CN113610381A - 一种基于5g网络的水质远程实时监测*** - Google Patents
一种基于5g网络的水质远程实时监测*** Download PDFInfo
- Publication number
- CN113610381A CN113610381A CN202110879588.2A CN202110879588A CN113610381A CN 113610381 A CN113610381 A CN 113610381A CN 202110879588 A CN202110879588 A CN 202110879588A CN 113610381 A CN113610381 A CN 113610381A
- Authority
- CN
- China
- Prior art keywords
- water quality
- monitoring
- preset
- unit
- data
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 515
- 238000012544 monitoring process Methods 0.000 title claims abstract description 150
- 238000013441 quality evaluation Methods 0.000 claims abstract description 95
- 238000004458 analytical method Methods 0.000 claims abstract description 85
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 238000004088 simulation Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000013139 quantization Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004445 quantitative analysis Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于5G网络的水质远程实时监测***,包括:水质监测模块用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表;水质分析模块用于基于预设的神经网络机制,动态更新并分析处理水质监测报表,确定水质分析结果;水质评价模块用于通过预设的水质评价规则,划分所述水质分析结果,构建水质评价模型,并根据水质评价模型,对水质进行评价,确定水质评价结果;水质预测模块根据水质分析结果和水质评价结果,构建水质预测模型;水质对策模块根据水质预测模型,确定检测地点的水质模拟趋向,并生成和水质模拟趋向对应的目标决策方案,通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
Description
技术领域
本发明涉及通信技术领域,具体为一种基于5G网络的水质远程实时监测***。
背景技术
水是人类生命之源,随着经济的发展,我们周围的环境也在遭受着严重的破坏,大气污染、水污染日益严重,已经对我们的身体造成了严重的伤害。对空气质量、水质进行监测日益重要。
但是目前对河流和湖泊水质的检测手段比较落后,都是在湖泊周边设置若干检测点,然后工作人员到监测点的湖面进行采集数据,之后再进行分析。这种方式比较繁琐,在一些交通不方便的地方,工作人员采集水质非常困难,并且,由于采水地区地势凹凸不平,采集的参数并不准确。
因此,我们推出了一种基于5G网络的水质远程实时监测***,用以在时空上对水质进行实时监控。
发明内容
本发明的目的在于提供一种基于5G网络的水质远程实时监测***,包括:
水质监测模块:用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表;
水质分析模块:用于基于预设的神经网络机制,动态更新并分析处理所述水质监测报表,确定水质分析结果;
水质评价模块:用于通过预设的水质评价规则,划分所述水质分析结果,构建水质评价模型,并根据所述水质评价模型,对水质进行评价,确定水质评价结果;
水质预测模块:根据所述水质分析结果和水质评价结果,构建水质预测模型;
水质对策模块:根据所述水质预测模型,确定检测地点的水质模拟趋向,并生成和水质模拟趋向对应的目标决策方案,并通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
作为本技术方案的一种实施例,所述5G终端用于将水质监测模块、水质分析模块、水质评价模块和水质对策模块产生的数据进行数据交换。
作为本技术方案的一种实施例,所述水质监测模块,包括:
位置数据单元:用于基于预设的GIS,获取检测地点的位置数据;其中,
位置数据单元:用于基于预设的GPS***,获取检测地点的位置数据;
其中,所述检测地点包括横向检测点、纵向检测点和垂直向检测点;
检测周期单元:用于根据预设的定时器,设置检测周期;
监测数据单元:用于通过检测周期和预设的监测设备,对检测地点的水质进行监测,确定监测数据;
水质监测报表单元:用于将所述位置数据和监测数据按照一一对应的关系传输至大数据中心进行处理和加工,生成水质监测报表。
作为本技术方案的一种实施例,所述水质监测模块,还包括预警单元,
用于判断所述监测数据是否大于预设的水质阈值,并当所述监测数据大于预设的水质阈值时,确定异常数据,并将异常数据传输至用户终端,
并进行预警。
作为本技术方案的一种实施例,所述水质分析模块,包括:
水质时间推演单元:用于实时获取水质监测报表的监测时间点,根据所述监测时间点,采集对应的水质参数,并计算不同监测时间点的水质参数的时间变化率;
水质空间差异分析单元:用于实时获取水质监测报表中检测地点的位置数据,并计算相邻位置数据的水质参数的差异数据;
对应关系单元:用于提取每个检测地点的监测时间点、位置数据和水质参数的对应关系;
水质特征分析单元:用于基于预设的神经网络机制,按照所述对应关系,采集时间对应的水质变化率和空间的差异数据,生成水质特征数据;
水质分析结果单元:用于基于预设的大数据中心,处理并分析所述水质特征数据,确定水质分析结果。
作为本技术方案的一种实施例,所述水质评价模块,包括:
水质时间推演单元:用于实时获取水质监测报表的监测时间点,采集和监测时间点对应的水质参数,并计算不同监测时间点的水质参数的时间变化率;
水质空间差异分析单元:用于实时获取水质监测报表中检测地点的位置数据,并计算相邻位置数据的水质参数的差异数据;
对应关系单元:用于提取每个检测地点的监测时间点、位置数据和水质参数的对应关系;
水质特征分析单元:用于基于预设的神经网络机制,按照所述对应关系,采集时间对应的水质变化率和空间的差异数据,生成水质特征数据;
水质分析结果单元:用于基于预设的大数据中心,处理并分析所述水质特征数据,确定水质分析结果。
作为本技术方案的一种实施例,所述水质预测模块,包括:
基层模拟模型单元:用于根据所述水质分析结果,提取基层特征数据,并将所述基层特征数据传输至预设的数据云中心,进行第一云量计算,确定基层模拟模型;
目标趋向模拟模型单元:用于根据所述水质评价结果,提取目标特征数据,并将所述目标特征数据传输至预设的数据云中心,进行第二云量计算,确定目标趋向模拟模型;
水质模拟模型单元:用于将所述基层模拟模型和目标趋向模拟模型进行量化处理、数据归一化处理和拟合处理,生成水质模拟模型;
水质预测模型单元:用于对所述水质模拟模型进行精度调整,确定水质预测模型。
作为本技术方案的一种实施例,所述水质对策模块,包括:
水质波动系数单元:用于根据所述水质预测模型,确定检测地点的水质模拟趋向,并根据所述水质模拟趋向,确定水质波动系数;
历史解决对策单元:用于基于预设的综合评价模型和水质波动系数,查询预设数据库中的历史解决对策;
相似度单元:用于追溯历史解决对策对应的历史水质波动系数,计算所述历史水质波动系数和水质波动系数的相似度;
目标解决对策单元:用于根据所述相似度,生成对应的目标解决对策;
传输单元:用于通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
作为本技术方案的一种实施例,所述目标解决对策单元,包括:
判断子单元:用于判断所述相似度是否大于预设的相似度阈值;
大于子单元:用于当所述相似度大于预设的相似度阈值时,获取历史解决对策,并根据历史解决对策,确定对应的目标解决对策;
小于等于子单元:用于当所述相似小于等于预设的相似度阈值时,获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策。
作为本技术方案的一种实施例,所述获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策,包括以下步骤:
步骤1:获取预设取值范围内的历史解决对策,提取预设取值范围内的历史解决对策特征数据,生成第一特征标签;
步骤2:获取评价结果的评价特征数据,根据所述评价特征数据,生成第二特征标签;
步骤3:根据第二特征标签筛选第一特征标签,确定筛选标签;
步骤4:提取筛选标签和第二特征标签的特征对应关系,通过所述特征对应关系,将筛选标签和第二特征标签传输至预设的神经网络,确定对应的目标解决对策。
为实现上述目的,本发明提供如下技术方案:一种基于5G网络的水质远程实时监测***,与现有技术相比,本发明的有益效果如下:
本发明提出的一种基于5G网络的水质远程实时监测***,通过5G终端连接水质监测模块、水质分析模块、水质评价模块和水质对策模块并进行信息输送,水质监测模块用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表,水质监测报表一般是传输到控制终端,供工作人员实时监测,并会将异常的信息进行标红,水质分析模块用于基于预设的神经网络机制,动态采集并分析处理所述水质监测报表,确定水质分析结果,对水质监测报表进行特征提取和量化分析,通过预设的标准水质的指标,对水质参数进行采集,并对超过标准水质阈值的参数在水质检测报表中进行标红,方便监测人员监测,水质评价模块用于通过预设的水质评价层次,划分所述水质分析结果,构建水质评价模型,并根据所述水质评价模型,对水质进行评价,确定水质评价结果;水质预测模块根据所述水质分析结果和水质评价结果,构建水质预测模型;通过对水质分析结果进行采集,确定水质目前的动态,并获取水质评价结果,从而模拟评价,对水质参数的走向进行模拟生成,从而确定水质预测模型,水质对策模块基于预设的综合评价模型,接收所述评价结果,并通过所述评价结果,追溯并查询预设数据库中的历史解决对策,对评价结果进行追溯。本技术方案通过对水质监测模块、水质分析模块、水质评价模块和水质对策模块的连接实现对水质的动态检测,提高检测效率,适用于不同地方的水质测量,实现三维时空中更精确、更准确的测量。
附图说明
图1为一种基于5G网络的水质远程实时监测***的工作流程图;
图2为一种基于5G网络的水质远程实时监测***的工作流程图;
图3为一种基于5G网络的水质远程实时监测***的工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序,“多个”的含义是两个或两个以上,除非另有明确具体的限定。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
实施例一
根据图1所示,本技术方案提供了一种基于5G网络的水质远程实时监测***,包括:
水质监测模块:用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表;
水质分析模块:用于基于预设的神经网络机制,动态更新并分析处理所述水质监测报表,确定水质分析结果;
水质评价模块:用于通过预设的水质评价规则,划分所述水质分析结果,构建水质评价模型,并根据所述水质评价模型,对水质进行评价,确定水质评价结果;
水质预测模块:根据所述水质分析结果和水质评价结果,构建水质预测模型;
水质对策模块:根据所述水质预测模型,确定检测地点的水质模拟趋向,并生成和水质模拟趋向对应的目标决策方案,并通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
上述技术方案的工作原理及有益效果在于:
本技术方案提供通过5G终端连接水质监测模块、水质分析模块、水质评价模块和水质对策模块并进行信息输送,水质监测模块用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表,水质监测报表一般是传输到控制终端,供工作人员实时监测,并会将异常的信息进行标红,水质分析模块用于基于预设的神经网络机制,动态采集并分析处理所述水质监测报表,确定水质分析结果,对水质监测报表进行特征提取和量化分析,通过预设的标准水质的指标,对水质参数进行采集,并对超过标准水质阈值的参数在水质检测报表中进行标红,方便监测人员监测,水质评价模块用于通过预设的水质评价层次,划分所述水质分析结果,构建水质评价模型,并根据所述水质评价模型,对水质进行评价,确定水质评价结果;水质预测模块根据所述水质分析结果和水质评价结果,构建水质预测模型;通过对水质分析结果进行采集,确定水质目前的动态,并获取水质评价结果,从而模拟评价,对水质参数的走向进行模拟生成,从而确定水质预测模型,水质对策模块基于预设的综合评价模型,接收所述评价结果,并通过所述评价结果,追溯并查询预设数据库中的历史解决对策,对评价结果进行追溯。本技术方案通过对水质监测模块、水质分析模块、水质评价模块和水质对策模块的连接实现对水质的动态检测,提高检测效率,适用于不同地方的水质测量,实现三维时空中更精确、更准确的测量。
实施例二
本技术方案提供一种实施例,所述5G终端用于将水质监测模块、水质分析模块、水质评价模块和水质对策模块产生的数据进行数据交换。
上述技术方案的工作原理及有益效果在于:
本技术方案的5G终端用于连接水质监测模块、水质分析模块、水质评价模块和水质对策模块并进行信息输送,将各大模块产生的广量数据进行更高效的输送,提高数据的输送速度。
实施例三
根据图2所示,本技术方案提供一种实施例,所述水质监测模块,包括:
位置数据单元:用于基于预设的GPS***,获取检测地点的位置数据;
其中,所述检测地点包括横向检测点、纵向检测点和垂直向检测点;
检测周期单元:用于根据预设的定时器,设置检测周期;
监测数据单元:用于通过检测周期和预设的监测设备,对检测地点的水质进行监测,确定监测数据;
水质监测报表单元:用于将所述位置数据和监测数据按照一一对应的关系传输至大数据中心进行处理和加工,生成水质监测报表。
上述技术方案的工作原理及有益效果在于:
本技术方案的水质监测模块,包括位置数据单元、检测周期单元、监测数据单元和水质监测报表单元,通过位置数据单元基于预设的GIS,获取检测地点的位置数据;其中,所述检测地点包括横向检测点、纵向检测点和垂直向检测点,也就是三维的去测量不同地点的水质,由于湖水或者河水的深度不同,所以水质的温度或者一些物质的含量率不同,所以需要在不同的地点进行检测周期单元基于预设的定时器,确定检测周期;监测数据单基于检测周期和预设的监测设备,对检测地点的水质进行监测,确定监测数据,检测到的数据是水质检测报表的原始资料,水质监测报表将所述位置数据和监测数据按照一一对应的关系传输至大数据中心,生成水质监测报表,不同地点的对应不同时间点以及检测到的数据一一进行获取。本技术方案通过GIS精准定位不同的监测点,获取到水质参数的变化,以便于测量水下是否有一些因素影响到水质参数的波动,不仅达到水质测量,同时,也检查了水质环境,并生成容易阅读的水质报表。
实施例四
本技术方案提供一种实施例,所述水质监测模块,还包括预警单元,用于判断所述监测数据是否大于预设的水质阈值,并当所述监测数据大于预设的水质阈值时,确定异常数据,并将异常数据传输至用户终端,并进行预警。
上述技术方案的工作原理和有益效果在于:
本技术方案的水质监测模块,还包括预警单元,用于判断所述监测数据是否大于预设的水质阈值,并当所述监测数据大于预设的水质阈值时,将异常数据传输至用户终端,并进行预警,将异常的数据及时显示的用户的桌面进行预警,减少了人工成本,提供了一种智能化便捷的预警手段。
实施例五
本技术方案提供一种实施例,所述水质分析模块,包括:
水质时间推演单元:用于实时获取水质监测报表的监测时间点,采集和监测时间点对应的水质参数,并计算不同监测时间点的水质参数的时间变化率;
水质空间差异分析单元:用于实时获取水质监测报表中检测地点的位置数据,并计算相邻位置数据的水质参数的差异数据;
对应关系单元:用于提取每个检测地点的监测时间点、位置数据和水质参数的对应关系;
水质特征分析单元:用于基于预设的神经网络机制,按照所述对应关系,采集时间对应的水质变化率和空间的差异数据,生成水质特征数据;
水质分析结果单元:用于基于预设的大数据中心,处理并分析所述水质特征数据,确定水质分析结果。
上述技术方案的工作原理及有益效果在于:
本技术方案的水质分析模块,包括水质时间推演单元、水质空间差异分析单元、对应关系单元和水质特征分析单元,水质时间推演单元用于动态采集水质监测报表的监测时间点,根据所述监测时间点,确定对应的水质参数,并计算不同监测时间点的水质参数的时间变化率;不同的时间点,由于人工或者外界因素的影响,可能导致水质参数发生变化,所以对于水质的监控,是一项持续的监察,水质空间差异分析单元用于动态采集水质监测报表,确定检测地点的位置数据,并计算不同位置数据的水质参数的差异数据,用于对不同空间的水质参数进行获取,在同一检测地点的空间上,也即垂向空间上,获取到由于水深不同,从而水质的不同,对应关系单元:用于提取监测时间点、位置数据、水质参数的对应关系;水质特征分析单元:用于基于预设的神经网络机制,按照所述对应关系,采集时间对应的水质变化率和空间的差异数据,生成水质特征数据;水质分析结果单元:用于针对所述水质特征数据,确定水质分析结果,水质分析结果是针对整个检测地点来说,一个整体的监,从而获取到更精准、更全面的水质参数结果。
实施例六
本技术方案提供一种实施例,所述水质评价模块,包括:
划分单元:用于获取预设的水质评价规则,并根据所述水质评价规则,提取划分约束条件,并根据所述划分约束条件,划分水质分析结果,确定划分结果;
水质评价模型单元:用于提取所述划分结果的划分特征,并将所述划分特征和水质评价规则传输预设的神经网络中心,进行驯化和模拟演练,构建水质评价模型;
量化参数单元:用于基于所述水质评价模型,获取水质评价参数,并对所述水质评价参数进行量化分析,确定量化参数;其中,
所述量化参数包括单因子量化分析量和综合量化分析量;
水质评价结果单元:用于对所述量化参数进行数据评价,确定水质评价结果。
上述技术方案的工作原理和有益效果在于:
本技术方案的水质评价模块,包括划分单元、水质评价模型单元、量化参数单元和水质评价结果单元:划分单元用于获取水质评价层次,确定划分条件,并根据所述划分条件,划分水质分析结果,确定划分结果,水质评价层次一般是由和国家标准设定,但也可以用国际标准或者地方标准进行水质评价,不同的用水评价层次也不同,所以对水质进行划分;水质评价模型单元用于根据所述划分结果和水质评价层次,构建水质评价模型,水质评价模型用于对水质进行评价,通过预设的水质评价参数,构建水质评价的模型,量化参数单元用于基于所述水质评价模型,获取水质参数,并对所述水质参数进行量化分析,确定量化参数,其中,所述量化参数包括单因子量化分析量和综合量化分析量,量化参数是对于水质里的物质进行的分析参数,水质评价结果单元对所述量化参数进行数据评价,确定水质评价结果。
实施例七
本技术方案提供一种实施例,所述水质预测模块,包括:
基层模拟模型单元:用于根据所述水质分析结果,提取基层特征数据,并将所述基层特征数据传输至预设的数据云中心,进行第一云量计算,确定基层模拟模型;
目标趋向模拟模型单元:用于根据所述水质评价结果,提取目标特征数据,并将所述目标特征数据传输至预设的数据云中心,进行第二云量计算,确定目标趋向模拟模型;
水质模拟模型单元:用于将所述基层模拟模型和目标趋向模拟模型进行量化处理、数据归一化处理和拟合处理,生成水质模拟模型;
水质预测模型单元:用于对所述水质模拟模型进行精度调整,确定水质预测模型。
上述技术方案的工作原理和有益效果在于:
本技术方案的水质预测模块用于根据水质分析结果,对水质已有的模型进行预测,基层模拟模型单元用于根据所述水质分析结果,提取基层特征数据,并将所述基层特征数据传输至预设的数据云,进行云量计算,确定基层模拟模型,基层模拟是对于已有的水质分析结果,构建的静态模型,通过静态模型和模拟条件生成水质的动态模拟模型,也就是目标趋向模拟模型单元,目标趋向模拟模型单元用于根据所述水质评价结果,提取目标特征数据,并将所述目标特征数据传输至预设的数据云,进行云量计算,确定目标趋向模拟模型;水质模拟模型单元:用于将所述基层模拟模型和目标趋向模拟模型进行量化处理、数据归一化处理和拟合处理,生成水质模拟模型;水质预测模型单元:用于对所述水质模拟模型进行精度调整,确定水质预测模型,水质预测模型不仅对水质的进行预测,可以预测出水质可能受到某类弱酸弱碱的长期作用下的演变趋向,或者其他金属离子的影响下水质的演变模型。
实施例八
本技术方案提供一种实施例,所述水质对策模块,包括:
水质波动系数单元:用于根据所述水质预测模型,确定检测地点的水质模拟趋向,并根据所述水质模拟趋向,确定水质波动系数;
历史解决对策单元:用于基于预设的综合评价模型和水质波动系数,查询预设数据库中的历史解决对策;
相似度单元:用于追溯历史解决对策对应的历史水质波动系数,计算所述历史水质波动系数和水质波动系数的相似度;
目标解决对策单元:用于根据所述相似度,生成对应的目标解决对策;
传输单元:用于通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
上述技术方案的工作原理和有益效果在于:
本技术方案的水质对策模块,包括水质波动系数单元、历史解决对策单元、相似度单元和目标解决对策单元,水质波动系数单元用于根据所述水质预测模型,确定检测地点的水质模拟趋向,并根据所述水质模拟趋向,确定水质波动系数,提炼出水质参数的运动规律,并进行水质的模拟走向,从而生成有规律的运动。相似度单元用于追溯历史解决对策对应的历史评价结果,计算所述历史评价结果和评价结果的相似度,用于通过相似度,去确定是否和历史解决的问题和输入的解决方案响应,并用预设的相似度,智能人工的生成方案,自行化解决水质问题;目标解决对策单元用于根据所述相似度,生成对应的目标解决对策,通过对历史遗留问题的方案库追溯,减少了人工成本,提高了水库的运维效益。
实施例九
本技术方案提供一种实施例,所述目标解决对策单元,包括:
判断子单元:用于判断所述相似度是否大于预设的相似度阈值,具体步骤包括:
步骤A1:计算相似度和相似度阈值的差值:
f=min(|Xj-X′j|)
其中,f代表差值,Xj代表历史水质波动系数集合,X′j代表水质波动系数集合,j=1,2,...m,m代表关于水质波动系数集合的总个数;
步骤A2:对差值f进行排序,截取预设的差值阈值内的差值,并确定对应的历史水质波动系数集合和水质波动系数集合;
步骤A3:获取历史水质波动系数集合的历史水质波动系数xi和水质波动系数集合的水质波动系数x′i,并根据所述历史水质波动系数和水质波动系数,计算相似度:
其中,ΔS为相似度,xi代表历史水质波动系数,x′i代表水质波动系数,i=1,2,...n,n代表接收到的水质波动系数的总个数,ε代表关于影响因素的修正率,Hi代表关于接收到的第i个水质波动系数的传输影响函数,hi代表接收到的第i个水质波动系数的传输函数,wij代表关于第j批的第i个水质波动系数的权重值;
大于子单元:用于当所述相似度大于预设的相似度阈值时,获取历史解决对策,并根据历史解决对策,确定对应的目标解决对策;
小于等于子单元:用于当所述相似小于等于预设的相似度阈值时,获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策。
上述技术方案的工作原理和有益效果在于:
本技术方案的目标解决对策单元,包括判断子单元、大于子单元、小于等于子单元,判断子单元用于判断所述相似度是否大于预设的相似度阈值;大于子单元于当所述相似度大于预设的相似度阈值时,获取历史解决对策,并根据历史解决对策,确定对应的目标解决对策;小于等于子单元用于当所述相似小于等于预设的相似度阈值时,获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策,通过判断步骤,计算相似度和相似度阈值的差值:对差值f进行排序,截取预设的差值阈值内的差值,并确定对应的历史水质波动系数集合和水质波动系数集合;步骤A3:获取历史水质波动系数集合的历史水质波动系数xi和水质波动系数集合的水质波动系数x′i,并根据所述历史水质波动系数和水质波动系数,计算相似度:通过判断单元,不仅可以直接从相似度较高的问题中直接提取历史的解决方案,同时通过对特征标签的提取,还可以在相似度较小的时候,自行的对特征标签进行提炼,从而自动生成适应新问题的新方案,不仅节省人力成本,提高运维效益,同时对于动态的水质监控而言,保证及时的维护。
实施例十
本技术方案提供一种实施例,所述获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策,包括以下步骤:
步骤1:获取预设取值范围内的历史解决对策,提取预设取值范围内的历史解决对策特征数据,生成第一特征标签;
步骤2:获取评价结果的评价特征数据,根据所述评价特征数据,生成第二特征标签;
步骤3:根据第二特征标签筛选第一特征标签,确定筛选标签;
步骤4:提取筛选标签和第二特征标签的特征对应关系,通过所述特征对应关系,将筛选标签和第二特征标签传输至预设的神经网络,确定对应的目标解决对策。
上述技术方案的工作原理和有益效果在于:
本技术方案通过获取预设取值范围内的历史解决对策,提取预设取值范围内的历史解决对策特征数据,生成第一特征标签,历史解决的特征数据是用来做对比原始数据;获取评价结果的评价特征数据,根据所述评价特征数据,生成第二特征标签,第二特征标签;根据第二特征标签筛选第一特征标签,确定筛选标签;提取筛选标签和第二特征标签的特征对应关系,通过所述特征对应关系,将筛选标签和第二特征标签传输至预设的神经网络,确定对应的目标解决对策,仅可以直接从相似度较高的问题中直接提取历史的解决方案,同时通过对特征标签的提取,还可以在相似度较小的时候,自行的对特征标签进行提炼,从而自动生成适应新问题的新方案,不仅节省人力成本,提高运维效益,同时对于动态的水质监控而言,保证及时的维护。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (10)
1.一种基于5G网络的水质远程实时监测***,包括:
水质监测模块:用于通过预设的监测设备,实时对检测地点的水质进行远程监测,并生成水质监测报表;
水质分析模块:用于基于预设的神经网络机制,动态更新并分析处理所述水质监测报表,确定水质分析结果;
水质评价模块:用于通过预设的水质评价规则,划分所述水质分析结果,构建水质评价模型,并根据所述水质评价模型,对水质进行评价,确定水质评价结果;
水质预测模块:根据所述水质分析结果和水质评价结果,构建水质预测模型;
水质对策模块:根据所述水质预测模型,确定检测地点的水质模拟趋向,并生成和水质模拟趋向对应的目标决策方案,并通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
2.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述5G终端用于将水质监测模块、水质分析模块、水质评价模块和水质对策模块产生的数据进行数据交换。
3.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质监测模块,包括:
位置数据单元:用于基于预设的GPS***,获取检测地点的位置数据;
其中,所述检测地点包括横向检测点、纵向检测点和垂直向检测点;
检测周期单元:用于根据预设的定时器,设置检测周期;
监测数据单元:用于通过检测周期和预设的监测设备,对检测地点的水质进行监测,确定监测数据;
水质监测报表单元:用于将所述位置数据和监测数据按照一一对应的关系传输至大数据中心进行处理和加工,生成水质监测报表。
4.如权利要求3所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质监测模块,还包括预警单元,用于判断所述监测数据是否大于预设的水质阈值,并当所述监测数据大于预设的水质阈值时,确定异常数据,并将异常数据传输至用户终端,并进行预警。
5.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质分析模块,包括:
水质时间推演单元:用于实时获取水质监测报表的监测时间点,采集和监测时间点对应的水质参数,并计算不同监测时间点的水质参数的时间变化率;
水质空间差异分析单元:用于实时获取水质监测报表中检测地点的位置数据,并计算相邻位置数据的水质参数的差异数据;
对应关系单元:用于提取每个检测地点的监测时间点、位置数据和水质参数的对应关系;
水质特征分析单元:用于基于预设的神经网络机制,按照所述对应关系,采集时间对应的水质变化率和空间的差异数据,生成水质特征数据;
水质分析结果单元:用于基于预设的大数据中心,处理并分析所述水质特征数据,确定水质分析结果。
6.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质评价模块,包括:
划分单元:用于获取预设的水质评价规则,并根据所述水质评价规则,提取划分约束条件,并根据所述划分约束条件,划分水质分析结果,确定划分结果;
水质评价模型单元:用于提取所述划分结果的划分特征,并将所述划分特征和水质评价规则传输预设的神经网络中心,进行驯化和模拟演练,构建水质评价模型;
量化参数单元:用于基于所述水质评价模型,获取水质评价参数,并对所述水质评价参数进行量化分析,确定量化参数;其中,
所述量化参数包括单因子量化分析量和综合量化分析量;
水质评价结果单元:用于对所述量化参数进行数据评价,确定水质评价结果。
7.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质预测模块,包括:
基层模拟模型单元:用于根据所述水质分析结果,提取基层特征数据,并将所述基层特征数据传输至预设的数据云中心,进行第一云量计算,确定基层模拟模型;
目标趋向模拟模型单元:用于根据所述水质评价结果,提取目标特征数据,并将所述目标特征数据传输至预设的数据云中心,进行第二云量计算,确定目标趋向模拟模型;
水质模拟模型单元:用于将所述基层模拟模型和目标趋向模拟模型进行量化处理、数据归一化处理和拟合处理,生成水质模拟模型;
水质预测模型单元:用于对所述水质模拟模型进行精度调整,确定水质预测模型。
8.如权利要求1所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述水质对策模块,包括:
水质波动系数单元:用于根据所述水质预测模型,确定检测地点的水质模拟趋向,并根据所述水质模拟趋向,确定水质波动系数;
历史解决对策单元:用于基于预设的综合评价模型和水质波动系数,查询预设数据库中的历史解决对策;
相似度单元:用于追溯历史解决对策对应的历史水质波动系数,计算所述历史水质波动系数和水质波动系数的相似度;
目标解决对策单元:用于根据所述相似度,生成对应的目标解决对策;
传输单元:用于通过预设的5G终端,将所述水质预测模型和目标决策方案传输至用户终端。
9.如权利要求8所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述目标解决对策单元,包括:
判断子单元:用于判断所述相似度是否大于预设的相似度阈值;
大于子单元:用于当所述相似度大于预设的相似度阈值时,获取历史解决对策,并根据历史解决对策,确定对应的目标解决对策;
小于等于子单元:用于当所述相似小于等于预设的相似度阈值时,获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策。
10.如权利要求9所述的一种基于5G网络的水质远程实时监测***,其特征在于,所述获取预设取值范围内的历史解决对策,并根据取值范围内的历史解决对策,确定对应的目标解决对策,包括以下步骤:
步骤1:获取预设取值范围内的历史解决对策,提取预设取值范围内的历史解决对策特征数据,生成第一特征标签;
步骤2:获取评价结果的评价特征数据,根据所述评价特征数据,生成第二特征标签;
步骤3:根据第二特征标签筛选第一特征标签,确定筛选标签;
步骤4:提取筛选标签和第二特征标签的特征对应关系,通过所述特征对应关系,将筛选标签和第二特征标签传输至预设的神经网络,确定对应的目标解决对策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879588.2A CN113610381B (zh) | 2021-08-02 | 2021-08-02 | 一种基于5g网络的水质远程实时监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879588.2A CN113610381B (zh) | 2021-08-02 | 2021-08-02 | 一种基于5g网络的水质远程实时监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610381A true CN113610381A (zh) | 2021-11-05 |
CN113610381B CN113610381B (zh) | 2022-06-03 |
Family
ID=78306438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110879588.2A Active CN113610381B (zh) | 2021-08-02 | 2021-08-02 | 一种基于5g网络的水质远程实时监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610381B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324204A (zh) * | 2021-12-10 | 2022-04-12 | 梵科投资控股(深圳)有限公司 | 水质检测方法、装置、电子设备及存储介质 |
CN116153437A (zh) * | 2023-04-19 | 2023-05-23 | 乐百氏(广东)饮用水有限公司 | 一种饮用水源的水质安全评价与水质预测方法及*** |
CN116466058A (zh) * | 2023-06-15 | 2023-07-21 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN116773762B (zh) * | 2023-06-28 | 2024-01-23 | 盐城师范学院 | 一种多相催化废水处理监测***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109187901A (zh) * | 2018-09-14 | 2019-01-11 | 武汉雷特科技有限公司 | 一种水质监测数据管理*** |
CN109523144A (zh) * | 2018-10-25 | 2019-03-26 | 国科创(北京)信息技术有限公司 | 一种流域水环境业务化运行管理***及方法 |
US20190303755A1 (en) * | 2018-04-02 | 2019-10-03 | International Business Machines Corporation | Water quality prediction |
CN110749712A (zh) * | 2019-10-28 | 2020-02-04 | 成都工业学院 | 一种gis的饮用水源环境监测信息数据分析处理*** |
CN112288275A (zh) * | 2020-10-29 | 2021-01-29 | 中水三立数据技术股份有限公司 | 一种基于物联网的地下水水质分析评价***及方法 |
-
2021
- 2021-08-02 CN CN202110879588.2A patent/CN113610381B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190303755A1 (en) * | 2018-04-02 | 2019-10-03 | International Business Machines Corporation | Water quality prediction |
CN109187901A (zh) * | 2018-09-14 | 2019-01-11 | 武汉雷特科技有限公司 | 一种水质监测数据管理*** |
CN109523144A (zh) * | 2018-10-25 | 2019-03-26 | 国科创(北京)信息技术有限公司 | 一种流域水环境业务化运行管理***及方法 |
CN110749712A (zh) * | 2019-10-28 | 2020-02-04 | 成都工业学院 | 一种gis的饮用水源环境监测信息数据分析处理*** |
CN112288275A (zh) * | 2020-10-29 | 2021-01-29 | 中水三立数据技术股份有限公司 | 一种基于物联网的地下水水质分析评价***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324204A (zh) * | 2021-12-10 | 2022-04-12 | 梵科投资控股(深圳)有限公司 | 水质检测方法、装置、电子设备及存储介质 |
CN116153437A (zh) * | 2023-04-19 | 2023-05-23 | 乐百氏(广东)饮用水有限公司 | 一种饮用水源的水质安全评价与水质预测方法及*** |
CN116466058A (zh) * | 2023-06-15 | 2023-07-21 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN116466058B (zh) * | 2023-06-15 | 2023-09-05 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN116773762B (zh) * | 2023-06-28 | 2024-01-23 | 盐城师范学院 | 一种多相催化废水处理监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113610381B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测*** | |
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、***及存储介质 | |
CN102183621B (zh) | 水产养殖溶解氧浓度在线预测方法及*** | |
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 | |
CN115577018B (zh) | 一种水质监测数据的智能处理方法及*** | |
CN110646867A (zh) | 一种城市排水监测预警方法和*** | |
CN109784528A (zh) | 基于时间序列和支持向量回归的水质预测方法及装置 | |
CN117032415A (zh) | 一种基于温度变化的设备数据监管***及方法 | |
CN117469603A (zh) | 一种基于大数据学习的多水厂供水***压力优化控制方法 | |
CN115994692B (zh) | 基于5g和大数据的智慧河湖管理平台 | |
CN110455370B (zh) | 防汛抗旱远程遥测显示*** | |
CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及*** | |
CN113408764B (zh) | 基于数字孪生的产品在线技术状态管控*** | |
CN115203905A (zh) | 一种融合专家经验及智能算法的设备健康评估方法 | |
CN114022305A (zh) | 地下水动态监测方法及装置 | |
CN110658316A (zh) | 一种水质在线监测方法及*** | |
CN117648568B (zh) | 基于物联网的水表计量大数据优化处理方法及*** | |
CN118071177B (zh) | 一种污水处理模拟调控方法和*** | |
CN117314705B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
CN103488087B (zh) | 最优的农药废液焚烧炉有害物排放达标控制***及方法 | |
CN118395395A (zh) | 一种城市尺度生物多样性智能监测方法及装置 | |
CN117571098A (zh) | 一种基于智能水表的漏水监测*** | |
CN117349626A (zh) | 一种基于lstm算法的车削设备预测性维护方法和*** | |
CN117473298A (zh) | 一种基于注意力机制的风机基础沉降预测方法及*** |
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 |