应表模块，用于根据饮用水需求量和饮用水供应信息进行筛选饮用水供应系统，以确定饮用水供应表；
供应反馈模块，用于基于所述饮用水供应表进行发送供应反馈信息；
自适应补水模块，用于基于预设周期进行自适应补水处理。
8.一种终端，其特征在于，包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行如权利要求1至6中任一所述的方法。
9.一种存储介质，其特征在于，所述存储介质用于存储程序代码，所述程序代码用于执行如权利要求1至6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410308289.7A CN118071105B (zh) | 2024-03-18 | 2024-03-18 | 一种用于农村饮用水处理的智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410308289.7A CN118071105B (zh) | 2024-03-18 | 2024-03-18 | 一种用于农村饮用水处理的智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118071105A true CN118071105A (zh) | 2024-05-24 |
| CN118071105B CN118071105B (zh) | 2024-08-20 |
Family
ID=91107576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410308289.7A Active CN118071105B (zh) | 2024-03-18 | 2024-03-18 | 一种用于农村饮用水处理的智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118071105B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000309955A (ja) * | 1999-04-28 | 2000-11-07 | Nec Corp | 配水量の需要予測値修正装置及び需要予測値修正方法 |
| KR101520439B1 (ko) * | 2014-07-09 | 2015-05-14 | 이메트릭스 주식회사 | 농업용수 활용을 위한 지하수 관정 통합운영관리시스템 및 방법 |
| WO2018081853A1 (en) * | 2016-11-02 | 2018-05-11 | The Yield Technology Solutions Pty Ltd | Controlling agricultural production areas |
| CN109982559A (zh) * | 2016-11-02 | 2019-07-05 | 益而得技术解决方案私人有限公司 | 控制农业生产区域 |
| CN112925228A (zh) * | 2021-02-04 | 2021-06-08 | 柴冬梅 | 一种南水北调智能控制供水系统及调度方法 |
| CN114997751A (zh) * | 2022-08-03 | 2022-09-02 | 山东瀚澜水业有限公司 | 一种基于数据传输的直饮水数字供水分配方法 |
| US20230304269A1 (en) * | 2022-03-24 | 2023-09-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things (iot) systems for managing public water in smart city |
| CN117590792A (zh) * | 2024-01-18 | 2024-02-23 | 浙江乐水智造科技有限公司 | 基于大型直饮水设备的智能控制方法、系统、终端及介质 |
| CN117709685A (zh) * | 2024-02-04 | 2024-03-15 | 福州智水匠数字科技有限公司 | 一种分布式供水智能调度系统 |
-
2024
- 2024-03-18 CN CN202410308289.7A patent/CN118071105B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000309955A (ja) * | 1999-04-28 | 2000-11-07 | Nec Corp | 配水量の需要予測値修正装置及び需要予測値修正方法 |
| KR101520439B1 (ko) * | 2014-07-09 | 2015-05-14 | 이메트릭스 주식회사 | 농업용수 활용을 위한 지하수 관정 통합운영관리시스템 및 방법 |
| WO2018081853A1 (en) * | 2016-11-02 | 2018-05-11 | The Yield Technology Solutions Pty Ltd | Controlling agricultural production areas |
| CN109982559A (zh) * | 2016-11-02 | 2019-07-05 | 益而得技术解决方案私人有限公司 | 控制农业生产区域 |
| CN112925228A (zh) * | 2021-02-04 | 2021-06-08 | 柴冬梅 | 一种南水北调智能控制供水系统及调度方法 |
| US20230304269A1 (en) * | 2022-03-24 | 2023-09-28 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things (iot) systems for managing public water in smart city |
| CN114997751A (zh) * | 2022-08-03 | 2022-09-02 | 山东瀚澜水业有限公司 | 一种基于数据传输的直饮水数字供水分配方法 |
| CN117590792A (zh) * | 2024-01-18 | 2024-02-23 | 浙江乐水智造科技有限公司 | 基于大型直饮水设备的智能控制方法、系统、终端及介质 |
| CN117709685A (zh) * | 2024-02-04 | 2024-03-15 | 福州智水匠数字科技有限公司 | 一种分布式供水智能调度系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118071105B (zh) | 2024-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
| CN102833680B (zh) | 基于位置的海洋渔业信息服务方法 | |
| CN102426674B (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
| CN110543562A (zh) | 一种基于事件图谱的城市治理事件自动分拨方法及系统 | |
| CN110991687A (zh) | 一种基于经验模型的水资源调度优化方法 | |
| CN111083662B (zh) | 基于云计算的水质监测物联网系统 | |
| CN110751416A (zh) | 一种用水量的预测方法、装置及设备 | |
| CN102081764A (zh) | 一种基于uldb的海洋环境监测数据管理系统 | |
| CN108643281A (zh) | 人工智能管理下的智能水务系统 | |
| CN109087030A (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及系统 | |
| CN109118012A (zh) | 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端 | |
| CN113033110B (zh) | 一种基于交通流模型的重点区域人员应急疏散系统及方法 | |
| CN114019831A (zh) | 水资源监测物联网平台 | |
| CN103593435A (zh) | 不确定数据PT-TopK查询近似处理系统和方法 | |
| CN115082126A (zh) | 一种基于遥感的湿地资产价格估算方法 | |
| CN115842847B (zh) | 一种基于物联网的水表智能控制方法、系统及介质 | |
| KR20140120498A (ko) | 지능형 물 생산관리시스템 | |
| CN118071105B (zh) | 一种用于农村饮用水处理的智能控制方法及系统 | |
| CN108154259B (zh) | 热泵的负荷预测方法及装置、存储介质、处理器 | |
| CN112486676B (zh) | 一种基于边缘计算的数据共享分发装置 | |
| CN117540981A (zh) | 基于碳排放约束的建筑多能源调度方法及系统 | |
| CN112819228A (zh) | 任务处理方法、装置、存储介质和电子设备 | |
| CN117217667A (zh) | 一种基于物联网的冷库智能调度平台 | |
| CN112132519A (zh) | 一种基于物联网大数据的瓶装燃气交叉网络系统 | |
| CN110826867A (zh) | 车辆管理方法、装置、计算机设备和存储介质 |
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 |