【技术实现步骤摘要】
本专利技术涉及水质监测，具体涉及一种基于iot的智能化水质监测方法及系统。
技术介绍
1、各国一直大力宣传节约用水，加强大众的水资源保护和循环多次利用意识，同时不断加强水环境监测力度提前预防并减少水资源污染情况的发生。
2、当前，水资源的监测已然成为水资源保护以及开发利用的重要内容；传统的水环境质量监测途径需要工作人员到水源处进行现场样本采集，然后在实验室条件下使用化学试剂来检测水中各化学物质的多少，进而分析监测水源的状况。
3、随着监测技术的进步，工作人员可通过专业检测仪器在水环境监测点直接检测水环境的相关参数，但存在同一专业检测仪器只能检测单一的水环境参数、仪器价格相对较高、不便于维护和检测到的水环境数据无法共享等问题。
4、另外，现有水资源监测方法主要依赖地面网络进行环境监测数据的传输，而在无信号、弱信号的偏远地区无法进行环境监测数据的回传或者回传数据的质量和准确性得不到保障，容易存在延时或者失真，进而无法保证环境监测结果的准确性和可靠性，那么利用物联网技术如何准确智能的监测水质，是一项亟需解决的问题。
技术实现思路
1、针对现有方法的不足以及实际应用的需求，为了提高水质监测结果的准确性和可靠性，解决利用物联网技术准确智能的监测水质问题，进而为水污染治理提供可靠保障，有效提高生态环境监测水平，促进生态环境良好建设。一方面，本专利技术提供一种基于iot的智能化水质监测方法，所述一种基于iot的智能化水质监测方法，包括以下步骤：布设多个光谱采集
2、可选地，所述一种基于iot的智能化水质监测方法，还包括以下步骤：对所述光谱进行去噪处理和浊度校正补偿。对获取的光谱数据进行去噪处理和浊度校正补偿，保证了光谱数据的准确度。
3、可选地，对所述光谱进行去噪处理，包括以下步骤：利用改进阈值函数小波去噪，所述改进阈值函数，满足以下公式：其中，表示改进阈值函数，j表示小波分解层数，wj表示小波变换后的小波系数，a表示尺度因子，a∈[0,1]，b表示平移因子，为正实数，τ表示小波去噪阈值，ε表示可变参数，当噪声为白噪声时，ε＝1，表示小波系数中的标准方差值，n表示信号长度。针对本专利技术的利用光谱获得光谱特征参数，通过改进传统小波去噪方法中的阈值函数，使得小波阈值去噪更加准确。
4、可选地，对所述光谱进行浊度校正补偿，包括以下步骤：结合吸光度、波长和浊度通过拟合模型，获得浊度关系图；通过所述浊度关系图，获得浊度的吸光度；利用浊度的吸光度和浊度校正模型，补偿所述光谱。利用吸光度、波长和浊度建立浊度关系图，将吸光度、波长和浊度之间的联系标准化，消除了浊度校正的人为因素影响。
5、可选地，所述浊度校正模型，满足以下公式：其中，表示无浊度影响λ处的吸光度，表示待监测水体λ处的吸光度，表示λ处浊度的吸光度，λ表示波长。通过本专利技术的浊度校正模型和浊度关系图，能够将通过物联网获得的光谱数据进一步还原，避免数据失真问题。
6、可选地，所述光谱特征参数评价模型，满足以下公式：其中，st表示t时刻的光谱特征参数评价值，α1表示1阶自回归模型系数，α2表示2阶自回归模型系数，αm表示m阶自回归模型系数，β1表示1阶移动平均模型系数，β2表示2阶移动平均模型系数，βm表示m阶移动平均模型系数，δ表示常数，zt表示均值为0，方差为σ2的白噪声序列，f(m)表示模型阶数影响值，min(·)表示最小值，m表示训练集数量，m表示光谱特征参数评价模型阶数，表示在m阶数下的预测方差。本专利技术构建的光谱特征参数评价模型，融合了现有基于时间序列的预测模型，并优化改进了预测模型阶数确定公式，对污染物的监测更加敏感准确，提高了本专利技术的鲁棒性。
7、可选地，所述识别待监测水体的污染状况，包括如下步骤：利用监测水体判断模型，判断待监测水体是否存在污染，所述监测水体判断模型，满足如下公式：其中，d表示判断结果，d＝0表示判断待监测水体不存在污染，d＝1表示判断待监测水体存在污染，st表示t时刻的光谱特征参数评价值，σ表示白噪声序列zt的标准差。本专利技术提供的判断待监测水体是否存在污染公式，计算方式简单，设定的阈值合理，误报率低，进一步提高了本专利技术的适用性。
8、可选地，所述根据所述光谱和污染物标准光谱库，识别存在污染水体中的疑似污染物，满足以下公式：其中，l表示污染物对应的光谱序列与待识别水体对应的光谱序列的最小距离和，μ表示污染物对应的光谱序列和待识别水体对应的光谱序列构建矩阵的路径元素数量，d(ξi)表示污染物对应的光谱序列和待识别水体对应的光谱序列构建矩阵任意两点的欧氏距离，q表示疑似污染物对应的光谱序列与待识别水体对应的光谱序列的距离和，min(·)表示最小值。本专利技术需构建污染物标准光谱库，然后利用当前水质的光谱和污染物标准光谱库对比，确定污染物对应的光谱序列与待识别水体对应的光谱序列的最小距离和最小对应的污染物为疑似污染物，智能化并有针对性地识别疑似污染物，为后续确定污染物提供了较大的便利。
9、可选地，所述第一光谱特征参数，满足以下计算公式：其中，λc表示第一光谱特征参数，a(λ)表示待测水体在λ处对应的吸光度数据，λ表示波长，计量单位：nm；所述第二光谱特征参数为待监测水体吸光度变化速率；所述第三光谱特征参数为特定目标波长范围的光谱分段积分值，所述特定目标波长范围包括200nm-250nm，251nm-300nm，301nm-400nm以及401nm-650nm。本专利技术设计的第一光谱特征参数、第二光谱特征参数、第三光谱特征参数，灵敏度高、计算简单，可以快速反映水质污染状态，进一步提高了本专利技术的鲁棒性。
10、第二方面，为能够高效地执行本专利技术所提供的一种基于iot的智能化水质监测方法，本专利技术还提供了一种基于iot的智能化水质监测系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包含程序指令，所述处理器被配置用于调用所述程序指令，执行如本专利技术第一方面所述的一种基于iot的智能化水质监测方法。本专利技术的一种基于iot的智能化水质监测系统，结构紧凑、性能稳定，本文档来自技高网...
【技术保护点】
1.一种基于IoT的智能化水质监测方法，其特征在于，所述一种基于IoT的智能化水质监测方法，包括以下步骤：
2.根据权利要求1所述一种基于IoT的智能化水质监测方法，其特征在于，还包括以下步骤：对所述光谱进行去噪处理和浊度校正补偿。
3.根据权利要求2所述一种基于IoT的智能化水质监测方法，其特征在于，对所述光谱进行去噪处理，包括以下步骤：利用改进阈值函数小波去噪，所述改进阈值函数，满足以下公式：
4.根据权利要求2所述一种基于IoT的智能化水质监测方法，其特征在于，对所述光谱进行浊度校正补偿，包括以下步骤：
5.根据权利要求4所述一种基于IoT的智能化水质监测方法，其特征在于，所述浊度校正模型，满足以下公式：
6.根据权利要求1所述一种基于IoT的智能化水质监测方法，其特征在于，所述光谱特征参数评价模型，满足以下公式：
7.根据权利要求1所述一种基于IoT的智能化水质监测方法，其特征在于，所述识别待监测水体的污染状况，包括如下步骤：利用监测水体判断模型，判断待监测水体是否存在污染，所述监测水体判断模型，满足
8.根据权利要求1所述一种基于IoT的智能化水质监测方法，其特征在于，所述根据所述光谱和污染物标准光谱库，识别存在污染水体中的疑似污染物，满足以下公式：
9.根据权利要求1所述一种基于IoT的智能化水质监测方法，其特征在于，所述第一光谱特征参数，满足以下计算公式：
10.一种基于IoT的智能化水质监测系统，其特征在于，所述基于IoT的智能化水质监测系统，包括：输入设备、输出设备、处理器、存储器，所述输入设备、输出设备、处理器、存储器相互连接，所述存储器包括程序指令，所述程序指令用于执行权利要求1-9任一项所述基于IoT的智能化水质监测方法的步骤。
...【技术特征摘要】
1.一种基于iot的智能化水质监测方法，其特征在于，所述一种基于iot的智能化水质监测方法，包括以下步骤：
2.根据权利要求1所述一种基于iot的智能化水质监测方法，其特征在于，还包括以下步骤：对所述光谱进行去噪处理和浊度校正补偿。
3.根据权利要求2所述一种基于iot的智能化水质监测方法，其特征在于，对所述光谱进行去噪处理，包括以下步骤：利用改进阈值函数小波去噪，所述改进阈值函数，满足以下公式：
4.根据权利要求2所述一种基于iot的智能化水质监测方法，其特征在于，对所述光谱进行浊度校正补偿，包括以下步骤：
5.根据权利要求4所述一种基于iot的智能化水质监测方法，其特征在于，所述浊度校正模型，满足以下公式：
6.根据权利要求1所述一种基于iot的智能化水质监测方法，其特征在于，所述光谱特征参数评价模型，满足以下公式：
...【专利技术属性】
技术研发人员：张俊，
申请(专利权)人：淄博市环境保护科学研究设计院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。