GR20200100453A - Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα - Google Patents
Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα Download PDFInfo
- Publication number
- GR20200100453A GR20200100453A GR20200100453A GR20200100453A GR20200100453A GR 20200100453 A GR20200100453 A GR 20200100453A GR 20200100453 A GR20200100453 A GR 20200100453A GR 20200100453 A GR20200100453 A GR 20200100453A GR 20200100453 A GR20200100453 A GR 20200100453A
- Authority
- GR
- Greece
- Prior art keywords
- data
- parameters
- iot device
- reservoirs
- iot
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000001149 cognitive effect Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 4
- 239000003673 groundwater Substances 0.000 claims description 44
- 238000005086 pumping Methods 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005553 drilling Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 abstract description 3
- 239000003643 water by type Substances 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 239000007787 solid Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000033116 oxidation-reduction process Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003809 water extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B11/00—Arrangements or adaptations of tanks for water supply
- E03B11/10—Arrangements or adaptations of tanks for water supply for public or like main water supply
- E03B11/14—Arrangements or adaptations of tanks for water supply for public or like main water supply of underground tanks
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B3/00—Methods or installations for obtaining or collecting drinking water or tap water
- E03B3/06—Methods or installations for obtaining or collecting drinking water or tap water from underground
- E03B3/08—Obtaining and confining water by means of wells
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B3/00—Methods or installations for obtaining or collecting drinking water or tap water
- E03B3/06—Methods or installations for obtaining or collecting drinking water or tap water from underground
- E03B3/08—Obtaining and confining water by means of wells
- E03B3/16—Component parts of wells
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B5/00—Use of pumping plants or installations; Layouts thereof
- E03B5/04—Use of pumping plants or installations; Layouts thereof arranged in wells
- E03B5/06—Special equipment, e.g. well seals and connections for well casings or the like
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
Μια πλατφόρμα στο Υπολογιστικό Νέφος η οποία περιλαμβάνει ί) μέσα μνήμης, ii) μέσα επικοινωνίας που έχουν διαμορφωθεί να λαμβάνουν δεδομένα από ένα πλήθος συσκευών ΙοΤ, κάθε ΙοΤ συσκευής συσχετισμένης με μια διακριτή γεώτρηση, και μέσα εξόδου διαμορφωμένα να παρέχουν έξοδο σε κάθε ΙοΤ συσκευή, η οποία έξοδος σχετίζεται με τον ταμιευτήρα υπογείων υδάτων ο οποίος είναι συσχετισμένος με την εν λόγωΙοΤ συσκευή, και iii) μια μονάδα επεξεργασίας που έχει διαμορφωθεί για να αναλύει δεδομένα χρησιμοποιώντας τουλάχιστον μια από τις ακόλουθες τεχνικές: a) τεχνικές στατιστικής ανάλυσης, b) γνωστικές τεχνικές, όπως τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML), c) τεχνικές ανάλυσης σήματος και που έχει διαμορφωθεί για να παρέχει τάσεις της συμπεριφοράς των παραμέτρων του ύδατος τωνταμιευτήρων υπογείων υδάτων, για παράδειγμα κάτω από προκαθορισμένα σενάρια χρήσης. Η πλατφόρμα στο υπολογιστικό νέφος και το πλήθος των ΙοΤ συσκευών εγκαθιδρύουν ένα σύστημα για την παρακολούθηση των ιδιοτήτων των υπογείων υδάτων.
Description
Πλατφόρμα στο υπολογιστικό νέφος για υπόγεια ύδατα
Η εφεύρεση αφορά μια μέθοδο για την παρακολούθηση και ανάλυση, με χρήση ηλεκτρονικών υπολογιστών, των υπογείων υδάτων τοπικά και σε μια πληθώρα ταμιευτήρων υπογείων υδάτων. Η εφεύρεση αφορά επιπρόσθετα μια συσκευή και εργαλεία τεχνολογιών πληροφορικής για την υλοποίηση της μεθόδου.
Οι υφιστάμενες μέθοδοι παρακολουθούν όχι συστηματικά και σε αραιά χρονικά διαστήματα το βάθος της επιφάνειας των υπογείων υδάτων μιας γεώτρησης σε μια συγκεκριμένη γεωγραφική τοποθεσία, καθώς επίσης και μερικά σχετικά χαρακτηριστικά της ποιότητας του ύδατος της γεώτρησης ή του βαθμού μόλυνσης τους. Γενικά, οι υφιστάμενες μέθοδοι αναλύουν έναν ταμιευτήρα υπογείων υδάτων ανεξάρτητα από άλλους ταμιευτήρες, αντί να εντοπίζουν πληροφορίες σχετικά με εξαρτήσεις ιδιοτήτων και συμπεριφορών ενός πλήθους ταμιευτήρων.
Αντικείμενο της εφεύρεσης αυτής είναι να παρουσιάσει μια μέθοδο για την συστηματική, συνεχή, επιγραμμική (on-line), πραγματικού-χρόνου παρακολούθηση των ιδιοτήτων των υπογείων υδάτων, που υλοποιείται με χρήση ηλεκτρονικών υπολογιστών. Ένα επιπλέον αντικείμενο της εφεύρεσης αυτής είναι μια μέθοδος που υλοποιείται με τη χρήση ηλεκτρονικών υπολογιστών για τη μοντελοποίηση της συμπεριφοράς των υπογείων υδάτων με βάση την επίδραση του περιβάλλοντος ή ανθρώπινων ενεργειών, σε γεωγραφικό επίπεδο τοπικό, περιφερειακό ή παγκόσμιο. Ένα επιπλέον αντικείμενο της εφεύρεσης αυτής είναι μια μέθοδος που υλοποιείται με τη χρήση ηλεκτρονικών υπολογιστών για την πρόβλεψη της συμπεριφοράς των υπογείων υδάτων με βάση διαφορετικά σενάρια χρήσης και περιβαλλοντικών συνθηκών. Επιπρόσθετα, η εφεύρεση αποσκοπεί στη δημιουργία ενός οικοσυστήματος που υλοποιείται στο υπολογιστικό νέφος (Cloud), το οποίο θα χρησιμοποιηθεί για να βελτιώσει την βιωσιμότητα του συστήματος υπογείων υδάτων. Η εφεύρεση επίσης αποσκοπεί σε μια συσκευή για την υλοποίηση των ως άνω εφευρέσεων που υλοποιούνται μέσω ηλεκτρονικού υπολογιστή.
Η εφεύρεση ορίζεται στις ανεξάρτητες αξιώσεις.
Εξαρτημένες αξιώσεις ορίζουν επιπλέον χαρακτηριστικά, που προσθέτουν επιπλέον πλεονεκτήματα στην εφεύρεση.
Η μέθοδος της εφεύρεσης, που υλοποιείται με τη χρήση ηλεκτρονικού υπολογιστή, χρησιμοποιείται για την επιγραμμική (on-line), σε πραγματικό χρόνο παρακολούθηση και ανάλυση των ιδιοτήτων ενός πλήθους ταμιευτήρων υπογείων υδάτων, όπου ο καθένας από το πλήθος ταμιευτήρας υπογείων υδάτων συνδέεται με μια ξεχωριστή γεώτρηση. Η μέθοδος της εφεύρεσης συμπεριλαμβάνει τα παρακάτω βήματα:
· την εγκατάσταση μιας συσκευής συνδεδεμένης στο διαδίκτυο (ΙοΤ συσκευή), που περιλαμβάνει αισθητήρες, σε κάθε έναν από το πλήθος των ταμιευτήρων που έχουν προαναφερθεί ή/και στην αντίστοιχη γεώτρηση, για την παρακολούθηση δεδομένων σχετικών με τις παραμέτρους χρήσης, τις παραμέτρους του ύδατος ή τις περιβαλλοντικές παραμέτρους, σε διάφορες χρονικές στιγμές
• την καταχώρηση των ΙοΤ συσκευών σε μια πλατφόρμα στο υπολογιστικό νέφος, εξοπλισμένη με μια μονάδα επεξεργασίας που εφαρμόζει τουλάχιστον μια από τις ακόλουθες τεχνικές: a) τεχνικές στατιστικής ανάλυσης, b) γνωστικές τεχνικές, όπως οι τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML), c) τεχνικές ανάλυσης σήματος. Η μονάδα επεξεργασίας είναι επιπλέον εξοπλισμένη με μέσα εισόδου, που έχουν διαμορφωθεί να παραλαμβάνουν τα δεδομένα από το αναφερθέν πλήθος των ΙοΤ συσκευών, με μέσα εξόδου που έχουν διαμορφωθεί να παρέχουν έξοδο που σχετίζεται με το αναφερθέν πλήθος των ταμιευτήρων των υπογείων υδάτων και με μια μονάδα μνήμης
• την μετάδοση των δεδομένων που παρακολουθούνται από τις καταχωρημένες ΙοΤ συσκευές προς την πλατφόρμα στο υπολογιστικό νέφος
• την αποθήκευση των δεδομένων που έχουν μεταδοθεί στη μονάδα μνήμης της πλατφόρμας στο υπολογιστικό νέφος
• την επεξεργασία των δεδομένων που έχουν μεταδοθεί στην πλατφόρμα στο υπολογιστικό νέφος από την εν λόγω μονάδα επεξεργασίας, ούτως ώστε να παρέξει εξαρτήσεις μεταξύ των παραμέτρων χρήσης, των παραμέτρων ύδατος και των περιβαλλοντικών παραμέτρων για το πλήθος των ταμιευτήρων των υπογείων υδάτων.
Παραδείγματα των τεχνικών Μηχανικής Εκμάθησης είναι τα νευρωνικά δίκτυα, οι μηχανές διανυσματικής στήριξης (SVM), τα δένδρα απόφασης (decision trees), τα τυχαία δάση (random forests) κλπ.
Οι παράμετροι ύδατος περιγράφουν την ποσότητα/χωρητικότητα και ποιότητα του ύδατος στους ταμιευτήρες υπογείων υδάτων. Παραδείγματα τέτοιων παραμέτρων είναι το στατικό επίπεδο ύδατος (SWL), δηλ. η απόσταση από το έδαφος της επιφάνειας των υπογείων υδάτων του τοπικού ταμιευτήρα, η ποιότητα, η θερμοκρασία, το pH, η ηλεκτρική αγωγιμότητα, τα ολικά διαλελυμμένα στερεά (TDS), το δυναμικό μείωσης οξείδωσης (ORP), το διαλελυμμένο οξυγόνο (DO).
Οι παράμετροι χρήσης είναι οι παράμετροι άντλησης και οι παράμετροι ελέγχου. Οι παράμετροι άντλησης σχετίζονται με τις παραμέτρους που περιγράφουν την άντληση του ύδατος από τον ταμιευτήρα υπογείου ύδατος. Παραδείγματα τέτοιων παραμέτρων είναι το επίπεδο ύδατος άντλησης (PWL), οι χρόνοι και η διάρκεια άντλησης, το ύψος άντλησης (DD), ο χρόνος σταθεροποίησης του επιπέδου του ύδατος (αποκατάστασης μετά την άντληση), ο ρυθμός άντλησης, η αντληθείσα ποσότητα. Οι παράμετροι ελέγχου σχετίζονται με παραμέτρους για τον έλεγχο καλής λειτουργίας της ΙοΤ συσκευής, τα διαγνωστικά και την βελτιστοποίηση της διαδικασίας.
Οι περιβαλλοντικές παράμετροι σχετίζονται με τις συνθήκες του περιβάλλοντος. Παραδείγματα περιβαλλοντικών παραμέτρων είναι η ατμοσφαιρική πίεση, η θερμοκρασία, η υγρασία, οι παράμετροι του αέρα, τα δεδομένα βροχόμετρου, η ηλιακή ισχύς και η ακτινοβολία UV, το σημείο δρόσου, η υγρασία του εδάφους, το pH του εδάφους.
Η πλατφόρμα στο υπολογιστικό νέφος δύναται να επεξεργάζεται τα δεδομένα που μεταδίδονται από τις ΙοΤ συσκευές προκειμένου να καθορίζει τις παραμέτρους για να ελέγχει τις ΙοΤ συσκευές, να επεξεργάζεται τις παραμέτρους βελτιστοποίησης ή/και άντλησης των ταμιευτήρων των υπογείων υδάτων που πρόκειται να χρησιμοποιηθούν για την αξιοποίηση των ταμιευτήρων των υπογείων υδάτων και να μεταδίδει τις εν λόγω παραμέτρους στις ΙοΤ συσκευές.
Προαιρετικά, τουλάχιστον μια συσκευή ΙοΤ που χρησιμοποιείται στην μέθοδο σύμφωνα με την εφεύρεση, περιλαμβάνει μια τοπική μονάδα μνήμης και η μέθοδος περιλαμβάνει την αποθήκευση και επεξεργασία των δεδομένων που παρακολουθούνται από την ΙοΤ συσκευή στην τοπική μονάδα μνήμης της αντίστοιχης ΙοΤ συσκευής (Μοντέλο «υπολογισμών στο Άκρο» - “Edge Computing”).
Σε μια υλοποίηση μιας μεθόδου της εφεύρεσης, τουλάχιστον μια συσκευή ΙοΤ περιλαμβάνει μια τοπική μονάδα επεξεργασίας και η μέθοδος περιλαμβάνει την επεξεργασία τοπικά των δεδομένων που παρακολουθούνται από την ΙοΤ συσκευή από την τοπική μονάδα επεξεργασίας της αντίστοιχης ΙοΤ συσκευής, προκειμένου να συνάγει τουλάχιστον μια παράμετρο χρήσης ή/και μια περιβαλλοντική παράμετρο ή/και μια παράμετρο ύδατος που αντικατοπτρίζει την κατάσταση και τη συμπεριφορά του αντίστοιχου ταμιευτήρα υπογείων υδάτων.
Σε μια άλλη υλοποίηση της μεθόδου, τουλάχιστον μια ΙοΤ συσκευή περιλαμβάνει μέσα επιτήρησης της γεώτρησης ή/και της ΙοΤ συσκευής.
Τα δεδομένα που παρακολουθούνται και μεταδίδονται από τις ΙοΤ συσκευές μπορεί να περιλαμβάνουν μια χρονοσειρά κάποιας παραμέτρου.
Σύμφωνα με την εφεύρεση, μια ΙοΤ συσκευή για την παρακολούθηση των ιδιοτήτων ενός ταμιευτήρα υπογείων υδάτων περιλαμβάνει αισθητήρες για να παρακολουθούν τη χρονοσειρά μιας παραμέτρου ενός ταμιευτήρα υπογείων υδάτων και μέσα για την μετάδοση και λήψη δεδομένων προς και από μια πλατφόρμα στο υπολογιστικό νέφος.
Η ΙοΤ συσκευή της εφεύρεσης μπορεί να περιλαμβάνει μια μονάδα μνήμης και μια μονάδα επεξεργασίας που έχουν διαμορφωθεί για να αποθηκεύουν και να επεξεργάζονται αντίστοιχα τις χρονοσειρές.
Η εφεύρεση προτείνει μια πλατφόρμα στο υπολογιστικό νέφος η οποία περιλαμβάνει ί) μέσα μνήμης, ϋ) μέσα επικοινωνίας που έχουν διαμορφωθεί να λαμβάνουν δεδομένα από ένα πλήθος συσκευών ΙοΤ, κάθε ΙοΤ συσκευής συσχετισμένης με έναν ταμιευτήρα υπογείων υδάτων, και μέσα εξόδου διαμορφωμένα να παρέχουν έξοδο σε κάθε ΙοΤ συσκευή, η οποία έξοδος σχετίζεται με τον ταμιευτήρα υπογείων υδάτων ο οποίος είναι συσχετισμένος με την εν λόγω ΙοΤ συσκευή, και ίϋ) μια μονάδα επεξεργασίας που έχει διαμορφωθεί για να αναλύει δεδομένα χρησιμοποιώντας τουλάχιστον μια από τις ακόλουθες τεχνικές: a) τεχνικές στατιστικής ανάλυσης, b) γνωστικές τεχνικές, όπως τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML), c) τεχνικές ανάλυσης σήματος και που έχει διαμορφωθεί για να παρέχει τάσεις της συμπεριφοράς των παραμέτρων του ύδατος των ταμιευτήρων υπογείων υδάτων, για παράδειγμα κάτω από προκαθορισμένα σενάρια χρήσης.
Μία πλατφόρμα στο υπολογιστικό νέφος σύμφωνα με την εφεύρεση περιλαμβάνει μέσα επεξεργασίας συμπεριλαμβανομένων μέσων που έχουν διαμορφωθεί για να αναλύουν δεδομένα χρησιμοποιώντας γνωστικές τεχνικές, όπως τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML). Η πλατφόρμα στο υπολογιστικό νέφος περιλαμβάνει ένα νευρωνικό δίκτυο ή άλλες τεχνικές Μηχανικής Εκμάθησης που έχουν ένα επίπεδο εισόδου που έχει διαμορφωθεί να λαμβάνει ένα σύνολο δεδομένων, συμπεριλαμβανομένων δεδομένων από ένα εν λόγω πλήθος ΙοΤ συσκευών από ένα πλήθος ταμιευτήρων.
Σύμφωνα με την εφεύρεση μια πλατφόρμα στο υπολογιστικό νέφος και ένα πλήθος από ΙοΤ συσκευές δημιουργούν ένα σύστημα για την παρακολούθηση των ιδιοτήτων των υπογείων υδάτων.
Σύμφωνα με την εφεύρεση μια μέθοδος που υλοποιείται με τη βοήθεια ηλεκτρονικού υπολογιστή για την εκπαίδευση ενός αλγορίθμου Μηχανικής Εκμάθησης, π.χ. ενός νευρωνικού δικτύου, η οποία παρέχει παραμέτρους άντλησης ή/και παραμέτρους βελτιστοποίησης της διαδικασίας για ένα πλήθος διακριτών εγκαταστάσεων άντλησης, περιλαμβάνει εκπαίδευση του νευρωνικού δικτύου μέσω συνόλων δεδομένων, όπου κάθε σύνολο δεδομένων περιέχει δεδομένα που έχουν προκύψει από ένα πλήθος συσκευών ΙοΤ και κάθε ΙοΤ συσκευή είναι συσχετισμένη με μια διακριτή συσκευή άντλησης.
Μια συσκευή, σύμφωνα με την εφεύρεση, λειτουργεί ένα πλήθος από διακριτές εγκαταστάσεις άντλησης και περιλαμβάνει μια μηχανή εκμάθησης, π.χ. ένα νευρωνικό δίκτυο, που παρέχει παραμέτρους άντλησης ή/και παραμέτρους βελτιστοποίησης της διαδικασίας για τις εν λόγω εγκαταστάσεις. Η μηχανή εκμάθησης περιλαμβάνει ένα επίπεδο το οποίο έχει διαμορφωθεί για να λαμβάνει σύνολα δεδομένων, όπου κάθε σύνολο δεδομένων περιέχει δεδομένα που έχουν προκύψει από ένα πλήθος συσκευών ΙοΤ και κάθε ΙοΤ συσκευή είναι συσχετισμένη με μια διακριτή συσκευή άντλησης.
Η εφεύρεση προτείνει μια μηχανή εκμάθησης για την απεικόνιση σε χάρτη του υδροφόρου ορίζοντα μιας προκαθορισμένης γεωγραφικής περιοχής, όπου η μηχανή εκμάθησης περιλαμβάνει ένα επίπεδο εισόδου που έχει διαμορφωθεί για να λαμβάνει σύνολα δεδομένων, όπου κάθε σύνολο δεδομένων περιέχει δεδομένα που έχουν προκύψει από ένα πλήθος συσκευών ΙοΤ και κάθε ΙοΤ συσκευή είναι συσχετισμένη με μια διακριτή συσκευή άντλησης.
Τα μέσα επεξεργασίας της πλατφόρμας στο υπολογιστικό νέφος περιλαμβάνουν:
• τον ορισμό βέλτιστων παραμέτρων άντλησης και ελέγχου/λεπουργίας για τη βελτιστοποίηση της διαδικασίας και της λειτουργίας και του δυναμικού ελέγχου της συσκευής ΙοΤ
• τον υπολογισμό των τάσεων της ποσότητας, της ποιότητας και της βιωσιμότητας ενός πλήθους ταμιευτήρων υπογείων υδάτων
• την πρόβλεψη του βάθους της επιφάνειας ενός ταμιευτήρα υπογείων υδάτων, προκειμένου να παρέξει υποδείξεις για το σημείο ανόρυξης νέων γεωτρήσεων
• την παροχή διαγνωστικής και προγνωστικής υποστήριξης για την ΙοΤ συσκευή και τον εξοπλισμό άντλησης
• την υποστήριξη τεχνικών αγροτικής καλλιέργειας και αποφάσεων σχετικά με την αποτελεσματικότερη χρήση και διαχείριση των υδάτων και τον περιορισμό της σπατάλης σε τοπική ή/και ευρύτερη, π.χ. Δήμου, κυβερνητική ή και παγκόσμια κλίμακα
· την υποστήριξη μέσο- και μακρο-πρόθεσμου αγροτο καλλιεργητικού σχεδιασμού, που σχετίζεται με την διαθεσιμότητα και την ποιότητα των υπογείων υδάτων
• την παροχή δεδομένων ακρίβειας για την μεγάλης κλίμακας απεικόνιση σε χάρτη των υπογείων υδάτων, βελτιώνοντας με αυτό τον τρόπο την ακρίβεια των πληροφοριών, τη διαθεσιμότητα και την διαφάνεια
• τη διάθεση ενός οικοσυστήματος για την ανάπτυξη εφαρμογών (από τρίτα μέρη) σε σχέση με τα υπόγεια ύδατα
• την αναγνώριση δυσδιάκριτων συσχετισμών και του αντικτύπου που έχουν περιβαλλοντικές παράμετροι, π.χ., το ύψος βροχής και χιονιού, ευρύτερων γεωγραφικών περιοχών στο επίπεδο του ταμιευτήρα των υπογείων υδάτων
· τον υπολογισμό της επίπτωσης των ποσοτήτων και του ρυθμού άντλησης των γειτνιαζουσών γεωτρήσεων που είναι καταχωρημένες στην πλατφόρμα στο υπολογιστικό νέφος, στο επίπεδο και την ποιότητα του ύδατος μιας συγκεκριμένης γεώτρησης.
Με μια μέθοδο ή ένα σύστημα, σύμφωνα με την εφεύρεση, είναι δυνατόν να παρακολουθούνται και να αναλύονται σε πραγματικό χρόνο ή σχεδόν σε πραγματικό χρόνο, σε περιοδική βάση, τα υπόγεια ύδατα και τοπικά και σε ένα πλήθος ταμιευτήρων υπογείων υδάτων. Η μέθοδος ή το σύστημα μπορεί να χρησιμοποιηθεί για την παροχή μεγάλης κλίμακας προσομοίωσης της συμπεριφοράς της αναπαράστασης των συστημάτων των υπογείων υδάτων και κατανόησης των τάσεων τους, καθώς και της βελτίωσης της βιωσιμότητας τους.
Ένα παράδειγμα ενός συστήματος σύμφωνα με την εφεύρεση περιλαμβάνει ένα πλήθος από ΙοΤ συσκευές. Κάθε ΙοΤ συσκευή περιλαμβάνει αισθητήρες, υλισμικό με μονάδα μνήμης, μια μονάδα επεξεργασίας και μέσα εισόδου και μέσα εξόδου. Οι αισθητήρες είναι κατάλληλοι για να παρακολουθούν
i. παραμέτρους του ύδατος, όπως το στατικό επίπεδο του ύδατος (SWL), δηλ. την απόσταση από το έδαφος της επιφάνειας των υπογείων υδάτων του τοπικού ταμιευτήρα, την ποιότητα, την θερμοκρασία, το pH, την ηλεκτρική αγωγιμότητα, τα ολικά διαλελυμμένα στερεά (TDS), το δυναμικό μείωσης οξείδωσης (ORP), το διαλελυμμένο οξυγόνο (DO)
ii. παραμέτρους άντλησης, όπως το επίπεδο ύδατος άντλησης (PWL), οι χρόνοι και οι διάρκειες άντλησης, το ύψος άντλησης (DD), ο χρόνος σταθεροποίησης του επιπέδου του ύδατος, ο ρυθμός άντλησης, η αντληθείσα ποσότητα
iii. παραμέτρους ελέγχου, όπως οι παράμετροι καλής λειτουργίας της ΙοΤ συσκευής, και οι παράμετροι των διαγνωστικών και της βελτιστοποίησης της διαδικασίας
iν. τοπικές περιβαλλοντικές παράμετροι, όπως η ατμοσφαιρική πίεση, η θερμοκρασία, η υγρασία, παράμετροι του αέρα, τα δεδομένα βροχόμετρου, η ηλιακή ισχύς, το σημείο δρόσου, η υγρασία του εδάφους, το pH του εδάφους.
Οι παράμετροι μετρούνται απευθείας ή συνάγονται από τα δεδομένα μετρήσεων. Τα δεδομένα, συμπεριλαμβανομένων των παραμέτρων που έχουν μετρηθεί απευθείας, μετρώνται κατά τη διάρκεια του χρόνου με σταθερή ή μεταβλητή συχνότητα. Τα δεδομένα των μετρήσεων δύνανται να σχηματίζουν χρονοσειρές, για παράδειγμα το επίπεδο ύδατος ως προς τον χρόνο, τα οποία ακολούθως χρησιμοποιούνται στην ανάλυση.
Κάθε ΙοΤ συσκευή είναι εγκατεστημένη σε έναν διακριτό ταμιευτήρα. Διακριτοί ταμιευτήρες υπογείων υδάτων είναι ταμιευτήρες από τους οποίους αντλείται ύδωρ μέσω διακριτών συστημάτων άντλησης ύδατος, όπως είναι οι γεωτρήσεις. Γενικά, αυτοί οι ταμιευτήρες δύνανται να έχουν στερεά όρια μεταξύ τους. Είναι δυνατόν διακριτοί ταμιευτήρες να είναι εμμέσως διασυνδεδεμένοι, για παράδειγμα μέσω υπογείων ποταμών.
Οι παράμετροι παρακολούθησης, όπως η συχνότητα των μετρήσεων, δύνανται να προσαρμόζονται ούτως ώστε να βελτιστοποιείται η κατανάλωση ενέργειας της ΙοΤ συσκευής, καθώς επίσης η ποσότητα και η αξία των δεδομένων που αποθηκεύονται και επεξεργάζονται. Οι παράμετροι επιλέγονται με τη χρήση ανάλυσης δεδομένων και Μηχανικής Εκμάθησης (ML).
Οι μετρήσεις αποθηκεύονται και επεξεργάζονται τοπικά, στη μονάδα μνήμης της ΙοΤ συσκευής και, ακολούθως, μεταφορτώνονται στο υπολογιστικό νέφος. Κατάλληλα μέσα, μέσα λογισμικού ή/και υλισμικού, επεξεργάζονται τα δεδομένα για να παράξουν παραμέτρους που έχουν υπολογιστεί ώστε να αντανακλούν τις συνθήκες του αντίστοιχου ταμιευτήρα. Αυτά τα μέσα συμπεριλαμβάνουν τεχνικές ML και ΑΙ καθώς επίσης και άλλες τεχνικές που έχουν ειδικά αναπτυχθεί και υπερσύγχρονοι αλγόριθμοι ή/και ημιαγωγοί.
Οι παράμετροι που μετρώνται απευθείας ή προκύπτουν από τις μετρήσεις μπορεί να συμπεριλαμβάνουν παραμέτρους που σχετίζονται με τη χωρητικότητα σε ύδωρ του ταμιευτήρα, τα όρια και το ρυθμό απορροής και αποκατάστασης του ύδατος της γεώτρησης καθώς και της εποχικότητας τους, την πληροφορία που προκύπτει σε σχέση με την σύνθεση, το πορώδες και τη διαπερατότητα των πετρωμάτων που περιβάλλουν το κατώτερο τμήμα της γεώτρησης.
Σε μια πλατφόρμα Λογισμικού-ως- Υπηρεσίας (SaaS) στο υπολογιστικό νέφος καταχωρούνται οι ΙοΤ συσκευές και αλληλεπιδρούν με αυτήν. Η πλατφόρμα είναι εξοπλισμένη με λειτουργικές μονάδες που επεξεργάζονται τις μετρήσεις και τις παραμέτρους που έχουν προκύψει, οι οποίες εισάγονται από τις ΙοΤ συσκευές.
Οι μετρήσεις που λαμβάνονται από τις συσκευές ΙοΤ και οι αντίστοιχες παράμετροι που προκύπτουν, προωθούνται στην πλατφόρμα στο υπολογιστικό νέφος είτε σε πραγματικό χρόνο είτε σε προκαθορισμένο ή adhoc, για παράδειγμα σε περίπτωση καταστάσεων προβλημάτων επικοινωνίας, διαλειμμάτων. Τα δεδομένα που λαμβάνονται από τις συσκευές ΙοΤ υποβάλλονται σε επεξεργασία από την πλατφόρμα στο υπολογιστικό νέφος για να παρέχουν μη ευκρινώς ορατές πληροφορίες και οπτικές αναπαραστάσεις των πληροφοριών. Μπορούν επίσης να χρησιμοποιηθούν για να εκπαιδεύσουν τις λειτουργικές μονάδες ΑΙ και ML, προκειμένου να παρέχουν τάσεις που σχετίζονται με τις παραμέτρους και τις ιδιότητες των υπογείων υδάτων, όπως η βιωσιμότητα και η εποχικότητα των χαρακτηριστικών και των ιδιοτήτων της γεώτρησης και του αντίστοιχου ταμιευτήρα. Μόλις εκπαιδευτούν οι λειτουργικές μονάδες ΑΙ ή/και ML μπορούν να χρησιμοποιηθούν για να προτείνουν βέλτιστες τιμές διαμόρφωσης και χρήσης, π.χ. χρόνους άντλησης και διάρκεια, βέλτιστες παραμέτρους άρδευσης καλλιεργειών δηλ. χρόνους, διάρκεια, ποσότητες, προτιμώμενες συνθήκες καλλιέργειας, όπως καιρός, συνθήκες εδάφους σε περίπτωση χρήσης νερού για γεωργικές καλλιέργειες, να προσδιορίσουν εάν δύο ή περισσότερες γεωτρήσεις αντλούν από τον ίδιο ή συνδεδεμένους ταμιευτήρες - για παράδειγμα, υπολογίζοντας την πιθανότητα ότι το νερό δύο ή περισσότερων γειτονικών γεωτρήσεων ανήκει στον ίδιο ταμιευτήρα υπογείων υδάτων. Περαιτέρω τεχνικές παρεμβολής, παρεκβολής και ML χρησιμοποιούνται επίσης για την παροχή ενδείξεων για τη βιωσιμότητα της ποσότητας και της ποιότητας των ταμιευτήρων υπογείων υδάτων, σύμφωνα με αναμενόμενα ή υποθετικά σενάρια (τι-εάν), με βάση παραμέτρους περιβάλλοντος και χρήσης και, τοιουτοτρόπως, να υποστηρίξουν τη σχετική λήψη αποφάσεων. Η επεξεργασία των δεδομένων με τεχνικές ML και ΑΙ ανιχνεύει και αποκαλύπτει εξαρτήσεις μεταξύ των δεδομένων της γεώτρησης ενός ταμιευτήρα από ένα πλήθος ταμιευτήρων και των δεδομένων των άλλων γεωτρήσεων από το πλήθος των ταμιευτήρων. Οι λειτουργικές μονάδες ΑΙ και ML της πλατφόρμας στο υπολογιστικό νέφος εκπαιδεύονται από εγγραφές συνόλων δεδομένων που λαμβάνονται από τις συσκευές ΙοΤ. Οι εγγραφές περιλαμβάνουν δεδομένα από ένα πλήθος συσκευών ΙοΤ, έτσι ώστε να αποκαλύπτονται κρυφές εξαρτήσεις μεταξύ του πλήθους των ταμιευτήρων.
Μόλις εκπαιδευτούν, οι μονάδες ML και ΑΙ της πλατφόρμας στο υπολογιστικό νέφος μπορούν να χρησιμοποιηθούν για την προσομοίωση της συμπεριφοράς των ταμιευτήρων κάτω από συγκεκριμένα σενάρια χρήσης και περιβαλλοντικά, προκειμένου να προσδιοριστούν οι κατάλληλες παράμετροι για μελλοντική χρήση. Οι κατάλληλες παράμετροι χρήσης μεταδίδονται με κατάλληλα μέσα στις συσκευές ΙοΤ ή/και στους χρήστες του συστήματος. Οι λειτουργικές μονάδες ΑΙ και ML της πλατφόρμας στο υπολογιστικό νέφος ενδέχεται να καθορίσουν την επίδραση που μπορεί να έχει ένα σενάριο χρήσης ενός μόνο ταμιευτήρα ή περισσότερων του ενός ταμιευτήρων στην πληθώρα των ταμιευτήρων που είναι καταχωρημένοι στην πλατφόρμα.
Η πλατφόρμα στο υπολογιστικό νέφος μπορεί επίσης να περιλαμβάνει μια λειτουργική μονάδα για την επεξεργασία των δεδομένων που λαμβάνονται προκειμένου να παρέχει διάφορες όψεις οππκοποίησης, συμπεριλαμβανομένου ενός γεωγραφικού χάρτη που απεικονίζει τα ανώτερα επίπεδα του ταμιευτήρα υπογείων υδάτων και άλλα σχετικά χαρακτηριστικά και ιδιότητες, π.χ. παραμέτρους και τάσεις ποιότητας του ύδατος.
Claims (7)
1. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών, για την επιγραμμική (on-line) και σε πραγματικό χρόνο παρακολούθηση και ανάλυση των ιδιοτήτων ενός πλήθους ταμιευτήρων υπογείων υδάτων, όπου ο κάθε ένας ταμιευτήρας του πλήθους σχετίζεται με μια διακριτή γεώτρηση, που αποτελείται από:
• την εγκατάσταση μιας συσκευής συνδεδεμένης στο διαδίκτυο (ΙοΤ συσκευή), που συμπεριλαμβάνει αισθητήρες, σε κάθε έναν από το πλήθος των ταμιευτήρων που έχουν προαναφερθεί ή/και στην αντίστοιχη γεώτρηση, για την παρακολούθηση δεδομένων σχετικών με τις παραμέτρους χρήσης, τις παραμέτρους του ύδατος ή τις περιβαλλοντικές παραμέτρους, σε διάφορες χρονικές στιγμές
• την καταχώρηση των ΙοΤ συσκευών σε μια πλατφόρμα στο υπολογιστικό νέφος, εξοπλισμένη i) με μια μονάδα επεξεργασίας που εφαρμόζει γνωστικές τεχνικές, όπως οι τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML) με μέσα εισόδου, που έχουν διαμορφωθεί να παραλαμβάνουν τα δεδομένα από το ως άνω πλήθος των ΙοΤ συσκευών, με μέσα εξόδου που έχουν διαμορφωθεί να παρέχουν έξοδο που σχετίζεται με το ως άνω πλήθος των ταμιευτήρων των υπογείων υδάτων, ii) με μια μονάδα μνήμης και iii) μία μηχανή εκμάθησης, που έχει ένα επίπεδο εισόδου το οποίο έχει διαμορφωθεί να λαμβάνει ένα σύνολο δεδομένων που περιλαμβάνει δεδομένα από ένα εν λόγω πλήθος από ΙοΤ συσκευές από το πλήθος των ταμιευτήρων
· την μετάδοση των δεδομένων που παρακολουθούνται από τις καταχωρημένες ΙοΤ συσκευές προς την πλατφόρμα στο Υπολογιστικό Νέφος
• την αποθήκευση των δεδομένων που έχουν μεταδοθεί στη μονάδα μνήμης της πλατφόρμας στο υπολογιστικό νέφος
· την επεξεργασία των δεδομένων που έχουν μεταδοθεί στην πλατφόρμα στο υπολογιστικό νέφος από την εν λόγω μονάδα επεξεργασίας, ούτως ώστε να παρέξει εξαρτήσεις μεταξύ των παραμέτρων χρήσης, των παραμέτρων ύδατος και των περιβαλλοντικών παραμέτρων για το πλήθος των ταμιευτήρων των υπογείων υδάτων.
2. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών σύμφωνα με την αξίωση 1, μέσω της οποίας η πλατφόρμα στο υπολογιστικό νέφος επεξεργάζεται τα δεδομένα που μεταδίδονται από τις συσκευές ΙοΤ για τον καθορισμό παραμέτρων για τον έλεγχο των συσκευών ΙοΤ ή/και των παραμέτρων χρήσης των ταμιευτήρων υπογείων υδάτων που θα χρησιμοποιηθούν για την άντληση από τους ταμιευτήρες υπογείων υδάτων και τη μετάδοση των εν λόγω παραμέτρων στις συσκευές ΙοΤ.
3. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών σύμφωνα με την αξίωση 1 ή 2, όπου τουλάχιστον μια συσκευή ΙοΤ περιλαμβάνει μια τοπική μονάδα μνήμης, με την μέθοδο να συμπεριλαμβάνει την αποθήκευση των δεδομένων που παρακολουθούνται από τη συσκευή ΙοΤ στην τοπική μονάδα μνήμης της αντίστοιχης συσκευής ΙοΤ.
4. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών σύμφωνα με οποιαδήποτε από τις ανωτέρω αξιώσεις, όπου τουλάχιστον μια συσκευή ΙοΤ περιλαμβάνει μια τοπική μονάδα επεξεργασίας, με την μέθοδο να περιλαμβάνει την τοπική επεξεργασία των δεδομένων που παρακολουθούνται από την ΙοΤ συσκευή, από την τοπική μονάδα επεξεργασίας της αντίστοιχης ΙοΤ συσκευής προκειμένου να αντληθούν οι παράμετροι που απεικονίζουν την κατάσταση και τη συμπεριφορά του αντίστοιχου ταμιευτήρα υπογείων υδάτων.
5. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών σύμφωνα με οποιαδήποτε από τις ανωτέρω αξιώσεις, όπου τουλάχιστον μια συσκευή ΙοΤ περιλαμβάνει μέσα εποπτείας της ΙοΤ συσκευής ή/και της γεώτρησης.
6. Μέθοδος, με χρήση ηλεκτρονικών υπολογιστών σύμφωνα με οποιαδήποτε από τις ανωτέρω αξιώσεις, όπου τα δεδομένα που παρακολουθούνται και μεταδίδονται από τις ΙοΤ συσκευές περιέχουν μια χρονοσειρά.
7. Πλατφόρμα στο υπολογιστικό νέφος η οποία περιλαμβάνει ί) μέσα μνήμης, ϋ) μέσα επικοινωνίας που έχουν διαμορφωθεί να λαμβάνουν δεδομένα από ένα πλήθος συσκευών συνδεδεμένων στο διαδίκτυο (ΙοΤ συσκευών), κάθε ΙοΤ συσκευής συσχετισμένης με έναν διακριτό ταμιευτήρα υπογείων υδάτων, και μέσα εξόδου διαμορφωμένα να παρέχουν δεδομένα σε κάθε ΙοΤ συσκευή, τα οποία σχετίζονται με τον ταμιευτήρα υπογείων υδάτων που είναι συσχετισμένος με την εν λόγω ΙοΤ συσκευή, ίϋ) μια μονάδα επεξεργασίας που έχει διαμορφωθεί για να αναλύει δεδομένα χρησιμοποιώντας γνωστικές τεχνικές, όπως τεχνικές Τεχνητής Νοημοσύνης (ΑΙ) και Μηχανικής Εκμάθησης (ML) και που έχει διαμορφωθεί για να παρέχει τάσεις της συμπεριφοράς των παραμέτρων του ύδατος των ταμιευτήρων υπογείων υδάτων, για παράδειγμα κάτω από προκαθορισμένα σενάρια χρήσης και ίν) μία μηχανή εκμάθησης, που έχει ένα επίπεδο εισόδου το οποίο έχει διαμορφωθεί να λαμβάνει ένα σύνολο δεδομένων που περιλαμβάνει δεδομένα από ένα εν λόγω πλήθος από ΙοΤ συσκευές από το πλήθος των ταμιευτήρων.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GR20200100453A GR20200100453A (el) | 2020-07-30 | 2020-07-30 | Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα |
| PCT/IB2021/056884 WO2022024009A1 (en) | 2020-07-30 | 2021-07-28 | Cloud platform for underground water reservoirs |
| EP21763405.4A EP4189443A1 (en) | 2020-07-30 | 2021-07-28 | Cloud platform for underground water reservoirs |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GR20200100453A GR20200100453A (el) | 2020-07-30 | 2020-07-30 | Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| GR20200100453A true GR20200100453A (el) | 2022-02-11 |
Family
ID=77595590
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| GR20200100453A GR20200100453A (el) | 2020-07-30 | 2020-07-30 | Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4189443A1 (el) |
| GR (1) | GR20200100453A (el) |
| WO (1) | WO2022024009A1 (el) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114611778B (zh) * | 2022-03-04 | 2022-09-06 | 山东锋士信息技术有限公司 | 一种基于入库流量的水库水位预警方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108055318A (zh) * | 2017-12-11 | 2018-05-18 | 江苏卓尔美物联科技股份有限公司 | 一种水环境物联网方法与装置 |
| CN108756848A (zh) * | 2018-05-21 | 2018-11-06 | 北京四利通控制技术股份有限公司 | 一种智能钻井控制云平台及智能钻井控制系统 |
| CN108776465A (zh) * | 2018-06-12 | 2018-11-09 | 中国地质调查局南京地质调查中心 | 基于物联网的地下水质监测系统和主系统 |
| WO2018236238A1 (en) * | 2017-06-20 | 2018-12-27 | Schlumberger Technology B.V. | PREDICTION OF WELLBORE FLOW PERFORMANCE |
| CN110048894A (zh) * | 2019-04-24 | 2019-07-23 | 广东省智能机器人研究院 | 一种用于油气生产的多井数据采集与智能监控方法及系统 |
| KR102015940B1 (ko) * | 2019-04-24 | 2019-08-28 | 주식회사 효림 | 무전원 지하수 특성 자동측정 데이터로거를 이용한 지하수 이동 분포 모니터링 시스템 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356205B1 (en) * | 1998-11-30 | 2002-03-12 | General Electric | Monitoring, diagnostic, and reporting system and process |
| TW201235969A (en) * | 2011-02-24 | 2012-09-01 | Jnc Technology Co Ltd | Cloud monitoring method for underground water and system thereof |
| US20140195174A1 (en) * | 2013-01-09 | 2014-07-10 | David W. Machuga | Well water and aquifer quality measurement and analysis system |
-
2020
- 2020-07-30 GR GR20200100453A patent/GR20200100453A/el unknown
-
2021
- 2021-07-28 EP EP21763405.4A patent/EP4189443A1/en active Pending
- 2021-07-28 WO PCT/IB2021/056884 patent/WO2022024009A1/en active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018236238A1 (en) * | 2017-06-20 | 2018-12-27 | Schlumberger Technology B.V. | PREDICTION OF WELLBORE FLOW PERFORMANCE |
| CN108055318A (zh) * | 2017-12-11 | 2018-05-18 | 江苏卓尔美物联科技股份有限公司 | 一种水环境物联网方法与装置 |
| CN108756848A (zh) * | 2018-05-21 | 2018-11-06 | 北京四利通控制技术股份有限公司 | 一种智能钻井控制云平台及智能钻井控制系统 |
| CN108776465A (zh) * | 2018-06-12 | 2018-11-09 | 中国地质调查局南京地质调查中心 | 基于物联网的地下水质监测系统和主系统 |
| CN110048894A (zh) * | 2019-04-24 | 2019-07-23 | 广东省智能机器人研究院 | 一种用于油气生产的多井数据采集与智能监控方法及系统 |
| KR102015940B1 (ko) * | 2019-04-24 | 2019-08-28 | 주식회사 효림 | 무전원 지하수 특성 자동측정 데이터로거를 이용한 지하수 이동 분포 모니터링 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022024009A1 (en) | 2022-02-03 |
| EP4189443A1 (en) | 2023-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tao et al. | Training and testing data division influence on hybrid machine learning model process: application of river flow forecasting | |
| Wang et al. | Fuzzy stress-based modeling for probabilistic irrigation planning using Copula-NSPSO | |
| Tapoglou et al. | Groundwater-level forecasting under climate change scenarios using an artificial neural network trained with particle swarm optimization | |
| Dos Santos et al. | Water demand forecasting model for the metropolitan area of São Paulo, Brazil | |
| Perea et al. | Water and energy demand forecasting in large-scale water distribution networks for irrigation using open data and machine learning algorithms | |
| Rodriguez et al. | Using entropy theory to improve the definition of homogeneous regions in the semi-arid region of Brazil | |
| Zia et al. | Predicting discharge using a low complexity machine learning model | |
| Roy et al. | A surrogate based multi-objective management model to control saltwater intrusion in multi-layered coastal aquifer systems | |
| Darwishe et al. | Prediction and control of nitrate concentrations in groundwater by implementing a model based on GIS and artificial neural networks (ANN) | |
| Seidu et al. | Impact of data partitioning in groundwater level prediction using artificial neural network for multiple wells | |
| Song et al. | Evaluating the performance of climate models in reproducing the hydrological characteristics of rainfall events | |
| Yaghobi et al. | Simulation of land-use changes in relation to changes of groundwater level in arid rangeland in western Iran | |
| GR20200100453A (el) | Πλατφορμα στο υπολογιστικο νεφος για υπογεια υδατα | |
| Zhao et al. | Using sequential Gaussian simulation to assess the uncertainty of the spatial distribution of soil salinity in arid regions of Northwest China | |
| Kopsiaftis et al. | Performance comparison of physics-based and machine learning assisted multi-fidelity methods for the management of coastal aquifer systems | |
| Genjebo et al. | Assessment of surface water resource and allocation optimization for diverse demands in Ethiopia's upper Bilate Watershed | |
| Mirzania et al. | Hybrid COOT-ANN: a novel optimization algorithm for prediction of daily crop reference evapotranspiration in Australia | |
| Lu et al. | Uncertainty quantification of machine learning models to improve streamflow prediction under changing climate and environmental conditions | |
| Sene et al. | Hydrological forecasting | |
| Nalarajan et al. | Groundwater level prediction using M5 model trees | |
| Zhou et al. | Predicting and explaining karst spring dissolved oxygen using interpretable deep learning approach | |
| Molinari | A geographic information system (GIS) with integrated models: a new approach for assessing the vulnerability and risk of desertification in Sardinia (Italy) | |
| Yu et al. | Applying ANN emulators in uncertainty assessment of flood inundation modelling: a comparison of two surrogate schemes | |
| Sharma et al. | Long-range hydrologic forecasting in El Niño Southern Oscillation-affected coastal watersheds: comparison of climate model and weather generator approach | |
| Faal et al. | Monitoring and Predicting Saltwater Intrusion via Temporal Aquifer Vulnerability Maps and Surrogate Models |