CN113533672B - 一种水质在线监测方法及装置 - Google Patents
一种水质在线监测方法及装置 Download PDFInfo
- Publication number
- CN113533672B CN113533672B CN202111077131.6A CN202111077131A CN113533672B CN 113533672 B CN113533672 B CN 113533672B CN 202111077131 A CN202111077131 A CN 202111077131A CN 113533672 B CN113533672 B CN 113533672B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- area
- sub
- water area
- water quality
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 461
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 249
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000009792 diffusion process Methods 0.000 claims description 91
- 230000002093 peripheral effect Effects 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 100
- 230000009286 beneficial effect Effects 0.000 description 9
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000003911 water pollution Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 239000003643 water by type Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- JMANVNJQNLATNU-UHFFFAOYSA-N oxalonitrile Chemical compound N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000192700 Cyanobacteria Species 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000003321 atomic absorption spectrophotometry Methods 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000001637 plasma atomic emission spectroscopy Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000003440 toxic substance Substances 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Food Science & Technology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种水质在线监测方法及装置,其方法包括:根据目标水域的区域属性以及对目标水域的监测要求,从监测数据库中,调取并构建监测集合;按照监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对监测集合进行预处理,获得综合集合;获取与综合集合相关的水域处理流程,并建立水域处理流程与综合集合中每个第二监测方式的对应关系;基于对应关系,获取监测触发条件,并构建对应的结果监测模型进行特征分析,确定目标水域的水质结果,并输出预警显示。通过调取不同的监测方式,建立水域处理流程与监测方式的对应关系,来进行相应监测,不仅提高监测的准确性,还节省监测时间,进而提高监测效率。
Description
技术领域
本发明涉及水质监测技术领域,特别涉及一种水质在线监测方法及装置。
背景技术
水污染会严重破坏生态环境、影响人类生存,若要实现人类社会的可持续成长,首先要解决水污染疑难题目,其中的关键便是如何高效准确的完成水质检测,从而为后续水资源治理、保护提供依据。通过水资源保护、水域岸线管理、水污染防治、水环境质量、水生态功能的治理,水质保护已取得了显著成效。
但是,传统的水质检测方法需要将样本带回实验室,检测过程繁琐;特别是当河流、湖泊面积较大时,需要研究人员在不同的位置采集样本,操作过程费时费力,所需人工成本较高,而且,由于目标水域中的不确定因素比较多,在进行在线监测的时候,单纯的依据目标水域中的一个监测点以及一种监测方式,不利于监测的准确性。
因此,本发明提出一种水质在线监测方法及装置。
发明内容
本发明提供一种水质在线监测方法,用以通过调取不同的监测方式,且通过建立水域处理流程与监测方式的对应关系,来进行相应监测,不仅提高监测的准确性,还节省监测时间,进而提高监测效率。
本发明提供一种水质在线监测方法,包括:
步骤1:确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
步骤2:按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
步骤3:获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
步骤4:基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
步骤5:对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示。
在一种可能实现的方式中,步骤1,根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合,包括:
解析所述监测要求,获得若干解析子命令;
判断目标水域的区域边缘是否存在水质干扰物体;
若存在,获取所述水质干扰物体所处的地形信息以及所述水质干扰物体的本身属性信息,并基于概率分析模型,分析所述水质干扰物体对第一监测区域的干扰概率;
当所述干扰概率大于或等于预设概率时,根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,获得可干扰区域和不可干扰区域;
获取所述可干扰区域的第一区域属性以及不可干扰区域的第二区域属性;
基于第一区域属性,向所述可干扰区域匹配所述若干解析子命令中的第一子命令,同时,基于第二区域属性,向所述不可干扰区域匹配所述若干解析子命令中的第二子命令;
根据所述第一子命令从所述监测数据库中,调取第一可行方式,根据所述第二子命令从所述监测数据库中,调取第二可行方式,根据若干解析子命令中的剩余子命令,从所述监测数据库中,调取第三可行方式;
基于所述第一可行方式、第二可行方式以及第三可行方式,构建得到监测集合。
在一种可能实现的方式中,步骤1,确定需要监测的目标水域之前,包括:
获取质检人员输入的监测指令;
从所述监测指令中提取第一监测意图,根据所述第一监测意图确定第一监测区域;
其中,所述第一监测区域即为目标水域。
在一种可能实现的方式中,根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,包括:
获取所述水质干扰物体的本身属性信息以及所处当前位置的位置地形,并从扩散数据库中,获取所述水质干扰物体基于所述目标水域的扩散规律;
基于所述扩散规律获取扩散方向以及扩散速率,并构建扩散分布图;
基于所述扩散分布图确定最***扩散区域中扩散物质的位置分布,并根据所述位置分布以及对应位置基于所述当前位置的位置权重,得到分布值;
当所述分布值小于预设值时,将所述最***扩散区域视为允许最大干扰范围;
否则,基于对应的历史扩散规律,继续扩大所述扩散分布图的***区域,直到得到允许最大干扰范围;
基于水质干扰物体的当前位置,对应允许最大干扰范围进行规划;
获取所有规划结果,并判断所述目标水域是否存在与允许最大干扰范围相关的重叠范围,若存在,确定所述重叠范围存在的水质干扰物体的数目;
根据所述数目,确定重叠范围的划分等级,并对同类划分等级的重叠范围进行同类标定;
根据标定结果,对所述目标水域进行划分。
在一种可能实现的方式中,步骤2,按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合,包括:
确定每种第一监测方式对应监测的目标水域中的第一区域;
当所述第一区域中存在两种以及两种以上的第一监测方式时,根据监测属性,确定所述第一区域对应的两两监测方式的监测匹配度;
当所有监测匹配度都大于或等于对应预设匹配度时,将对应第一区域的所有监测方式进行保留;
否则,获取监测匹配度小于对应预设匹配度的不匹配监测方式;
获取所述不匹配监测方式之间的独立监测指标以及独立监测指标的监测权值,来确定对应不匹配监测方式之间的监测依赖性;
同时,获取所述不匹配监测方式对应的不匹配指标;
获取满足所述监测依赖性以及不匹配指标的替换监测方式,来对所述不匹配监测方式进行替换;
根据保留的监测方式以及替换的监测方式,构建得到综合集合。
在一种可能实现的方式中,步骤3,获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系,包括:
获取所述综合集合中每种监测方式的预先监测工作;
确定所述预先监测工作进行监测操作集合,并基于所述监测操作集合,得到水域处理流程;
确定所述水域处理流程中每个子流程的流程状态,并向所述流程状态匹配对应的第二监测方式;
建立每个子流程与对应第二监测方式的衔接关系,且所述衔接关系即为对应关系。
在一种可能实现的方式中,步骤4,基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型,包括:
根据所述对应关系,获取匹配的子流程与监测方式,并获取对应匹配的子流程与监测方式的执行事件;
确定所述执行事件的初始时间以及与相邻时间的过渡阶段,并建立第一时间索引;
获取与所述执行事件相关的触发条件,并设置在所述第一时间索引上;
当满足所述触发条件以及对应第一时间索引的时间条件时,对所述子流程对应的目标水域进行相应监测;
根据获取的每个子流程的监测结果,构建每个子流程在所述目标水域中的同个子区域的第一子模型,同时,获取同个监测时间点,处于执行过程中的子流程获取的目标水域中对应子区域的第二子模型;
根据所述第一子模型,构建同个子区域的整体子模型,进而得到所述目标水域的第一整体模型;
根据第二子模型,构建同个监测时间点的所述目标水域的完整子模型,进而得到所述目标水域的第二整体模型;
若所述第一整体模型与所述第二整体模型完全一致,将获取的所有完整子模型作为结果监测模型;
否则,对所述第一整体模型以及第二整体模型进行模型分析,确定所述第一整体模型的可靠度以及第二整体模型的可靠度;
当所述第二整体模型的可靠度大于所述第一整体模型的可靠度,将获取的所有第二子模型作为结果监测模型;
否则,将所述第一整体模型以及第二整体模型进行模型融合处理,获得第三整体模型,并将所述第三整体模型作为结果监测模型。
在一种可能实现的方式中,步骤5,对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示,包括:
分别对每个结果监测模型进行特征分析,获得对应的水质参数;
确定同个结果监测模型对应的水质参数的参数类型,并根据所述监测要求,设置对应同个结果监测模型的参数权值;
对所述参数权值进行排序,得到参数列表,同时,将参数列表中的每个参数与对应预设参数的阈值进行比较,获取不合格参数,并对所述参数列表中的不合格参数的不合格等级进行批注显示;
根据批注结果,获取所述目标水域的水质结果,并输出预警显示。
在一种可能实现的方式中,
根据所述位置分布以及最***扩散区域中扩散物质对应位置基于所述当前位置的位置权重,得到分布值的过程中,还包括:
其中,n表示最***扩散区域中扩散物质的位置分布的分布点个数;S表示最***
扩散区域的区域面积;△S表示对最***扩散区域的修正面积;α表示对分布点个数的影响
因子,且取值范围为[0,0.2];表示获取的对应扩散物质的历史扩散准确率,且取值范围
为[0.80,0.98];
根据如下公式,计算根据所述位置分布以及对应位置基于所述当前位置的位置权重,对应的分布值F;
其中,表示第i个分布点基于最***扩散区域的位置权重,表示第i个分布点
基于所述当前位置的位置权重,表示所有分布点中基于最***扩散区域的最大位置权
重,表示所有分布点中基于所述当前位置的最大位置权重,表示所有分布点中
基于最***扩散区域的最小位置权重,表示所有分布点中基于所述当前位置的最小
位置权重;
将所述分布值F与预设值Z进行比较,并执行相应的后续操作。
本发明提供一种水质在线监测装置,包括:
确定模块,用于确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
处理模块,用于按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
建立模块,用于获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
构建模块,用于基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
预警模块,用于对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种水质在线监测方法的流程图;
图2为本发明实施例中水质干扰物体对应可干扰与不可干扰的图;
图3为本发明实施例中扩散分布图的相关图;
图4为本发明实施例中一种水质在线监测装置的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种水质在线监测方法,如图1所示,包括:
步骤1:确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
步骤2:按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
步骤3:获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
步骤4:基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
步骤5:对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示。
该实施例中,监测方式,可以包括:化学法、电化学法、原子吸收分光光度法、离子选择电极法、离子色谱法、气相色谱法、等离子体发射光谱(ICP—AES)法、生物监测、遥感监测技术(高光谱监测技术)等,且监测方式对应的监测属性,例如是以与如下内容相关,比如,反映水质状况的综合指标,如温度、色度、浊度、pH值、电导率、悬浮物、溶解氧、化学需氧量和生化需氧量等,反应水质中是否存在有毒物质,如酚、氰、砷、铅、铬、镉、汞和有机农药等,或者是需要进行流速和流量的测定等。
该实施例中,区域属性,比如:经常性的地表及地下水监测、监视性的生产和生活过程监测以及应急性的事故监测,来确定区域属性。
该实施例中,监测要求指的是对目标水域的监测指标,比如是需要获取水域的污染成分、污染密度之类的要求。
该实施例中,综合集合是包括若干监测方式在内的。
该实施例中,监测依赖性,比如,对目标水域采用的监测方式为浊度方式1和流量方式2,此时,需要对目标水域进行浊度检测以及流量检测,此时,判定方式1和方式2存在依赖性。
该实施例中,预处理指的是对监测集合中的监测方式进行筛选、替换、调整等的处理,且水域处理流程比如,将水域划分为多个区域,此时,进行浊度监测视为一个子流程,进行浊度监测之后,进行色度监测视为下一个子流程,以此类推。
该实施例中,比如,浊度监测的子流程,是采用的监测方式1和监测方式2来完成的,此时可以建立浊度监测-监测区域-监测方式,之间的对应关系。
该实施例中,监测触发条件,比如,在进行浊度监测之间,存在一个条件,当满足这个条件时,进行浊度监测,并得到与浊度相关的监测模型。
该实施例中,对监测模型进行分析,也是为了将监测模型涉及到的水质参数与预设的参数进行比较,来进行的提醒。
上述技术方案的有益效果是:通过调取不同的监测方式,且通过建立水域处理流程与监测方式的对应关系,来进行相应监测,不仅提高监测的准确性,还节省监测时间,进而提高监测效率。
本发明提供一种水质在线监测方法,步骤1,根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合,包括:
解析所述监测要求,获得若干解析子命令;
判断目标水域的区域边缘是否存在水质干扰物体;
若存在,获取所述水质干扰物体所处的地形信息以及所述水质干扰物体的本身属性信息,并基于概率分析模型,分析所述水质干扰物体对第一监测区域的干扰概率;
当所述干扰概率大于或等于预设概率时,根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,获得可干扰区域和不可干扰区域;
获取所述可干扰区域的第一区域属性以及不可干扰区域的第二区域属性;
基于第一区域属性,向所述可干扰区域匹配所述若干解析子命令中的第一子命令,同时,基于第二区域属性,向所述不可干扰区域匹配所述若干解析子命令中的第二子命令;
根据所述第一子命令从所述监测数据库中,调取第一可行方式,根据所述第二子命令从所述监测数据库中,调取第二可行方式,根据若干解析子命令中的剩余子命令,从所述监测数据库中,调取第三可行方式;
基于所述第一可行方式、第二可行方式以及第三可行方式,构建得到监测集合。
该实施例中,水质干扰物体,例如,第一监测区域的区域边缘是由土壤构建的,且土壤可能存在坍塌的情况,此时,会对坍塌区域的水质照成较大影响,比如水质严重污染等情况,因此,来将区域进行最大允许范围污染的划分,来保证后续监测的有效性以及准确性。
该实施例中,第一区域属性与第二区域属性与上述区域属性一致。
该实施例中,监测要求,比如是需要监测浊度、色度、污染密度等相关的要求。
该实施例中,本身属性信息指的是该水质干扰物体对水域污染的影响程度,比如,扩散速度快的物体比扩散物体慢的物体对水域的污染影响程度小。
该实施例中,概率分析模型是预先设置好的,且与地形信息和本身属性信息有关,且预设概率也是预先设置好的。
该实施例中,如图2所示,当前位置为A1,对应的A2为目标水域,且A3为目标水域的水域边缘线,且A1位于A3的边缘内侧,A4为当前位置处的水质干扰物体所对应的允许最大干扰范围,A5为其他物体对应的允许最大干扰范围,则剩余区域为不可干扰区域,A4和A5构成的区域,则为可干扰区域。
该实施例中,比如:存在子命令1、2、3、4、5,基于第一区域属性向可干扰区域匹配的子命令为1、2,基于第二区域属性向不可干扰区域匹配的子命令为3,此时,剩余子命令为4、5,此时,从监测数据库中调取监测方式,其中,监测数据库是预先设置好的,且包括各种命令组合以及组合对应的监测方式在内的,便于获取对应的监测方式。
该实施例中,监测集合是包括至少一种监测方式在内。
上述技术方案的有益效果是:通过确定水质干扰物体的当前位置以及本身属性信息,来确定干扰概率,便于确定对应的允许最大干扰范围,且通过区域划分,来对区域进行精准监测,进而确定属性,分配子命令,来获取监测方式,保证构建监测集合的准确性和有效性,保证后续对水质监测的准确性以及相关数据获取的有效性。
本发明提供一种水质在线监测方法,步骤1,确定需要监测的目标水域之前,包括:
获取质检人员输入的监测指令;
从所述监测指令中提取第一监测意图,根据所述第一监测意图确定第一监测区域;
其中,所述第一监测区域即为目标水域。
上述技术方案的有益效果是:通过获取监测指令,来便于获取意图,便于有效确定水域,为后续监测提供基础。
本发明提供一种水质在线监测方法,根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,包括:
获取所述水质干扰物体的本身属性信息以及所处当前位置的位置地形,并从扩散数据库中,获取所述水质干扰物体基于所述目标水域的扩散规律;
基于所述扩散规律获取扩散方向以及扩散速率,并构建扩散分布图;
基于所述扩散分布图确定最***扩散区域中扩散物质的位置分布,并根据所述位置分布以及对应位置基于所述当前位置的位置权重,得到分布值;
当所述分布值小于预设值时,将所述最***扩散区域视为允许最大干扰范围;
否则,基于对应的历史扩散规律,继续扩大所述扩散分布图的***区域,直到得到允许最大干扰范围;
基于水质干扰物体的当前位置,对应允许最大干扰范围进行规划;
获取所有规划结果,并判断所述目标水域是否存在与允许最大干扰范围相关的重叠范围,若存在,确定所述重叠范围存在的水质干扰物体的数目;
根据所述数目,确定重叠范围的划分等级,并对同类划分等级的重叠范围进行同类标定;
根据标定结果,对所述目标水域进行划分。
该实施例中,水质干扰物体,比如土壤,假如土质松软,容易扩散,且当前位置的位置地形,是加速扩散的地形,此时,来从扩散数据库中,获取对应的扩散规律。
该实施例中,扩散数据库是包括本身属性信息、地形在内的,且扩散规律,是包括扩散方向和扩散效率在内的。
该实施例中,比如图3,B1为扩散分布图,B2为最***扩散区域,B3为扩散物质。
根据所述位置分布以及最***扩散区域中扩散物质对应位置基于所述当前位置的位置权重,得到分布值的过程中,还包括:
其中,n表示最***扩散区域中扩散物质的位置分布的分布点个数;S表示最***
扩散区域的区域面积;△S表示对最***扩散区域的修正面积;α表示对分布点个数的影响
因子,且取值范围为[0,0.2];表示获取的对应扩散物质的历史扩散准确率,且取值范围
为[0.80,0.98];
根据如下公式,计算根据所述位置分布以及对应位置基于所述当前位置的位置权重,对应的分布值F;
其中,表示第i个分布点基于最***扩散区域的位置权重,表示第i个分布点
基于所述当前位置的位置权重,表示所有分布点中基于最***扩散区域的最大位置权
重,表示所有分布点中基于所述当前位置的最大位置权重,表示所有分布点中
基于最***扩散区域的最小位置权重,表示所有分布点中基于所述当前位置的最小
位置权重;
将所述分布值F与预设值Z进行比较,并执行相应的后续操作。
该实施例中,通过计算分布密度,来按照分布密度,从相关映射表中,获取预设值,且通过计算分布值,来与预设值进行比较,为确定允许最大干扰范围提供数据判断基础。
该实施例中,比如,目标水域中存在3个对应物体的允许最大干扰范围,此时,允许最大干扰范围1和2,存在重叠范围,此时,获得水质干扰物体为允许最大干扰范围1和2对应的物体。
该实施例中,比如将重叠范围包括3个数目的进行同类标定,将重叠范围包括2个数目的进行同类标定。
上述技术方案的有益效果是:通过根据属性信息以及位置地形,来确定扩散规律,进而得到扩散图,为后续确定最***内的相关数据提供基础,通过确定允许最大干扰范围以及重叠范围的数目,便于有效对同类划分,为后续精准监测提供基础。
本发明提供一种水质在线监测方法,步骤2,按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合,包括:
确定每种第一监测方式对应监测的目标水域中的第一区域;
当所述第一区域中存在两种以及两种以上的第一监测方式时,根据监测属性,确定所述第一区域对应的两两监测方式的监测匹配度;
当所有监测匹配度都大于或等于对应预设匹配度时,将对应第一区域的所有监测方式进行保留;
否则,获取监测匹配度小于对应预设匹配度的不匹配监测方式;
获取所述不匹配监测方式之间的独立监测指标以及独立监测指标的监测权值,来确定对应不匹配监测方式之间的监测依赖性;
同时,获取所述不匹配监测方式对应的不匹配指标;
获取满足所述监测依赖性以及不匹配指标的替换监测方式,来对所述不匹配监测方式进行替换;
根据保留的监测方式以及替换的监测方式,构建得到综合集合。
该实施例中,比如,存在监测方式1、2、3,此时,监测方式1来监测区域1,监测方式2来监测区域2,监测方式3来监测区域2,确定区域2中的监测方式2和3的监测匹配度,且监测匹配度与监测需求相关。
该实施例中,如果监测方式2和3的监测匹配度小于对应预设匹配度,则可以视监测方式2和3为不匹配监测方式。
该实施例中,不匹配监测方式2和3,分别有独立的监测指标,比如,不匹配监测方式2的独立监测指标为b1、b2,不匹配监测方式的独立监测指标为c1、c2,此时,获取独立监测指标的权值,且确定监测依赖性,比如,需要浊度以及色度的监测,此时,不匹配监测方式2可以监测浊度,不匹配监测方式3可以监测色度,此时,可以按照监测权值以及相关的监测指标,来确定监测依赖性,权值越大,且对应的监测方式与监测需求越相关,对应的监测依赖性越大。
该实施例中,不匹配指标,如浓度监测不匹配指标等。
上述技术方案的有益效果是:通过对同个区域中两种及以上的方式进行判断,可以有效的对不匹配监测方式进行替换,或者保留,保证综合集合中监测方式的有效性,便于合理监测。
本发明提供一种水质在线监测方法,步骤3,获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系,包括:
获取所述综合集合中每种监测方式的预先监测工作;
确定所述预先监测工作进行监测操作集合,并基于所述监测操作集合,得到水域处理流程;
确定所述水域处理流程中每个子流程的流程状态,并向所述流程状态匹配对应的第二监测方式;
建立每个子流程与对应第二监测方式的衔接关系,且所述衔接关系即为对应关系。
该实施例中,预先监测工作,比如对区域进行划分,对区域进行不同监测等,都可以视为预先监测工作中的一种,可以获取对应的操作集合,进而得到水域处理流程。
该实施例中,水域处理流程包括:进行第一区域划分,来进行色度监测,进行第二区域划分,进行浊度监测,进行第三区域划分,进行浓度监测以此类推,每次划分监测,都可以视为一个子流程。
该实施例中,色度监测的子流程,用色度监测方式1和2,来监测,此时,可以建立两者的衔接关系。
上述技术方案的有益效果是:通过确定流程状态,来匹配获取监测方式,进而得到对应关系,为后续监测提供便利。
本发明提供一种水质在线监测方法,步骤4,基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型,包括:
根据所述对应关系,获取匹配的子流程与监测方式,并获取对应匹配的子流程与监测方式的执行事件;
确定所述执行事件的初始时间以及与相邻时间的过渡阶段,并建立第一时间索引;
获取与所述执行事件相关的触发条件,并设置在所述第一时间索引上;
当满足所述触发条件以及对应第一时间索引的时间条件时,对所述子流程对应的目标水域进行相应监测;
根据获取的每个子流程的监测结果,构建每个子流程在所述目标水域中的同个子区域的第一子模型,同时,获取同个监测时间点,处于执行过程中的子流程获取的目标水域中对应子区域的第二子模型;
根据所述第一子模型,构建同个子区域的整体子模型,进而得到所述目标水域的第一整体模型;
根据第二子模型,构建同个监测时间点的所述目标水域的完整子模型,进而得到所述目标水域的第二整体模型;
若所述第一整体模型与所述第二整体模型完全一致,将获取的所有完整子模型作为结果监测模型;
否则,对所述第一整体模型以及第二整体模型进行模型分析,确定所述第一整体模型的可靠度以及第二整体模型的可靠度;
当所述第二整体模型的可靠度大于所述第一整体模型的可靠度,将获取的所有第二子模型作为结果监测模型;
否则,将所述第一整体模型以及第二整体模型进行模型融合处理,获得第三整体模型,并将所述第三整体模型作为结果监测模型。
该实施例中,对应关系,是包括子流程与监测方式在内的,且执行事件指的是执行的监测方式,且初始时间为执行事件的开始时间,过渡阶段为当前执行事件与上一执行事件之间的过渡时间。
该实施例中,触发条件,是为了建立下一子流程的触发时间点,便于下一子流程的执行,提高其的智能性,为智能监测提供便利。
该实施例中,通过采用两种方式实现监测:一种是,比如存在3个子区域,每个子区域对应有相应的子流程,同个子区域的一个子流程即可构成一个第一子模型,比如每个子区域是包括若干个子流程在内的,同个区域执行完对应的全部子区域,则可以获得该区域的子模型,即为同个子区域的整体子模型,另一种是,比如存在三个监测时间点,第一个监测时间点,不同子区域,只要执行子流程,就获取该子区域的监测数据,来构建同个时间点的每个子区域的子模型,即为第二子模型,并通过构建,来得到第二整体模型。
上述技术方案的有益效果是:通过两种方式,来对模型进行构建,保证获取模型的精准性以及准确性,且通过可靠度的判断,来获取有效的整体模型,来作为结果监测模型,为水质监测提供便利。
本发明提供一种水质在线监测方法,步骤5,对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示,包括:
分别对每个结果监测模型进行特征分析,获得对应的水质参数;
确定同个结果监测模型对应的水质参数的参数类型,并根据所述监测要求,设置对应同个结果监测模型的参数权值;
对所述参数权值进行排序,得到参数列表,同时,将参数列表中的每个参数与对应预设参数的阈值进行比较,获取不合格参数,并对所述参数列表中的不合格参数的不合格等级进行批注显示;
根据批注结果,获取所述目标水域的水质结果,并输出预警显示。
该实施例中,水质参数具体包括以下至少一种:需氧量、总磷量、总氮量、溶解氧含量、氨氮量、悬浮物浓度、浊度、总有机碳量、重金属量、挥发性有机污染物量、叶绿素、蓝绿藻等。
该实施例中,模型还可以是根据按照高光谱仪器对目标水域进行扫描,来获取水质指标数据来构建得到的。
该实施例中,对结果监测模型进行特征分析,例如通过对结果监测模型的结果特征进行分析,比如,特征分析的标准是按照预先设置好的悬浮物的特征、污染物的特征、各种不同比例的氧含量特征、氮含量特征等,作为特征分析的标准特征,来对模型中涉及到的实际特征进行分析,来获取该模型涉及到的水质参数,比如:预设标准特征是包括:悬浮物的特征、污染物的特征的,且以这两个特征为基准,来提取模型中对应的这两个特征,来确定模型涉及到的悬浮物的实际参数以及污染物的实际参数,此时,对应的实际参数即为获取的水质参数。
该实施例中,确定同个结果监测模型对应的水质参数的参数类型,并根据所述监测要求,设置对应同个结果监测模型的参数权值,比如:结果监测模型是包括:悬浮物参数以及污染物参数在内的,且监测要求主要是为了测量污染物浓度,那此时,设置的污染物参数的参数权值可以为0.8,设置的悬浮物参数的参数权值可以为0.1,此时,污染物参数的参数权值肯定是大于悬浮物参数的参数权值的。
上述技术方案的有益效果是:通过对模型进行分析,获取水质参数,并通过比较,以及批注显示,有效输出水质结果,且清晰了解不合格参数,便于预警提醒以及及时处理。
本发明提供一种水质在线监测装置,如图4所示,包括:
确定模块,用于确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
处理模块,用于按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
建立模块,用于获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
构建模块,用于基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
预警模块,用于对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示。
上述技术方案的有益效果是:通过调取不同的监测方式,且通过建立水域处理流程与监测方式的对应关系,来进行相应监测,不仅提高监测的准确性,还节省监测时间,进而提高监测效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种水质在线监测方法,其特征在于,包括:
步骤1:确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
步骤2:按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
步骤3:获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
步骤4:基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
步骤5:对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示;
步骤1,根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合,包括:
解析所述监测要求,获得若干解析子命令;
判断目标水域的区域边缘是否存在水质干扰物体;
若存在,获取所述水质干扰物体所处的地形信息以及所述水质干扰物体的本身属性信息,并基于概率分析模型,分析所述水质干扰物体对第一监测区域的干扰概率;
当所述干扰概率大于或等于预设概率时,根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,获得可干扰区域和不可干扰区域;
获取所述可干扰区域的第一区域属性以及不可干扰区域的第二区域属性;
基于第一区域属性,向所述可干扰区域匹配所述若干解析子命令中的第一子命令,同时,基于第二区域属性,向所述不可干扰区域匹配所述若干解析子命令中的第二子命令;
根据所述第一子命令从所述监测数据库中,调取第一可行方式,根据所述第二子命令从所述监测数据库中,调取第二可行方式,根据若干解析子命令中的剩余子命令,从所述监测数据库中,调取第三可行方式;
基于所述第一可行方式、第二可行方式以及第三可行方式,构建得到监测集合;
根据所述水质干扰物体的当前位置以及允许最大干扰范围,对所述目标水域进行划分,包括:
获取所述水质干扰物体的本身属性信息以及所处当前位置的位置地形,并从扩散数据库中,获取所述水质干扰物体基于所述目标水域的扩散规律;
基于所述扩散规律获取扩散方向以及扩散速率,并构建扩散分布图;
基于所述扩散分布图确定最***扩散区域中扩散物质的位置分布,并根据所述位置分布以及最***扩散区域中扩散物质对应位置基于所述当前位置的位置权重,得到分布值;
当所述分布值小于预设值时,将所述最***扩散区域视为允许最大干扰范围;
否则,基于对应的历史扩散规律,继续扩大所述扩散分布图的***区域,直到得到允许最大干扰范围;
基于水质干扰物体的当前位置,对应允许最大干扰范围进行规划;
获取所有规划结果,并判断所述目标水域是否存在与允许最大干扰范围相关的重叠范围,若存在,确定所述重叠范围存在的水质干扰物体的数目;
根据所述数目,确定重叠范围的划分等级,并对同类划分等级的重叠范围进行同类标定;
根据标定结果,对所述目标水域进行划分;
根据所述位置分布以及最***扩散区域中扩散物质对应位置基于所述当前位置的位置权重,得到分布值的过程中,还包括:
其中,n表示最***扩散区域中扩散物质的位置分布的分布点个数;S表示最***扩散
区域的区域面积;△S表示对最***扩散区域的修正面积;α表示对分布点个数的影响因子,
且取值范围为[0,0.2];表示获取的对应扩散物质的历史扩散准确率,且取值范围为
[0.80,0.98];
根据如下公式,计算根据所述位置分布以及对应位置基于所述当前位置的位置权重,对应的分布值F;
其中,表示第i个分布点基于最***扩散区域的位置权重,表示第i个分布点基于所
述当前位置的位置权重,表示所有分布点中基于最***扩散区域的最大位置权重,表示所有分布点中基于所述当前位置的最大位置权重,表示所有分布点中基于最
***扩散区域的最小位置权重,表示所有分布点中基于所述当前位置的最小位置权
重;
将所述分布值F与预设值Z进行比较,并执行相应的后续操作。
2.如权利要求1所述的水质在线监测方法,其特征在于,步骤1,确定需要监测的目标水域之前,包括:
获取质检人员输入的监测指令;
从所述监测指令中提取第一监测意图,根据所述第一监测意图确定第一监测区域;
其中,所述第一监测区域即为目标水域。
3.如权利要求1所述的水质在线监测方法,其特征在于,步骤2,按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合,包括:
确定每种第一监测方式对应监测的目标水域中的第一区域;
当所述第一区域中存在两种以及两种以上的第一监测方式时,根据监测属性,确定所述第一区域对应的两两监测方式的监测匹配度;
当所有监测匹配度都大于或等于对应预设匹配度时,将对应第一区域的所有监测方式进行保留;
否则,获取监测匹配度小于对应预设匹配度的不匹配监测方式;
获取所述不匹配监测方式之间的独立监测指标以及独立监测指标的监测权值,来确定对应不匹配监测方式之间的监测依赖性;
同时,获取所述不匹配监测方式对应的不匹配指标;
获取满足所述监测依赖性以及不匹配指标的替换监测方式,来对所述不匹配监测方式进行替换;
根据保留的监测方式以及替换的监测方式,构建得到综合集合。
4.如权利要求1所述的水质在线监测方法,其特征在于,步骤3,获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系,包括:
获取所述综合集合中每种监测方式的预先监测工作;
确定所述预先监测工作进行监测操作集合,并基于所述监测操作集合,得到水域处理流程;
确定所述水域处理流程中每个子流程的流程状态,并向所述流程状态匹配对应的第二监测方式;
建立每个子流程与对应第二监测方式的衔接关系,且所述衔接关系即为对应关系。
5.如权利要求1所述的水质在线监测方法,其特征在于,步骤4,基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型,包括:
根据所述对应关系,获取匹配的子流程与监测方式,并获取对应匹配的子流程与监测方式的执行事件;
确定所述执行事件的初始时间以及与相邻时间的过渡阶段,并建立第一时间索引;
获取与所述执行事件相关的触发条件,并设置在所述第一时间索引上;
当满足所述触发条件以及对应第一时间索引的时间条件时,对所述子流程对应的目标水域进行相应监测;
根据获取的每个子流程的监测结果,构建每个子流程在所述目标水域中的同个子区域的第一子模型,同时,获取同个监测时间点,处于执行过程中的子流程获取的目标水域中对应子区域的第二子模型;
根据所述第一子模型,构建同个子区域的整体子模型,进而得到所述目标水域的第一整体模型;
根据第二子模型,构建同个监测时间点的所述目标水域的完整子模型,进而得到所述目标水域的第二整体模型;
若所述第一整体模型与所述第二整体模型完全一致,将获取的所有完整子模型作为结果监测模型;
否则,对所述第一整体模型以及第二整体模型进行模型分析,确定所述第一整体模型的可靠度以及第二整体模型的可靠度;
当所述第二整体模型的可靠度大于所述第一整体模型的可靠度,将获取的所有第二子模型作为结果监测模型;
否则,将所述第一整体模型以及第二整体模型进行模型融合处理,获得第三整体模型,并将所述第三整体模型作为结果监测模型。
6.如权利要求1所述的水质在线监测方法,其特征在于,
步骤5,对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示,包括:
分别对每个结果监测模型进行特征分析,获得对应的水质参数;
确定同个结果监测模型对应的水质参数的参数类型,并根据所述监测要求,设置对应同个结果监测模型的参数权值;
对所述参数权值进行排序,得到参数列表,同时,将参数列表中的每个参数与对应预设参数的阈值进行比较,获取不合格参数,并对所述参数列表中的不合格参数的不合格等级进行批注显示;
根据批注结果,获取所述目标水域的水质结果,并输出预警显示。
7.一种采用如权利要求1所述方法的水质在线监测装置,其特征在于,包括:
确定模块,用于确定需要监测的目标水域,并根据所述目标水域的区域属性以及对所述目标水域的监测要求,从监测数据库中,调取并构建监测集合;
处理模块,用于按照所述监测集合中每种第一监测方式的监测属性以及所有第一监测方式之间的监测依赖性,对所述监测集合进行预处理,获得综合集合;
建立模块,用于获取与所述综合集合相关的水域处理流程,并建立所述水域处理流程与所述综合集合中每个第二监测方式的对应关系;
构建模块,用于基于所述对应关系,获取监测触发条件,当满足所述监测触发条件时,对所述目标水域进行相应监测,并构建对应的结果监测模型;
预警模块,用于对构建的所有结果监测模型进行特征分析,确定所述目标水域的水质结果,并输出进行预警显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077131.6A CN113533672B (zh) | 2021-09-15 | 2021-09-15 | 一种水质在线监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077131.6A CN113533672B (zh) | 2021-09-15 | 2021-09-15 | 一种水质在线监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113533672A CN113533672A (zh) | 2021-10-22 |
CN113533672B true CN113533672B (zh) | 2021-11-19 |
Family
ID=78092624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111077131.6A Active CN113533672B (zh) | 2021-09-15 | 2021-09-15 | 一种水质在线监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113533672B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091280B (zh) * | 2021-11-26 | 2022-07-05 | 江苏汉华热管理科技有限公司 | 一种石墨化炉保温***稳定性检测方法及装置 |
CN114965929A (zh) * | 2022-06-08 | 2022-08-30 | 莱州明波水产有限公司 | 一种水质检测在线分析的处理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6845336B2 (en) * | 2002-06-25 | 2005-01-18 | Prasad S. Kodukula | Water treatment monitoring system |
US8918285B1 (en) * | 2014-02-25 | 2014-12-23 | Fractest Llc | Testing water contamination in geographic areas |
CN107609742B (zh) * | 2017-08-14 | 2020-10-30 | 环境保护部华南环境科学研究所 | 一种水环境预警综合管理平台 |
CN109297968A (zh) * | 2018-11-21 | 2019-02-01 | 河南工业职业技术学院 | 一种生成面域水质监测结果的方法 |
CN113379261B (zh) * | 2021-06-17 | 2023-06-06 | 上海市环境科学研究院 | 一种污染场地土壤地下水污染风险管控技术方法 |
-
2021
- 2021-09-15 CN CN202111077131.6A patent/CN113533672B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113533672A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113533672B (zh) | 一种水质在线监测方法及装置 | |
EP2920064B1 (en) | A method and system for monitoring quality of ballast water of a vessel | |
Yan et al. | Research on the processing of coal mine water source data by optimizing BP neural network algorithm with sparrow search algorithm | |
CN109470667A (zh) | 一种结合水质参数和三维荧光光谱进行污染物溯源的方法 | |
Canter et al. | Handbook of variables for environmental impact assessment | |
Phillips et al. | Best practice for establishing nutrient concentrations to support good ecological status | |
CN104899419A (zh) | 一种淡水水体中氮和/或磷含量检测的方法 | |
Boyacioglu et al. | Application of factor analysis in the assessment of surface water quality in Buyuk Menderes River Basin | |
Farmaki et al. | A comparative chemometric study for water quality expertise of the Athenian water reservoirs | |
CN116187543A (zh) | 基于机器学习的土壤重金属含量预测方法及其应用 | |
Simonet | Quality control in qualitative analysis | |
CN117974404B (zh) | 一种水陆协同的陆域污染源分析方法及*** | |
CN117368434A (zh) | 一种基于大数据的水质监测*** | |
CN113902249B (zh) | 一种土壤重金属影响因素解析方法及装置 | |
CN108760664B (zh) | 一种水质多参数自动检测分析方法 | |
CN113240006A (zh) | 废水排放的监测方法、装置、电子设备及存储介质 | |
CN109612985A (zh) | 一种混凝土中氯离子含量的检测方法 | |
CN106885914B (zh) | 多污染物成分水质自动检测分析仪以及检测方法 | |
CN115936192A (zh) | 一种土壤环境污染物风险预测方法及*** | |
CN115508322A (zh) | 一种水污染源多维度溯源方法及装置 | |
CN114324797A (zh) | 一种煤矿地下水库的矿井水水质安全评价方法 | |
CN110658316A (zh) | 一种水质在线监测方法及*** | |
CN116070931B (zh) | 一种基于野外生态数据的土壤污染生态效应定量评价方法 | |
CN116819046B (zh) | 一种农田污染智能监测方法、***及存储介质 | |
Zahra et al. | Identification of groundwater quality by statistical methods and a mathematical method in the Khemisset–Tiflet Region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |