基于物联网技术的水体流量、液位和水质监测综合系统的制作方法
- 国知局
- 2024-10-09 15:03:33
本发明涉及水资源监测,具体为基于物联网技术的水体流量、液位和水质监测综合系统。
背景技术:
1、在现代环境监测技术中,物联网技术作为一个重要的应用领域,正在迅速发展并被广泛应用,物联网技术的核心是通过网络连接各种传感器和设备,实现数据的实时采集和远程监控,该技术在环境保护和资源管理中的应用尤为关键,尤其是在水体监测领域。同时随着工业化和城市化进程的加快,水体污染和水资源短缺问题日益严重,对水体进行精准的监测与分析变得至关重要。
2、尽管传统的水体监测方法在一定程度上能够提供水体健康状态的信息,但其局限性依然显著。首先,传统方法往往存在数据获取滞后和实时性不足的问题,不能够及时反映水体环境的快速变化,这种滞后性导致在水质突发事件发生时,难以快速做出响应,影响水体生态系统的保护和管理。其次,传统方法通常依赖人工取样和实验室分析,过程繁琐且成本高昂,不仅效率低下,而且难以实时反映水体状态的动态变化。
技术实现思路
1、针对现有技术的不足,本发明提供了基于物联网技术的水体流量、液位和水质监测综合系统,解决了上述背景技术中的问题。
2、为实现以上目的,本发明通过以下技术方案予以实现:基于物联网技术的水体流量、液位和水质监测综合系统,包括数据监测模块、数据预处理模块、水体初步分析模块、水质预测模块及管理模块;
3、所述数据监测模块用于在水体内预先设置若干组传感器,实时监测水面及水下数据,并生成相关水位变化数据信息及相关水质状态数据信息;
4、所述数据预处理模块用于依据物联网技术,对数据监测模块中获取的相关水位变化数据信息及相关水质状态数据信息进行预处理,以构建水况数据集,并结合历史数据构建水质预测模型;
5、所述水体初步分析模块用于从相关水质状态数据信息内提取出氧气饱和度ybhd,依据氧气饱和度ybhd数值大小,初步判断出当前水体是否利于水生生物生存,若不利于,则向外发出水质监测命令;
6、所述水质预测模块用于在接收到水质监测命令后,根据相关水位变化数据信息及相关水质状态数据信息,分别计算出液位变化率ybz、营养盐因子yyyz及浑浊程度系数hzxs,并结合经过训练后的水质预测模型,拟合获取健康评估指数jpzs;
7、所述管理模块用于预先设置一号评估阈值q1及二号评估阈值q2,通过将所述健康评估指数jpzs与一号评估阈值q1和二号评估阈值q2进行比对分析,综合判断当前水体状态,并自动发出应对指令,以采取相应治理手段。
8、优选的,所述数据监测模块包括部署单元、水面监测单元及水下监测单元;
9、所述部署单元用于预先在水体内部署若干组传感器,其中若干组传感器包括超声波液位传感器、时间记录器、电化学传感器、电磁流速计、玻璃电极ph传感器、光度计、离子色谱仪以及光散射浊度计;
10、所述水面监测单元用于利用超声波液位传感器、电磁流速计以及时间记录器,实时监测水面的相关水位变化数据信息,其中,所述相关水位变化数据信息包括液位变化差值及水流速sls;
11、所述水下监测单元用于利用电化学传感器、玻璃电极ph传感器、光度计、离子色谱仪以及光散射浊度计,实时监测水体内相关水质状态数据信息,其中,所述相关水质状态数据信息包括实际测量水体中的溶解氧浓度sryd、酸碱度ph、氯化物浓度lmd、硝酸盐浓度xmd、浊度zd以及氨氮密度amd。
12、优选的,所述数据预处理模块包括处理单元及模型构建单元;
13、所述处理单元用于识别与去除相关水位变化数据信息及相关水质状态数据信息内的异常值、缺失值及噪声;
14、所述模型构建单元用于基于实时监测到的相关水位变化数据信息及相关水质状态数据信息,并结合历史数据,构建初始模型,并将训练后的初始模型作为水体状态识别模型,以分别获取水体状态识别模型内的特征信息,并将获取的特征信息对水体状态识别模型进行训练和测试,最终将训练后的水体状态识别模型作为水质预测模型;
15、其中,历史数据包括历史时段内的相关水位变化数据信息和相关水质状态数据信息。
16、优选的,所述水体初步分析模块包括基础条件分析单元和预警单元;
17、所述基础条件分析单元用于依据相关水质状态数据信息,构建氧气饱和度ybhd,具体获取方式如下:所述基础条件分析单元用于依据相关水质状态数据信息,构建氧气饱和度ybhd,具体获取方式如下:
18、式中,表示为实际测量水体中的溶解氧浓度,表示为饱和溶解氧浓度,其中,该饱和溶解氧浓度所对应的监测条件是与实际测量水体中的溶解氧浓度的条件相同,即在相同的温度和气压条件。
19、优选的,所述预警单元用于通过将所述氧气饱和度ybhd与预先设置的阈值进行比分析,以初步判断出当前水体是否利于水生生物生存,具体初步判断内容如下:
20、若所述氧气饱和度ybhd超过预先设置的阈值时,初步判断当前水体利于水生生物的生存,此时将暂不向外发出水质监测命令;
21、若所述氧气饱和度ybhd未超过预先设置的阈值时,初步判断当前水体不利于水生生物的生存,此时将向外发出水质监测命令,以作进一步监测分析。
22、优选的,所述水质预测模块包括视觉分析单元、体内营养成分分析单元及综合分析单元;
23、所述视觉分析单元用于在接收到预警单元中的水质监测命令之后,利用相关水位变化数据信息,计算出液位变化率ybz,具体通过以下公式获取:式中,表示为液位变化差值,表示为时间间隔。
24、优选的,所述体内营养成分分析单元包括第一分析子单元和第二分析子单元;
25、所述第一分析子单元用于依据相关水质状态数据信息,提取出酸碱度ph、氨氮密度amd、硝酸盐的浓度xmd以及氯化物的浓度lmd,通过提取出的数据构建出营养盐因子yyyz,所述营养盐因子yyyz通过以下公式获取:
26、
27、式中,为第i监测时段的酸碱度,及分别为历史监测时段内酸碱度的最小值和最大值,表示为第i监测时段的氨氮密度,及分别为历史时段内氨氮密度的最小值和最大值,为第i监测时段的硝酸盐浓度,及分别为历史时段内硝酸盐浓度的最小值和最大值,表示为第i监测时段的氯化物浓度,及分别为历史时段内氯化物浓度的最小值和最大值,、、及均为权重值。
28、优选的,所述第二分析子单元用于依据相关水质状态数据信息,并结合营养盐因子yyyz,经无量纲处理后,获取浑浊程度系数hzxs,具体按照以下方式进行获取:式中,zd表示为浊度,sls表示为水流速,及均为权重值,c表示为第一修正常数。
29、优选的,所述综合分析单元用于将视觉分析单元及体内营养成分分析单元获取的液位变化率ybz和浑浊程度系数hzxs输入至水质预测模型内,并经过无量纲处理后,获取健康评估指数jpzs,所述健康评估指数jpzs通过以下公式获取:式中,ybhd表示为氧气饱和度,f1、f2及f3均为权重值,v表示为第二修正常数。
30、所述比对单元用于通过将所述健康评估指数jpzs与一号评估阈值q1和二号评估阈值q2进行比对分析,综合判断当前水体状态,其中,所述一号评估阈值q1>所述二号评估阈值q2;
31、若所述健康评估指数jpzs≤所述二号评估阈值q2时,表示为当前的水体处于健康状态,适合水生生物生存,此时将不发出应对指令;
32、若所述二号评估阈值q2<所述健康评估指数jpzs≤所述一号评估阈值q1时,表示为当前的水体处于健康状态,适合水生生物生存,但此时仍需自动发出一号治理指令;
33、若所述健康评估指数jpzs>所述一号评估阈值q1时,表示为当前的水体未处于健康状态,不适合水生生物生存,此时将自动发出二号治理指令;
34、所述治理单元用于根据比对单元中获取的一号治理指令和二号治理指令,采取相应的治理手段,具体内容如下:
35、若发出一号治理指令时,此时将安装曝气机,以增加水体中的溶解氧,同时调节泵的工作模式和强度;
36、若发出二号治理指令时,此时将安装或启用水处理设施,其中,水处理设施包括沉淀池和滤池,去除水中的污染物,并种植水生植物,这些植物可以吸收水中的营养盐并改善水质,同时根据水质情况,添加化学药剂,所述化学药剂包括氧化剂、沉淀剂及酶制剂。
37、本发明提供了基于物联网技术的水体流量、液位和水质监测综合系统,具备以下有益效果:
38、(1)该系统通过监测相关的水位变化和水质状态数据,能够提供及时与精准的监测反馈,这种实时性确保了环境状态的连续掌握,有效防止突发状况的发生;结合历史数据,系统能够自动构建并训练水质预测模型,这种预处理过程使得数据更加规范化,为后续水质分析和预测提供了更高的准确性和可靠性。水体初步分析模块可以自动提取氧气饱和度ybhd参数,根据该参数的大小迅速判断水体的健康状态,以便及时提示水质问题并及时采取措施,这种自动化的智能分析确保了水生生物的生存环境能够及时受到监控和改善。水质预测模块通过获取液位变化率ybz、营养盐因子yyyz以及浑浊程度系数hzxs,利用训练后的水质预测模型,拟合计算健康评估指数jpzs,这种动态预测的方式可以为管理者提供水质状态的趋势分析,有助于提前预警并进行科学决策,避免水质进一步恶化。系统设置了一号评估阈值q1和二号评估阈值q2,并将健康评估指数jpzs与这两个阈值进行比对分析。根据评估结果,系统能够自动判断当前水体的健康状态,并根据不同的评估结果发出应对指令,采取相应的治理措施,这种多级阈值管理策略提高了决策的精准性和效率,有效避免了水质问题的延迟处理,同时系统能够根据水体的健康评估结果自动执行应对指令,这种自动化治理手段使得水质问题能够被及时解决,减少了人为干预的时间和误差。总之,整个系统不仅提高了监测效率,减少了人为干预的时间和成本,还进一步提升了水体环境的管理和维护能力,从而确保水体的健康状态和生态平衡。
39、(2)通过视觉分析单元计算液位变化率ybz,这种精确计算不仅有助于及时了解水位波动,还能为进一步的水质变化预测提供重要依据,从而提前预警潜在的水质风险。体内营养成分分析单元通过第一分析子单元提取并计算水体中的关键化学指标,这些指标对于水质状况有重要影响,特别是在水体营养盐状态评估中占据核心位置,通过对这些数据的精准提取,系统能够构建出营养盐因子yyyz,为水质的长期健康状况评估和预测奠定了坚实基础。系统结合了历史监测时段内的各类水质参数最小值和最大值,将实时监测到的数据与历史数据进行对比分析,通过这种方式,系统能够全面了解水体的动态变化规律,并利用营养盐因子的计算结果作为预测模型中的关键变量,从而提高预测的精度与可靠性,这种历史与实时数据结合的方式使得系统在面对复杂水质变化时具有更强的应对能力。通过综合分析单元,系统能够将液位变化率ybz与营养盐因子yyyz等多项指标输入水质预测模型,进行智能化拟合与健康评估。最终通过模型训练与测试,生成健康评估指数jpzs,进一步提升了对水质状态的精准判断能力,这一综合分析手段不仅能够有效评估水质的当前状态,还可以预测未来可能出现的问题,为水质治理与管理提供了科学依据。总之,本系统通过视觉分析单元和体内营养成分分析单元,利用精确的液位变化监测与多项关键营养盐指标的提取,实现了对水体状况的全面分析与智能预测,结合历史数据和实时监测数据,系统能够动态跟踪水质变化趋势。
40、(3)通过综合考虑多个维度的影响因素,获取健康评估指数jpzs,以便为水体健康状况的判断提供了更加全面的衡量标准,这种多维度的健康评估能够更好地反映水体的整体状况,有效识别水质问题。通过管理模块中的比对单元,系统根据健康评估指数jpzs与一号评估阈值q1及二号评估阈值q2的比对结果,分级判断水体的健康状况,该多级判定机制使得系统能够在不同的水质状态下发出不同的治理指令,这种多级判断机制提高了系统的灵活性与准确性,确保了水质监测与治理的动态适应能力。系统根据水质健康状态,采取不同的治理手段。
本文地址:https://www.jishuxx.com/zhuanli/20241009/307455.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表