CN210895538U - 水质智能监管装置和设备 - Google Patents
水质智能监管装置和设备 Download PDFInfo
- Publication number
- CN210895538U CN210895538U CN201922389190.1U CN201922389190U CN210895538U CN 210895538 U CN210895538 U CN 210895538U CN 201922389190 U CN201922389190 U CN 201922389190U CN 210895538 U CN210895538 U CN 210895538U
- Authority
- CN
- China
- Prior art keywords
- water quality
- quality monitoring
- data
- monitoring terminal
- communication device
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 177
- 238000012544 monitoring process Methods 0.000 claims abstract description 107
- 238000004891 communication Methods 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 13
- 230000000087 stabilizing effect Effects 0.000 claims description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 4
- 229910052744 lithium Inorganic materials 0.000 claims description 4
- 238000000034 method Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 9
- 239000010865 sewage Substances 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000003911 water pollution Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002189 fluorescence spectrum Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种水质智能监管装置和设备，包括数据采集器、通信装置和水质监测终端，数据采集器通过通信装置连接水质监测终端，数据采集器用于获取水质监测数据，并通过通信装置发送至水质监测终端；水质监测终端用于根据水质预测模型对接收的水质监测数据进行分析与预测，在检测到水质异常时输出预警信息，其中，水质预测模型包括多个可反馈水质高频变化规律的数据驱动模型。对接收到的水质监测数据进行分析与预测，通过水质预测模型的基线误差分布和阈值，检测出瞬时水质异常事件进行预警预报，最终实现城市排水***污染异常预警，基于水质预测模型，不需要大量的监测数据，可快速提高对水质异常事件响应速度，且有效降低误报率。
Description
技术领域
本申请涉及水质监管技术领域，特别是涉及一种用于排水***的水质智能监管装置和设备。
背景技术
随着物联网技术的发展和环境大数据的积累，发达国家已经开始发展在线高频监测技术。在水质异常检测这一问题上，目前的研究主要可以分为两大类：水质异常事件检测和预警以及水质异常事件事后溯源或追踪。经过近些年的快速发展，环境监测已经从单一的环境分析发展到生物监测、物理检测、生态监测、遥感、卫星监测，用自动连续监测逐步替代了原来的间断性监测到现在高频代理监测的兴起。例如，自从“911”恐怖袭击发生以后，美国国家环境保护署水资源安全中心，就已经着手开始发展地表水安全实时监控预警***。该***能够依据水环境实时检测组件(如：连续在线监测数据、常规安全监控、群众投诉和公共卫生检测等)模拟常规情况下的基线事件和突发情况下的异常事件，结合阈值来判断是否为异常事件，该***需要依赖大量的历史数据积累和专家经验，限制了其广泛的应用。包括河道和排水管网在内的排水***的水质由于其会受到水文、气象、污染物等多种因素的综合影响，其变化规律难以捕捉，传统的机理模型很难能够在高分辨率水平捕捉其变化规律，亟需一种能够准确监测水质并预警的装置。
发明内容
基于此，有必要针对传统的水质监测预警方法较少且判断不准确的技术问题，提供一种能够准确监测水质并预警的水质智能监管装置和设备。
一种水质智能监管装置，包括数据采集器、通信装置和水质监测终端，数据采集器通过通信装置连接水质监测终端，
数据采集器用于获取水质监测数据，并通过通信装置发送至水质监测终端；
水质监测终端用于根据水质预测模型对接收的水质监测数据进行分析与预测，在检测到水质异常时输出预警信息，其中，水质预测模型包括多个可反馈水质高频变化规律的数据驱动模型。
在其中一个实施例中，还包括水质传感器和单片机，水质传感器通过单片机连接数据采集器。
在其中一个实施例中，还包括光谱检测装置，光谱检测装置通过单片机连接数据采集器。
在其中一个实施例中，通信装置包括有线通信装置和无线通信装置，数据采集器通过有线通信装置连接水质监测终端，无线通信装置连接数据采集器和水质监测终端。
在其中一个实施例中，有线通信装置为RS232串口。
在其中一个实施例中，还包括显示装置，所有显示装置连接水质监测终端。
在其中一个实施例中，还包括电源管理装置，电源管理装置连接水质监测终端。
在其中一个实施例中，电源管理装置包括光伏板和稳压模块，光伏板连接稳压模块，稳压模块连接水质监测终端。
在其中一个实施例中，电源管理装置还包括连接水质监测终端的锂电池或UPS。
一种水质智能监管设备，包括上述水质智能监管装置。
上述水质智能监管装置和设备，包括数据采集器、通信装置和水质监测终端，数据采集器通过通信装置连接水质监测终端，数据采集器用于获取水质监测数据，并通过通信装置发送至水质监测终端；水质监测终端用于根据水质预测模型对接收的水质监测数据进行分析与预测，在检测到水质异常时输出预警信息，其中，水质预测模型包括多个可反馈水质高频变化规律的数据驱动模型。对接收到的水质监测数据进行分析与预测，通过水质预测模型的基线误差分布和阈值，检测出瞬时水质异常事件进行预警预报，最终实现城市排水***污染异常预警，基于水质预测模型，不需要大量的监测数据，可快速提高对水质异常事件响应速度，且有效降低误报率。
附图说明
图1为一个实施例中水质智能监管装置的结构框图；
图2为另一个实施例中水质智能监管装置的结构框图；
图3为又一个实施例中水质智能监管装置的结构框图；
图4为一个实施例中水质监管-预警-定性和定量溯源流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，一种水质智能监管装置，包括数据采集器、通信装置120和水质监测终端130，数据采集器通过通信装置120连接水质监测终端130，数据采集器用于获取水质监测数据，并通过通信装置120发送至水质监测终端130；水质监测终端130用于根据水质预测模型对接收的水质监测数据进行分析与预测，在检测到水质异常时输出预警信息，其中，水质预测模型包括多个可反馈水质高频变化规律的数据驱动模型。
具体地，水质监测数据包括城市排水***的水体温度、电导率、pH、浊度等水质指标，数据采集器获取的水质监测数据可以是预设时长的在线高频监测数据，如15分钟的在线高频监测数据，在本实施例中，水质监测终端为上位机，水质预测模型包括移动平均自回归模型(ARIMA)、Facebook Prophet和小波神经网络等数据驱动模型。
传统的基于数据的水质异常监测，一般采用报警阈值法来获得水质类别报警预报，其中阈值的选择对异常检测很重要，如果与之设置太小，则可能产生过多的虚报；反之，如果阈值设置过大，则可能错过很多重要信息，导致漏报。在警情判定的智能化、准确性、时效性方面仍有很大的发展空间，其检测率相对较低和误报率相对高。另外，神经网络算法资源成本高，需要大量的若干水质参数的历史监测数据作为训练样本，神经网络所需的计算能力在很大程度上取决于数据的大小，也取决于网络的深度和复杂程度，计算代价更高。
在本申请中，上位机对接收到的水质监测数据进行分析与预测，主要在一个固定的时间窗口内采用了差分整合移动平均自回归模型(ARIMA)、Facebook Prophet和小波神经网络等数据驱动模型建立水质预测模型，通过预测校正后模型的基线误差分布和阈值，检测出瞬时水质异常事件进行预警预报，最终实现城市排水***污染异常预警***，可快速提高对水质异常事件响应速度、降低误报率、不需要大量的监测数据。
在本实施例中，“城市排水***”是处理和排除城市污水和雨水的工程设施***，是城市公用设施的组成部分。城市排水***通常由排水管道和污水处理厂组成。在实行污水、雨水分流制的情况下，污水由排水管道收集，送至污水处理后，排入水体或回收利用；雨水径流由排水管道收集后，就近排入水体；“水质异常事件”是指水体水质突然变化的事件，如工业污染排放入城市排水***、降雨径流污染、交通运输事故等人为原因导致化学品泄漏等事件；“预警”是指受监管水体的水质发生异常变化，进行警报。在灾害或灾难以及其他需要提防的危险发生之前，根据以往的总结的规律或观测得到的可能性前兆，向相关部门发出紧急信号，报告危险情况，以避免危害在不知情或准备不足的情况下发生，从而最大程度的减低危害所造成的损失的行为。
上述水质智能监管装置，结合高频代理监测和数据驱动模型的水质异常预警预报新模型，可提高水质监测数据的生成速度，快速预测河流出现水质异常现象，及时的采用措施避免造成严重的环境污染，辅助第三方作出应急决策、挽回损失，而且也能够减少大量的实验室分析造成的资源浪费；
在一个实施例中，如图2所示，水质智能监管装置还包括水质传感器140和单片机150，水质传感器140通过单片机150连接数据采集器110。
具体地，传感器倾向于建立正常水质参数与污染源特定化学物质之间的线性或灰盒代理模型，在本实施例中，数据主要为在线实时监测数据，通过各类水质传感器获得排水***的水体温度、电导率、pH、浊度等水质指标的15分钟的在线高频监测数据，发送至单片机进行处理得到水质监测数据后由数据采集器采集并记录。在另外的实施例中，也可通过交互终端将水质监测数据输入发送至数据采集器。
在一个实施例中，如图2所示，水质智能监管装置还包括光谱检测装置160，光谱检测装置160通过单片机150连接数据采集器110。
具体地，一旦检测到上述数据出现异常的瞬时水质事件，光谱检测装置立即对城市排水***的水进行自动采样分析，解析和识别当前水体的荧光、拉曼、红外等图谱特征，并通过单片机进行处理后得到图谱特征数据发送至数据采集器，数据采集器将接收到的图谱特征数据发送至水质检测终端即上位机进行定量和定性溯源。
目前，城市排水***溯源方法主要包括示踪法、污染源自主机器人搜索定位法、污染源反问题推导法以及光谱溯源法。在应对突发水污染事故上，水面或水下自主机器人由于自身的机动性和续航的限制，污染源追踪定位的空间范围不会太大；而反问题推导的方式其反演结果一般是关于污染源信息的大致分布，无法验证反演结果的准确与否；而且反问题推导方法一般基于污染物扩散模型建模，模型的准确化也会影响反演结果的准确度。例如，目前传统的贝叶斯反演溯源方法也存在一定缺陷，其计算量会随着反演参数个数的增加呈现指数型增长，若污染源及参数个数较多，反演计算的时间会很长，需要有更为准确的先验经验指导反演计算。
三维荧光光谱是近年新兴的高灵敏度有机污染检测技术，可通过分析受污染的下游水样特征成分，利用上游企业的污水指纹数据库查询即可溯源到造成水污染的责任企业方。并且三维荧光的灵敏度比紫外可见光的灵敏度高两个数量级，具有直观、重复性好等优点。随着环境控污水偷排以及诊断污染来源已成为当前预警监测的重点和亟待解决的难点，现有水质监测技术尚不能迅速确定污染来源；光谱定性溯源技术越来越多地用在溶解性有机物的研究的公开报道，这一新型监测手段打破了传统水质监测技术无法提供污染源指向性信息的局限，可以有效识别水质异常并快速诊断污染来源，而且国内外尚缺乏将定性定量溯源结合的研究报道。
在本申请中，通过分析不同企业排放污水中典型成分的荧光图谱、拉曼图谱、红外图谱等的图谱特征(水纹峰数量、位置以及水纹密度)，利用光谱溯源解析算法对三维荧光图谱进行解析，解析后的污染物图谱特征与基于典型行业的指纹图谱数据库进行匹配，快速找到排污企业并确定企业污染源的贡献率，实现水污染的定性源识别；即水质监测终端接收到数据采集器发送的图谱特征数据后，与预先建立的本地化行业污染物指纹图谱数据库进行匹配，快速定位到具体的排污行业和企业，实现定性溯源识别；上述定性溯源到具体企业后，启动定量反演溯源算法程序，在水质模型的基础上，通过贝叶斯反演算法，计算出污染源空间位置、泄漏时间、泄露强度等参数的估计值或概率分布，追溯污染物排放历史，实现定量溯源，充分发挥贝叶斯算法的专家经验知识。
结合水体水下光谱学特征，开发出利用PARAFAC和自组织映射(SOM)对光谱响应的实时结果进行分析的定性溯源技术，并开发了计算机视觉和其他图像匹配算法，在建立的光谱数据库中识别最可能的污染源；即可溯源到造成水污染的责任企业方，可节省大量人力物力；进一步结合定量反演溯源，形成定性定量溯源耦合技术。
在一个实施例中，如图2所示，通信装置包括有线通信装置122和无线通信装置124，数据采集器110通过有线通信装置122连接水质监测终端130，无线通信装置124连接数据采集器110和水质监测终端130。进一步地，有线通信装置为RS232串口，无线通信装置为GPRS***。在本实施例中，水质智能监管装置还包括主控制机，主控制机通过无线通信装置连接水质监测终端和数据采集器。
具体地，数据采集器通过RS232串口将水质监测数据和图谱特征数据传输至水质监测终端，同时通过GPRS***将水质监测数据和图谱特征数据传输至主控制机并存储，用户也可通过主控制机发送数据至水质监测终端进行处理。利用GPRS***和无线网络技术，将所有***连成局域网，实现数据共通与信息交流，实现预警溯源***的智能化。
在一个实施例中，如图2所示，水质智能监管装置还包括显示装置170，所有显示装置170连接水质监测终端130。具体地，显示装置用于显示水质监测终端的监测结果，方便用户进行查看。
在一个实施例中，如图2所示，水质智能监管装置还包括电源管理装置180，电源管理装置180连接水质监测终端130。具体地，电源管理装置用于给水质监测终端提供电能，在一个实施例中，如图3所示，电源管理装置包括光伏板和稳压模块，光伏板连接稳压模块，稳压模块连接水质监测终端；在另一个实施例中，电源管理装置还包括锂电池或UPS。通过光伏板或者锂电池给水质监测终端提供电能。
上述水质监测装置，形成排水口监测(高频常规指标传感器、在线实时监测数据)-模拟(数据驱动模型水质异常检测)-预警-溯源(定性源识别&定量源反演)-决策优化-***反馈的回路，整体的流程如图4所示，从而实现智能化管理，面向河道治理工程运维实现准确、精细、全面的过程监控，服务于工程设施优化运行。
在一个实施例中，一种水质智能监管设备，包括上述水质智能监管装置。
具体地，将通信装置、光谱检测装置、环境模型固定的卡片式微型计算机(对应水质监测终端)、电源管理装置等集成密封为一体的设备现场智能监管的快速预警溯源装备，便于安装与使用，集成的设备形成“预报—光谱学定性溯源—定量反演溯源”三级溯源预警管理，形成在线监管实时响应，能够快速识别和预报水质异常，并在极其短的时间内定性溯源到具体的排污企业、定量反演进行排放历史估算、源位置识别，以捕捉排水***上潜在的隐秘泄漏，从而对污水偷排漏排进行监察执法和精准治理。可以广泛应用于城市河流、湖泊、排水口等场所，从而实现预警溯源***的小型化、模块化、智能化。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种水质智能监管装置，其特征在于，包括数据采集器、通信装置和水质监测终端，所述数据采集器通过所述通信装置连接所述水质监测终端，
所述数据采集器用于获取水质监测数据，并通过所述通信装置发送至所述水质监测终端；
所述水质监测终端用于根据水质预测模型对接收的所述水质监测数据进行分析与预测，在检测到水质异常时输出预警信息，其中，所述水质预测模型包括多个可反馈水质高频变化规律的数据驱动模型。
2.根据权利要求1所述的装置，其特征在于，还包括水质传感器和单片机，所述水质传感器通过所述单片机连接所述数据采集器。
3.根据权利要求2所述的装置，其特征在于，还包括光谱检测装置，所述光谱检测装置通过所述单片机连接所述数据采集器。
4.根据权利要求1所述的装置，其特征在于，所述通信装置包括有线通信装置和无线通信装置，所述数据采集器通过所述有线通信装置连接所述水质监测终端，所述无线通信装置连接所述数据采集器和所述水质监测终端。
5.根据权利要求4所述的装置，其特征在于，所述有线通信装置为RS232串口。
6.根据权利要求1所述的装置，其特征在于，还包括显示装置，所有显示装置连接所述水质监测终端。
7.根据权利要求1所述的装置，其特征在于，还包括电源管理装置，所述电源管理装置连接所述水质监测终端。
8.根据权利要求7所述的装置，其特征在于，所述电源管理装置包括光伏板和稳压模块，所述光伏板连接所述稳压模块，所述稳压模块连接所述水质监测终端。
9.根据权利要求8所述的装置，其特征在于，所述电源管理装置还包括连接所述水质监测终端的锂电池或UPS。
10.一种水质智能监管设备，其特征在于，包括如权利要求1至9中任一项所述的水质智能监管装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922389190.1U CN210895538U (zh) | 2019-12-26 | 2019-12-26 | 水质智能监管装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201922389190.1U CN210895538U (zh) | 2019-12-26 | 2019-12-26 | 水质智能监管装置和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN210895538U true CN210895538U (zh) | 2020-06-30 |
Family
ID=71321390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201922389190.1U Active CN210895538U (zh) | 2019-12-26 | 2019-12-26 | 水质智能监管装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN210895538U (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、***、终端及介质 |
| CN112014368A (zh) * | 2020-08-24 | 2020-12-01 | 安徽思环科技有限公司 | 用于水质三维荧光监测***的新型光路*** |
| CN112162017A (zh) * | 2020-09-28 | 2021-01-01 | 江苏蓝创智能科技股份有限公司 | 一种水污染超标监测方法、装置、*** |
| CN112700351A (zh) * | 2021-01-14 | 2021-04-23 | 国电建投内蒙古能源有限公司 | 一种用于智能水务管理平台的数据处理方法及*** |
| CN114527206A (zh) * | 2022-01-25 | 2022-05-24 | 长安大学 | 一种磺胺类抗生素地下水污染的溯源方法及*** |
| CN116151136A (zh) * | 2023-04-24 | 2023-05-23 | 浙江大学 | 基于概率误差补偿的全球表层海水pH反演方法及*** |
| CN117054676A (zh) * | 2023-10-13 | 2023-11-14 | 山西智合清浩环保技术服务有限公司 | 废水在线监测设备的运维智能控制*** |
| CN112162017B (zh) * | 2020-09-28 | 2024-08-02 | 江苏蓝创智能科技股份有限公司 | 一种水污染超标监测方法、装置、*** |
-
2019
- 2019-12-26 CN CN201922389190.1U patent/CN210895538U/zh active Active
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、***、终端及介质 |
| CN111898691B (zh) * | 2020-08-05 | 2023-11-14 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、***、终端及介质 |
| CN112014368A (zh) * | 2020-08-24 | 2020-12-01 | 安徽思环科技有限公司 | 用于水质三维荧光监测***的新型光路*** |
| CN112162017A (zh) * | 2020-09-28 | 2021-01-01 | 江苏蓝创智能科技股份有限公司 | 一种水污染超标监测方法、装置、*** |
| CN112162017B (zh) * | 2020-09-28 | 2024-08-02 | 江苏蓝创智能科技股份有限公司 | 一种水污染超标监测方法、装置、*** |
| CN112700351A (zh) * | 2021-01-14 | 2021-04-23 | 国电建投内蒙古能源有限公司 | 一种用于智能水务管理平台的数据处理方法及*** |
| CN114527206A (zh) * | 2022-01-25 | 2022-05-24 | 长安大学 | 一种磺胺类抗生素地下水污染的溯源方法及*** |
| CN116151136A (zh) * | 2023-04-24 | 2023-05-23 | 浙江大学 | 基于概率误差补偿的全球表层海水pH反演方法及*** |
| CN116151136B (zh) * | 2023-04-24 | 2023-06-27 | 浙江大学 | 基于概率误差补偿的全球表层海水pH反演方法及*** |
| CN117054676A (zh) * | 2023-10-13 | 2023-11-14 | 山西智合清浩环保技术服务有限公司 | 废水在线监测设备的运维智能控制*** |
| CN117054676B (zh) * | 2023-10-13 | 2023-12-19 | 山西智合清浩环保技术服务有限公司 | 废水在线监测设备的运维智能控制*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN210895538U (zh) | 水质智能监管装置和设备 | |
| CN111898691B (zh) | 一种河流突发水污染预警溯源方法、***、终端及介质 | |
| WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
| CN108956484B (zh) | 一种一体化追踪污染源的方法和装置 | |
| CN114444259B (zh) | 一种雨污管网溯源追踪***及方法 | |
| Kang et al. | Data-driven water quality analysis and prediction: A survey | |
| US20220157149A1 (en) | Water environment risk prediction and early warning method | |
| KR102331744B1 (ko) | 수돗물 수질 측정기 및 이를 구비한 공동 주택용 스마트 수돗물 수질 진단 및 위험요소 예측 시스템 및 방법 | |
| CN112418557B (zh) | 基于云服务的数据分析和预测***及方法 | |
| CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警***及其分析方法 | |
| CN203101366U (zh) | 用于供水网络的在线水质检测装置和在线水质监控*** | |
| CA2634759A1 (en) | Intelligent online water quality monitoring system using sensor and non-sensor data fusion | |
| CN114742183B (zh) | 基于深度学习的水污染预警方法、***、设备及存储介质 | |
| CN117370919B (zh) | 污水处理设备远程监控*** | |
| CN116861369A (zh) | 工业互联网异构数据融合的空压机健康评估方法及*** | |
| CN118194142A (zh) | 一种智慧管网的震后修复工程分析方法及*** | |
| CN117291781B (zh) | 一种突发性水污染溯源方法、设备及介质 | |
| CN116205592A (zh) | 一种智慧物联的排水管网污染异常溯源方法 | |
| CN113125355A (zh) | 水质监管*** | |
| KR102592931B1 (ko) | 사물인터넷 수질 측정 장치를 이용한 위치 기반의 지능형 수질 모니터링 시스템 및 그 방법 | |
| Mounce et al. | Water quality event detection and customer complaint clustering analysis in distribution systems | |
| Maity et al. | Predhonk: A framework to predict vehicular honk count using deep learning models | |
| CN115905348A (zh) | 一种多源异构数据的行业用电异常预警方法及*** | |
| CN115914267A (zh) | 一种流域水生态安全监控预警*** | |
| CN115406912A (zh) | 一种放射源检测方法、***及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |