CN118152924A - 一种基于物联网技术的水利工程水质监测方法和系统 - Google Patents
一种基于物联网技术的水利工程水质监测方法和系统 Download PDFInfo
- Publication number
- CN118152924A CN118152924A CN202410291646.3A CN202410291646A CN118152924A CN 118152924 A CN118152924 A CN 118152924A CN 202410291646 A CN202410291646 A CN 202410291646A CN 118152924 A CN118152924 A CN 118152924A
- Authority
- CN
- China
- Prior art keywords
- water quality
- analysis
- mark
- quality monitoring
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 462
- 238000012544 monitoring process Methods 0.000 title claims abstract description 182
- 238000005516 engineering process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 212
- 230000007613 environmental effect Effects 0.000 claims abstract description 116
- 238000012958 reprocessing Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 49
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 35
- 229910052760 oxygen Inorganic materials 0.000 claims description 35
- 239000001301 oxygen Substances 0.000 claims description 35
- 239000013049 sediment Substances 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000002253 acid Substances 0.000 claims description 5
- 239000003513 alkali Substances 0.000 claims description 5
- 238000012351 Integrated analysis Methods 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 239000013618 particulate matter Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Abstract
本发明公开了一种基于物联网技术的水利工程水质监测方法和系统,涉及水质检测技术领域,包括参数采集模块、水质情况分析模块、环境影响分析模块、再处理模块、水质监测等级评估模块和数据反馈模块;参数采集模块:用于获取水质监测参数和环境影响参数,将水质监测参数和环境影响参数参数上传至水质监测云端存储,并将水质监测参数、环境影响参数分别发送至水质情况分析模块、环境影响分析模块;水质情况分析模块:用于对水质监测参数进行水质情况分析,生成水质监测标记,并将水质监测标记发送至再处理模块;环境影响分析模块:用于对环境影响参数进行环境影响分析,生成环境影响标记,并将环境影响标记发送至再处理模块。
Description
技术领域
本发明涉及水质检测领域,具体涉及一种基于物联网技术的水利工程水质监测方法和系统。
背景技术
通过水质监测,可以了解水体中各种污染物的浓度和分布情况,从而及时发现并防止水体受到污染,对于水资源的可持续利用和环境保护具有重要的指导性作用,同时的,许多生态系统依赖于水体的良好质量,水利工程中的水质监测有助于保护湿地、河流和湖泊等生态系统,确保其生态平衡。
现有技术中,对水质进行监测存有数据采集的复杂化,即通过多类数据进行水质采集,后续通过系统对多组数据进行不同的指标影响的分析,分析出的结果最终仍需监测系统管控人员进行评级,整体的水质监测分析效率较低;
此外,在对数据进行分析的过程中,会存有数据监测的异常情况,需要多组数据进行后续的对照核验,由此可见,在进行水质监测的过程中存有水质数据监测的偶然性异常,而进行后续的对照核验则较为影响水质的监测效率。
为解决上述所提及的问题,提出了一种基于物联网技术的水利工程水质监测方法和系统。
发明内容
本发明的目的是提供一种基于物联网技术的水利工程水质监测方法和系统,以解决背景技术中不足。
一种基于物联网技术的水利工程水质监测方法,包括以下步骤:
步骤S100;获取水质监测参数和环境影响参数并将参数上传至水质监测云端存储;
步骤S200;通过云计算技术对水质监测参数进行水质情况分析,生成水质监测标记;
步骤S300;通过云计算技术对环境影响参数进行环境影响分析,生成环境影响标记;
步骤S400;对水质监测标记和环境影响标记进行整合分析,生成分析标签;
步骤S500;基于分析标签进行水质监测等级匹配,并将匹配获得的水质监测等级发送至用户的web界或手机app中。
进一步地,所述水质监测参数包括水体PH数值,水内溶解氧含量和水体浑浊度;所述水体PH数值为水体酸碱程度的指标数值,所述水内溶解氧含量为每升水中溶解的氧气的质量,水体浑浊度为不同区域内采集样本中每升水内悬浮颗粒的检测数量。
进一步地,所述环境影响参数包括水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比;所述水体样本采集区域工厂数量为进行水质监测参数获取区域的工厂设置数量;所述采集区域植被占比为每亩地平均植被整体土地面积的比值;所述河岸泥沙含量占比为进行水质监测参数获取区域河岸的每立方米土地中的泥沙含量占比。
进一步地,所述水质监测标记包括常规水质标记、异常水质标记和风险水质标记,所述水质情况分析步骤为:
对水体PH数值进行数值分析,并设定水内溶解氧含量标值和水体浑浊度标值,分别将水内溶解氧含量、水体浑浊度与水内溶解氧含量标值和水体浑浊度标值进行差值运算,将最终的结果与对应的标值进行比值分析,将比值分析结果与水体PH数值分析结果进行公式化运算,获取水质分析系数;
设定水质第一分析阈值和水质第二分析阈值,第一分析阈值小于水质第二分析阈值;将水质分析系数代入水质第一分析阈值和水质第二分析阈值中进行比对分析;若水质分析系数小于第一分析阈值,则进行常规水质标记的生成;若水质分析系数大于或等于第一分析阈值且小于水质第二分析阈值,则进行异常水质标记的生成;若水质分析系数大于或等于第二分析阈值,则进行风险水质标记的生成。
进一步地,所述环境影响标记包括环境高影响标记、环境中影响标记和环境低影响标记,所述环境影响分析步骤为:
预先对所述水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比设置权重数值,将水体样本采集区域工厂数量、采集区域植被占比、河岸泥沙含量占比与相应的权重数值进行数值运算分析,获得环境影响系数;
设置环境第一分析阈值和环境第二分析阈值,所述环境第一分析阈值大于环境第二分析阈值;将环境影响系数代入环境第一分析阈值和环境第二分析阈值中进行比对分析;若环境影响系数小于环境第二分析阈值,则进行环境高影响标记的生成;若环境影响系数大于或等于环境第二分析阈值且小于环境第一分析阈值,则进行环境中影响标记的生成;若环境影响系数大于或等于第一分析阈值,则进行环境低影响标记的生成。
进一步地,所述分析标签的生成逻辑为:
若同时获取有风险水质标记和环境高影响标记或风险水质标记和环境中影响标记,则进行风险水质真实标签的生成;若同时获取有异常水质标记和环境高影响标记、异常水质环境低影响标记或异常水质标记和环境中影响标记,则进行异常水质真实标签的生成;若同时获取有常规水质标记和环境低影响标记或常规水质标记和环境中影响标记,则进行常规水质真实标签的生成;若同时获取有风险水质标记和环境低影响标记或常规水质标记和环境高影响标记,则进行异常监测标签的生成。
进一步地,水质监测等级匹配的逻辑为:
步骤D1,预先制定水质监测等级,所述水质监测等级包括异常监测等级、水质异常等级、水质正常等级和水质风险等级;
步骤D2,基于历史数据中的分析标签,获取一个区域内u个分析标签,根据水质监测等级设定一个区域内异常监测标签、风险水质真实标签、异常水质真实标签的占比阈值Mu;
步骤D3,当相应的分析标签数量占比达到占比阈值Mu时,则根据超过占比阈值Mu的分析标签进行水质监测等级的输出。
本发明还提供一种基于物联网技术的水利工程水质监测系统,包括参数采集模块、水质情况分析模块、环境影响分析模块、再处理模块、水质监测等级评估模块和数据反馈模块;
参数采集模块:用于获取水质监测参数和环境影响参数,将水质监测参数和环境影响参数参数上传至水质监测云端存储,并将水质监测参数、环境影响参数分别发送至水质情况分析模块、环境影响分析模块;
水质情况分析模块:用于对水质监测参数进行水质情况分析,生成水质监测标记,并将水质监测标记发送至再处理模块;
环境影响分析模块:用于对环境影响参数进行环境影响分析,生成环境影响标记,并将环境影响标记发送至再处理模块;
再处理模块:用于对水质监测标记和环境影响标记进行整合分析,生成分析标签,并将分析标签发送至水质监测等级评估模块;
水质监测等级评估模块:用于根据分析标签进行分析,匹配生成水质监测等级,并将水质监测等级发送数据反馈模块;
数据反馈模块:用于将匹配获得的水质监测等级发送至用户的web界或手机app中。
一种计算机服务器,包括:处理器和存储器,其中;
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,用于执行以上所述的任意一条基于物联网技术的水利工程水质监测方法;
一种计算机可读存储介质,其上存储有可擦写的计算机程序;其特征在于,当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行以上所述任意一条基于物联网技术的水利工程水质监测方法。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过云计算技术进行水质情况和环境影响的分析,基于环境影响分析对水质情况分析的结果进行数据的核实;此外,通过分析标签系统实现了在水质监控区域的水质实时监测,实现了监测人员对水体的异常状态或潜在风险信息的及时掌控。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于物联网技术的水利工程水质监测方法的流程图。
图2为本发明的一种基于物联网技术的水利工程水质监测系统的模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整的描述,显然,所描述的实施例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他实施例,都属于本发明保护的范围。
实施例1:
请参阅图1所示,一种基于物联网技术的水利工程水质监测方法,包括以下步骤:
步骤S100;获取水质监测参数和环境影响参数,并将水质监测参数和环境影响参数上传至水质监测云端存储;
所述水质监测参数包括水体PH数值,水内溶解氧含量和水体浑浊度;所述水体PH数值为水体酸碱程度的指标数值,所述水内溶解氧含量为每升水中溶解的氧气的质量,水体浑浊度为不同区域内采集样本中每升水内悬浮颗粒的检测数量;
需要说明的是:pH值是水体酸碱程度的重要指标,直接影响水体的化学性质,不同生物对水体pH值有不同的适应范围,因此pH值的变化可能影响水生生物的生存和繁衍;pH值传感器是用于监测水体pH值的主要设备,所述pH值传感器的种类包括玻璃电极式pH传感器、电子式pH传感器等,它们可以实时测量水体的酸碱性;
水内溶解氧含量是水体中支持生物生存的关键因素之一,水体中的氧气对于鱼类和其他水生生物的呼吸是必需的,而低溶解氧含量可能导致水生态系统的崩溃,监测水内溶解氧含量有助于评估水体的氧气饱和度,提前发现潜在的氧气不足问题;可通过膜电极式溶解氧传感器准确测量水体中的氧气含量,通过测量氧气在膜上的透过速度来计算水中的溶解氧含量;
水体浑浊度反映了水体中的悬浮颗粒物的数量占比,高浑浊度可能是由于泥沙、污泥、微生物等颗粒物的存在,这可能影响水体的透明度、光照条件和生态系统的稳定性,可通过光散射式浊度传感器监测水体浑浊度,所述光散射式浊度传感器通过测量光在水中散射的程度来评估水体中颗粒物的浓度。
所述环境影响参数包括水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比;所述水体样本采集区域工厂数量为进行水质监测参数获取区域的工厂设置数量;所述采集区域植被占比为每亩地平均植被整体土地面积的比值;所述河岸泥沙含量占比为进行水质监测参数获取区域河岸的每立方米土地中的泥沙含量占比。
需要说明的是:所述水体样本采集区域工厂数量可通过遥感传感器、卫星影像等设备进行采集,具体通过地理信息系统(GIS)技术和卫星遥感数据来获取水体样本采集区域内工厂的位置分布,体样本采集区域工厂数量反映了工业活动的强度,而工业活动通常与水体污染有关,通过监测工厂数量,可以初步了解可能的水污染程度,以进一步核实采集的水质监测参数;
植被占比反映了水质监测参数采集区域周围生态系统的状况,充足的植被覆盖可以减少水体径流中的泥沙和污染物,提高水体的自净能力,保护水质;可采用卫星影像进行数据采集;
河岸泥沙含量占比反映了河岸的土壤侵蚀程度和泥沙负荷,高泥沙含量可能导致水体浑浊,影响水生态系统和水质,监测河岸泥沙含量有助于评估河岸的稳定性和水体的沉积物负荷,可以使用沉积物样品采集器来获取河岸泥沙样本并进行泥沙含量分析;
所述环境影响参数采集的目的主要用于对水质监测参数进行二次分析,保障水质监测参数无异常。
步骤S200;通过云计算技术对水质监测参数进行水质情况分析,生成水质监测标记;
所述水质监测标记包括常规水质标记、异常水质标记和风险水质标记,所述水质情况分析步骤为:
对水体PH数值进行数值分析,并设定水内溶解氧含量标值和水体浑浊度标值,分别将水内溶解氧含量、水体浑浊度与水内溶解氧含量标值和水体浑浊度标值进行差值运算,将最终的结果与对应的标值进行比值分析,将比值分析结果与水体PH数值分析结果进行公式化运算,获取水质分析系数βst,所述水质分析系数βst的获取公式为:
其中,Phs为水体PH数值,Ost为水内溶解氧含量,Wtb为水体浑浊度,Otr为水内溶解氧含量标值,Wtr为水体浑浊度标值,PL为水质监测误差修正常数,PL大于0;
设定水质第一分析阈值βa和水质第二分析阈值βb,其中,第一分析阈值βa小于水质第二分析阈值βb;
将水质分析系数βst代入水质第一分析阈值βa和水质第二分析阈值βb中进行比对分析;
若水质分析系数βst小于第一分析阈值βa,则进行常规水质标记的生成;
若水质分析系数βst大于或等于第一分析阈值βa且小于水质第二分析阈值βb,则进行异常水质标记的生成;
若水质分析系数βst大于或等于第二分析阈值βb,则进行风险水质标记的生成;
需要说明的是:所述常规水质标记表明水质正常,而风险水质标记则表明水质情况十分严肃,需尽快处理,异常水质则需进行尽快调节回复水质情况至正常。
步骤S300;通过云计算技术对环境影响参数进行环境影响分析,生成环境影响标记;
所述环境影响标记包括环境高影响标记、环境中影响标记和环境低影响标记,所述环境影响分析步骤为:
预先对所述水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比设置权重数值,将水体样本采集区域工厂数量、采集区域植被占比、河岸泥沙含量占比与相应的权重数值进行数值运算分析,获得环境影响系数γev,所述环境影响系数γev的获取公式为:
其中,Gc为水体样本采集区域工厂数量,Shm为采集区域植被占比,Hsn为河岸泥沙含量占比,f1、f2、f3分别为水体样本采集区域工厂数量Gc、采集区域植被占比Shm、河岸泥沙含量占比Hsn的权重数值,kiu为环境影响修正常数,kiu大于0;
设置环境第一分析阈值γa和环境第二分析阈值γb,其中,第一分析阈值γa大于环境第二分析阈值γb;
将环境影响系数γev代入环境第一分析阈值γa和环境第二分析阈值γb中进行比对分析;
若环境影响系数γev小于环境第二分析阈值γb,则进行环境高影响标记的生成;
若环境影响系数γev大于或等于环境第二分析阈值γb且小于环境第一分析阈值γa,则进行环境中影响标记的生成;
若环境影响系数γev大于或等于第一分析阈值γa,则进行环境低影响标记的生成。
需要说明的是:所述环境高影响标记表明采集水质检测参数的区域环境影响程度较大,以此类推。
步骤S400;对水质监测标记和环境影响标记进行整合分析,生成分析标签;
所述分析标签的生成逻辑为:
若同时获取有风险水质标记和环境高影响标记或风险水质标记和环境中影响标记,则进行风险水质真实标签的生成;
若同时获取有异常水质标记和环境高影响标记、异常水质环境低影响标记或异常水质标记和环境中影响标记,则进行异常水质真实标签的生成;
若同时获取有常规水质标记和环境低影响标记或常规水质标记和环境中影响标记,则进行常规水质真实标签的生成;
若同时获取有风险水质标记和环境低影响标记或常规水质标记和环境高影响标记,则进行异常监测标签的生成。
需要说明的是:若存有环境高影响标记的生成,对应存有异常水质标记或者风险水质标记的生成则表明数据误差较小,若还生成常规水质标记,则存有数据监测异常的情况。
步骤S500;基于分析标签,通过云端存储的水质检测参数进行水质监测等级匹配,并将匹配获得的水质监测等级发送至用户的web界或手机app中。
水质监测等级匹配的逻辑为:
步骤D1,预先制定水质监测等级,所述水质监测等级包括异常监测等级、水质异常等级、水质正常等级和水质风险等级;
步骤D2,基于历史数据中的分析标签,获取一个区域内u个分析标签,根据水质监测等级设定一个区域内异常监测标签、风险水质真实标签、异常水质真实标签的占比阈值Mu;
步骤D3,当相应的分析标签数量占比达到占比阈值Mu时,则根据超过占比阈值Mu的分析标签进行水质监测等级的输出,例如异常监测等级的分析标签数量占比达到占比阈值Mu时,则进行异常监测等级的生成。
实施例2:
如图2所示,一种基于物联网技术的水利工程水质监测系统,包括参数采集模块、水质情况分析模块、环境影响分析模块、再处理模块、水质监测等级评估模块和数据反馈模块;
参数采集模块用于获取水质监测参数和环境影响参数,将水质监测参数和环境影响参数参数上传至水质监测云端存储;
所述水质监测参数包括水体PH数值,水内溶解氧含量和水体浑浊度;所述水体PH数值为水体酸碱程度的指标数值,所述水内溶解氧含量为每升水中溶解的氧气的质量,水体浑浊度为不同区域内采集样本中每升水内悬浮颗粒的检测数量;
所述环境影响参数包括水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比;所述水体样本采集区域工厂数量为进行水质监测参数获取区域的工厂设置数量;所述采集区域植被占比为每亩地平均植被整体土地面积的比值;所述河岸泥沙含量占比为进行水质监测参数获取区域河岸的每立方米土地中的泥沙含量占比。
参数采集模块将水质监测参数、环境影响参数分别发送至水质情况分析模块、环境影响分析模块;
水质情况分析模块用于对水质监测参数进行水质情况分析,生成水质监测标记;
所述水质监测标记包括常规水质标记、异常水质标记和风险水质标记,所述水质情况分析步骤为:
对水体PH数值进行数值分析,并设定水内溶解氧含量标值和水体浑浊度标值,分别将水内溶解氧含量、水体浑浊度与水内溶解氧含量标值和水体浑浊度标值进行差值运算,将最终的结果与对应的标值进行比值分析,将比值分析结果与水体PH数值分析结果进行公式化运算,获取水质分析系数βst;
设定水质第一分析阈值βa和水质第二分析阈值βb,第一分析阈值βa小于水质第二分析阈值βb;将水质分析系数βst代入水质第一分析阈值βa和水质第二分析阈值βb中进行比对分析;若水质分析系数βst小于第一分析阈值βa,则进行常规水质标记的生成;若水质分析系数βst大于或等于第一分析阈值βa且小于水质第二分析阈值βb,则进行异常水质标记的生成;若水质分析系数βst大于或等于第二分析阈值βb,则进行风险水质标记的生成。
水质情况分析模块将水质监测标记发送至再处理模块;
环境影响分析模块用于对环境影响参数进行环境影响分析,生成环境影响标记;
所述环境影响标记包括环境高影响标记、环境中影响标记和环境低影响标记,所述环境影响分析步骤为:
预先对所述水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比设置权重数值,将水体样本采集区域工厂数量、采集区域植被占比、河岸泥沙含量占比与相应的权重数值进行数值运算分析,获得环境影响系数γev;
设置环境第一分析阈值γa和环境第二分析阈值γb,其中,第一分析阈值γa大于环境第二分析阈值γb;将环境影响系数γev代入环境第一分析阈值γa和环境第二分析阈值γb中进行比对分析;若环境影响系数γev小于环境第二分析阈值γb,则进行环境高影响标记的生成;若环境影响系数γev大于或等于环境第二分析阈值γb且小于环境第一分析阈值γa,则进行环境中影响标记的生成;若环境影响系数γev大于或等于第一分析阈值γa,则进行环境低影响标记的生成。
环境影响分析模块将环境影响标记发送至再处理模块;
再处理模块用于对水质监测标记和环境影响标记进行整合分析,生成分析标签;
所述分析标签的生成逻辑为:
若同时获取有风险水质标记和环境高影响标记或风险水质标记和环境中影响标记,则进行风险水质真实标签的生成;若同时获取有异常水质标记和环境高影响标记、异常水质环境低影响标记或异常水质标记和环境中影响标记,则进行异常水质真实标签的生成;若同时获取有常规水质标记和环境低影响标记或常规水质标记和环境中影响标记,则进行常规水质真实标签的生成;若同时获取有风险水质标记和环境低影响标记或常规水质标记和环境高影响标记,则进行异常监测标签的生成。
再处理模块将分析标签发送至水质监测等级评估模块;
水质监测等级评估模块用于根据分析标签进行分析,匹配生成水质监测等级,
水质监测等级匹配的逻辑为:
步骤D1,预先制定水质监测等级,所述水质监测等级包括异常监测等级、水质异常等级、水质正常等级和水质风险等级;
步骤D2,基于历史数据中的分析标签,获取一个区域内u个分析标签,根据水质监测等级设定一个区域内异常监测标签、风险水质真实标签、异常水质真实标签的占比阈值Mu;
步骤D3,当相应的分析标签数量占比达到占比阈值Mu时,则根据超过占比阈值Mu的分析标签进行水质监测等级的输出,例如异常监测等级的分析标签数量占比达到占比阈值Mu时,则进行异常监测等级的生成。
水质监测等级评估模块将水质监测等级发送数据反馈模块;
数据反馈模块:用于将匹配获得的水质监测等级发送至用户的web界或手机app中。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于物联网技术的水利工程水质监测方法,其特征在于,所述方法包括以下步骤:
步骤S100;获取水质监测参数和环境影响参数并将参数上传至水质监测云端存储;
步骤S200;通过云计算技术对水质监测参数进行水质情况分析,生成水质监测标记;
步骤S300;通过云计算技术对环境影响参数进行环境影响分析,生成环境影响标记;
步骤S400;对水质监测标记和环境影响标记进行整合分析,生成分析标签;
步骤S500;基于分析标签进行水质监测等级匹配,并将匹配获得的水质监测等级发送至用户的web界或手机app中。
2.根据权利要求1所述的一种基于物联网技术的水利工程水质监测方法,其特征在于,所述水质监测参数包括水体PH数值,水内溶解氧含量和水体浑浊度;所述水体PH数值为水体酸碱程度的指标数值,所述水内溶解氧含量为每升水中溶解的氧气的质量,水体浑浊度为不同区域内采集样本中每升水内悬浮颗粒的检测数量。
3.根据权利要求2所述的一种基于物联网技术的水利工程水质监测方法,其特征在于,所述环境影响参数包括水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比;所述水体样本采集区域工厂数量为进行水质监测参数获取区域的工厂设置数量;所述采集区域植被占比为每亩地平均植被整体土地面积的比值;所述河岸泥沙含量占比为进行水质监测参数获取区域河岸的每立方米土地中的泥沙含量占比。
4.根据权利要求3所述的一种基于物联网技术的水利工程水质监测方法,其特征在于,所述水质监测标记包括常规水质标记、异常水质标记和风险水质标记,所述水质情况分析步骤为:
对水体PH数值进行数值分析,并设定水内溶解氧含量标值和水体浑浊度标值,分别将水内溶解氧含量、水体浑浊度与水内溶解氧含量标值和水体浑浊度标值进行差值运算,将最终的结果与对应的标值进行比值分析,将比值分析结果与水体PH数值分析结果进行公式化运算,获取水质分析系数;
设定水质第一分析阈值和水质第二分析阈值,第一分析阈值小于水质第二分析阈值;将水质分析系数代入水质第一分析阈值和水质第二分析阈值中进行比对分析;若水质分析系数小于第一分析阈值,则进行常规水质标记的生成;若水质分析系数大于或等于第一分析阈值且小于水质第二分析阈值,则进行异常水质标记的生成;若水质分析系数大于或等于第二分析阈值,则进行风险水质标记的生成。
5.根据权利要求4所述的一种基于物联网技术的水利工程水质监测方法,其特征在于,所述环境影响标记包括环境高影响标记、环境中影响标记和环境低影响标记,所述环境影响分析步骤为:
预先对所述水体样本采集区域工厂数量、采集区域植被占比以及河岸泥沙含量占比设置权重数值,将水体样本采集区域工厂数量、采集区域植被占比、河岸泥沙含量占比与相应的权重数值进行数值运算分析,获得环境影响系数;
设置环境第一分析阈值和环境第二分析阈值,所述环境第一分析阈值大于环境第二分析阈值;将环境影响系数代入环境第一分析阈值和环境第二分析阈值中进行比对分析;若环境影响系数小于环境第二分析阈值,则进行环境高影响标记的生成;若环境影响系数大于或等于环境第二分析阈值且小于环境第一分析阈值,则进行环境中影响标记的生成;若环境影响系数大于或等于第一分析阈值,则进行环境低影响标记的生成。
6.根据权利要求5所述的一种基于物联网技术的水利工程水质监测方法,其特征在于,所述分析标签的生成逻辑为:
若同时获取有风险水质标记和环境高影响标记或风险水质标记和环境中影响标记,则进行风险水质真实标签的生成;若同时获取有异常水质标记和环境高影响标记、异常水质环境低影响标记或异常水质标记和环境中影响标记,则进行异常水质真实标签的生成;若同时获取有常规水质标记和环境低影响标记或常规水质标记和环境中影响标记,则进行常规水质真实标签的生成;若同时获取有风险水质标记和环境低影响标记或常规水质标记和环境高影响标记,则进行异常监测标签的生成。
7.根据权利要求6所述的一种基于物联网技术的水利工程水质监测系统,其特征在于,水质监测等级匹配的逻辑为:
步骤D1,预先制定水质监测等级,所述水质监测等级包括异常监测等级、水质异常等级、水质正常等级和水质风险等级;
步骤D2,基于历史数据中的分析标签,获取一个区域内u个分析标签,根据水质监测等级设定一个区域内异常监测标签、风险水质真实标签、异常水质真实标签的占比阈值Mu;
步骤D3,当相应的分析标签数量占比达到占比阈值Mu时,则根据超过占比阈值Mu的分析标签进行水质监测等级的输出。
8.一种基于物联网技术的水利工程水质监测系统,用于实现权利要求1-7任一项所述的方法,其特征在于,包括参数采集模块、水质情况分析模块、环境影响分析模块、再处理模块、水质监测等级评估模块和数据反馈模块;
参数采集模块:用于获取水质监测参数和环境影响参数,将水质监测参数和环境影响参数上传至水质监测云端存储,并将水质监测参数、环境影响参数分别发送至水质情况分析模块、环境影响分析模块;
水质情况分析模块:用于对水质监测参数进行水质情况分析,生成水质监测标记,并将水质监测标记发送至再处理模块;
环境影响分析模块:用于对环境影响参数进行环境影响分析,生成环境影响标记,并将环境影响标记发送至再处理模块;
再处理模块:用于对水质监测标记和环境影响标记进行整合分析,生成分析标签,并将分析标签发送至水质监测等级评估模块;
水质监测等级评估模块:用于根据分析标签进行分析,匹配生成水质监测等级,并将水质监测等级发送数据反馈模块;
数据反馈模块:用于将匹配获得的水质监测等级发送至用户的web界或手机app中。
9.一种计算机服务器,包括:处理器和存储器,其特征在于,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,用于执行权利要求1-7所述的任意一条基于物联网技术的水利工程水质监测方法。
10.一种计算机可读存储介质,其上存储有可擦写的计算机程序,其特征在于,当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行权利要求1-7所述任意一条基于物联网技术的水利工程水质监测方法。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118152924A true CN118152924A (zh) | 2024-06-07 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Using self-organizing map for coastal water quality classification: Towards a better understanding of patterns and processes | |
CN113706127B (zh) | 一种水域分析报告的生成方法及电子设备 | |
CN116233370A (zh) | 基于水质监测的智能化视频监控方法 | |
CN106600509A (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
CN107677614A (zh) | 一种水中重金属污染风险在线预警系统及方法 | |
Fabian et al. | Modeling, challenges, and strategies for understanding impacts of climate extremes (droughts and floods) on water quality in Asia: A review | |
CN111882245A (zh) | 一种基于生态系统服务视角的生态修复空间识别方法 | |
Garcia et al. | Assessment of water quality using principal component analysis: A case study of the açude da Macela-Sergipe-Brazil | |
CN116990479A (zh) | 一种基于Zigbee技术的水质监测方法、系统、设备及介质 | |
CN114611626A (zh) | 一种水环境信息处理方法、装置、设备和存储介质 | |
CN115789527A (zh) | 一种基于水环境信息化治理的分析系统及方法 | |
Qiao et al. | Influencing factors identification and the nested structure analysis of heavy metals in soils in entire city and surrounding the multiple pollution sources | |
Voza et al. | The assessment and prediction of temporal variations in surface water quality—a case study | |
CN113125659A (zh) | 水质监测平台 | |
CN113156075B (zh) | 饮用水水源地信息管理系统 | |
Atta | Assessment and geographic visualization of salinity of Tigris and Diyala Rivers in Baghdad City | |
CN115931057B (zh) | 一种基于城市水利数据的地下管道排放预警系统 | |
CN118152924A (zh) | 一种基于物联网技术的水利工程水质监测方法和系统 | |
Holloway et al. | Exploring the use of water resource recovery facility instrument data to visualise dynamic resilience to environmental stressors | |
CN114199305A (zh) | 近岸海域生态环境风险监测方法、装置、设备及存储介质 | |
Gandhi et al. | Benthic foraminifera and geochemical studies with influence on pollution studies along the coast of Cuddalore, Tamil Nadu-ITS, India | |
CN117423005B (zh) | 一种锁定污染源的水质在线监测系统及方法 | |
Mukut et al. | Water Quality Assessment of Karnaphuli River of Bangladesh Using CCME-WQI Method | |
Lamrini et al. | Data Integrity Analysis of Water Quality Sensors and Water Quality Assessment | |
CN117314705B (zh) | 一种基于遥感影像的环境综合评估预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |