【技术实现步骤摘要】
本专利技术涉及信息采集与传输，更具体地说，本专利技术涉及基于数据感知的智慧水站采样进程信息传输方法及系统。
技术介绍
1、随着全球水资源短缺和水污染问题的日益严重，水质监测和管理变得愈发重要；传统的水质监测依赖人工采样和实验室分析，虽然能够提供准确的数据，但存在响应时间长、覆盖范围有限和人力资源消耗大的缺点；随着物联网(i ot)、大数据和人工智能等技术的发展，智慧水站应运而生，成为现代水质监测的核心组成部分；智慧水站通过集成传感器、gps定位和通信技术，实现了对水质参数的实时监测和数据传输，能够自动采集ph值、溶解氧、重金属浓度等多种水质指标；使得决策者能够及时了解水质状况，快速响应突发污染事件，优化水资源管理。
2、然而，尽管智慧水站在水质监测中展现出显著优势，仍面临着数据传输效率、数据准确性等挑战；如何有效地传输采样进程信息，确保数据的实时性和可靠性，是智慧水站系统设计的关键问题；公开号为cn110736508a的中国专利公开了一种智慧城市水环境监控系统；包括监控站和若干无人机，所述无人机包括机箱和带动所述机箱移动的螺旋桨机构，所述监控站内设有水质检测仪，所述机箱内设有对应连接的无线通信模块、定位模块以及移动电源，所述无人机通过无线通信模块与所述监控站之间进行信息传输，所述机箱连接有摄像头，所述机箱外部设有温度监测器，所述机箱底部连接有即时监测装置和若干所述水体采样机构，能够减少器材消耗，能够灵活取样到水域中不同位置的水体，方便检测，监控数据更准确。
3、尽管上述技术能够实现监控站的移动，但在移动逻
4、鉴于此，本专利技术提出基于数据感知的智慧水站采样进程信息传输方法及系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，实现上述目的，本专利技术提供如下技术方案：基于数据感知的智慧水站采样进程信息传输方法，应用于边缘设备中，包括：
2、接收智慧水站采集的实时水质数据；
3、接收智慧水站收集的历史水质数据，并对实时水质数据和历史水质数据进行分析，计算水质变化数据和数据阈值；
4、根据水质变化数据、数据阈值和实时水质数据，评估水质状况；
5、根据水质状况，对采样策略进行优化，并发送至智慧水站。
6、进一步地，所述采样策略包括采样指标、采样频率和采样点；所述采样指标为智慧水站采集的实时水质数据中的数据种类，所述采样频率为智慧水站单位时间内采集实时水质数据的次数，所述采样点为智慧水站所处位置；对每个智慧水站均部署边缘设备；
7、所述对采样点进行优化的方法包括：
8、将评估水质状态为水质异常的边缘设备所对应的智慧水站标记为异常水站；获取所有智慧水站的水站坐标；获取水体源头的中心坐标，并标记为源头坐标；根据源头坐标和水站坐标，计算每个智慧水站与源头坐标的欧氏距离，并标记为源头距离；将源头距离由小到大进行排序，生成第一序列表；根据第一序列表正序，对每个智慧水站依次设置递增的数字编号，即数字编号的范围为[1,m]，m为智慧水站数量；其中，若存在多个智慧水站对应的源头距离相等，则对应的数字编号相同；
9、将数字编号小于异常水站对应数字编号的智慧水站，标记为上游水站；根据异常水站和每个上游水站的水站坐标，计算每个上游水站与异常水站间的欧氏距离，并标记为水站距离；将所有水站距离由小到大进行排序，生成第二序列表；将第二序列表中排在第一个的水站距离对应的上游水站，标记为相邻水站；根据相邻水站与异常水站间的水站距离，逐步对异常水站和相邻水站进行移动，寻找污染源，并将异常水站移动至污染源。
10、进一步地，所述寻找污染源的步骤包括：
11、步骤1：预设初始搜索区间[a0,b0]，a0＝0，b0为相邻水站与异常水站间的水站距离；设置分割比例h；
12、步骤2：根据分割比例h，将初始搜索区间[a0,b0]划分出两个新的点ζ1与ζ2，ζ1＝a0+(1-h)(b0-a0)，ζ2＝a0+h(b0-a0)；
13、步骤3：将异常水站向相邻水站的方向移动ζ1，将相邻水站向异常水站的方向移动ζ2；移动完成后，根据水质状况，异常水站和相邻水站分别采集实时水质数据中对应的数据；根据异常水站和相邻水站采集的数据，分别计算对应的变化率；将异常水站对应的变化率标记为第三变化率，将相邻水站对应的变化率标记为第四变化率；
14、步骤4：若第三变化率大于或等于第四变化率，则更新后的搜索区间的最小值为更新前搜索区间的最小值，最大值为第四变化率对应的点，并将异常水站向相邻水站的相反方向移动ζ1；若第三变化率小于第四变化率，则更新后的搜索区间的最小值为第三变化率对应的点，最大值为更新前搜索区间的最大值，并将相邻水站向异常水站的相反方向移动ζ2；
15、步骤5：预设宽度阈值，将更新后的搜索区间中的最大值减去最小值，获取区间宽度；将区间宽度与宽度阈值进行对比；若区间宽度大于或等于宽度阈值，则将更新后的搜索区间根据分割比例h，重新划分出两个新的点ζ1与ζ2，并返回步骤3；若区间宽度小于宽度阈值，则分别获取当前异常水站和相邻水站对应的水站坐标，并标记为实时坐标；将两个实时坐标的均值坐标作为污染源。
16、进一步地，所述对采样频率进行优化的方法包括：
17、将实时水质数据和水质变化数据作为分析数据，将分析数据输入训练好的频率预测模型中，预测出对应的采样频率，并标记为预测频率；将智慧水站的采样频率替换为对应的预测频率，对实时水质数据进行采样；
18、频率预测模型的训练过程包括：
19、预先对a组分析数据设置对应的采样频率，a为大于1的整数；将分析数据与对应的采样频率转换为对应的一组特征向量；将每组特征向量作为结构评估模型的输入，所述结构评估模型以每组分析数据对应的一组预测采样频率作为输出，以每组分析数据对应的实际采样频率作为预测目标，实际采样频率即为预先收集的与分析数据对应的采样频率；对预测结果采用平均绝对百分比误差mape进行模型精度评价，当计算出的mape小于预设mape时，则结构评估模型训练完成；生成根据分析数据预测采样频率的结构评估模型；所述结构评估模型为深度信念网络模型。
20、进一步地，所述实时水质数据为实时采集的水质数据；所述水质数据包括物理数据和化学数据；所述物理数据包括ph值、浊度和电导率；所述化学数据包括溶解氧浓度和化学需氧量；
21、所述计算水质变化数据的方法包括：
22、将历史水质数据中，与实时水质数据的采集时间相邻的水质数据标记为本文档来自技高网...
【技术保护点】
1.基于数据感知的智慧水站采样进程信息传输方法，其特征在于，应用于边缘设备中，包括：
2.根据权利要求1所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述采样策略包括采样指标、采样频率和采样点；所述采样指标为智慧水站采集的实时水质数据中的数据种类，所述采样频率为智慧水站单位时间内采集实时水质数据的次数，所述采样点为智慧水站所处位置；对每个智慧水站均部署边缘设备；
3.根据权利要求2所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述寻找污染源的步骤包括：
4.根据权利要求3所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述对采样频率进行优化的方法包括：
5.根据权利要求4所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述实时水质数据为实时采集的水质数据；所述水质数据包括物理数据和化学数据；所述物理数据包括pH值、浊度和电导率；所述化学数据包括溶解氧浓度和化学需氧量；
6.根据权利要求5所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述计算数据阈
7.根据权利要求6所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，变化范围值的计算方法包括：
8.根据权利要求7所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述水质状况包括水质正常和水质异常；所述水质异常包括pH值异常、溶解氧浓度超标、浊度超标、电导率超标以及化学需氧量超标；
9.根据权利要求8所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述评估水质状况的方法包括：
10.基于数据感知的智慧水站采样进程信息传输系统，实施权利要求1-9任一项所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，应用于边缘设备中，包括：
...【技术特征摘要】
1.基于数据感知的智慧水站采样进程信息传输方法，其特征在于，应用于边缘设备中，包括：
2.根据权利要求1所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述采样策略包括采样指标、采样频率和采样点；所述采样指标为智慧水站采集的实时水质数据中的数据种类，所述采样频率为智慧水站单位时间内采集实时水质数据的次数，所述采样点为智慧水站所处位置；对每个智慧水站均部署边缘设备；
3.根据权利要求2所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述寻找污染源的步骤包括：
4.根据权利要求3所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述对采样频率进行优化的方法包括：
5.根据权利要求4所述的基于数据感知的智慧水站采样进程信息传输方法，其特征在于，所述实时水质数据为实时采集的水质数据；所述水质数据包括物理数据和化学数据；所述物理数据...
【专利技术属性】
技术研发人员：姚志鹏，陈亚男，张大伟，刘允，毛玉如，王延军，陈鑫，沈家豪，
申请(专利权)人：中国环境监测总站，
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。