本发明专利技术公开了一种园林内湖的水循环处理系统，涉及水循环处理技术领域，包括水质监测模块，利用物联网技术，部署多参数水质监测传感器收集数据，并通过无线网络传输到中央处理平台；数据处理与机器学习模块，基于机器学习算法，根据监测到水温和溶解氧数据预测溶解氧水平并执行增氧策略，监测pH数据分析内湖pH的调整需求并执行调整策略，根据水质参数变化基于机器学习模型预测藻类密度，对藻类生长进行抑制。本发明专利技术所述方法通过对各项水质数据的监测，便于为水循环系统提供数据支持，通过预测溶解氧水平并执行增氧策略，可以及时为内湖水生生物提高溶解氧水平，通过分析内湖pH的调整需求并执行调整策略，维持适宜水生生物生存的水质酸碱环境。
【技术实现步骤摘要】
本专利技术涉及水循环处理，特别是一种园林内湖的水循环处理系统。
技术介绍
1、园林内湖作为一种常见的景观设计元素，不仅增添了景区的美观，还为游客提供了休憩的场所，然而在长期使用过程中，长时间不流动的水容易积累污染物，湖底会逐渐积累泥沙和有机物质，导致水体富营养化，由于有机物的分解，尤其在高温天气中，湖水可能会产生异味，影响游客体验；
2、因而常见的做法则是设置水循环系统，通过泵和管道等设备，使湖水保持流动，增加水体中的氧气交换，并对内湖环境进行水净化作业，包括清淤和除杂，减少湖水可能产生的异味以及累积的泥沙和有机物质，然而传统的水循环系统中虽然收集了一些监测数据，但未能有效分析和应用于水质管理，不便及时的根据水质监测数据预测水中的溶解氧水平和藻类密度执行对应的处理策略，降低了水循环系统与监测设备维护内湖的水环境的处理效率。
技术实现思路
1、鉴于上述现有的园林内湖的水循环处理系统中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于传统的水循环系统中虽然收集了一些监测数据，但未能有效分析和应用于水质管理，不便及时的根据水质监测数据预测水中的溶解氧水平和藻类密度执行对应的处理策略，降低了水循环系统与监测设备维护内湖的水环境的处理效率。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种园林内湖的水循环处理系统，其包括，水质监测模块，利用物联网技术，部署多参数水质监测传感器收集数据，并通过无线网络传输到中央处理平台；
<
p>4、数据处理与机器学习模块，基于机器学习算法，根据监测到水温和溶解氧数据预测溶解氧水平并执行增氧策略，监测ph数据分析内湖ph的调整需求并执行调整策略，根据水质参数变化基于机器学习模型预测藻类密度，对藻类生长进行抑制；5、水循环调整模块，通过管道和过滤装置以及水泵为园林内湖提供水循环系统，结合预测溶解氧水平、ph的调整需求以及预测藻类密度的处理策略，调整内湖水循环流速；
6、预警模块，基于物联网技术设置警报系统进行预警；
7、数据存储模块，基于采集数据生成报告并进行存储。
8、作为本专利技术所述园林内湖的水循环处理系统的一种优选方案，其中：所述利用物联网技术，部署多参数水质监测传感器收集数据，并通过无线网络传输到中央处理平台指部署多参数水质监测传感器收集水质数据，对水质数据进行预处理和数据清洗，采用低功耗广域网络lora，将传感器收集到的水质数据通过无线网络发送到中央处理平台。
9、作为本专利技术所述园林内湖的水循环处理系统的一种优选方案，其中：所述基于机器学习算法，根据监测到水温和溶解氧数据预测溶解氧水平并执行增氧策略包括，
10、基于传感器收集的水温和溶解氧数据，构筑自回归分布滞后模型，表示为：
11、
12、其中表示时间t的预测溶解氧水平，表示时间t的水温，是在时间的实测溶解氧水平，n是历史数据的时间长度，表示没有水温和历史溶解氧影响的系数，表示水温对溶解氧水平的影响系数，表述第i个时间点的溶解氧水平对当前预测的影响系数；
13、收集水温历史数据和溶解氧检测历史数据构建设计矩阵x和目标向量y；
14、
15、其中m表示观测时间点的总数；
16、目标向量y包括历史数据集中每个时间点的溶解氧水平，并按照时间排列形成向量；
17、使用最小二乘法代入设计矩阵x和目标向量y计算模型系数，表示为：
18、
19、其中表示x的转置，表示系数向量，是的第一个元素，是的第二个元素，是的第2个元素；
20、使用采集的水温数据和溶解氧数据，对内湖水的溶解氧水平进行预测，根据湖内水生生物的种类以及生存需求的溶解氧水平设定溶解氧阈值，在预测溶解氧水平小于阈值时，则打开增氧设备，在预测溶解氧水平等于和高于阈值时，则关闭增氧设备。
21、作为本专利技术所述园林内湖的水循环处理系统的一种优选方案，其中：所述监测ph数据分析内湖ph的调整需求并执行调整策略包括，
22、通过实时采集的ph值和设定目标ph值，通过设定目标ph值减去实时采集的ph值获取内湖ph的调整需求值；
23、依据历史的平均值和均方差，将酸碱阈值设置为；
24、若的值位于酸碱阈值范围外，且为正数，则添加碱性物质，若的值位于酸碱阈值范围外，且为负数，则添加酸性物质，若的值位于酸碱阈值范围内，则不添加化学物质。
25、作为本专利技术所述园林内湖的水循环处理系统的一种优选方案，其中：所述根据水质参数变化基于机器学习模型预测藻类密度，对藻类生长进行抑制包括，
26、构建回归模型预测藻类生长的动态，表示为：
27、
28、
29、其中表示时间s的氮浓度，k表示总时间段，表示时间s的磷浓度，是调整藻类密度的比例因子，表示温度对藻类生长的非线性影响，表示时间t的水温，表示时间t的光照强度，和分别表示调整氮和磷浓度对藻类生长影响，表示时间t的预测藻类密度；
30、设置最小化目标函数，表示为：
31、
32、其中表示在时间观测的藻类密度，r表示数据点总数，表示模型的预测值；
33、收集时间点的氮浓度、磷浓度、温度和光照强度，以及相同时间的藻类密度观测值，基于实践经验和理论值设定初始值；
34、通过梯度下降法作为优化算法，计算目标函数关于参数的梯度并更新每个参数，重复计算直至目标函数下降小于设定目标阈值时，完成收敛并确定；
35、收集时间t的氮浓度、磷浓度、温度和光照强度，代入模型计算，基于环保机构和水质管理实践设定藻类阈值为细胞/ml，在大于等于藻类阈值时，投入藻类抑制剂进行处理。
36、作为本专利技术所述园林内湖的水循环处理系统的一种优选方案，其中：所述通过管道和过滤装置以及水泵为园林内湖提供水循环系统，结合预测溶解氧水平、ph的调整需求以及预测藻类密度的处理策略，调整内湖水循环流速包括，
37、根据园林内湖的大小和预期的水流量需求，选择适当功率的智能变频水泵；
38、水循环系统的过滤装置包括初级的粗粒过滤器、次级的活性炭过滤器和终级的生物过滤器；
39、获取预测溶解氧水平、ph的调整需求以及预测藻类密度数据；
40、设置机器学习模型预测流速调节参数，表示为：
41、
42、其中表示调整后的流速，表示处理策略的开始时间，均为系数；
43、基于实践经验和理论值设定的初始值，将数据代入模型计算得到，并计算每个参数误差平方和的偏导数，表示为：
44、
45、
46、其中表示误差平方和，h表示数据点的数量，表示在时间的实际流速测量值，表示模型在时间的流速预测值，代表第j个系数；
47、使用梯度下降法更新每个参数，重复计算直至sse的减少量低本文档来自技高网
...
【技术保护点】
1.一种园林内湖的水循环处理系统，其特征在于：包括，
2.如权利要求1所述的园林内湖的水循环处理系统，其特征在于：所述利用物联网技术，部署多参数水质监测传感器收集数据，并通过无线网络传输到中央处理平台指部署多参数水质监测传感器收集水质数据，对水质数据进行预处理和数据清洗，采用低功耗广域网络LoRa，将传感器收集到的水质数据通过无线网络发送到中央处理平台。
3.如权利要求2所述的园林内湖的水循环处理系统，其特征在于：所述基于机器学习算法，根据监测到水温和溶解氧数据预测溶解氧水平并执行增氧策略包括，
4.如权利要求3所述的园林内湖的水循环处理系统，其特征在于：所述监测pH数据分析内湖pH的调整需求并执行调整策略包括，
5.如权利要求4所述的园林内湖的水循环处理系统，其特征在于：所述根据水质参数变化基于机器学习模型预测藻类密度，对藻类生长进行抑制包括，
6.如权利要求5所述的园林内湖的水循环处理系统，其特征在于：所述通过管道和过滤装置以及水泵为园林内湖提供水循环系统，结合预测溶解氧水平、pH的调整需求以及预测藻类密度的处理策略，调整内湖水循环流速包括，
7.如权利要求6所述的园林内湖的水循环处理系统，其特征在于：所述基于物联网技术设置警报系统包括，
8.如权利要求7所述的园林内湖的水循环处理系统，其特征在于：所述基于采集数据生成报告并进行存储包括，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的园林内湖的水循环处理系统的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的园林内湖的水循环处理系统的步骤。
...
【技术特征摘要】
1.一种园林内湖的水循环处理系统，其特征在于：包括，
2.如权利要求1所述的园林内湖的水循环处理系统，其特征在于：所述利用物联网技术，部署多参数水质监测传感器收集数据，并通过无线网络传输到中央处理平台指部署多参数水质监测传感器收集水质数据，对水质数据进行预处理和数据清洗，采用低功耗广域网络lora，将传感器收集到的水质数据通过无线网络发送到中央处理平台。
3.如权利要求2所述的园林内湖的水循环处理系统，其特征在于：所述基于机器学习算法，根据监测到水温和溶解氧数据预测溶解氧水平并执行增氧策略包括，
4.如权利要求3所述的园林内湖的水循环处理系统，其特征在于：所述监测ph数据分析内湖ph的调整需求并执行调整策略包括，
5.如权利要求4所述的园林内湖的水循环处理系统，其特征在于：所述根据水质参数变化基于机器学习模型预测藻类密度，对藻类生长进行抑制包括...
【专利技术属性】
技术研发人员：古旋全，李牧川，张永生，伍金辉，李蔚，
申请(专利权)人：广东省建筑设计研究院有限公司，
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。