CN116818672A - 一种基于物联网的河流水质监测*** - Google Patents
一种基于物联网的河流水质监测*** Download PDFInfo
- Publication number
- CN116818672A CN116818672A CN202310261010.XA CN202310261010A CN116818672A CN 116818672 A CN116818672 A CN 116818672A CN 202310261010 A CN202310261010 A CN 202310261010A CN 116818672 A CN116818672 A CN 116818672A
- Authority
- CN
- China
- Prior art keywords
- river
- data
- water quality
- internet
- monitoring
- 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 162
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000013500 data storage Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 7
- 206010063385 Intellectualisation Diseases 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000002035 prolonged effect Effects 0.000 abstract description 4
- 239000010865 sewage Substances 0.000 description 13
- 239000003344 environmental pollutant Substances 0.000 description 10
- 231100000719 pollutant Toxicity 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 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
- 238000004590 computer program Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提出了一种基于物联网的河流水质监测***，涉及水质监测技术领域。该***通过设置在河流中的若干个水体数据采集器之间组成多跳的自组织网络，实时采集监测河流的水质数据并上传到本地分析监测模块，可延长通信距离，保证数据传输的可靠性；通过本地分析监测模块对采集的水质数据、河流基础数据进行收集汇总并利用二维水质模型进行水体环境预测，实现河流水体水质的准确模拟和预测；将水质数据、河流基础数据传输到数据存储服务器分布式存储，供远程监控中心实时获取并通过物联网可视化平台对河流水质进行直观、实时的在线监测和自动预警，实现河流水体远程监测的信息化、现代化和智能化，从而可及时有效的进行河流水质异常分析及预警。
Description
技术领域
本发明涉及水质监测技术领域，具体而言，涉及一种基于物联网的河流水质监测***。
背景技术
水质监测是监视和测定水体中污染物的种类、各类污染物的浓度及变化趋势，评价水质状况的过程；随着城市数量与规模的迅速增加与扩张，城市生活污水问题日益严重，从我国污水排放结构来看，居民污水排放量在1999年首次超过工业污水排放量，之后的十多年间，居民污水在我国城市污水排放中一直处于首要地位，且比重逐年增加。随着人们认识水平的不断提高，对城市河流的保护和管理工作日益受到重视。
目前，城市河流的水质监测分散于不同的部门，监测信息零散，未能有机融合，许多监测设备为人工定点监测和人工记录，费时费力效率低，信息共享机制不健全，并且发布时间延迟滞后，且不能自动化的进行水质监测预警，信息化、现代化和智能化水平还远远不够，不能及时有效的进行水质异常分析及预警。
发明内容
本发明的目的在于提供一种基于物联网的河流水质监测***，其通过设置在河流中的若干个水体数据采集器之间组成多跳的自组织网络，实时采集监测河流的水质数据并上传到本地分析监测模块，可延长水体数据采集器和本地分析监测模块之间的通信距离，保证数据传输的可靠性，然后通过本地分析监测模块对采集的水质数据、河流基础数据进行收集汇总并利用二维水质模型的分析计算进行水体环境预测，实现河流水体水质的准确模拟和预测，及时发现水体中的污染物和分析污染强度并进行本地预警；进一步的将水质数据、河流基础数据传输到数据存储服务器进行分布式存储，供远程监控中心实时获取并通过物联网可视化平台对河流水质及物联网设备进行直观、实时的在线监测和自动预警，实现河流水体远程监测的信息化、现代化和智能化，从而可及时有效的进行河流水质异常分析及预警。
为解决上述技术问题，本发明采用的技术方案为：
第一方面，本发明实施例提供一种基于物联网的河流水质监测***，包括：
若干个水体数据采集器、本地分析监测模块、数据存储服务器、远程监控中心及网络通信模块，所述本地分析监测模块、所述数据存储服务器及所述远程监控中心之间通过所述网络通信模块进行通信连接和数据传输；
所述水体数据采集器用于实时采集监测河流的水质数据并上传到所述本地分析监测模块；
所述本地分析监测模块用于对采集的水质数据、河流基础数据进行收集汇总分析计算和水体环境预测；
所述数据存储服务器用于对采集的水质数据、河流基础数据进行分布式存储；
所述远程监控中心用于实时获取所述数据存储服务器中的水质数据、河流基础数据，并通过构建的物联网可视化平台对河流水质进行在线监测和预警。
在本发明的一些实施例中，所述若干个水体数据采集器之间通过无线通信方式组成一个多跳的自组织网络***。
在本发明的一些实施例中，所述本地分析监测模块利用二维水质模型对多个所述水体数据采集器采集的水质数据进行水体环境的分析和预测。
在本发明的一些实施例中，所述若干个水体数据采集器之间的无线通信方式包括零个或多个级联的无线中继器。
在本发明的一些实施例中，所述数据存储服务器对采集的水质数据、河流基础数据进行分类、分片、分区的分布式存储。
在本发明的一些实施例中，所述远程监控中心对所述数据存储服务器分类、分片、分区存储的数据进行隐私计算。
在本发明的一些实施例中，所述***还包括图像采集和预处理模块，用于采集监测区域内的河流遥感图像并对采集的河流遥感图像数据进行预处理。
在本发明的一些实施例中，所述对采集的河流遥感图像数据进行预处理包括：
获取采集的河流遥感图像，并对所述河流遥感图像进行校正处理，得到校正后的河流遥感图像；
对校正后的河流遥感图像进行滤波处理，并对滤波后的河流遥感图像进行分辨率融合；
对分辨率融合后的遥感图像进行色彩增强处理，得到预处理后的河流遥感图像。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
本发明的实施例提出了一种基于物联网的河流水质监测***，其通过设置在河流中的若干个水体数据采集器之间组成多跳的自组织网络，实时采集监测河流的水质数据并上传到本地分析监测模块，可延长水体数据采集器和本地分析监测模块之间的通信距离，保证数据传输的可靠性，然后通过本地分析监测模块对采集的水质数据、河流基础数据进行收集汇总并利用二维水质模型的分析计算进行水体环境预测，实现河流水体水质的准确模拟和预测，及时发现水体中的污染物和分析污染强度并进行本地预警；进一步的将水质数据、河流基础数据传输到数据存储服务器进行分布式存储，供远程监控中心实时获取并通过物联网可视化平台对河流水质及物联网设备进行直观、实时的在线监测和自动预警，实现河流水体远程监测的信息化、现代化和智能化，从而可及时有效的进行河流水质异常分析及预警。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明一种基于物联网的河流水质监测***一实施例的结构示意图；
图2为本发明实施例中对采集的河流遥感图像数据进行预处理的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
实施例1
请参阅图1-2，本申请实施例提供了一种基于物联网的河流水质监测***，其通过设置在河流中的若干个水体数据采集器之间组成多跳的自组织网络，实时采集监测河流的水质数据并上传到本地分析监测模块，可延长水体数据采集器和本地分析监测模块之间的通信距离，保证数据传输的可靠性，然后通过本地分析监测模块对采集的水质数据、河流基础数据进行收集汇总并利用二维水质模型的分析计算进行水体环境预测，实现河流水体水质的准确模拟和预测，及时发现水体中的污染物和分析污染强度并进行本地预警；进一步的将水质数据、河流基础数据传输到数据存储服务器进行分布式存储，供远程监控中心实时获取并通过物联网可视化平台对河流水质及物联网设备进行直观、实时的在线监测和自动预警，实现河流水体远程监测的信息化、现代化和智能化，从而可及时有效的进行河流水质异常分析及预警。
如图1所示，上述基于物联网的河流水质监测***包括：若干个水体数据采集器、本地分析监测模块、数据存储服务器、远程监控中心及网络通信模块，所述本地分析监测模块、所述数据存储服务器及所述远程监控中心之间通过所述网络通信模块进行通信连接和数据传输；
所述水体数据采集器用于实时采集监测河流的水质数据并上传到所述本地分析监测模块；
所述本地分析监测模块用于对采集的水质数据、河流基础数据进行收集汇总分析计算和水体环境预测；
所述数据存储服务器用于对采集的水质数据、河流基础数据进行分布式存储；
所述远程监控中心用于实时获取所述数据存储服务器中的水质数据、河流基础数据，并通过构建的物联网可视化平台对河流水质进行在线监测和预警。
其中，所述若干个水体数据采集器之间通过无线通信方式组成一个多跳的自组织网络***。可以根据河道的实际情况预先设置水体采集点，并在各水体采集点安装上述个水体数据采集器，水体数据采集器的水体监测指标可以根据需要设一个或多个，如检测水温、pH、电导率、COD、TOC、氨氮、硝氮、磷酸盐、叶绿素等多项水质指标，使用时可以将这些指标合成一个综合指数，便于对河流水质进行评价；若干个水体数据采集器之间的无线通信方式包括零个或多个级联的无线中继器，实现协作地采集和传输数据信息，无线中继器可以采用基于Lora或者zigbee技术实现的低功耗设备，可以加强信号、延长通信距离，便于水体数据采集器和本地分析监测模块之间长距离传输数据，保证数据传输的可靠性。
上述本地分析监测模块可以设置在监测区域内一条或一段河流处并与此河段内设置的多个水体数据采集器无线连接，实时收集、汇总和管理各个水体数据采集器采集的水体数据、河流基础数据(如河流的名称、位置、流量、长宽等水文条件及断面形态等)等，并基于这些数据在本地进行分析计算和水体环境预测，及时检测河流的水质情况，从而实现自动化地进行水质监测预警，代替了人工监测和记录的低效，节约时间成本和人力成本。
进一步的，上述本地分析监测模块利用二维水质模型对多个所述水体数据采集器采集的水质数据进行水体环境的分析和预测。对于有排污口的水体数据采集器采集的水体水质数据，其水质二维浓度变化可用下面的公式(1)进行水质模拟和预测：
其中，C为距排污口纵向距离x、距离岸边y点污染物浓度，Ex、Ey分别为x、y方向的弥散系数，ux、uy别为x、y方向环境介质流速分量，S(x，y，C，t)为单位时间、单位体积的污染物输入量。
对于有排污口的水体数据采集器，其附近水体任一点(x,y)的污染物浓度可按二维随机模拟模型，当采用岸边排污时，由公式(1)可得：
排污强度QA、流速ux、降解系数k和扩散经验系数αy都可认为是随机变量，即污染带内任一点的污染物浓度都是不确定的随机变量。
当排污口位于河道中心，采用中心排污方式时，由(1)得：
其中，Ey＝αyH-gH；C0为污染物的背景浓度，H为平均水深，g为重力加速度，I为河流水力坡降。根据随机变量的函数及其分布理论，当排污强度QA、流速ux、降解系数k和扩散经验系数αy四个随机变量相互独立且他们的概率密度函数分别为f1(QA)，f2(k)，f3(αy)和f4(ux)时，随机变量C小于某一指定浓度值C的概率可表示为：
给定受污染水体任一点坐标(x,y)后，联立(2)、(3)、(4)，根据排污强度QA、流速ux、降解系数k和扩散经验系数αy的已知概率分布，即可求得河流受污水体污染带任一点坐标(x,y)质量浓度C的概率分布，从而实现河流水体水质的准确模拟和预测，及时发现水体中的污染物和分析污染强度并进行本地预警。
此外所述数据存储服务器对采集的水质数据、河流基础数据进行分类、分片、分区的分布式存储。所述远程监控中心对所述数据存储服务器分类、分片、分区存储的数据进行隐私计算。
所述数据存储服务器可以采用分布式的数据库实现，分布式数据库具体可以使用多种不同的数据库实现，可以是关系型的如MYSQL，也可以是非关系型的如REDIS、NOSQL等，从而可以满足多种多样的水质数据、河流基础数据的分布式存储，并在存储时提供数据分类、分片、分区存储等操作。具体可以识别若干个水体数据采集器采集的各种数据的类型，分别存储到不同的数据库中；存储时可以对数据进行分片处理，将量大的、完整的数据分成多个片段并分区进行存储，然后通过远程监控中心进行隐私计算获取数据，将分片、分区存储的数据安全聚合成完整的原始数据，然后进行后续的数据处理和分析，可以防止数据过于集中存储导致的数据丢失、被盗取等安全问题。通过数据存储服务器的分布式数据存储、远程监控中心的数据分片、秘密共享等隐私计算对分布式存储的数据进行安全访问和隐私计算，提高数据存储和计算的安全性。
所述远程监控中心基于ArcGIS Server平台开发，具有高级的GIS分析功能，保留数据接口，可以用于与政府部门相关水质监管平台对接，数据共享。用户可通过PC终端或移动终端通过互联网连接所述远程监控中心实现对河流水质及相关的物联网设备的远程实时监控。
进一步的，所述基于物联网的河流水质监测***还包括图像采集和预处理模块，用于采集监测区域内的河流遥感图像并对采集的河流遥感图像数据进行预处理。
如图2所示，所述对采集的河流遥感图像数据进行预处理包括以下步骤：
S1、获取采集的河流遥感图像，并对所述河流遥感图像进行校正处理，得到校正后的河流遥感图像；
S2、对校正后的河流遥感图像进行滤波处理，并对滤波后的河流遥感图像进行分辨率融合；
S3、对分辨率融合后的遥感图像进行色彩增强处理，得到预处理后的河流遥感图像。
然后还可以基于采集的河流相关信息以及预处理后的遥感图像进行河流分布三维模型的构建，包括：
首先，获取预处理后的河流遥感图像以及获取的城市、山的分布情况以及河流、山、城市建筑的地理位置坐标；并基于获取的相关数据构建初始分布模型；
其次，获取河流分布区域的地形、地势信息以及周边建筑信息，并将所述河流分布区域的地形、地势信息以及周边建筑信息映射至所述初始分布模型中，得到三维场景模型；
最后，获取河流的落差、流向以及其他相关数据，并基于获取的数据进行三维场景模型的调整、优化与渲染，得到河流分布三维模型。然后将河流分布三维模型集成到所述远程监控中心，结合水体数据采集器实时采集和上传的河流水质数据，能够实时、全面的获取河流的水温、流速、水量以及其他相关数据，并基于获取的数据利用机器学习、人工智能算法进行智能化的分析与处理，及时从数据中发现异常情况，并自动化的报警。
需要说明的是，本发明实施例中未具体展开说明的技术内容，可以通过现有的相关技术实现，属于现有技术，在本发明实施例中不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的***、模块和方法，也可以通过其它的方式实现。以上所描述的***、模块实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的***、模块、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、程序段或代码的一部分，所述模块、程序段或代码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。也应当注意，在有些作为替换的实现方式中，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。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种基于物联网的河流水质监测***，其特征在于，包括：若干个水体数据采集器、本地分析监测模块、数据存储服务器、远程监控中心及网络通信模块，所述本地分析监测模块、所述数据存储服务器及所述远程监控中心之间通过所述网络通信模块进行通信连接和数据传输；
所述水体数据采集器用于实时采集监测河流的水质数据并上传到所述本地分析监测模块；
所述本地分析监测模块用于对采集的水质数据、河流基础数据进行收集汇总分析计算和水体环境预测；
所述数据存储服务器用于对采集的水质数据、河流基础数据进行分布式存储；
所述远程监控中心用于实时获取所述数据存储服务器中的水质数据、河流基础数据，并通过构建的物联网可视化平台对河流水质进行在线监测和预警。
2.如权利要求1所述的一种基于物联网的河流水质监测***，其特征在于，所述若干个水体数据采集器之间通过无线通信方式组成一个多跳的自组织网络***。
3.如权利要求1所述的一种基于物联网的河流水质监测***，其特征在于，所述本地分析监测模块利用二维水质模型对多个所述水体数据采集器采集的水质数据进行水体环境的分析和预测。
4.如权利要求2所述的一种基于物联网的河流水质监测***，其特征在于，所述若干个水体数据采集器之间的无线通信方式包括零个或多个级联的无线中继器。
5.如权利要求1所述的一种基于物联网的河流水质监测***，其特征在于，所述数据存储服务器对采集的水质数据、河流基础数据进行分类、分片、分区的分布式存储。
6.如权利要求5所述的一种基于物联网的河流水质监测***，其特征在于，所述远程监控中心对所述数据存储服务器分类、分片、分区存储的数据进行隐私计算。
7.如权利要求1所述的一种基于物联网的河流水质监测***，其特征在于，所述***还包括图像采集和预处理模块，用于采集监测区域内的河流遥感图像并对采集的河流遥感图像数据进行预处理。
8.如权利要求7所述的一种基于物联网的河流水质监测***，其特征在于，所述对采集的河流遥感图像数据进行预处理包括：
获取采集的河流遥感图像，并对所述河流遥感图像进行校正处理，得到校正后的河流遥感图像；
对校正后的河流遥感图像进行滤波处理，并对滤波后的河流遥感图像进行分辨率融合；
对分辨率融合后的遥感图像进行色彩增强处理，得到预处理后的河流遥感图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310261010.XA CN116818672A (zh) | 2023-03-16 | 2023-03-16 | 一种基于物联网的河流水质监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310261010.XA CN116818672A (zh) | 2023-03-16 | 2023-03-16 | 一种基于物联网的河流水质监测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116818672A true CN116818672A (zh) | 2023-09-29 |
Family
ID=88126454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310261010.XA Pending CN116818672A (zh) | 2023-03-16 | 2023-03-16 | 一种基于物联网的河流水质监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116818672A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118039013A (zh) * | 2024-04-12 | 2024-05-14 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种海洋水质检测数据处理方法和*** |
-
2023
- 2023-03-16 CN CN202310261010.XA patent/CN116818672A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118039013A (zh) * | 2024-04-12 | 2024-05-14 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种海洋水质检测数据处理方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657348B (zh) | 一种基于物联网的全方位水质智能监管方法及其*** | |
| US20220157149A1 (en) | Water environment risk prediction and early warning method | |
| CN112711840B (zh) | 一种基于云边协同的流域突发水污染溯源方法 | |
| CN111046514A (zh) | 基于管网施工模型与物联网的城市排水管网运维方法 | |
| CN114238543B (zh) | 一种排水管网地理信息*** | |
| CN112697197A (zh) | 一种基于gis和bim融合技术的多孔防洪闸可视化管理***及方法 | |
| CN116818672A (zh) | 一种基于物联网的河流水质监测*** | |
| CN116821272B (zh) | 一种城市内涝智慧监控预警方法及*** | |
| CN111915847A (zh) | 一种精细化降雨预报***及其预警方法 | |
| CN116227362A (zh) | 一种基于图与深度学习的市政排水管网状态预测方法 | |
| CN115422766A (zh) | 一种基于数字孪生技术的泥石流监测方法及*** | |
| Kim et al. | Hurricane scenario generation for uncertainty modeling of coastal and inland flooding | |
| Zhang | Environment pollution analysis on smart cities using wireless sensor networks | |
| Ji et al. | Research on carbon emission measurement of Shanghai expressway under the vision of peaking carbon emissions | |
| CN117311395A (zh) | 用于河道内污染巡检的无人机路径规划方法及*** | |
| CN104571122A (zh) | 一种基于轨迹聚类的船舶互助组救援有效性检验方法 | |
| CN116386284B (zh) | 一种城市洪涝的告预警方法及*** | |
| CN102254081A (zh) | 基于随机概率模型的突发河流水污染的统计定位方法 | |
| CN111103414A (zh) | 河道智能监管*** | |
| Piro et al. | Smart and innovative systems for urban flooding risk management | |
| Cecilia et al. | In situ and crowd-sensing techniques for monitoring flows in ephemeral streams | |
| Jang et al. | Spatiotemporal algal bloom prediction of geum river, Korea using the deep learning models in company with the EFDC model | |
| CN113901043A (zh) | 污染源智能监管和数据融合分析方法和*** | |
| Ding et al. | Spatial and temporal urban air pollution patterns based on limited data of monitoring stations | |
| San José et al. | Accurate ozone prognostic patterns for Madrid area by using a high spatial and temporal Eulerian photochemical model |
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 |