基于云服务的数据分析和预测系统及方法技术方案

本发明专利技术提供基于云服务的数据分析和预测系统及方法，该系统包括：数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。本发明专利技术能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高。智能化水平高。智能化水平高。

【技术实现步骤摘要】
基于云服务的数据分析和预测系统及方法


[0001]本专利技术涉及云服务
，特别是基于云服务的数据分析和预测系统及方法。

技术介绍

[0002]目前，针对河道污染监测通常是由巡检人员沿河道进行巡检和抽样检测，从而发现河道中存在的污染情况，但是目前的河道水质监测方式，无法在第一时间找到污染源头，从而抑制污染的扩大，导致河流污染整治效果不佳。

技术实现思路

[0003]针对上述无法对河道污染源进行定位和预测的问题，本专利技术旨在提供一种基于云服务的数据分析和预测系统及方法。
[0004]本专利技术的目的采用以下技术方案来实现：
[0005]本专利技术公开了基于云服务的数据分析和预测系统，包括：
[0006]数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；
[0007]分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；
[0008]管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。
[0009]进一步，分析预测模块包括：
[0010]数据分析单元，将监测节点采集到的河道水质监测数据和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常；
[0011]源头预测单元，用于当分析到监测节点的河道水质监测数据存在异常时，获取该监测节点的邻域监测节点一段时间内的河道水质监测数据，综合分析获取异常源头位置；
[0012]报告生成单元，用于根据获取的异常源头位置以及相关的河道水质监测数据生成异常监测报告，并将异常监测报告发送到与该异常源头的位置相应的责任部门终端。
[0013]进一步，数据分析单元进一步包括：
[0014]根据监测节点一段时间内采集到的河道水质监测数据进行预测，获取河道水质监测数据的预测结果，根据获取的预测结果与设定的相应阈值指标进行比较，判断该河道水质监测数据是否存在异常；具体包括：
[0015]获取监测节点一段时间内采集到的河道水质监测数据(如PH值，氧溶解度，氨浓度，浊度)，组成河道水质监测数据序列{B(t),B(t-1),B(t-2),
…
,B(t-e)}，其中河道水质监测数据序列的长度为e+1，B(t)表示t时刻的河道水质监测数据；以及监测节点采集的水流速度V；
[0016]根据监测节点与其上游监测节点的河道距离D，获取目标预测时间：
[0017][0018]式中，t
m
表示目标预测时间，V
′
表示上游监测节点采集的水流速度，T表示设定的采样间隔周期；
[0019]预测监测节点t+t
m
时刻的河道水质监测数据，其中采用的预测函数为：
[0020][0021]式中，B(t+t
m
)表示监测节点t+t
m
时刻的河道水质监测数据预测结果；B
′
(t)表示上游监测节点t时刻采集的河道水质监测数据，B(t)和B(t-2)分别表示监测节点t时刻和t-2时刻采集的河道水质监测数据，t
m
表示目标预测时间，β表示上游节点影响度因子，其中W表示设定的监测数据游离参数。
[0022]将获取的河道水质监测数据预测结果B(t+t
m
)和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常。
[0023]进一步，监测节点还包括图像采集单元，图像采集单元用于采集监测节点所在流域的河面图像；
[0024]分析模块还包括控制单元，控制单元用于当分析到监测节点的河道水质监测数据存在异常时，向该监测节点发送控制指令，供监测节点的图像采集单元采集河面图像并回传到分析模块中，
[0025]分析模块还包括：根据获取的河面图像生成异常监测报告。
[0026]进一步，监测节点包括水温传感器、PH传感器、水流传感器、水氧溶解度传感器、氨浓度传感器和浊度传感器，用于获取监测节点所在流域的河道水质数据，其中河道监测数据包括：河水温度、河水PH值、水流速度、氧溶解度、氨浓度和浊度。
[0027]第二方面，提出一种基于云服务的数据分析和预测方法，其中该方法基于上述第一方面中任一种实施方式的基于云服务的数据分析和预测系统进行；该方法包括：
[0028]沿河道间隔设置的监测节点实时采集河道水质监测数据，并将采集的数据上传到基于云服务的数据分析和预测系统；
[0029]基于云服务的数据分析和预测系统对接收到的河道数据进行河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；
[0030]责任部门终端接收到该异常源头位置后发出警示消息，供管理者组织相关人员到该异常源头位置的现场进行勘察和整治工作。
[0031]本专利技术的有益效果为：本专利技术能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高。
附图说明
[0032]利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0033]图1为本专利技术公开的基于云服务的数据分析和预测系统实施例的框架结构图。
具体实施方式
[0034]结合以下应用场景对本专利技术作进一步描述。
[0035]参见图1实施例所示基于云服务的数据分析和预测系统，包括：
[0036]数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；
[0037]分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；
[0038]管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。
[0039]其中，上述数据分析和预测系统基于云服务平台进行搭建，通过云服务平台分别和沿河道间隔设置的监测节点进行通信连接，实时接收由监测节点采集的河道水质监测数据，基于监测节点采集的河道水质监测数据，能够有效地对河道的全流域进行准确的监测，根据获取的河道水质监测数据准确识别异常情况的发生，并根据异常情况准确判断异常源头位置，智能化水平高
[0040]同时，基于云服务平台的大容量数据存储量和无线传输的特点，能够将河道状况分析结果直接传输到相应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于云服务的数据分析和预测系统，其特征在于，包括：数据接收模块，用于接收沿河道间隔设置的监测节点采集的河道水质监测数据；分析预测模块，用于对接收的河道水质监测数据进行分析处理，分析河道水质监测数据是否存在异常，当分析到河道水质监测数据存在异常时，进一步根据河道水质监测数据预测异常源头位置；并将获取的异常源头位置发送到相应的责任部门终端；管理模块，用于对接收的河道水质监测数据以及分析结果进行分类存储管理。2.根据权利要求1所述的基于云服务的数据分析和预测系统，其特征在于，所述分析预测模块包括：数据分析单元，将所述监测节点采集到的河道水质监测数据和设定的相应阈值指标进行比较，当分析到存在河道水质监测数据超过设定的相应阈值指标时，判断该河道水质监测数据存在异常；源头预测单元，用于当数据分析单元分析到监测节点的河道水质监测数据存在异常时，获取该监测节点的邻域监测节点一段时间内的河道水质监测数据，综合分析获取异常源头位置；报告生成单元，用于根据获取的异常源头位置以及相关的河道水质监测数据生成异常监测报告，并将异常监测报告发送到与该异常源头的位置相应的所述责任部门终端。3.根据权利要求2所述的基于云服务的数据分析和预测系统，其特征在于，所述数据分析单元进一步包括：根据所述监测节点一段时间内采集到的河道水质监测数据进行预测，获取河道水质监测数据的预测结果，根据获取的预测结果与设定的相应阈值指标进行比较，判断该河道水质监测数据是否存在异常；具体包括：获取监测节点一段时间内采集到的河道水质监测数据，组成河道水质监测数据序列{B(t)，B(t-1)，B(t-2)，...，B(t-e)}，其中河道水质监测数据序列的长度为e+1，B(t)表示t时刻的河道水质监测数据；以及监测节点采集的水流速度V；根据监测节点与其上游监测节点的河道距离D，获取目标预测时间：式中，t
m
表示目标预测时间，V
′
表示上游监测节点采集的水流速度，T表示设定的采样间隔周期；预测监测节点t+t
m
时刻的河道水质监测数据，其中采用的预测函数为：式中，B(t...

【专利技术属性】
技术研发人员：刘谢慧，黄冬虹，赵彤，
申请(专利权)人：清研灵智信息咨询北京有限公司，
类型：发明
国别省市：