[发明专利]一种基于多参数耦合交叉的水质在线监测方法和系统在审
申请号: | 201910237748.6 | 申请日: | 2019-03-27 |
公开(公告)号: | CN109932496A | 公开(公告)日: | 2019-06-25 |
发明(设计)人: | 吴世军;张鹤强;张志峰;杨灿军 | 申请(专利权)人: | 浙江大学 |
主分类号: | G01N33/18 | 分类号: | G01N33/18;G06F16/215;G06F16/2458 |
代理公司: | 杭州天勤知识产权代理有限公司 33224 | 代理人: | 蒋琼 |
地址: | 310013 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电导率数据 溶解氧 浊度 归一化处理 化学需氧量 水体 水质在线监测 水质参数 耦合 多参数 标签 预警 反归一化处理 水质监测 报警提示 数据异常 原始样本 训练集 剔除 样本 超标 输出 水质 污染 | ||
本发明公开了一种基于多参数耦合交叉的水质在线监测方法和系统,属于水质监测技术领域,包括:1)获取水体原始样本的pH、浊度、溶解氧和电导率数据,以化学需氧量为标签,剔除数据异常的样本,形成训练集;2)对pH、浊度、溶解氧和电导率数据进行归一化处理;3)使用归一化处理后的pH、浊度、溶解氧和电导率数据及对应的标签对BP神经网络进行训练,获得水质参数模型;4)将待测水体的pH、浊度、溶解氧和电导率数据经归一化处理后输入水质参数模型中,并对输出的数据进行反归一化处理,得到待测水体的化学需氧量;5)根据化学需氧量数据,得到待测水体的水质情况;6)根据应用场合设定一个预警值,并根据预警值进行报警提示污染超标。
技术领域
本发明涉及水质监测技术领域,具体地说,涉及一种基于多参数耦合交叉的水质在线监测方法和系统。
背景技术
现有的水质在线监测系统由在线监测仪器、GPRS通信模块和远程监控中心三部分组成,一般应用于河流、湖泊等水域的水质监测。通过GPRS通信模块将在线监测仪器采集到的原始数据信息上传到远程监测中心,再完成数据的处理和展示,从而实现水质参数的实时远程监测。
如图1所示,一种现有的水质在线监测系统,包括在线监测仪器、GPRS通信模块和远程监控中心,该系统的缺陷在于:
(1)下位机只为各模块供电,不对采集到的数据作处理及本地存储。当发生网络故障时,将会丢失此时间段内的监测数据。
(2)远程监控中心控制在线监测仪器的测量过程,由于存在网络延迟,实际采样时间与要求采样时间会存在一定偏差。定时采样时,时间误差会累积。
(3)GPRS通信模块与电源管理模块独立,系统集成度低。
(4)受水体环境影响,单独使用在线监测仪器对某些水质参数的测量精度不高。
在线监测仪器在对水质数据进行采集的过程中,可能会因为技术成熟度不同而产生较大误差,如化学需氧量(COD)的测量,现有的测量仪器不太成熟,测得的化学需氧量(COD)数据难以确定准确性。
而通过文献调研,发现pH、浊度、溶解氧(DO)和氧化还原电位(ORP)4个水质参数与化学需氧量(COD)密切相关,为确定模型的输入参数选择提供了参考。
为了进一步验证输出参数化学需氧量(COD)与4个输入参数pH、浊度、溶解氧(DO)和氧化还原电位(ORP)的相关性,对覆盖这些参数的实际项目数据进行相关性计算。相关系数绝对值越大,相关性越强,r为0时,表示相互独立。r大于0,表示正相关;r为0时,表示负相关。相关性计算公式如式1所示。
其中,Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。
由相关性分析结果可知,pH、浊度、溶解氧(DO)和电导率这四个参数与输出参数化学需氧量(COD)的相关性更高。
发明内容
本发明的目的为提供一种基于多参数耦合交叉关系的水质在线监测方法,解决无法准确测量水体中化学需氧量的问题,进而实现水体质量的实时监测。
本发明的另一目的为提供一种基于多参数耦合交叉关系的水质在线监测系统,该系统可用于实现上述水质在线监测方法。
为了实现上述目的,本发明提供的基于多参数耦合交叉关系的水质在线监测方法包括以下步骤:
1)获取水体原始样本的pH、浊度、溶解氧和电导率数据,以化学需氧量为标签,剔除掉数据异常的样本,形成训练集;
2)对水体原始样本的pH、浊度、溶解氧和电导率数据进行归一化处理;
3)使用归一化处理后的pH、浊度、溶解氧和电导率数据及对应的标签对BP神经网络进行训练,获得水质参数模型;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910237748.6/2.html,转载请声明来源钻瓜专利网。