CN113354004B - 基于互联网和大数据的污水处理方法及*** - Google Patents
基于互联网和大数据的污水处理方法及*** Download PDFInfo
- Publication number
- CN113354004B CN113354004B CN202110646039.0A CN202110646039A CN113354004B CN 113354004 B CN113354004 B CN 113354004B CN 202110646039 A CN202110646039 A CN 202110646039A CN 113354004 B CN113354004 B CN 113354004B
- Authority
- CN
- China
- Prior art keywords
- area
- data
- sewage
- optimized
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于互联网和大数据的污水处理方法及***，包括获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，根据参考型待优化数据对第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。本发明一方面通过根据污水优化高级区域的数据，对所述第一待优化数据和所述第二待优化数据进行优化处理，进而实现大区域的污水处理的同时优化，另一方面基于大数据和互联网技术实现了数据的高效分析和存储，进而提升污水数据处理的效率与高效性。
Description
技术领域
本申请涉及污水处理技术领域，特别是涉及一种基于互联网和大数据的污水处理方法及***。
背景技术
污水处理，是为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程。污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域，也越来越多地走进寻常百姓的日常生活。随着大数据与互联网技术发展，污水处理已逐结合互联网和大数据，如申请号为CN201910709092.3的发明专利文件中公开了一体化分散式农村污水处理站智能控制***，数据采集模块用于获取污水处理设备的运行状态数据，视频监控模块用于实时监控污水处理站处理污水过程，水质监测模块用于检测污水处理设备中污水水质信息，并将上述信息传输到互联网与云端数据平台，互联网与云端数据平台将数据进行整理管理，并上传至远端控制平台和移动终端。
虽能够实现相关污水处理的相关效果，但是，目前针对一个大的区域中存在的污水处理不平衡的情况，即一个大的区域中，存在局部区域的污水处理效果较好，其余区域的污水处理效果则较差的情况，导致污水处理效率不高效且污水治理不平衡的问题产生，影响区域的发展，同时在污水处理的过程中并没有有效利用大数据和互联网，进而导致污水处理效率的治理效果差的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高数据处理效率的基于互联网和大数据的污水处理方法及***。
本发明技术方案如下：
一种基于互联网和大数据的污水处理方法，所述方法包括：
获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
具体而言，获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；具体包括：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域。
具体而言，根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；具体包括：
基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
具体而言，获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；具体包括：
获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
具体而言，获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；之后还包括：
获取污水处理辅助评判信息；基于所述污水处理辅助评判信息，按照预设的关键词提取模型提取所述所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据；基于所述辅助评判要求数据对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据；根据所述更新要求数据对所述污水环境处理审核标准作增量学习，并生成更新后污水处理审核标准。
具体而言，一种基于互联网和大数据的污水处理***，所述***包括：
处理区域模块，用于获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；
数据技术模块，用于基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；
优化处理模块，用于根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
具体而言，所述处理区域模块还用于：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域。
具体而言，所述优化处理模块还用于：基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
所述优化处理模块还用于：获取污水处理辅助评判信息；基于所述污水处理辅助评判信息，按照预设的关键词提取模型提取所述所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据；基于所述辅助评判要求数据对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据；根据所述更新要求数据对所述污水环境处理审核标准作增量学习，并生成更新后污水处理审核标准。
具体而言，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于互联网和大数据的污水处理方法所述的步骤。
具体而言，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于互联网和大数据的污水处理方法所述的步骤。
本发明实现技术效果如下：
上述基于互联网和大数据的污水处理方法及***，依次通过获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储，进而一方面实现通过根据大区域内实现了较优污水处理的区域的污水处理数据，对大区域内其他污水处理待优化的区域进行优化，即通过根据所述污水优化高级区域的数据，对所述第一待优化数据和所述第二待优化数据进行优化处理，进而期望实现所述第一待优化数据和所述第二待优化数据趋向于所述参考型待优化数据，进而实现大区域的污水处理的同时优化，另一方面基于大数据和互联网技术实现了数据的高效分析和存储，进而提升污水数据处理的效率与高效性。
附图说明
图1为一个实施例中基于互联网和大数据的污水处理方法的流程示意图；
图2为一个实施例中基于互联网和大数据的污水处理***的结构框图；
图3为一个实施例中计算机设备的内部结构图。
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，所述基于互联网和大数据的污水处理方法还基于一种应用场景中，该场景包括一终端，终端通过获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；接着，终端基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；然后终端根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
在一个实施例中，如图1所示，提供了一种基于互联网和大数据的污水处理方法，所述方法包括：
步骤S100：获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；
进一步地说，本步骤中，首先需要获取所述原始待处理区域。原始待处理区域为用户所处的大环境区域，如一整个镇区。所述目标待处理区域为所述原始待处理区域中的局部区域，且所述目标待处理区域为参与污水治理的区域。
所述原始待处理区域为预先选中，如选中深圳南山区作为原始待处理区域。接着，通过大数据以及互联网技术对深圳南山区做建模处理，并生成深圳南山区的区域图，该区域图包含了深圳南山区的地理标识以及相关建筑分布。
在选中所述原始待处理区域后，从所述原始待处理区域中选中一部分已经做了污水处理的区域，也即目标待处理区域。具体地，本步骤中，建模后的区域图可以显示于一数据终端上，用户可以在该数据终端上选择所述目标待处理区域。
其中，目标待处理区域的选择需要保证所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，并且同时保证所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离。
更进一步地，所述污水优化高级区域的污水治理效果要高于所述第一污水待优化区域和第二污水待优化区域的污水治理效果。
步骤200：基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；
进一步地说，本步骤中，所述第一待优化数据、所述参考型待优化数据和所述第二待优化数据为所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域的污水治理过程中保存的数据，如污水治理过程数据、污水治理解决难题数据、污水治理成效数据以及污水治理现状数据。
进一步地，在获取所述第一待优化数据、所述参考型待优化数据和所述第二待优化数据的过程中，运用了大数据技术，如通过大数据技术实现在治理污水过程中的数据高效收集等。
本步骤中，通过分别获取所述第一待优化数据、所述参考型待优化数据和所述第二待优化数据，实现为后续实现同一大区域的同批次污水治理。
步骤S300：根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
进一步地说，所述参考型待优化数据中包含了能实现较高污水治理效果的数据，因此，所述参考型待优化数据中所包含的数据能够作为参考性的数据，并依据所述参考型待优化数据来对所述第一待优化数据和所述第二待优化数据作数据优化处理，进而改进所述第一待优化数据和所述第二待优化数据作数据优化处理中存在的污水治理效果不理想的方案。
接着，通过生成数据优化报告基于互联网技术存储，实现了数据的互联网存储，进一步地，在生成数据优化报告基于互联网技术存储之后，还生成互联网展示界面，所述互联网展示界面用于展示数据优化报告。
在一个实施例中，步骤S100：获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；具体包括：
步骤S110：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；
步骤S120：若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；
进一步地说，本步骤中，首先通过获取初始高级区域，所述获取初始高级区域是第一次简单判断后获取的，为了保证获取的初始高级区域的准确性，进而在判断所述初始高级区域是满足预设的高级区域评估标准后，才将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域。
进一步地，同时获取所述高级区域评估标准的基础环境数据，所述基础环境数据为对应所述污水优化高级区域的基本的环境数据，如绿化数据、建筑区域以及高污染企业分布数据。
步骤S130：基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；
步骤S140：按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；
步骤S150：分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；
步骤S160：将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域。
进一步地说，为了保证所述污水优化高级区域的数据能够对其他区域提供参考性，因此先在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域。同时，为了保证选取区域的准确性和可参考性，因此，设定在以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内选择，也即选取多个原始污水待优化区域。进一步地，为了保证选取的区域的更精准，实行再一次筛选，也即将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值，也即将相似度最高的和第二高的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域，因此尽可能的保证了，选择的待优化的区域的基本环境与参考型待优化数据对应的区域的环境最相似，进而实现污水的高效治理。
在一个实施例中，步骤S300：根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；具体包括：
步骤S310：基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；
步骤S320：基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；
步骤S330：根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；
步骤S340：根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；
步骤S350：根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；
进一步地说，为了保证污水治理的高效性，因此先通过获取第一关联关系衡量值和所述第二关联关系衡量值，所述第一关联关系衡量值和所述第二关联关系衡量值分别表征所述第一污水待优化区域、所述第二污水待优化区域与所述污水优化高级区域之间的关联关系的密切关系值。
步骤S360：从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
接着，在生成所述第一附加影响值和所述第二附加影响值，所述一附加影响值和所述第二附加影响值分别为所述污水优化高级区域与所述第一污水待优化区域和所述第二污水待优化区域之间的差异所带来的影响参数，因此，通过提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据，并滤除所述综合附加影响值，实现滤除了因区域之间的关系所产生的互相影响所导致的污水治理的低效性，因此生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储，实现基于互联网的高效污水治理。
在一个实施例中，步骤S110：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；具体包括：
步骤S410：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；
步骤S420：基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；
步骤S430：基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；
步骤S440：若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；
步骤S450：基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；
步骤S460：若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
进一步地说，所述污水环境处理审核标准为相关职能部门制定的对于污水处理水平的认定标准。为了保证对污水治理水平的准确性，故先通过初始评判结果的生成，再判断所述初始评判结果是否满足预设的合格评判结果值，当所述初始评判结果不满足预设的合格评判结果值时，也不直接下定结论，而是通过再一次的审核，也即基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据。
进一步地，所述客观自然环境影响数据为特定时间段内所发生的不可改变的自然事件或者不可逆事件，如旱涝灾害。该类不可逆时间存在影响判定的情况，因此为了筛选出此类情况导致的误判，通过基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值，进而实现若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
在一个实施例中，步骤S410：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；之后还包括：
步骤S411：获取污水处理辅助评判信息；
步骤S412：基于所述污水处理辅助评判信息，按照预设的关键词提取模型提取所述所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据；
步骤S413：基于所述辅助评判要求数据对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据；
步骤S414：根据所述更新要求数据对所述污水环境处理审核标准作增量学习，并生成更新后污水处理审核标准。
进一步地说，所述污水处理辅助评判信息为相关职能单位在出台了污水环境处理审核标准之后，出具的对污水环境处理审核标准作细致批注的污水处理辅助评判信息，因所述污水环境处理审核标准与所述污水处理辅助评判信息出具的时间不一致，因此需要对所述污水环境处理审核标准进行更新，因此按照预设的关键词提取模型提取所述所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据，并且对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据，从而实现数据的更新。
进一步地，根据所述更新要求数据对所述污水环境处理审核标准作增量学习中的增量学习利用神经网络模型进行数据的更新处理，提升生成的更新后污水处理审核标准的准确性。
综上所述，本发明依次通过获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储，进而一方面实现通过根据大区域内实现了较优污水处理的区域的污水处理数据，对大区域内其他污水处理待优化的区域进行优化，即通过根据所述污水优化高级区域的数据，对所述第一待优化数据和所述第二待优化数据进行优化处理，进而期望实现所述第一待优化数据和所述第二待优化数据趋向于所述参考型待优化数据，进而实现大区域的污水处理的同时优化，另一方面基于大数据和互联网技术实现了数据的高效分析和存储，进而提升污水数据处理的效率与高效性。
在一个实施例中，如图2所示，一种基于互联网和大数据的污水处理***，所述***包括：
处理区域模块，用于获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；
数据技术模块，用于基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；
优化处理模块，用于根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
在一个实施例中，所述处理区域模块还用于：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域。
在一个实施例中，所述优化处理模块还用于：基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
在一个实施例中，所述优化处理模块还用于：获取污水处理辅助评判信息；基于所述污水处理辅助评判信息，按照预设的关键词提取模型提取所述所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据；基于所述辅助评判要求数据对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据；根据所述更新要求数据对所述污水环境处理审核标准作增量学习，并生成更新后污水处理审核标准。
在一个实施例中，如图3所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于互联网和大数据的污水处理方法所述的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于互联网和大数据的污水处理方法所述的步骤。
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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述计算机设备中的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
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 (6)
1.一种基于互联网和大数据的污水处理方法，其特征在于，所述方法包括：
获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；
获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；具体包括：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域；
获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；具体包括：
获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准。
2.根据权利要求1所述的基于互联网和大数据的污水处理方法，其特征在于，根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；具体包括：
基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储。
3.根据权利要求1所述的基于互联网和大数据的污水处理方法，其特征在于，获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；之后还包括：
获取污水处理辅助评判信息；基于所述污水处理辅助评判信息，按照预设的关键词提取模型提取所述污水处理辅助评判信息中的辅助评判要求数据，并基于所述污水环境处理审核标准生成先前标准评判要求数据；基于所述辅助评判要求数据对所述先前标准评判要求数据做数据特征迭代，并生成所述辅助评判要求数据对所述先前标准评判要求数据之间的更新要求数据；根据所述更新要求数据对所述污水环境处理审核标准作增量学习，并生成更新后污水处理审核标准。
4.一种基于互联网和大数据的污水处理***，其特征在于，所述***包括：
处理区域模块，用于获取在预设的原始待处理区域中按照特定比例选定的目标待处理区域，并在获取目标待处理区域后生成区域获取完成指令，其中，所述目标待处理区域包括第一污水待优化区域、污水优化高级区域和第二污水待优化区域，所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域两两之间的距离间隔小于等于预设的标准间隔距离；
数据技术模块，用于基于大数据技术根据所述区域获取完成指令分别获取所述第一污水待优化区域、所述污水优化高级区域和所述第二污水待优化区域对应的污水治理成效数据，其中，所述第一污水待优化区域的污水治理成效数据为第一待优化数据，所述污水优化高级区域的污水治理成效数据为参考型待优化数据，所述第二污水待优化区域的污水治理成效数据为第二待优化数据；
优化处理模块，用于根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；
所述优化处理模块还用于：基于所述参考型待优化数据获取所述第一污水待优化区域与所述污水优化高级区域之间的第一关联关系衡量值；基于所述参考型待优化数据获取所述第二污水待优化区域与所述污水优化高级区域之间的第二关联关系衡量值；根据所述第一关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第一附加影响值；根据所述第二关联关系衡量值获取所述污水优化高级区域对所述第一污水待优化区域的第二附加影响值；根据所述第一附加影响值和所述第二附加影响值生成综合附加影响值，并提取根据所述参考型待优化数据对所述第一待优化数据和所述第二待优化数据作数据的优化处理数据；从所述优化处理数据中滤除所述综合附加影响值，并生成升级版优化处理数据，基于所述升级版优化处理数据对所述第一待优化数据和所述第二待优化数据作数据优化处理，并生成数据优化报告基于互联网技术存储；获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时实时调取所述初始高级区域所在区域的污水环境处理审核标准；基于调取的污水环境处理审核标准，对所述初始高级区域进行处理评判，并生成初始评判结果；基于生成的所述初始评判结果，判断所述初始评判结果是否满足预设的合格评判结果值；若判断所述初始评判结果不满足预设的合格评判结果值，则生成再审评判指令，并基于所述再审评判指令搜寻特定时间段内的客观自然环境影响数据；基于所述客观自然环境影响数据对所述初始评判结果作结果纠正处理并生成再审评判结果，同时判断所述再审评判结果是否满足预设的合格评判结果值；若判断所述再审评判结果是满足预设的合格评判结果值，则判定所述初始高级区域是满足预设的高级区域评估标准；若判断所述再审评判结果不满足预设的合格评判结果值，则判定所述初始高级区域不是满足预设的高级区域评估标准；
所述处理区域模块还用于：获取在原始待处理区域中触发高级区域选定的高级区域设定触发指令，并基于所述高级区域设定触发指令获取初始高级区域，同时判断所述初始高级区域是否满足预设的高级区域评估标准；若判断所述初始高级区域是满足预设的高级区域评估标准，则将提取所述初始高级区域中满足所述高级区域评估标准的目标区域，并将该目标区域设定为污水优化高级区域，同时获取所述高级区域评估标准的基础环境数据；基于所述污水优化高级区域获取在所述原始待处理区域中与所述污水优化高级区域处于同一污水处理区域的大范围污水处理区域；按照污水处理流向在所述大范围污水处理区域中筛选以所述污水优化高级区域为核心，以特定标准间隔距离为半径向外延伸形成的圆形区域内的多个原始污水待优化区域；分别获取各所述原始污水待优化区域的当前实际环境数据，并将所述当前实际环境数据与所述基础环境数据作相似度比对，并筛选出相似度数值的最大值和相似度数值第二大值；将所述相似度数值的最大值和相似度数值第二大值所对应的原始污水待优化区域设定为所述第一污水待优化区域和所述第二污水待优化区域。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646039.0A CN113354004B (zh) | 2021-06-10 | 2021-06-10 | 基于互联网和大数据的污水处理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646039.0A CN113354004B (zh) | 2021-06-10 | 2021-06-10 | 基于互联网和大数据的污水处理方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113354004A CN113354004A (zh) | 2021-09-07 |
| CN113354004B true CN113354004B (zh) | 2022-10-04 |
Family
ID=77533530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110646039.0A Active CN113354004B (zh) | 2021-06-10 | 2021-06-10 | 基于互联网和大数据的污水处理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113354004B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6332110B1 (en) * | 1998-12-17 | 2001-12-18 | Perlorica, Inc. | Method for monitoring advanced separation and/or ion exchange processes |
| CN101976307A (zh) * | 2010-11-05 | 2011-02-16 | 东华大学 | 印染流程污水监测指标时间约束关联规则挖掘算法 |
| GB201309727D0 (en) * | 2013-05-31 | 2013-07-17 | Martek Marine Ltd | Water monitor/treatment apparatus and method |
| CN203630603U (zh) * | 2013-12-23 | 2014-06-04 | 深圳达实智能股份有限公司 | 污水处理*** |
| CN105254119A (zh) * | 2015-09-30 | 2016-01-20 | 四川海天环保能源有限公司 | 一种采用大数据管理模式进行污水处理的工艺 |
| CN205068479U (zh) * | 2015-09-30 | 2016-03-02 | 海天水务集团股份公司 | 基于大数据管理技术的城市污水处理*** |
| CN105844401A (zh) * | 2016-03-22 | 2016-08-10 | 北京工商大学 | 基于案例推理的湖库水华治理复杂动态关联模型与决策方法 |
| CN108009307A (zh) * | 2016-11-02 | 2018-05-08 | 季若辰 | 污水处理厂管理经验传承方法 |
| CN109879475A (zh) * | 2019-02-28 | 2019-06-14 | 重庆工商大学 | 动态调节式污水工况处理方法 |
| CN110032755A (zh) * | 2019-02-27 | 2019-07-19 | 石家庄铁道大学 | 多工况下城市污水处理过程多目标优化方法 |
| CN110704497A (zh) * | 2019-09-04 | 2020-01-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的污水分析处理方法和*** |
| CN112651552A (zh) * | 2020-12-22 | 2021-04-13 | 国网浙江玉环市供电有限公司 | 一种基于电力大数据产业结构优化方法、装置及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3270143B1 (en) * | 2011-12-12 | 2021-04-21 | Senturion Water Monitoring, LLC | Method for determining error in a chemical indicator reading and hardware storage device comprising instructions for performing the method |
| CN105776615B (zh) * | 2016-04-29 | 2018-10-26 | 珠海格力电器股份有限公司 | 一种无储水罐净水机及其控制方法 |
| CN205644234U (zh) * | 2016-05-16 | 2016-10-12 | 黄淮学院 | 一种基于计算机控制的污水处理节能环保*** |
-
2021
- 2021-06-10 CN CN202110646039.0A patent/CN113354004B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6332110B1 (en) * | 1998-12-17 | 2001-12-18 | Perlorica, Inc. | Method for monitoring advanced separation and/or ion exchange processes |
| CN101976307A (zh) * | 2010-11-05 | 2011-02-16 | 东华大学 | 印染流程污水监测指标时间约束关联规则挖掘算法 |
| GB201309727D0 (en) * | 2013-05-31 | 2013-07-17 | Martek Marine Ltd | Water monitor/treatment apparatus and method |
| CN203630603U (zh) * | 2013-12-23 | 2014-06-04 | 深圳达实智能股份有限公司 | 污水处理*** |
| CN105254119A (zh) * | 2015-09-30 | 2016-01-20 | 四川海天环保能源有限公司 | 一种采用大数据管理模式进行污水处理的工艺 |
| CN205068479U (zh) * | 2015-09-30 | 2016-03-02 | 海天水务集团股份公司 | 基于大数据管理技术的城市污水处理*** |
| CN105844401A (zh) * | 2016-03-22 | 2016-08-10 | 北京工商大学 | 基于案例推理的湖库水华治理复杂动态关联模型与决策方法 |
| CN108009307A (zh) * | 2016-11-02 | 2018-05-08 | 季若辰 | 污水处理厂管理经验传承方法 |
| CN110032755A (zh) * | 2019-02-27 | 2019-07-19 | 石家庄铁道大学 | 多工况下城市污水处理过程多目标优化方法 |
| CN109879475A (zh) * | 2019-02-28 | 2019-06-14 | 重庆工商大学 | 动态调节式污水工况处理方法 |
| CN110704497A (zh) * | 2019-09-04 | 2020-01-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的污水分析处理方法和*** |
| CN112651552A (zh) * | 2020-12-22 | 2021-04-13 | 国网浙江玉环市供电有限公司 | 一种基于电力大数据产业结构优化方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| A Feasible Data-Driven Mining System to Optimize Wastewater Treatment Process Design and Operation;Qiu, Y等;《WATER》;20181031;第10卷(第10期);全文 * |
| 数据挖掘技术在环境保护综合管理***中的应用;吴贵华;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20120615;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113354004A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021164465A1 (zh) | 智能预警方法与*** | |
| CN105718490A (zh) | 一种用于更新分类模型的方法及装置 | |
| CN112365171A (zh) | 基于知识图谱的风险预测方法、装置、设备及存储介质 | |
| CN111510368B (zh) | 家庭群组识别方法、装置、设备及计算机可读存储介质 | |
| CN112835682B (zh) | 一种数据处理方法、装置、计算机设备和可读存储介质 | |
| CN110807547A (zh) | 家庭人口结构的预测方法及*** | |
| CN113268641B (zh) | 基于大数据的用户数据处理方法及大数据服务器 | |
| CN110807546A (zh) | 社区网格人口变化预警方法及*** | |
| CN111160797A (zh) | 风控模型的构建方法、装置、存储介质及终端 | |
| CN111191123A (zh) | 业务信息推送方法、装置、可读存储介质和计算机设备 | |
| CN113098888A (zh) | 异常行为预测方法、装置、设备及存储介质 | |
| CN110134839B (zh) | 时序数据特征处理方法、装置及计算机可读存储介质 | |
| CN117376228B (zh) | 一种网络安全测试工具确定方法及装置 | |
| CN113354004B (zh) | 基于互联网和大数据的污水处理方法及*** | |
| CN109918468A (zh) | 基于墨卡托投影的物联网设备位置数据区域筛选方法 | |
| CN116611678B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN110458383B (zh) | 需求处理服务化的实现方法、装置及计算机设备、存储介质 | |
| CN103942403A (zh) | 一种对海量变量进行筛选的方法及设备 | |
| CN113254672B (zh) | 异常账号的识别方法、***、设备及可读存储介质 | |
| CN114495137A (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
| CN113205442A (zh) | 基于区块链的电子政务数据反馈管理方法及装置 | |
| CN113434868A (zh) | 基于威胁感知大数据的信息生成方法及人工智能感知*** | |
| CN111640005A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
| CN117688975B (zh) | 一种基于演化规律挖掘的气象事件预测方法及*** | |
| CN117573951B (zh) | 一种目标用户筛选方法、装置、介质及设备 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220915 Address after: Room 504, No. 80, Qufu Road, Xiaobailou Street, Heping District, Tianjin 300000 Applicant after: United Taize Environmental Technology Development Co.,Ltd. Address before: 570000 villa C, Huayang, No. 57, Oriental Development Zone, Xiuying, Haikou, Hainan Applicant before: Hainan Huafu Environmental Engineering Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |