【技术实现步骤摘要】
本专利技术涉及水污染监测，具体涉及一种基于大数据分析的市政园林水污染监测系统。
技术介绍
1、随着城市化率越来越高，人们对生态环境要求越来越高，在城市扩建的同时，也会新建很多带景观水体的一些园林场所。园林景观水具有独特的特点，景观水多具有封闭性和非流动性的死水特征，相对自然水体的流动性和修复性不高，水质更容易腐败发臭，而且水藻在静止的水体中也更容易疯长，水体自净能力差,易污染等特点,并对环境和市民健康造成不利影响。
2、导致园林水水质恶化污染的原因有很多，主要有以下几种：1、园林水的水源水质无法保证，园林水的主要来源为降水、地表水和中水，大部分日常补水以降水汇集为主，而四周汇集的降水会将地表很多污染物都溶解在内，如雨水中的污染成分、园林喷洒的药物，使园林水水源先天质量较差；2、周围污染源对其污染，主要来自四周小区居民日常生活所排放的生活污水、生活垃圾、建筑垃圾及其渗滤液、漂物和施工粉尘等。尤其是生活污水中含有大量的有机物、氮磷等植物营养物，极易导致水体恶化，加速水体富营养化；3、游客市民人为破坏，比如向水中丢弃垃圾、抛洒鱼饵；4、园林水景观设计不合理，存在流动死角；5、地下水污染，污染的地下水含有氮磷重金属等，通过渗透作用于园林水相通，导致园林水变质。
3、运用水污染监测技术可以有效监控园林水污染情况，然而园林水污染后无论是物理方法、化学方法或生态方法，处理和恢复难度较大、成本较高、时间较长，且会对园林形象造成不可逆的损害，因此，如何根据园林水污染源监测数据、提前准确地预测水体污染情况，以便于提前采取针对
技术实现思路
1、本专利技术之目的在于为了解决上述现有技术中的问题，提供一种基于大数据分析的市政园林水污染监测系统。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于大数据分析的市政园林水污染监测系统，包括园林信息数据采集模块、风险等级划分模块、线性回归模型模块和报警模块；
4、所述园林信息数据采集模块获取园林水体外部多个环境数据，并获取对应的园林水体污染数据；
5、所述风险等级划分模块根据多个环境数据和园林水体污染数据分别进行风险等级划分；
6、所述线性回归模型模块根据多次采集的数据训练线性回归模型；并利用线性回归模型预测园林水体污染风险等级；
7、预测的园林水体污染风险等级高于阈值时，报警模块发出报警。
8、进一步地，还包括筛选模块和整合模块；筛选模块对园林水体外部多个环境数据进行筛选，筛选后得到多个自变量；整合模块将园林水体污染数据进行整合，形成一个因变量。
9、进一步地，所述风险等级划分模块根据因变量和多个自变量分别进行风险等级划分，且各个变量的风险等级数量相同。
10、进一步地，所述线性回归模型模块根据自变量与因变量之间的关系、通过最小化平方误差估计回归系数，设定第一线性回归模型。
11、进一步地，还包括检验模块和调整模块；检验模块根据园林信息数据采集模块、筛选模块和整合模块多次获取的自变量和因变量检验第一线性回归模型；调整模块根据第一线性回归模型输出的预测因变量与其实际对应的因变量的差，调整回归系数；多次调整后、得到第二线性回归模型。
12、进一步地，所述报警模块输出的报警信息包括至少一个等级较高的自变量信息。
13、进一步地，所述线性回归模型的线性关系为：y=a1x1+a2x2+……anxn+b，其中，y为因变量，x1、x2、……xn为自变量，a1、a2、……an为回归系数，b为误差项。
14、进一步地，所述园林水体污染数据包括水体的氮浓度、磷浓度、叶绿素浓度、氧浓度和透明度指数中的至少两种。
15、进一步地，所述整合模块整合的因变量y=z1c1+z2c2+……zncn，其中，z1、z2、……zn为园林水体污染数据，c1、c2、……cn为百分比。
16、进一步地，所述园林水体外部多个环境数据包括雨水有机物含量、雨水重金属含量、中水有机物含量、中水重金属含量、植物表面有机物含量、粉尘浓度、生活污水有机物含量、生活污水重金属含量、地下水重金属含量、地下水有机物含量、水面漂物密度中的至少三种。
17、与现有技术相比，本专利技术的有益效果如下：
18、本专利技术全面汇集影响园林水污染的各项监测数据信息，包括导致园林水污染的源头污染数据信息和对应的水体污染数据信息，分别经过筛选、整合为自变量和因变量；对因变量和自变量通过线性回归模型模块的多次训练得到线性回归模型，利用线性回归模型对自变量处理，得到预测因变量，有效预测园林水污染等级，及时对风险高的自变量信息报警，有利于针对性地对园林水污染的污染源安排预防措施，减少园林水污染的发生。
本文档来自技高网...【技术保护点】
1.一种基于大数据分析的市政园林水污染监测系统，其特征在于：包括园林信息数据采集模块、风险等级划分模块、线性回归模型模块和报警模块；
2.根据权利要求1所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：还包括筛选模块和整合模块；筛选模块对园林水体外部多个环境数据进行筛选，筛选后得到多个自变量；整合模块将园林水体污染数据进行整合，形成一个因变量。
3.根据权利要求2所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述风险等级划分模块根据因变量和多个自变量分别进行风险等级划分，且各个变量的风险等级数量相同。
4.根据权利要求3所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述线性回归模型模块根据自变量与因变量之间的关系、通过最小化平方误差估计回归系数，设定第一线性回归模型。
5.根据权利要求4所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：还包括检验模块和调整模块；检验模块根据园林信息数据采集模块、筛选模块和整合模块多次获取的自变量和因变量检验第一线性回归模型；调整模块根据第一线性
6.根据权利要求5所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述报警模块输出的报警信息包括至少一个等级较高的自变量信息。
7.根据权利要求1所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述线性回归模型的线性关系为：Y=A1X1+A2X2+……AnXn+B，其中，Y为因变量，X1、X2、……Xn为自变量，A1、A2、……An为回归系数，B为误差项。
8.根据权利要求1所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述园林水体污染数据包括水体的氮浓度、磷浓度、叶绿素浓度、氧浓度和透明度指数中的至少两种。
9.根据权利要求8所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述整合模块整合的因变量Y=Z1C1+Z2C2+……ZnCn，其中，Z1、Z2、……Zn为园林水体污染数据，C1、C2、……Cn为百分比。
10.根据权利要求1所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述园林水体外部多个环境数据包括雨水有机物含量、雨水重金属含量、中水有机物含量、中水重金属含量、植物表面有机物含量、粉尘浓度、生活污水有机物含量、生活污水重金属含量、地下水重金属含量、地下水有机物含量、水面漂物密度中的至少三种。
...【技术特征摘要】
1.一种基于大数据分析的市政园林水污染监测系统，其特征在于：包括园林信息数据采集模块、风险等级划分模块、线性回归模型模块和报警模块；
2.根据权利要求1所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：还包括筛选模块和整合模块；筛选模块对园林水体外部多个环境数据进行筛选，筛选后得到多个自变量；整合模块将园林水体污染数据进行整合，形成一个因变量。
3.根据权利要求2所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述风险等级划分模块根据因变量和多个自变量分别进行风险等级划分，且各个变量的风险等级数量相同。
4.根据权利要求3所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：所述线性回归模型模块根据自变量与因变量之间的关系、通过最小化平方误差估计回归系数，设定第一线性回归模型。
5.根据权利要求4所述的一种基于大数据分析的市政园林水污染监测系统，其特征在于：还包括检验模块和调整模块；检验模块根据园林信息数据采集模块、筛选模块和整合模块多次获取的自变量和因变量检验第一线性回归模型；调整模块根据第一线性回归模型输出的预测因变量与其实际对应的因变量的差，调整回归系数；多次调整后、得到第二线性回归模型。
6.根据权利要求...
【专利技术属性】
技术研发人员：李世宁，刘柏君，徐保辉，张刚，王战朝，卢晶晶，常亚楠，
申请(专利权)人：科宇信息技术有限公司，
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。