CN113125663A - 一种水质监测预警***和方法 - Google Patents
一种水质监测预警***和方法 Download PDFInfo
- Publication number
- CN113125663A CN113125663A CN202110405318.8A CN202110405318A CN113125663A CN 113125663 A CN113125663 A CN 113125663A CN 202110405318 A CN202110405318 A CN 202110405318A CN 113125663 A CN113125663 A CN 113125663A
- Authority
- CN
- China
- Prior art keywords
- water
- index
- unit
- real
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 321
- 238000000034 method Methods 0.000 title claims description 54
- 238000012544 monitoring process Methods 0.000 title claims description 35
- 238000001514 detection method Methods 0.000 claims abstract description 212
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000011897 real-time detection Methods 0.000 claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000004140 cleaning Methods 0.000 claims description 57
- 238000012937 correction Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 239000000725 suspension Substances 0.000 claims description 12
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 11
- 239000012535 impurity Substances 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 229910052799 carbon Inorganic materials 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000012351 Integrated analysis Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- 238000011269 treatment regimen Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 239000000126 substance Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 6
- 230000037452 priming Effects 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000010485 coping Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- KMTRUDSVKNLOMY-UHFFFAOYSA-N Ethylene carbonate Chemical compound O=C1OCCO1 KMTRUDSVKNLOMY-UHFFFAOYSA-N 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000010926 purge Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000192710 Microcystis aeruginosa Species 0.000 description 1
- 239000003181 biological factor Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000003809 water extraction Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
- G01N1/14—Suction devices, e.g. pumps; Ejector devices
-
- 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
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种水质监测预警***和方法,该***包括用于进行水样采集取水单元、用于对实时采集到的水样进行指标检测的实时检测单元、指标预测单元、综合分析单元和水质预警单元,其中,指标预测单元,用于根据检测得到的实时指标检测数据确定历史指标检测数据,并结合历史、实时指标检测数据,确定在预设的未来时间段内,预计输出的预测指标检测数据;综合分析单元,用于将获取到实时指标检测数据和预测指标检测数据,输入到预先构建的综合评价分析模型中,得到水质综合评价指标;预警单元,用于根据获取到的水质综合评价指标,输出预警策略。本申请基于实时采集到的水样,对未来水质的污染情况进行预测,能够提高水质数据监管效率。
Description
技术领域
本申请涉及环境监测技术领域,特别是涉及一种水质监测预警***和方法。
背景技术
随着水资源的需求剧增,随之导致对供水水质的安全保障要求也越来越严格,目前,水务企业面临的压力也越来越大。
由于各地自来水公司管辖的水源井普遍存在数量多、分布离散和管理难度大的问题。传统技术中,为了解决上述问题,相关的自来水公司考虑投入大量的人力成本进行巡检维护,另外,也有一部分的自来水公司试图通过架设光纤或铺设电缆的方式,对水源井的运行情况及水质的变化情况进行数据采集和监管,但由于在涉及到水源井、原水管道及多类型供水设备时,其带来的监管成本高且无法实时的集中管控。因此,传统方法仍然存在水质数据监管效率低下的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高水质数据监管效率的水质监测预警***和方法。
一种水质监测预警***,所述***包括取水单元、实时检测单元、指标预测单元、综合分析单元和水质预警单元,其中:
所述取水单元,用于对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元;
所述实时检测单元,用于对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种;
所述指标预测单元,用于获取所述实时指标检测数据,并根据所述实时指标检测数据确定对应的目标水样检测指标;还用于根据所述目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;还用于结合所述历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据;
所述综合分析单元,还用于将获取到所述实时指标检测数据和所述预测指标检测数据,输入到预先构建的综合评价分析模型中,通过所述综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标;
所述预警单元,用于根据获取到的水质综合评价指标,输出相应的预警策略。
一种应用于上述任一项所述的水质监测预警***的水质监测预警方法,所述方法包括:
通过所述取水单元,对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元;
通过所述实时检测单元,对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种;
通过所述指标预测单元,获取所述实时指标检测数据,并根据所述实时指标检测数据确定对应的目标水样检测指标;以及,根据所述目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;以及,结合所述历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据;
通过所述综合分析单元,将获取到所述实时指标检测数据和所述预测指标检测数据,输入到预先构建的综合评价分析模型中,通过所述综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标;
通过所述预警单元,根据获取到的水质综合评价指标,输出相应的预警策略。
上述一种水质监测预警***和方法,一方面基于实时检测单元进行指标检测;另一方面结合实时指标检测数据以及检测到的历史指标检测数据之间的变化数据,对未来水质的污染情况进行有效预测,并输出预测指标检测数据;最后,结合综合分析评价模型,对输入的实时指标检测数据和预测指标检测数据进行分析处理,并根据得到的水质综合评价指标,输出预警策略。当前形成了一个实时监控到提前预警再到及时决策的良性闭环,提高了水质多尺度预报预测预警水平,实现了水资源的智能调度与精细化管理,能够有效提高水质数据的监管效率。
附图说明
图1为一个实施例中一种水质监测预警***的结构框图;
图2为一个实施例中取水单元的应用场景图;
图3为一个实施例中各个水样的检测指标对应的传感器限值以及测量范围;
图4为一个实施例中综合分析单元的预警流程示意图;
图5为一个实施例中传感器的结构示意图;
图6为一个实施例中一种水质监测预警方法的流程示意图;
图7为一个实施例中水质监测预警***的原理结构图;
图8为一个实施例中水样流通的流路图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种水质监测预警***100,该***100包括取水单元101、实时检测单元102、指标预测单元103、综合分析单元104和水质预警单元105,其中:
取水单元101,用于对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元。实时检测单元102,用于对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种。指标预测单元103,用于获取实时指标检测数据,并根据实时指标检测数据确定对应的目标水样检测指标;还用于根据目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;还用于结合历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据。综合分析单元104,用于将获取到实时指标检测数据和预测指标检测数据,输入到预先构建的综合评价分析模型中,通过综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标。预警单元105,用于根据获取到的水质综合评价指标,输出相应的预警策略。
具体的,取水单元101,对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元。请参考图2,取水单元101包括悬浮装置(即图2中示意的浮球)和自吸泵(即图2中示意的取样泵),自吸泵与实时检测单元102之间连通有一个输水管道,其中:悬浮装置漂浮在水面上,且悬浮装置的浮动高度随水位波动进行同步升降;悬浮装置与自吸泵之间固定连接,自吸泵沉浮在水面下,且与水底之间间隔有相应的距离;悬浮装置,用于在随水位波动进行同步升降时,带动自吸泵同步进行上浮或下沉;自吸泵,用于在进入工作模式时进行水样采集,并通过输水管道将采集到的水样输送到实时检测单元102(即进一步输送到设于堤坝上的水质预警***)。
在其中一个实施例中,自吸泵的采水深度在水面下0.5m处,即自吸泵底部到水面之间的间隔距离约为0.5m(在一个实施例中,当水深小于0.5m时,此时,自吸泵的采水深度可以在水深1/2处)。在一个实施例中,可以配置两个自吸泵进行水样的外部采集,在进行水样采集的时候,可以选择启用其中的一个自吸泵或者同时启动两个自吸泵,其中,针对选择到的两个自吸泵,将基于循环测量的方式,进行交替启用。
上述实施例中,通过合理的设计自吸泵的采水深度,使得取水采样时避免因搅动水底部的沉积物而导致水样的失真。
其中,实时检测单元102,对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种。
其中,氨氮含量指标包括NH3-N(水中的氨氮含量指标),水体的污染程度指标包括DO(溶解氧的英文缩写,是评价水体自净能力的指标)和CODcr(Chemical Oxygen Demand,化学需氧量,是以化学方法测量水样中需要被氧化的还原性物质的量),总有机碳含量指标包括EC(碳酸乙烯脂)和TOC(总有机碳)。水样的检测指标还包括TP(总磷)、PH(水的酸碱度)和水温T。需要说明的是,不同的检测指标可以采用不同类型的传感器进行检测,例如,TP(总磷)可以采用新型电极法传感器进行实时检测,NH3-N(水中的氨氮含量指标)、TOC(总有机碳)和CODcr(化学需氧量)可以采用新型光谱法传感器进行实时检测,本申请实施例对比不做限定。
具体的,实时检测单元102包括多个传感器、控制单元、排水单元和自清洗单元,其中,传感器连接到控制单元,用于对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到控制单元;控制单元还连接到排水单元,还用于在确定指标检测完成之后,控制排水单元排出当前采集到的水样;控制单元还连接到自清洗单元,还用于根据获取到的实时指标检测数据,对预先存储的指标标准数据进行调用,并比较实时指标检测数据与指标标准数据之间的差异;当比较所得的差异值大于等于预设的第一差异阈值,且,小于预设的第二差异阈值时,以及在确定自吸泵未进入工作模式,且当前实时采集到的水样已排出时,控制自清洗单元进入工作模式;自清洗单元与输水管道之间连通,用于在进入工作模式时,灌入无杂质的清水到输水管道中,对输水管道进行清洗,以减少输水管道内的残留水样。
在其中一个实施例中,请参考图3,其为各个水样的检测指标对应的传感器限值以及测量范围。在一个实施例中,各个水样的检测指标可以仅通过一个传感器通道测量得到,或者通过多个传感器通道测量得到;本实施例中,针对各个水样的检测指标,分别通过预设的5个传感器通道进行指标检测,例如,针对水体污染检测指标DO,采用限值为0.00-40mg/l的传感器进行指标检测之后,得到的实时指标检测数据分别为7.5mg/l、6mg/l、5mg/l、3mg/l和2mg/l,之后,在比较指标DO的实时指标检测数据与指标标准数据之间的差异的时候,可以选择对上述5个测量值进行求平均计算,并基于当前计算得到的平均值进行差异值的比较;或者,按照实际的经验取值,从上述5个测量值中选择一个较为接近理想取值的一个目标指标选项,并基于该目标指标选项进行差异值的比较。
上述实施例中,通过灌入无杂质的清水到输水管道中,进行残留水样的清洗,从而抑制输水管道内的藻类生长,达到减少维护的效果。
其中,指标预测单元103,获取实时指标检测数据,并根据实时指标检测数据确定对应的目标水样检测指标;还用于根据目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;还用于结合历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据。
具体的,历史指标检测数据存储在指定数据库或文件夹中,当前根据实时指标检测数据确定对应的目标水样检测指标之后,再从对应的指定数据库或文件夹中,获取该目标水样检测指标所对应的历史指标检测数据。其中,在确定预测指标检测数据的时候,结合历史指标检测数据和实时指标检测数据之间的数据变化规律,通过发现数据中的隐含相似性,推算出预测指标检测数据,以便于后续对污染物的迁移转化过程施以监测和动态模拟。
上述实施例中,利用历史指标检测数据推算出某监测点的水质变化趋势,以便于后续对污染物的迁移转化过程施以监测和动态模拟,实现水资源智能调度与精细化管理。
综合分析单元104,用于将获取到实时指标检测数据和预测指标检测数据,输入到预先构建的综合评价分析模型中,通过综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标。
具体的,结合实时检测单元102测得的实时指标检测数据,以及根据指标预测单元103计算得到的在预设的未来时间段内,预计输出的预测指标检测数据,其中,通过预先构建的大数据分析及敏捷的数学模型,给出目标监测站点的水质综合评价指标。
在其中一个实施例中,请参考图4,其为综合分析单元的预警流程示意图,本实施例中采用决策树+随机森林法(需要说明的是,决策树是一种基本的回归和分类算法,它由节点和有向边组成。随机森林是bagging的扩展变体。它在以决策树为基学习器构建bagging的基础上,进一步在决策树的训练过程中引入了随机属性选择。也就是在决策树训练的时候,先随机选择含有k个属性的子集,再进行训练)的综合评价分析处理,进行水质综合评价指标的计算,其中包括:
(1)将当前的水质评价(即实时指标检测数据)和未来48小时内水质预测(即预测指标检测数据)作为综合评价分析处理的输入,通过该综合评价分析处理进行确定性预测结果的计算。
(2)基于当前的确定性预测结果进行污染概率确认值以及分布区间值的估计,并结合历史数据库中预先存储的最优阈值,在确定当前计算得到的污染概率确认值以及分布区间值达到最优阈值时,输出相应的概率性预测结果(即水质综合评价指标)。
上述实施例中,考虑了影响水质变化的物理、化学及生物因素,并采用决策树+随机森林法进行水质综合评价指标的计算,提高了预测准确度。
其中,预警单元105,根据获取到的水质综合评价指标,输出相应的预警策略。
具体的,水质综合评价指标表征水质在相应时间段内受污染的预测情况,该预警单元105还用于根据所确定的环境隐患进行污染源的筛选,并针对筛选到的污染源,输出相应的治理应对策略。
在其中一个实施例中,若用参数δ来反映水质综合评价指标,在输出预警策略的时候,当判断δ值长时间接近于下一级别的水体临界值(即劣质水体的评价指标)时,代表当前水体有极大的概率向劣质水体发展,当前将根据所确定的环境隐患进行污染源的筛选,并基于实时在线搜索或从指定数据库中,获取该污染源的治理应对策略。示例性的,在根据水质综合评价指标确定CODcr含量和DO含量均低于标准含量阈值时,此时输出的治理应对策略可以参考以下内容:“需要加强关注,通过启动增氧,清除垃圾或调水等手段防止水质进一步恶化,保持水体环境”。
在其中一个实施例中,若用参数η来反映未来一段时间内水体水质可能的发展趋势,例如反映24小时、48小时或72小时内水体的综合污染情况会不会变差,在基于参数η预测水质在未来24小时内存在被污染的情况时,此时输出的治理应对策略可以参考以下内容:“未来24小时内需要加大关注度,并提前做好治理准备,以防止水体水质变差和跨级”。
上述实施例中,通过δ值和η值预测水体的综合污染情况,不再需要专门学习和研究各种水质具体参数对于水体分别的影响,方便判断监控水体的综合水质情况和变化趋势,提高了预警效率。
上述水质监测预警***中,一方面基于实时检测单元进行指标检测;另一方面结合实时指标检测数据以及检测到的历史指标检测数据之间的变化数据,对未来水质的污染情况进行有效预测,并输出预测指标检测数据;最后,结合综合分析评价模型,对输入的实时指标检测数据和预测指标检测数据进行分析处理,并根据得到的水质综合评价指标,输出预警策略。当前形成了一个实时监控到提前预警再到及时决策的良性闭环,提高了水质多尺度预报预测预警水平,实现了水资源的智能调度与精细化管理,能够有效提高水质数据的监管效率。
在一个实施例中,请参考图5,传感器包括传感器本体、设于传感器本体上的清洁装置和清洁接口,清洁接口与自清洗单元和清洁装置之间均保持连通,其中:自清洗单元,还用于在进入工作模式时,通过清洁接口灌入无杂质的清水到清洁装置中。清洁装置固定于传感器本体的一侧,用于在灌入清水时,释放出定量的清水到传感器的外表面以及传感器本体,以进行清洗。
在一个实施例中,请参考图5,需要说明的是,清洁接口可以为通水或通气清洁接口。传感器本体上还可以设有多个通讯电源接口。
在一个实施例中,清洁装置与传感器本体之间通过一个固定装置进行固定连接,清洁装置可以包括刮刷,且,刮刷上设有可旋转的冲洗喷头装置,在灌入清水到清洁装置时,通过调整冲洗喷头装置的旋转角度,从不同的角度喷出定量的清水到传感器的外表面,实现对传感器的外表面的清洗。在一个实施例中,传感器外表面以及本体的清洗周期与取样检测的频次保持一致,即每完成一次取样检测,就清洗一次传感器的本体以及外表面,以避免残留水样遗留在传感器的传感器的本体以及外表面上。
在一个实施例中,实时检测单元还包括校正单元,其中:控制单元还连接到校正单元,还用于当比较所得的差异值大于等于预设的第二差异阈值时,进行目标传感器的定位,并控制校正单元进入工作模式;校正单元,用于在进入工作模式时,输出校正提示信息给指定用户,以提示指定用户对定位到的目标传感器进行校正处理。
其中,一方面,当比较所得的差异值大于等于预设的第二差异阈值时,根据当前所确定的检测指标进行目标传感器A的定位。另一方面,当校正单元进入工作模式时,输出给指定用户的校正提示信息,可以参考以下形式“当前目标传感器A存在故障,请及时处理”,校正单元输出的校正提示信息可以通过短信等信息传输方式传输到指定用户的手持终端,以达到及时提醒的效果。
在一个实施例中,该***还包括显示单元,其中:显示单元,用于对预警单元输出的预警策略,和/或,对实时指标检测数据、历史指标检测数据以及预测指标检测数据中的至少一种指标检测数据,进行实时显示。
具体的,显示单元采用TCP/IP通讯协议对所需显示的数据进行实时获取,并通过预设的终端显示页面进行数据显示。其中,一方面,终端的授权管理者可以通过该显示页面的方式,对预警单元输出的预警策略,和/或,对实时指标检测数据、历史指标检测数据以及预测指标检测数据中的至少一种指标检测数据,进行实时显示。另一方面,分析输出的预警策略以及指标检测数据将通过网络报送到相关管理部门,方便管理部门后续可以能够根据接收到的预警策略,及时进行设备维护。
在其中一个实施例中,显示单元还可以从以下几方面进行功能扩展:
(1)基于HJ 212-2017数据传输标准(即污染物在线自动监控(监测)***数据传输标准)与相应的功能单元(例如预警单元)进行信息交互。在一个实施例中,在显示单元中,基于预设的栅格、聚簇、热图和活动规律等多种可视化分析手段和多大类、近百种的可视分析图表,从多个维度对获取到的指标检测数据进行多维度分析研判,辅助终端的授权管理者全面掌控数据变化态势,深度挖掘数据的时空特征及变化规律,为后续的预警决策提供科学依据。
(2)深度整合各级别、各部门和各地区的联动资源,对大规模联动资源进行可视化管理,并通过集成视频会议、远程监控和图像传输等应用***或功能接口,实现一键直呼、协同调度多方人员、物资和设施等联动资源,实现跨组织部门、跨地域和跨行业的联动协同作战。
(3)支持对跨部门事件处理工作的全流程把控,对于预警策略输出后采取措施实施时,通过将办公流程或预案流程的相关要素以及当前状态进行可视化管理,管理者可以清晰直观掌握当前流程所处的节点,以及每个节点所需要做的具体工作;同时,通过对事件处理全过程的监管和评测,管理人员也可以及时了解各部门工作成效,有效提升工作效率和管控力度。
(4)在对水质进行监测预警的场景下,通过上述的可视化展示方式,可以提供面向城市管理工作规划展示、城市建设成果展示、重点项目展示和重要事件复现等应用需求,能够基于动态真实数据进行演示汇报,全面、清晰和高效地突出展示重点和亮点;无论是对历史数据的回溯,还是对态势发展的预测推演,都可以提供相关的数据展示。
(5)通过预设的三维可视化组件,进行决策数据的可视化渲染,并且基于内置的多种仿真计算模型,原生支持数据驱动和多级细节显示优化(LOD)等特性,可支撑三维空间的可视化场景的快速构建。
(6)提供个性化地图风格和全离线地图解决方案,满足各种范围和精度地图显示需求。可以与大数据可视化渲染机无缝集成,为本地***提供私有地图数据服务。
(7)原生支持大屏多屏交互联动控制,支持席位、电子沙盘和手持/固定触控终端等多种控制设备,提供单点主控和集群联动的一体化操作模式,轻松对多屏显示内容集中控制,提供便捷交互体验。
通过上述的多种可视化展示方式,可以对水质监测的整个过程进行全方位的监控管理,为工作人员提供便捷方便的信息展示途径。
本领域技术人员可以理解,图1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。
在一个实施例中,如图6所示,提供了一种应用于上述的水质监测预警***的水质监测预警方法,该方法包括:
步骤S602,通过取水单元,对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元。
步骤S604,通过实时检测单元,对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种。
步骤S606,通过指标预测单元,获取实时指标检测数据,并根据实时指标检测数据确定对应的目标水样检测指标;以及,根据目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;以及,结合历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据。
步骤S608,通过综合分析单元,将获取到实时指标检测数据和预测指标检测数据,输入到预先构建的综合评价分析模型中,通过综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标。
步骤S610,通过预警单元,根据获取到的水质综合评价指标,输出相应的预警策略。
在其中一个实施例中,该方法还包括:通过传感器对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到控制单元;在确定指标检测完成之后,控制排水单元排出当前采集到的水样;根据获取到的实时指标检测数据,通过控制单元对预先存储的指标标准数据进行调用,并比较实时指标检测数据与指标标准数据之间的差异;当比较所得的差异值大于等于预设的第一差异阈值,且,小于预设的第二差异阈值时,以及在确定自吸泵未进入工作模式,且当前实时采集到的水样已排出时,控制自清洗单元进入工作模式;在自清洗单元进入工作模式时,灌入无杂质的清水到输水管道中,对输水管道进行清洗,以减少输水管道内的残留水样。
在其中一个实施例中,该方法还包括:在自清洗单元进入工作模式时,通过清洁接口灌入无杂质的清水到清洁装置中;在向清洁装置中灌入清水时,通过释放出定量的清水到传感器的外表面以及传感器本体,以进行清洗。
在其中一个实施例中,该方法还包括:在自吸泵进入工作模式时,通过自吸泵进行水样采集,并通过自吸泵与实时检测单元之间连通的一个输水管道,将采集到的水样输送到实时检测单元。
在其中一个实施例中,该方法还包括:通过控制单元在确定比较所得的差异值大于等于预设的第二差异阈值时,进行目标传感器的定位,并控制实时检测单元中的校正单元进入工作模式,通过该校正单元输出校正提示信息给指定用户,以提示指定用户对定位到的目标传感器进行校正处理。
在其中一个实施例中,该方法还包括:通过显示单元对预警单元输出的预警策略,和/或,对实时指标检测数据、历史指标检测数据以及预测指标检测数据中的至少一种指标检测数据,进行实时显示。
在其中一个实施例中,该方法还包括:通过预警单元根据所确定的环境隐患进行污染源的筛选,并针对筛选到的污染源,输出相应的治理应对策略;其中,水质综合评价指标表征水质在相应时间段内受污染的预测情况。
上述水质监测预警方法,一方面基于实时检测单元进行指标检测;另一方面结合实时指标检测数据以及检测到的历史指标检测数据之间的变化数据,对未来水质的污染情况进行有效预测,并输出预测指标检测数据;最后,结合综合分析评价模型,对输入的实时指标检测数据和预测指标检测数据进行分析处理,并根据得到的水质综合评价指标,输出预警策略。当前形成了一个实时监控到提前预警再到及时决策的良性闭环,提高了水质多尺度预报预测预警水平,实现了水资源的智能调度与精细化管理,能够有效提高水质数据的监管效率。
应该理解的是,虽然图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
现结合图7-图8,对利用本申请中的水质监测预警***进行预警策略的输出的步骤,进行具体说明,具体包括以下步骤:
(a1)在控制取水单元中的自吸泵进入工作模式时,通过自吸泵与实时检测单元之间连通的输水管道,将采集到的水样输送到实时检测单元;其中,自吸泵的采水位置随水位波动同步升降,并保持采水深度在水面下0.5m处。
(a2)请参考图7,水样在完成进水、预处理、配水、供样的流程之后,通过实时监测单元(即检测模块)中的传感器对当前采集到的水样进行指标检测,得到实时指标检测数据;其中,上述传感器包括用于检测常规指标(PH\DO\EC\T水温)的常规传感器、用于检测TUR\TOC\CODcr的第一新型光谱法传感器、用于检测氨氮\NH3-N\水压的第二新型光谱法传感器和用于检测总磷的新型电极法传感器。需要说明的是,实时监测单元除了可以用于水质监测,还能用于水位/流量监测,还能用于水华监测以及气候监测。
(a3)当前得到的实时指标检测数据将进一步通过通信模块进一步传输到水质预警***中的指标预测单元,通过指标预测单元获取确定实时指标检测数据所对应的目标水样检测指标;需要说明的是,当前确定的目标水样检测指标主要用于进一步从数据库中获取在预设的历史时间段内(例如过去24小时或48小时内等),检测得到的历史指标检测数据。通过预设的数字孪生体模型,进一步分析出历史指标检测数据和实时指标检测数据之间的数据变化规律,并确定在预设的未来时间段内,预计输出的预测指标检测数据。
(a4)通过综合分析单元将步骤(a2)中得到的实时指标检测数据,以及步骤(a3)中得到的预测指标检测数据,输入到预先构建的综合评价分析模型(即图7中示意的算法模型)中,通过所述综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标。
(a5)通过预警单元结合步骤(a4)中的得到的水质综合评价指标判断是否需要进行预警,以及输入相应的预警策略。其中,通信模块还连接到数据分析看板,通过数据分析看板对所述预警单元输出的预警策略,和/或,对实时指标检测数据、历史指标检测数据以及预测指标检测数据中的至少一种指标检测数据,进行实时显示。另一方面,本申请中公开的水质监测预警***集成在一个固定的机柜中,其中,通信模块还连接到集成机柜外的水务云平台,基于该水务云平台进行预警策略、实时指标检测数据、历史指标检测数据以及预测指标检测数据的实时存储,水务云平台还连接到监督主管部门和化学实验室,用以将存储的各项数据反馈到监督主管部门和化学实验室,帮助相关的工作人员及时掌握水质污染的发展趋势。
一方面,需要说明的是,在取样完成后,将由实时检测单元中的控制单元控制排水单元,排出当前采集到的水样。
另一方面,需要说明的是,自清洗单元与输水管道之间设置有第一开关阀(例如图8中示意的清洗电动阀B2、清洗发B3、取样电动阀B4和手动阀B5),通过控制第一开关阀的开闭状态,进一步控制自清洗单元与输水管道之间的连通。且,在由控制单元基于预设的判断条件,确定当前需要对输水管道进行清洗时,将控制自清洗单元进入工作模式,并打开自清洗单元与输水管道之间的第一开关阀(即在清洗输水管道的时候,开启清洗电动阀B2、清洗发B3、取样电动阀B4和手动阀B5),通过灌入无杂质的清水到输水管道中,对输水管道进行清洗,以减少输水管道内的残留水样。
另一方面,还需要说明的是,自清洗单元与传感器中的清洁接口之间设置有第二开关阀(例如图8中示意的清洗阀B6),通过控制第二开关阀的开闭状态,进一步控制自清洗单元与清洁接口之间的连通。其中,基于清洁接口灌入无杂质的清水到清洁装置,并释放出定量的清水到传感器的外表面以及所述传感器本体,以进行清洗。
本实施例中结合传感器和预警分析技术,可对海量的历史数据和实时数据进行综合分析,同时,将多源数据融合到同一个综合评价分析模型体系中,发现数据中的隐含相似性,并基于时间、空间和数据等多个维度,为各类预警焦点事件建立阈值告警触发规则,通过自动监控各类预警焦点事件的发展状态,对来自不同部门和不同***的告警信息进行关联分析,给予决策部门充足时间准备解决方案,形成“实时监控–提前预警–及时决策”的良性闭环。提高水质多尺度预报预测预警水平,实现水资源智能调度与精细化管理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种水质监测预警***,其特征在于,所述***包括取水单元、实时检测单元、指标预测单元、综合分析单元和水质预警单元,其中:
所述取水单元,用于对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元;
所述实时检测单元,用于对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种;
所述指标预测单元,用于获取所述实时指标检测数据,并根据所述实时指标检测数据确定对应的目标水样检测指标;还用于根据所述目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;还用于结合所述历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据;
所述综合分析单元,用于将获取到所述实时指标检测数据和所述预测指标检测数据,输入到预先构建的综合评价分析模型中,通过所述综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标;
所述预警单元,用于根据获取到的水质综合评价指标,输出相应的预警策略。
2.根据权利要求1所述的***,其特征在于,所述取水单元包括悬浮装置和自吸泵,所述自吸泵与所述实时检测单元之间连通有一个输水管道,其中:
所述悬浮装置漂浮在水面上,且所述悬浮装置的浮动高度随水位波动进行同步升降;
所述悬浮装置与所述自吸泵之间固定连接,所述自吸泵沉浮在水面下,且与水底之间间隔有相应的距离;
所述悬浮装置,用于在随水位波动进行同步升降时,带动所述自吸泵同步进行上浮或下沉;
所述自吸泵,用于在进入工作模式时进行水样采集,并通过所述输水管道将采集到的水样输送到实时检测单元。
3.根据权利要求2所述的***,其特征在于,所述实时检测单元包括多个传感器、控制单元、排水单元和自清洗单元,其中,
所述传感器连接到所述控制单元,用于对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到控制单元;
所述控制单元还连接到排水单元,还用于在确定指标检测完成之后,控制所述排水单元排出当前采集到的水样;
所述控制单元还连接到自清洗单元,还用于根据获取到的实时指标检测数据,对预先存储的指标标准数据进行调用,并比较所述实时指标检测数据与所述指标标准数据之间的差异;当比较所得的差异值大于等于预设的第一差异阈值,且,小于预设的第二差异阈值时,以及在确定所述自吸泵未进入工作模式,且当前实时采集到的水样已排出时,控制所述自清洗单元进入工作模式;
所述自清洗单元与所述输水管道之间连通,用于在进入工作模式时,灌入无杂质的清水到所述输水管道中,对所述输水管道进行清洗,以减少所述输水管道内的残留水样。
4.根据权利要求3所述的***,其特征在于,所述传感器包括传感器本体、设于所述传感器本体上的清洁装置和清洁接口,所述清洁接口与所述自清洗单元和清洁装置之间均保持连通,其中:
所述自清洗单元,还用于在进入工作模式时,通过所述清洁接口灌入无杂质的清水到所述清洁装置中;
所述清洁装置固定于所述传感器本体的一侧,用于在灌入清水时,释放出定量的清水到传感器的外表面以及所述传感器本体,以进行清洗。
5.根据权利要求3所述的***,其特征在于,所述实时检测单元还包括校正单元,其中:
所述控制单元还连接到校正单元,还用于当比较所得的差异值大于等于预设的第二差异阈值时,进行目标传感器的定位,并控制所述校正单元进入工作模式;
所述校正单元,用于在进入工作模式时,输出校正提示信息给指定用户,以提示所述指定用户对定位到的目标传感器进行校正处理。
6.根据权利要求1所述的***,其特征在于,所述***还包括显示单元,其中:
所述显示单元,用于对所述预警单元输出的预警策略,和/或,对实时指标检测数据、历史指标检测数据以及预测指标检测数据中的至少一种指标检测数据,进行实时显示。
7.根据权利要求1所述的***,其特征在于,所述水质综合评价指标表征水质在相应时间段内受污染的预测情况,所述预警单元用于根据所确定的环境隐患进行污染源的筛选,并针对筛选到的污染源,输出相应的治理应对策略。
8.一种水质监测预警方法,其特征在于,应用于权利要求1-7中任一项所述的水质监测预警***,所述方法包括:
通过所述取水单元,对设于预设采样位置处的水样进行采集,并将实时采集到的水样输送到实时检测单元;
通过所述实时检测单元,对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到指标预测单元;其中,水样的检测指标包括水中氨氮含量指标、水体的污染程度指标和总有机碳含量指标中的至少一种;
通过所述指标预测单元,获取所述实时指标检测数据,并根据所述实时指标检测数据确定对应的目标水样检测指标;以及,根据所述目标水样检测指标,获取在预设的历史时间段内,检测得到的历史指标检测数据;以及,结合所述历史指标检测数据和实时指标检测数据之间的数据变化规律,确定在预设的未来时间段内,预计输出的预测指标检测数据;
通过所述综合分析单元,将获取到所述实时指标检测数据和所述预测指标检测数据,输入到预先构建的综合评价分析模型中,通过所述综合评价分析模型对当前输入的数据进行综合评价分析处理,得到水质综合评价指标;
通过所述预警单元,根据获取到的水质综合评价指标,输出相应的预警策略。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
通过所述传感器对实时采集到的水样进行指标检测,并将检测所得的实时指标检测数据传输到控制单元;
在确定指标检测完成之后,控制所述排水单元排出当前采集到的水样;
根据获取到的实时指标检测数据,通过所述控制单元对预先存储的指标标准数据进行调用,并比较所述实时指标检测数据与所述指标标准数据之间的差异;当比较所得的差异值大于等于预设的第一差异阈值,且,小于预设的第二差异阈值时,以及在确定所述自吸泵未进入工作模式,且当前实时采集到的水样已排出时,控制所述自清洗单元进入工作模式;
在所述自清洗单元进入工作模式时,灌入无杂质的清水到所述输水管道中,对所述输水管道进行清洗,以减少所述输水管道内的残留水样。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
在所述自清洗单元进入工作模式时,通过所述清洁接口灌入无杂质的清水到所述清洁装置中;
在向所述清洁装置中灌入清水时,通过释放出定量的清水到传感器的外表面以及所述传感器本体,以进行清洗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405318.8A CN113125663A (zh) | 2021-04-15 | 2021-04-15 | 一种水质监测预警***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405318.8A CN113125663A (zh) | 2021-04-15 | 2021-04-15 | 一种水质监测预警***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113125663A true CN113125663A (zh) | 2021-07-16 |
Family
ID=76776443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110405318.8A Pending CN113125663A (zh) | 2021-04-15 | 2021-04-15 | 一种水质监测预警***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113125663A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588617A (zh) * | 2021-08-02 | 2021-11-02 | 清华大学 | 水质多特征预警溯源***及方法 |
CN113588650A (zh) * | 2021-09-30 | 2021-11-02 | 武汉市中卫寰宇医疗***工程有限公司 | 医用污水净化监测*** |
CN113607905A (zh) * | 2021-07-29 | 2021-11-05 | 常州罗盘星检测科技有限公司 | 一种水质传感器的自清洗控制***及方法 |
CN114386658A (zh) * | 2021-12-03 | 2022-04-22 | 天健创新(北京)监测仪表股份有限公司 | 湖库水质监测预警方法、装置、存储介质及电子设备 |
CN115219683A (zh) * | 2022-07-29 | 2022-10-21 | 中国地质科学院岩溶地质研究所 | 一种水环境质量预警***及其构建方法 |
CN115578015A (zh) * | 2022-12-07 | 2023-01-06 | 华南理工大学 | 基于物联网的污水处理全过程监管方法、***及存储介质 |
CN116338132A (zh) * | 2023-05-23 | 2023-06-27 | 苏州北控环保科技有限公司 | 一种基于河道修复的水环境监控装置及其控制*** |
CN117252111A (zh) * | 2023-11-15 | 2023-12-19 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种堤坝隐患和险情区域主动监测方法 |
CN117890546A (zh) * | 2023-04-11 | 2024-04-16 | 江苏省秦淮河水利工程管理处 | 一种湖泊生态风险预警和干预方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010249612A (ja) * | 2009-04-14 | 2010-11-04 | Shimadzu Corp | 純水分析装置及びその採水流路の洗浄方法 |
CN106662564A (zh) * | 2014-07-29 | 2017-05-10 | 哈希朗格有限公司 | 对水质测量数据的基于移动的收集 |
CN106932549A (zh) * | 2015-12-29 | 2017-07-07 | 中国环境科学研究院 | 地下水水质综合预警方法 |
US20200331772A1 (en) * | 2017-12-20 | 2020-10-22 | Intellitect Water Ltd. | A water network monitor, monitoring system and method |
CN111855935A (zh) * | 2020-06-05 | 2020-10-30 | 浙江源态环保科技服务有限公司 | 一种河道水质监控预警*** |
-
2021
- 2021-04-15 CN CN202110405318.8A patent/CN113125663A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010249612A (ja) * | 2009-04-14 | 2010-11-04 | Shimadzu Corp | 純水分析装置及びその採水流路の洗浄方法 |
CN106662564A (zh) * | 2014-07-29 | 2017-05-10 | 哈希朗格有限公司 | 对水质测量数据的基于移动的收集 |
CN106932549A (zh) * | 2015-12-29 | 2017-07-07 | 中国环境科学研究院 | 地下水水质综合预警方法 |
US20200331772A1 (en) * | 2017-12-20 | 2020-10-22 | Intellitect Water Ltd. | A water network monitor, monitoring system and method |
CN111855935A (zh) * | 2020-06-05 | 2020-10-30 | 浙江源态环保科技服务有限公司 | 一种河道水质监控预警*** |
Non-Patent Citations (3)
Title |
---|
赵利民: "水质自动监测控制***", 《山西电子技术》 * |
韩君: "《基于生活质量视角的农村贫困测度方法及应用研究》", 31 December 2019, 中国商业出版社 * |
马凤萍等: "唐山市陡河水库水源地监测保障***建设", 《环境科学与技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113607905A (zh) * | 2021-07-29 | 2021-11-05 | 常州罗盘星检测科技有限公司 | 一种水质传感器的自清洗控制***及方法 |
CN113607905B (zh) * | 2021-07-29 | 2023-10-13 | 常州罗盘星检测科技有限公司 | 一种水质传感器的自清洗控制***及方法 |
CN113588617A (zh) * | 2021-08-02 | 2021-11-02 | 清华大学 | 水质多特征预警溯源***及方法 |
CN113588650A (zh) * | 2021-09-30 | 2021-11-02 | 武汉市中卫寰宇医疗***工程有限公司 | 医用污水净化监测*** |
CN114386658A (zh) * | 2021-12-03 | 2022-04-22 | 天健创新(北京)监测仪表股份有限公司 | 湖库水质监测预警方法、装置、存储介质及电子设备 |
CN115219683A (zh) * | 2022-07-29 | 2022-10-21 | 中国地质科学院岩溶地质研究所 | 一种水环境质量预警***及其构建方法 |
CN115578015A (zh) * | 2022-12-07 | 2023-01-06 | 华南理工大学 | 基于物联网的污水处理全过程监管方法、***及存储介质 |
CN117890546A (zh) * | 2023-04-11 | 2024-04-16 | 江苏省秦淮河水利工程管理处 | 一种湖泊生态风险预警和干预方法及*** |
CN116338132A (zh) * | 2023-05-23 | 2023-06-27 | 苏州北控环保科技有限公司 | 一种基于河道修复的水环境监控装置及其控制*** |
CN117252111A (zh) * | 2023-11-15 | 2023-12-19 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种堤坝隐患和险情区域主动监测方法 |
CN117252111B (zh) * | 2023-11-15 | 2024-02-23 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种堤坝隐患和险情区域主动监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113125663A (zh) | 一种水质监测预警***和方法 | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
Lombardi et al. | Assessing the urban carbon footprint: An overview | |
CN106054796B (zh) | 一种基于云端的污水处理厂监控***及方法 | |
CN104103005B (zh) | 一种有限条件下突发性水环境事件污染源的溯源方法 | |
CN110069045A (zh) | 基于bim、vr及物联网的污水处理厂无人值守方法和智能管理平台 | |
CN114443982A (zh) | 一种大区域土壤重金属检测与时空分布特征分析方法及*** | |
CN113970627B (zh) | 一种水质监测及预警方法、*** | |
CN103489053A (zh) | 一种基于云计算与专家***的智能水资源管控平台 | |
CN104318325A (zh) | 多流域实时智能水质预测方法及*** | |
CN111083662B (zh) | 基于云计算的水质监测物联网*** | |
CN104915562A (zh) | 建筑能效诊断方法和*** | |
KR20220125982A (ko) | 3d 디지털 트윈 댐 안전 관리 시스템 및 방법 | |
CN109271465B (zh) | 一种基于云计算的水文数据分析及展示方法 | |
Yu et al. | RIOMS: An intelligent system for operation and maintenance of urban roads using spatio-temporal data in smart cities | |
CN111815128A (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
CN115796847B (zh) | 一种智慧燃气维修人员管理方法和物联网***、介质 | |
CN112541028A (zh) | 水环境大数据监控***及方法 | |
KR102536774B1 (ko) | 3d 디지털 트윈 댐 모델을 이용한 댐 수문 방류 시뮬레이션 시스템 및 방법 | |
CN111115727A (zh) | 一种农村污水处理***和方法 | |
CN116485606B (zh) | 排水户、管网、泵站、污水厂、河道的智慧水务管理平台 | |
Liu | RETRACTED ARTICLE: Agricultural water management based on the Internet of Things and data analysis | |
CN112765718A (zh) | 基于bim和物联网技术的净水厂运维***及方法 | |
JP2006221402A (ja) | 地下水開発施設における地下水管理システム | |
CN212647305U (zh) | 产污治污排污全过程在线监控*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |
|
RJ01 | Rejection of invention patent application after publication |