CN115508522A - 水质检测方法及装置、电子设备和存储介质 - Google Patents
水质检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115508522A CN115508522A CN202110631385.1A CN202110631385A CN115508522A CN 115508522 A CN115508522 A CN 115508522A CN 202110631385 A CN202110631385 A CN 202110631385A CN 115508522 A CN115508522 A CN 115508522A
- Authority
- CN
- China
- Prior art keywords
- water quality
- determining
- information
- content
- quality index
- 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 318
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims description 36
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 6
- 229910052802 copper Inorganic materials 0.000 claims description 6
- 239000010949 copper Substances 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 5
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 5
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 claims description 5
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 claims description 5
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 claims description 5
- 229910002651 NO3 Inorganic materials 0.000 claims description 5
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 5
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 5
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 5
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 claims description 5
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 5
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 5
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 5
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 5
- 229910052785 arsenic Inorganic materials 0.000 claims description 5
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 claims description 5
- 229910052793 cadmium Inorganic materials 0.000 claims description 5
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 229910052804 chromium Inorganic materials 0.000 claims description 5
- 239000011651 chromium Substances 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 229910052748 manganese Inorganic materials 0.000 claims description 5
- 239000011572 manganese Substances 0.000 claims description 5
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 5
- 229910052753 mercury Inorganic materials 0.000 claims description 5
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 229910052698 phosphorus Inorganic materials 0.000 claims description 5
- 239000011574 phosphorus Substances 0.000 claims description 5
- 229910052711 selenium Inorganic materials 0.000 claims description 5
- 239000011669 selenium Substances 0.000 claims description 5
- 239000011701 zinc Substances 0.000 claims description 5
- 229910052725 zinc Inorganic materials 0.000 claims description 5
- 238000003911 water pollution Methods 0.000 abstract description 13
- 238000005259 measurement Methods 0.000 abstract description 10
- 239000002096 quantum dot Substances 0.000 description 21
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 239000000523 sample Substances 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 239000002159 nanocrystal Substances 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- SOCTUWSJJQCPFX-UHFFFAOYSA-N dichromate(2-) Chemical compound [O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O SOCTUWSJJQCPFX-UHFFFAOYSA-N 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000012286 potassium permanganate Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004054 semiconductor nanocrystal Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- -1 suspended matter Substances 0.000 description 1
- 238000010998 test method Methods 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开涉及一种水质检测方法及装置、电子设备和存储介质,所述方法包括:根据预定水域水质信息,确定预定水域的水质指标;根据水质指标,分别确定水质指标的统计判别信息及变化判别信息;根据统计判别信息和变化判别信息中的至少一个,确定预定水域的水质判别信息。根据本公开的实施例的水质检测方法,通过实时获得的水质指标,可及时发现水污染,提升测量的实时性和准确性。进一步地,通过统计判别信息及变化判别信息可适应水环境复杂动态的变化,可提升水质检测的准确性和实时性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种水质检测方法及装置、电子设备和存储介质。
背景技术
水资源是人类赖以生存的资源,水质量的好坏直接关系到人类的生命安全。检测水质,并在水质出现异常状况或将会发生异常时给出预警信息,对控制治理水污染,保护水环境有着重要的意义。
水质化学需氧量(Chemical Oxygen Demand,COD)是反映水环境质量的重要参数。水质异常检测过程可利用水质COD反映水质状况,根据既定的正常水质模式,通过信息处理手段,判断水质是否存在异常的过程。
水质异常告警作为水污染告警***至关重要的组成部分,实时性和准确性显得尤为重要。目前,通常需要采集水样,并在实验室中进行化验(例如,采用重铬酸盐法或高锰酸钾法等)来测定COD,获得的COD数据实时性较差,难以及时发现水污染。并且,相关技术中,仅依据水质标准作为报警阈值判断水质是否异常,然而,由于水环境为复杂动态***,非线性和非平稳性是其固有特性,忽略水质数据中的变化特征和关联信息,容易引起迟报和漏报。
发明内容
本公开提出了一种水质检测方法及装置、电子设备和存储介质。
根据本公开的一方面,提供了一种水质检测方法,包括:根据预定水域水质信息,确定预定水域的水质指标;根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
在一种可能的实现方式中,根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息,包括:根据所述水质指标,确定在第一时间段内的水质指标的平均值;根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;根据所述水质指标的方差,确定所述统计判别信息。
在一种可能的实现方式中,根据所述水质指标的方差,确定所述统计判别信息,包括:根据所述水质指标的方差,确定水质指标的白噪声;根据所述水质指标的白噪声以及预设的置信区间,确定所述统计判别信息。
在一种可能的实现方式中,根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息,包括:根据所述水质数据,确定在所述第二时间段内的水质指标的变化率;根据所述变化率和预设的变化率阈值,确定所述变化判别信息。
在一种可能的实现方式中,根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息,包括:在所述统计判别信息和所述变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常。
在一种可能的实现方式中,所述水质指标包括水质化学需氧量、浊度、总磷含量、氨氮含量、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量中的至少一个。
根据本公开的一方面,提供了一种水质检测装置,包括:水质指标模块,用于根据预定水域水质信息,确定预定水域的水质指标;信息确定模块,用于根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;判别模块,用于根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质指标,确定在第一时间段内的水质指标的平均值;根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;根据所述水质指标的方差,确定所述统计判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质指标的方差,确定水质指标的白噪声;根据所述水质指标的白噪声以及预设的置信区间,确定所述统计判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质数据,确定在所述第二时间段内的水质指标的变化率;根据所述变化率和预设的变化率阈值,确定所述变化判别信息。
在一种可能的实现方式中,所述判别模块进一步用于在所述统计判别信息和所述变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常。
在一种可能的实现方式中,所述水质指标包括水质化学需氧量、浊度、总磷含量、氨氮含量、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量中的至少一个。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的实施例的水质检测方法,可通过量子点光谱信息实时获得水质指标,可及时发现水污染,提升测量的实时性和准确性。并且,通过量子点光谱信息可实时获得大量水质数据,为对水质指标进行统计判别以及对水质指标进行数据特征的识别提供了基础。进一步地,通过统计判别信息及变化判别信息可适应水环境复杂动态的变化,可提升水质检测的准确性和实时性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的水质检测方法的流程图。
图2示出根据本公开实施例的水质检测方法的应用示意图。
图3示出根据本公开实施例的水质检测装置的框图。
图4示出根据本公开实施例的水质检测装置的框图。
图5示出根据本公开实施例的水质检测装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的水质检测方法的流程图,如图1所示,所述方法包括:
在步骤S11中,根据预定水域的水质信息,确定预定水域的水质指标;
在步骤S12中,根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;
在步骤S13中,根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
根据本公开的实施例的水质检测方法,可通过以较高频率获得的量子点光谱信息确定的水质信息,进而确定水质指标,可及时发现水污染,提升测量的实时性和准确性。并且,通过量子点光谱信息可实时获得大量水质数据,为对水质指标进行统计判别以及对水质指标进行数据特征的识别提供了基础。进一步地,通过统计判别信息及变化判别信息可适应水环境复杂动态的变化,可提升水质检测的准确性和实时性。
在一种可能的实现方式中,在步骤S11中,可通过水质监测设备来测量预定水域的水质信息。水质监测设备可包括微型光谱探头,例如量子点光谱探头,所述量子点光谱探头可基于纳米晶体的物理特性和光学特性,对入射光线(例如,光线经过预定区域水样进行透射或散射后的光线)进行测量,以获得入射光线的光谱信息。例如,量子点光谱探头中可包括由多种纳米晶体制成的纳米晶体芯片,所述纳米晶体芯片包含多种纳米晶体的一定排列(例如,纳米晶体阵列),其中,每种纳米晶体具有不同光吸收特性或发射特性,不同种类半导体纳米晶体例如,可以为不同材料、尺寸等,使得纳米晶体芯片可对较宽波长范围内的波长进行调制响应,以获得对较宽波长范围内入射光调整后的光谱。
在一种可能的实现方式中,光线经水进行透射或散射后的光线可受到水中的物质(例如,悬浮物、污染物等)的影响,从而获得特定光谱信息。光谱探头可实时获得该光谱信息,该光谱信息可代表的测量位置的水体的水质信息,进而可基于光谱信息确定水质指标。例如,通过水样对不同波长光的吸收强弱,可获得不同频段的光的光谱信息,通过该光谱信息可换算出水质指标。在示例中,所述水质指标包括水质化学需氧量(Chemical OxygenDemand,COD)、浊度、总磷含量、氨氮含量、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量等。还可根据光谱信息中的红外光谱测定水温。本公开对微型光谱探头例如量子点光谱探头的工作原理不做限制。在示例中,量子点光谱探头可通过水中包含的各种物质对光的吸收特性确定水质指标,例如,可通过光谱信息分析特定波长的光线的光强,进而获得与所述特定波长范围的光线对应的物质的浓度(水质指标)。或者,量子点光谱探头可通过神经网络来推断水质指标,例如,可将光谱信息输入神经网络,神经网络可推断出各种物质的浓度(水质指标)。本公开对确定水质指标的方式不做限制。
在一种可能的实现方式中,量子点光谱探头可用于实时测量水质指标(例如,COD),并通过测量的水质指标来确定水质是否收到污染。相比于对水质进行采样后,在实验室中进行化验来测量水质指标的方法,通过量子点光谱探头测量指标可实现在线、原位、高频、实时测量,例如,可将测量频率有1天/次提升为3-60分钟/次,优选5-30分钟n/次,特别优选8-20分钟/次,最优选10-15分钟/次,远高于传统的测试方法,因而能够以较高的频率获得水质指标,为实时获得水质指标并判断水质污染提供依据。
所述实时测量,是指所述方法可以快速获得水质指标结果,无需长时间的等待,相比于水质指标的变化,该测量时间可以忽略不计。
在一种可能的实现方式中,在步骤S12中,由于量子点光谱仪可实时获得水质指标,因此,可通过量子点光谱仪获得某时间段内的大量的水质指标的实测数据,并对这些实测数据进行分析与推断,以获得统计判别信息和变化判别信息,即,基于实测数据的统计学特征来判别水质污染状况的信息和基于实测数据的在该时间段的变化特征来判别水质污染状况的信息。
在一种可能的实现方式中,可根据水质指标确定统计判别信息,即,通过水质指标实测数据的统计学特征来判别水质污染状况的信息。该步骤可包括:根据所述水质指标,确定在第一时间段内的水质指标的平均值;根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;根据所述水质指标的方差,确定所述统计判别信息。
在一种可能的实现方式中,第一时间段可以是任意长度的时间段,在示例中,第一时间段的长度可以是两个小时、三个小时等,本公开对第一时间段的长度不做限制。量子点光谱仪可在第一时间段内实时、高频地测量水质指标,获得多个实测数据,例如,可获得第一时间段内的多个COD数据。可计算所述多个实测数据的平均值,获得第一时间段内的水质指标的平均值。
在示例中,可通过以下公式(1)获得第一时间段内的水质指标的平均值:
其中,μ为所述水质指标的平均值,m(m为正整数)为第一时间段内获得的实测数据的数量,ai为获得的第i个实测数据,其中,i≤m,且i为整数。
在一种可能的实现方式中,在获得水质指标的平均值后,可基于该平均值,确定第一时间段内的水质指标的方差,在示例中,可根据以下公式(2)获得第一时间段内的水质指标的方差:
其中,σ为所述水质指标的方差。
在示例中,水质指标可以是COD,量子点光谱仪可测量第一时间段内多个COD的实测数据,并确定COD的平均值和方差。
在一种可能的实现方式中,可根据水质指标的方差确定统计判别信息。例如,可根据方差来确定实测数据与平均值的偏离程度,如果偏离程度较大,则可能是由于在第一时间段内发生水质污染,造成污染前和污染后的实测数据偏差较大,即,可确定统计判别信息异常。
在一种可能的实现方式中,还可根据水质指标的方差确定水质指标的噪声干扰,进而确定统计判别信息。该步骤可包括:根据所述水质指标的方差,确定水质指标的白噪声;根据所述水质指标的白噪声以及预设的置信区间,确定所述统计判别信息。
在一种可能的实现方式中,可将水质指标的实测数据确定为水质指标的真实值和白噪声之和。并且,在水质不发生变化的情况下(即,水质没有被污染的情况下),白噪声可服从均值为0的正态分布,水质指标的均值可被确定为水质指标的真实值。如果在第一时间段内水质发生变化,例如,水质受到污染,则实测数据会偏离正常白噪声的范围,可利用实测数据是否偏离正常白噪声的范围来确定所述统计判别信息。
在示例中,可将水质指标的方差作为所述白噪声,并确定预设的置信区间(即,正常白噪声的范围),如果水质指标的实测数据超出置信区间,则可确定统计判别信息异常,即,可能存在水质污染,使得水质指标的实测数据发生较大变化。例如,可水质指标的实测数据可以是服从某种统计分布的随机变量,例如,服从正态分布、卡方分布等,如果水质指标的至少一个实测数据超出置信区间,则可认为该实测数据异常,如果异常的实测数据较多,例如,多于预设比例,则可确定统计判别信息异常。在示例中,置信区间可以是[-3σ,3σ],在水质未发生变化(未被污染的情况下),实测数据落在置信区间内的概率可高于99.73%,如果超出置信区间的实测数据的概率超过0.27%(例如,超出置信区间的实测数据的数量在实测数据的总数量中所占比例超过0.27%),则可认为统计判别信息异常。
在一种可能的实现方式中,还可利用统计推断的方式确定统计判别信息,例如,可对水质指标的多个实测数据进行假设检验(例如,假设没有水质污染的假设检验),如果水质指标的实测数据在假设检验的拒绝域中,则可认为统计判别信息异常。本公开对获得统计判别信息的方式不做限制。
通过这种方式,可在第一时间段内实时测量的水质指标,能够适应水环境的动态变化,并通过实测数据的统计学特征来确定统计判别信息,提升水质检测的准确性。
在一种可能的实现方式中,在没有水质污染的情况下,水质指标的变化较为缓慢,且变化幅度较小,通常在较小的区间内变化。但在发生水质污染的情况下,水质指标可能会发生快速变化,且变化幅度可能较大,可通过水质指标的测量值是否发生较为剧烈的变化来判断是否发生水质污染,获得变化判别信息。
在一种可能的实现方式中,步骤S12可包括:根据所述水质数据,确定在所述第二时间段内的水质指标的变化率;根据所述变化率和预设的变化率阈值,确定所述变化判别信息。
在示例中,第二时间段可以是与第一时间段相同或不同的任意时间段,第二时间段可以是两个小时、三个小时等,本公开对第二时间段不做限制。量子点光谱仪可在第二时间段内获得多个水质指标的实测数据,并基于实测数据获得第二时间段内水质指标的变化率。例如,可使用第二时间段结束时刻的实测数据与第二时间段开始时刻的实测数据作差,并用该作差结果除以第二时间段的时长,可获得第二时间段内的水质指标的变化率。又例如,可使用第二时间段内任意多个时刻的实测数据,并确定多个时刻的实测数据之间的变化率(即,用任意两个实测数据作差的结果除以这两个实测数据的时间差),并确定多个变化率的平均值,可确定第二时间段内的水质指标的变化率。又例如,可对多个实测数据进行曲线拟合,并确定你和获得的数据曲线的导数,即,第二时间段内的水质指标的变化率。本公开对获得水质指标变化率的方式不做限制。
在一种可能的实现方式中,可根据第二时间段内的水质指标的变化率以及预设的变化率阈值确定变化判别信息。例如,如果水质指标的变化率大于或等于变化率阈值,可表示第二时间段内水质指标发生大幅变化,可能存在污染,即,变化判别信息异常。反之则变化判别信息正常,第二时间段内水质指标未发生大幅变化。
通过这种方式,可在第二时间段内实时测量的水质指标,能够适应水环境的动态变化,并通过实测数据的变化率来确定变化判别信息,提升水质检测的准确性。
在一种可能的实现方式中,在步骤S13中,可利用获得的统计判别信息和变化判别信息中的至少一个来确定水质判别信息。在示例中,该步骤可包括:在所述统计判别信息和所述变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常。即,只要统计判别信息和变化判别信息中的任意一个异常,即可确定水质判别信息异常。
在示例中,也可在统计判别信息和变化判别信息均异常时,才判断水质判别信息异常。又例如,也可只选取统计判别信息和变化判别信息中的其中一个信息作为确定水质判别信息的依据,另一个信息仅作为参考。例如,只选取统计判别信息作为确定水质判别信息的依据,并仅在统计判别信息失效时才使用变化判别信息。
在一种可能的实现方式中,在水质判别信息异常时,可生成警告信息,以警告环保管理人员等注意预定水域的排污情况。在统计判别信息和变化判别信息中的任意一个异常,即可确定水质判别信息异常的情况下,对水质的监测最灵敏。在只选取统计判别信息和变化判别信息中的其中一个信息作为确定水质判别信息的依据的情况下,对水质的监测灵敏度低于前述情况。在统计判别信息和变化判别信息均异常时,才判断水质判别信息异常的情况下,对水质的监测的灵敏度最低。
根据本公开的实施例的水质检测方法,可通过量子点光谱信息实时获得水质指标,可及时发现水污染,提升测量的实时性和准确性。并且,通过量子点光谱信息可实时获得大量水质数据,为对水质指标进行统计判别以及对水质指标进行数据特征的识别提供了基础。进一步地,可在第一时间段内实时测量的水质指标,通过实测数据的统计学特征来确定统计判别信息,并可在第二时间段内实时测量的水质指标,通过实测数据的变化率来确定变化判别信息,通过统计判别信息及变化判别信息可适应水环境复杂动态的变化,可提升水质检测的准确性和实时性。
图2示出根据本公开实施例的水质检测方法的应用示意图,如图2所示,可通过量子点光谱仪测量预定水域的光谱信息,并可基于光谱信息确定预定水域的COD值。
在一种可能的实现方式中,可通过量子点光谱仪获得两小时内的多个COD实测数据,并确定多个COD实测数据的平均值。进一步地,可基于该平均值获得COD实测数据的方差。
在一种可能的实现方式中,可将COD实测数据的方差作为COD实测数据的白噪声,可利用白噪声确定置信区间,例如,[-3σ,3σ]。在水质未发生变化(未被污染的情况下),实测数据落在置信区间内的概率可高于99.73%,如果超出置信区间的实测数据的概率超过0.27%(例如,超出置信区间的实测数据的数量在实测数据的总数量中所占比例超过0.27%),则可认为统计判别信息异常。
在一种可能的实现方式中,可通过量子点光谱仪获得三小时内的COD变化率,如果COD变化率大于或等于变化率阈值,可表示在上述三小时内COD指标发生大幅变化,可能存在污染。
在一种可能的实现方式中,可在统计判别信息和变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常,即,只要统计判别信息和变化判别信息中的任意一个异常,即可确定水质判别信息异常,并可生成警告信息,以警告环保管理人员等注意预定水域的排污情况。
在一种可能的实现方式中,所述水质检测方法可用于对预设水域的水质监测和污染防治,对控制治理水污染,保护水环境提供了基础。
图3示出根据本公开实施例的水质检测装置的框图,如图3所示,所述装置包括:
水质指标模块11,用于根据预定水域的水质信息,确定预定水域的水质指标;
信息确定模块12,用于根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;
判别模块13,用于根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质指标,确定在第一时间段内的水质指标的平均值;根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;根据所述水质指标的方差,确定所述统计判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质指标的方差,确定水质指标的白噪声;根据所述水质指标的白噪声以及预设的置信区间,确定所述统计判别信息。
在一种可能的实现方式中,所述信息确定模块进一步用于根据所述水质数据,确定在所述第二时间段内的水质指标的变化率;根据所述变化率和预设的变化率阈值,确定所述变化判别信息。
在一种可能的实现方式中,所述判别模块进一步用于在所述统计判别信息和所述变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常。
在一种可能的实现方式中,所述水质指标包括水质化学需氧量、浊度、总磷含量、氨氮含量、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量中的至少一个。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了水质检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种水质检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4是根据一示例性实施例示出的一种水质检测装置800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5是根据一示例性实施例示出的一种水质检测装置1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种水质检测方法,其特征在于,所述方法包括:
根据预定水域的水质信息,确定预定水域的水质指标;
根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;
根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
2.根据权利要求1所述的方法,其特征在于,根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息,包括:
根据所述水质指标,确定在第一时间段内的水质指标的平均值;
根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;
根据所述水质指标的方差,确定所述统计判别信息。
3.根据权利要求2所述的方法,其特征在于,根据所述水质指标的方差,确定所述统计判别信息,包括:
根据所述水质指标的方差,确定水质指标的白噪声;
根据所述水质指标的白噪声以及预设的置信区间,确定所述统计判别信息。
4.根据权利要求1所述的方法,其特征在于,根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息,包括:
根据所述水质数据,确定在所述第二时间段内的水质指标的变化率;
根据所述变化率和预设的变化率阈值,确定所述变化判别信息。
5.根据权利要求1所述的方法,其特征在于,根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息,包括:
在所述统计判别信息和所述变化判别信息中的至少一个异常的情况下,将所述水质判别信息确定为异常。
6.根据权利要求1所述的方法,其特征在于,所述水质指标包括水质化学需氧量、浊度、总磷含量、氨氮含量、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量中的至少一个。
7.一种水质检测装置,其特征在于,包括:
水质指标模块,用于根据预定水域水质信息,确定预定水域的水质指标;
信息确定模块,用于根据所述水质指标,分别确定所述水质指标的统计判别信息及变化判别信息;
判别模块,用于根据所述统计判别信息和所述变化判别信息中的至少一个,确定所述预定水域的水质判别信息。
8.根据权利要求7所述的装置,其特征在于,所述信息确定模块进一步用于:
根据所述水质指标,确定在第一时间段内的水质指标的平均值;
根据所述平均值及所述水质指标,确定所述第一时间段内的水质指标的方差;
根据所述水质指标的方差,确定所述统计判别信息。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至6中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631385.1A CN115508522A (zh) | 2021-06-07 | 2021-06-07 | 水质检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631385.1A CN115508522A (zh) | 2021-06-07 | 2021-06-07 | 水质检测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115508522A true CN115508522A (zh) | 2022-12-23 |
Family
ID=84499653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110631385.1A Pending CN115508522A (zh) | 2021-06-07 | 2021-06-07 | 水质检测方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115508522A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400038A (zh) * | 2023-04-07 | 2023-07-07 | 中国长江三峡集团有限公司 | 基于峰度值的告警方法及装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718774A (zh) * | 2009-11-09 | 2010-06-02 | 东南大学 | 在线采集水质数据有效性的诊断方法 |
CN203101366U (zh) * | 2012-11-26 | 2013-07-31 | 奥格科技开发有限公司 | 用于供水网络的在线水质检测装置和在线水质监控*** |
CN104535735A (zh) * | 2015-01-09 | 2015-04-22 | 成都海兰天澄科技有限公司 | 水质远程在线监测方法 |
CN111489271A (zh) * | 2020-05-28 | 2020-08-04 | 重庆工商大学 | 污水管理云平台 |
-
2021
- 2021-06-07 CN CN202110631385.1A patent/CN115508522A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718774A (zh) * | 2009-11-09 | 2010-06-02 | 东南大学 | 在线采集水质数据有效性的诊断方法 |
CN203101366U (zh) * | 2012-11-26 | 2013-07-31 | 奥格科技开发有限公司 | 用于供水网络的在线水质检测装置和在线水质监控*** |
CN104535735A (zh) * | 2015-01-09 | 2015-04-22 | 成都海兰天澄科技有限公司 | 水质远程在线监测方法 |
CN111489271A (zh) * | 2020-05-28 | 2020-08-04 | 重庆工商大学 | 污水管理云平台 |
Non-Patent Citations (1)
Title |
---|
张宗祜 等: "《中国地下水资源(安徽卷)》", 中国地图出版社, pages: 153 - 158 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400038A (zh) * | 2023-04-07 | 2023-07-07 | 中国长江三峡集团有限公司 | 基于峰度值的告警方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113252582B (zh) | 污染检测方法及装置、电子设备和存储介质 | |
CN108632081B (zh) | 网络态势评估方法、装置及存储介质 | |
US20110063433A1 (en) | Absorbance measurements using portable electronic devices with built-in camera | |
CN112990614A (zh) | 水华检测方法及装置、电子设备和存储介质 | |
CN113077019B (zh) | 污染类型识别方法及装置和存储介质 | |
WO2020134641A1 (zh) | 数据处理方法及装置 | |
CN115510568A (zh) | 管道故障检测方法及***、电子设备和存储介质 | |
CN111078446A (zh) | 一种故障信息获取方法、装置、电子设备及存储介质 | |
EP2763117A1 (en) | Chemical alert system using a portable device with integrated chemical sensor | |
CN115508522A (zh) | 水质检测方法及装置、电子设备和存储介质 | |
CN115510892A (zh) | 污染类型识别方法及装置、电子设备和存储介质 | |
CN110807393A (zh) | 基于视频分析的预警方法及装置、电子设备和存储介质 | |
CN110889544B (zh) | 配电网运行指标的预测方法及装置 | |
CN116704710A (zh) | 告警方法及装置、电子设备和存储介质 | |
CN111724063A (zh) | 一种业务数据处理方法及装置、电子设备和存储介质 | |
CN111947903A (zh) | 振动异常定位方法及装置 | |
CN108234756B (zh) | 通话控制方法、装置及计算机可读存储介质 | |
CN116304913A (zh) | 基于贝叶斯模型的水质状态监测方法及装置、电子设备 | |
CN112884040A (zh) | 训练样本数据的优化方法、***、存储介质及电子设备 | |
CN113358164B (zh) | 流量检测方法及装置、电子设备和存储介质 | |
CN115452739A (zh) | 水质热污染检测方法及装置、电子设备和存储介质 | |
CN114839340A (zh) | 水质生物活性检测方法及装置、电子设备和存储介质 | |
CN111540382B (zh) | 基于线性预测残差负熵的语音音质度量评价方法及装置 | |
CN108107005A (zh) | 液体质量检测的方法及装置 | |
CN107733535B (zh) | 终端调试方法、装置及*** |
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 |