一种水质污染智能预警体系集成方法、装置及相关设备与流程

1.本发明涉及水质污染智能预警体系集成技术领域，尤其涉及一种水质污染智能预警体系集成方法、装置、计算机设备及计算机可读存储介质。


背景技术：

2.随着人类社会的不断发展，全球整体温度的升高，水资源对人们生活、工作及生产制造起到不可或缺的作用。为了保证水资源的优良水质，通过实时对水资源进行监测和保护。
3.现有的监测体系主要是在入出境关键位置的标准站进行自动监测和选定站点进行手工采集的方式，标准站需征地、建房、运维，成本高，数据获取周期为4小时一条；手工站需人工取水、检验，一周或一月一次，河流水污染溯源数据量不足，实时性不高。现有监测体系的数据集成技术对应的感知层监测设备单一，数据量少，常规服务器+socket方式即可稳定接收集成，数据挖掘分析程度有限。现有的水质污染溯源基于常规站有限监测数据，流域覆盖面不足，数据量不足且有延时，很难做到快速精准溯源。
4.因此，上述现有的监测体系监测效率低、准确度差、操作麻烦、适用范围小。


技术实现要素：

5.针对以上相关技术的不足，本发明提出一种有效的提升水污染溯源的效率和准确度，使水质污染溯源的操作更便捷，为污染防治提供决策依据的水质污染智能预警体系集成方法、装置、计算机设备及计算机可读存储介质。
6.为了解决上述技术问题，第一方面，本发明实施例提供了一种水质污染智能预警体系集成方法，包括以下步骤：实时获取水环境数据并进行点位布设；将所述水环境数据进行云存储；构建大数据挖掘分析模型并训练；根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；将所述展示结果反馈到所述点位布设上进行布点优化处理。
7.优选的，所述实时获取水环境数据并进行点位布设具体包括以下子步骤：通过标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统及微型原位在线监测系统分别实时获取标准水质数据、一体化户外水质数据、小型趋势水质数据及微型原位水质数据；将所述标准水质监测系统、所述一体化户外水质在线监测系统、所述小型趋势在线监测系统及所述微型原位在线监测系统进行点位布设并集成。
8.优选的，所述标准水质监测系统布设在辖区出入境断面和重点关注区；所述一体化户外水质在线监测系统布设在干流入河口和一级支流河段；所述小型趋势水质在线监测系统布设在二级支流上；
所述微型原位在线监测系统布设在毛细支流上。
9.优选的，所述将所述水环境数据进行云存储具体包括以下子步骤：通过云网络、计算、存储资源和网络安全服务以及运维管理服务的方式搭建云台；将所述水环境数据进行数据融合处理后存储于所述云台。
10.优选的，所述构建大数据挖掘分析模型并训练具体包括以下子步骤：通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台；通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘分析模型；将所述大数据挖掘分析模型进行模型训练。
11.优选的，所述根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果具体包括以下子步骤：利用溯源分析模型算法，采集水质环境的地理空间数据和物联网监测数据；根据所述地理空间数据和所述物联网监测数据通过智能监测信息系统集成预警溯源分析平台；通过所述预警溯源分析平台直观准确展示各水质实时情况、水污染溯源结果以及水环境管理协同业务流程。
12.优选的，所述地理空间数据包括：遥感影像数据、gis地图服务、数字高程模型以及微服务架构。
13.第二方面，本发明实施例还提供了一种水质污染智能预警体系集成装置，包括：点位布设模块，用于实时获取水环境数据并进行点位布设；存储模块，用于将所述水环境数据进行云存储；大数据中心模块，用于构建大数据挖掘分析模型并训练；集成模块，用于根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；优化模块，用于将所述展示结果反馈到所述点位布设上进行布点优化处理。
14.第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的水质污染智能预警体系集成方法中的步骤。
15.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的水质污染智能预警体系集成方法中的步骤。
16.与相关技术相比，本发明通过实时获取水环境数据并进行点位布设；将所述水环境数据进行云存储；构建大数据挖掘分析模型并训练；根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；将所述展示结果反馈到所述点位布设上进行布点优化处理；有效的提升水污染溯源的效率和准确度，同时，通过大数据挖掘分析模型进行训练获得结果，减少了对机理模型参数准确性的依赖程度，使水质污染溯源的操作更便捷；通过将展示结果反馈到点位布设上，实现点位布设优化的效果，适用范围广。
附图说明
17.下面结合附图详细说明本发明。通过结合以下附图所作的详细描述，本发明的上述或其他方面的内容将变得更清楚和更容易理解。附图中：图1为本发明水质污染智能预警体系集成方法的方法流程图；图2为本发明步骤s1具体的方法流程图；图3为本发明步骤s2具体的方法流程图；图4为本发明步骤s3具体的方法流程图；图5为本发明步骤s4具体的方法流程图；图6为本发明水质污染智能预警体系集成方法的方法流程图；图7为本发明水质污染智能预警体系集成装置的模块图；图8为本发明计算机设备的模块图。
18.图中，200、水质污染智能预警体系集成装置，201、点位布设模块，202、存储模块，203、大数据中心模块，204、集成模块，205、优化模块，300、计算机设备，301、存储器，302、处理器。
具体实施方式
19.下面结合附图详细说明本发明的具体实施方式。
20.在此记载的具体实施方式/实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本技术权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案，都在本发明的保护范围之内。
21.实施例一请参考图1-图6所示，其中，图1为本发明水质污染智能预警体系集成方法的方法流程图；图2为本发明步骤s1具体的方法流程图；图3为本发明步骤s2具体的方法流程图；图4为本发明步骤s3具体的方法流程图；图5为本发明步骤s4具体的方法流程图；图6为本发明水质污染智能预警体系集成方法的方法流程图。
22.本发明提供一种水质污染智能预警体系集成方法，包括以下步骤：s1、实时获取水环境数据并进行点位布设。
23.其中，实时获取水环境数据采用的是水环境质量监测测控仪器多源监测设备进行采集，水环境质量监测测控仪器多源监测设备数据采集一张网，将该网设置成感知层，感知层用于获取水环境数据。通过水环境质量监测测控仪器多源监测设备数据采集一张网，尽量低成本的获取极丰富的全时空全时段实时水环境数据。
24.物联网（iot）可以将互联终端延展到任何物体，传感器、射频识别、监测分析仪等多种智能感知设备，利用智能感知技术、识别技术和通信感知技术，可以将所监控物理对象的各种不同信息进行通信、收集和交换，我们根据流域不同特征，综合利用“四种源”水质监控设备进行感知层布设，提供丰富的准确连续、数据稍有偏差但频率高、快速出数提供变化趋势等多源多类水质数据，实现流域全方位全时段实时监控，形成无死角全覆盖数据采集感知层“一张网”。根据“一张网”进行水环境质量监测测控仪器多源监测设备的点位布设，
保证监测的准确度更高。
25.s2、将所述水环境数据进行云存储。
26.具体的，cloud storage云存储模式，基于集群应用、网格技术或分布式文件系统等功能，通过软件集合协同工作，以存储资源池的方式向各溯源预警模型算法快速提供多源监测设备各级别原始数据及参数数据等，并且在预警溯源模型调用过程中透过web服务应用程序接口（api）来访问，保证数据的安全性，并节约存储空间，使溯源预警结果更快速更准确，为水环境质量仪器测控系统集成提供基础环境支撑和安全运维保障。将水环境质量监测大数据集成精准融合处理一中心，处理一中心为存储层，通过存储层进行水环境数据存储、汇聚，处理数据效果好。通过智能感知多源监测网海量水环境监测大数据存储一朵云，使海量监测数据能准确、安全快速的存储、共享、被调用。
27.s3、构建大数据挖掘分析模型并训练。
28.其中，通过将水环境hill监测大数据集成精准融合处理中心设置成大数据中心层，大数据中心层用于建立大数据挖掘分析模型、训练，并依次进行数据整合、清理及融合，获得模型训练结果。
29.具体的，中心层将感知层获取到的信息进行准确及时的传送，并进行整合，清理，对异常现象和问题进行相关的处理，通过对数据的挖掘以及融合技术将数据信息进行提炼，对模型进行参数管理，综合运用深度学习技术实现预警溯源算法的创建和训练。
30.s4、根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果。
31.其中，通过将智能感知多源监测网海量水环境监测大数据存储云设置成应用层，通过应用层将水环境数据信息，进行集成、构建模型构架，从而使得集成数据可视化，便于用户直接查看，监测效果好，能够精准快速的进行水环境污染溯源。
32.具体的，通过信息系统集成预警溯源分析一平台，直观准确展示各水质实实时情况、水污染溯源结果，水环境管理协同业务流程等，使水污染事件能够快速精准溯源，及时解决。
33.s5、将所述展示结果反馈到所述点位布设上进行布点优化处理。
34.其中，通过将展示结果反馈到步骤s1中，根据展示结果来优化点位布设，从而使得水环境质量监测测控仪器多源监测设备能对水环境进行实时数据采集，并在运行中不断优化，监测效果良好。
35.具体的，通过实时获取水环境数据并进行点位布设；将所述水环境数据进行云存储；构建大数据挖掘分析模型并训练；根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；将所述展示结果反馈到所述点位布设上进行布点优化处理；有效的提升水污染溯源的效率和准确度，同时，通过大数据挖掘分析模型进行训练获得结果，减少了对机理模型参数准确性的依赖程度，使水质污染溯源的操作更便捷；通过将展示结果反馈到点位布设上，实现点位布设优化的效果，适用范围广。
36.在本实施例中，步骤s1具体包括以下子步骤：s11、通过标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统及微型原位在线监测系统分别实时获取标准水质数据、一体化户外水质数据、小型趋势水质数据及微型原位水质数据。
37.其中，集成技术基于水质测控仪器“四种源”，核心模块包括“四个一”。“四种源”是
指四种不同类型的水环境质量监测智能测控仪器，包括标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统、微型原位在线监测系统；“四个一”是指水环境质量监测创新系统集成方式，包括水环境质量监测测控仪器多源监测设备数据采集一张网、智能感知多源监测网海量水环境监测大数据存储一朵云、水环境质量监测大数据集成精准融合处理一中心、水质多源污染智能监测信息系统集成预警溯源分析一平台来分别构建该信息系统集成的感知层、存储层、中心层和应用层。
38.s12、将所述标准水质监测系统、所述一体化户外水质在线监测系统、所述小型趋势在线监测系统及所述微型原位在线监测系统进行点位布设并集成。
39.具体的，通过标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统及微型原位在线监测系统分别实时获取标准水质数据、一体化户外水质数据、小型趋势水质数据及微型原位水质数据。将所述标准水质监测系统、所述一体化户外水质在线监测系统、所述小型趋势在线监测系统及所述微型原位在线监测系统进行点位布设并集成。监测点布设优化效果好，使用方便。
40.在本实施例中，所述标准水质监测系统布设在辖区出入境断面和重点关注区；所述一体化户外水质在线监测系统布设在干流入河口和一级支流河段；所述小型趋势水质在线监测系统布设在二级支流上；所述微型原位在线监测系统布设在毛细支流上。
41.其中，一级支流是指直接入河流干流的河流。二级支流是指直接流入一级支流的河流。
42.具体的，根据流域不同特征，统筹考虑干支流、宽度、流向、水质情况等，综合利用“四种源”水质监控设备进行感知层布设：在辖区出入境断面、重点关注区硬性布设标准水质监测系统；在干流入河口及一级支流河段布设一体化户外水质在线监测系统；二级支流作为补充布设小型趋势在线监测系统；毛细支流补充布设微型原位在线监测系统，构建“水环境质量监测测控仪器多源监测设备数据采集一张网”，并在运行中不断优化。
43.在本实施例中，步骤s2具体包括以下子步骤：s21、通过云网络、计算、存储资源和网络安全服务以及运维管理服务的方式搭建云台。
44.s22、将所述水环境数据进行数据融合处理后存储于所述云台。
45.具体的，以云网络、计算、存储资源和网络安全服务和运维管理服务的方式搭建“智能感知多源监测网海量水环境监测大数据存储一朵云”。将所述水环境数据进行数据融合处理后存储于所述云台上，可以保证数据的安全性，并节约存储空间，使溯源预警结果更快速更准确，为水环境质量仪器测控系统集成提供基础环境支撑和安全运维保障。
46.在本实施例中，步骤s3具体包括以下子步骤：s31、通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台。
47.其中，通过将分布式系统集成架构（hadoop）、计算引擎（spark）和数据仓库工具（hive）等作为大数据基础能力层，在大数据组件上搭建数据中心，包括数据分析，机器学习程序等etl流水线，包括数据治理系统、数据仓库系统、数据可视化系统、模型算法系统等核心功能。
48.s32、通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘
分析模型。
49.s33、将所述大数据挖掘分析模型进行模型训练。
50.具体的，利用大数据、人工智能技术，通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台；结合水环境决策、水质污染预警溯源等业务场景，通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘分析模型；将所述大数据挖掘分析模型进行模型训练。形成“水环境质量监测大数据集成精准融合处理一中心”，通过该大数据中心构建能提供精确分析结果的大数据挖掘分析模型，通过大数据挖掘分析模型进行大数据分析，使得监测系统监测的数据分析处理快速，可以根据模型训练结构对点位布设进行优化。
51.在本实施例中，步骤s4具体包括以下子步骤：s41、利用溯源分析模型算法，采集水质环境的地理空间数据和物联网监测数据。
52.s42、根据所述地理空间数据和所述物联网监测数据通过智能监测信息系统集成预警溯源分析平台。
53.s43、通过所述预警溯源分析平台直观准确展示各水质实时情况、水污染溯源结果以及水环境管理协同业务流程。通过将智能感知多源监测网海量水环境监测大数据存储云设置成应用层，通过应用层将水环境数据信息，进行集成、构建模型构架，从而使得集成数据可视化，便于用户直接查看，监测效果好，能够精准快速的进行水环境污染溯源。
54.在本实施例中，所述地理空间数据包括：遥感影像数据、gis地图服务、数字高程模型以及微服务架构。
55.具体的，利用依托遥感影像数据、gis地图服务、数字高程模型、微服务架构（eureka+gateway+feign+ribbon+config+ hystrix）技术，依托水质监测数据，信息系统集成建设水质“多源污染智能监测信息系统集成预警溯源分析一平台”。
56.在本实施例中，本发明可以突破水质监测、预警、分析、溯源业务链的预警溯源关键技术，基于多源设备监测体系，综合运用各级水质监测数据，基于iot、cloud storage云存储、大数据hadoop、spark、hive、微服务架构等技术；通过iot一张网、cloud storage一朵云，大数据一中心、微服务架构一平台的构建，形成了一套快速有效的基于大数据处理的综合污染溯源评估方法，有效的提升水污染溯源的效率和准确度，同时，预警溯源模型基于深度学习算法，减少了对机理模型参数准确性的依赖程度，使水质污染溯源的操作更便捷。
57.实施例二请参见图7所示，其中，图7为本发明水质污染智能预警体系集成装置的模块图。本发明实施例还提供了一种水质污染智能预警体系集成装置200，包括：点位布设模块201，用于实时获取水环境数据并进行点位布设；存储模块202，用于将所述水环境数据进行云存储；大数据中心模块203，用于构建大数据挖掘分析模型并训练；集成模块204，用于根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；优化模块205，用于将所述展示结果反馈到所述点位布设上进行布点优化处理。
58.具体的，通过点位布设模块201实时获取水环境数据并进行点位布设；通过存储模块202将所述水环境数据进行云存储；通过大数据中心模块203构建大数据挖掘分析模型并
训练；通过集成模块204根据所述大数据挖掘分析模型输出的分析数据集成后并展示结果；通过优化模块205将所述展示结果反馈到所述点位布设上进行布点优化处理。利用大数据、人工智能技术，通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台；结合水环境决策、水质污染预警溯源等业务场景，通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘分析模型；将所述大数据挖掘分析模型进行模型训练。形成“水环境质量监测大数据集成精准融合处理一中心”，通过该大数据中心构建能提供精确分析结果的大数据挖掘分析模型，通过大数据挖掘分析模型进行大数据分析，使得监测系统监测的数据分析处理快速，可以根据模型训练结构对点位布设进行优化。
59.在本实施例中，所述点位布设模块201还用于，通过标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统及微型原位在线监测系统分别实时获取标准水质数据、一体化户外水质数据、小型趋势水质数据及微型原位水质数据。将所述标准水质监测系统、所述一体化户外水质在线监测系统、所述小型趋势在线监测系统及所述微型原位在线监测系统进行点位布设并集成。
60.其中，集成技术基于水质测控仪器“四种源”，核心模块包括“四个一”。“四种源”是指四种不同类型的水环境质量监测智能测控仪器，包括标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统、微型原位在线监测系统；“四个一”是指水环境质量监测创新系统集成方式，包括水环境质量监测测控仪器多源监测设备数据采集一张网、智能感知多源监测网海量水环境监测大数据存储一朵云、水环境质量监测大数据集成精准融合处理一中心、水质多源污染智能监测信息系统集成预警溯源分析一平台来分别构建该信息系统集成的感知层、存储层、中心层和应用层。
61.具体的，通过标准水质监测系统、一体化户外水质在线监测系统、小型趋势在线监测系统及微型原位在线监测系统分别实时获取标准水质数据、一体化户外水质数据、小型趋势水质数据及微型原位水质数据。将所述标准水质监测系统、所述一体化户外水质在线监测系统、所述小型趋势在线监测系统及所述微型原位在线监测系统进行点位布设并集成。监测点布设优化效果好，使用方便。
62.在本实施例中，所述标准水质监测系统布设在辖区出入境断面和重点关注区；所述一体化户外水质在线监测系统布设在干流入河口和一级支流河段；所述小型趋势水质在线监测系统布设在二级支流上；所述微型原位在线监测系统布设在毛细支流上。
63.其中，一级支流是指直接入河流干流的河流。二级支流是指直接流入一级支流的河流。
64.具体的，根据流域不同特征，统筹考虑干支流、宽度、流向、水质情况等，综合利用“四种源”水质监控设备进行感知层布设：在辖区出入境断面、重点关注区硬性布设标准水质监测系统；在干流入河口及一级支流河段布设一体化户外水质在线监测系统；二级支流作为补充布设小型趋势在线监测系统；毛细支流补充布设微型原位在线监测系统，构建“水环境质量监测测控仪器多源监测设备数据采集一张网”，并在运行中不断优化。
65.在本实施例中，存储模块202还用于，通过云网络、计算、存储资源和网络安全服务以及运维管理服务的方式搭建云台。将所述水环境数据进行数据融合处理后存储于所述云台。
66.具体的，以云网络、计算、存储资源和网络安全服务和运维管理服务的方式搭建“智能感知多源监测网海量水环境监测大数据存储一朵云”。将所述水环境数据进行数据融合处理后存储于所述云台上，可以保证数据的安全性，并节约存储空间，使溯源预警结果更快速更准确，为水环境质量仪器测控系统集成提供基础环境支撑和安全运维保障。
67.在本实施例中，大数据中心模块203还用于，通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台；通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘分析模型；将所述大数据挖掘分析模型进行模型训练。
68.其中，通过将分布式系统集成架构（hadoop）、计算引擎（spark）和数据仓库工具（hive）等作为大数据基础能力层，在大数据组件上搭建数据中心，包括数据分析，机器学习程序等etl流水线，包括数据治理系统、数据仓库系统、数据可视化系统、模型算法系统等核心功能。
69.具体的，利用大数据、人工智能技术，通过分布式系统集成架构、计算引擎和数据仓库工具构建大数据计算基础平台；结合水环境决策、水质污染预警溯源等业务场景，通过所述大数据计算基础平台根据所述水环境数据建立对应的大数据挖掘分析模型；将所述大数据挖掘分析模型进行模型训练。形成“水环境质量监测大数据集成精准融合处理一中心”，通过该大数据中心构建能提供精确分析结果的大数据挖掘分析模型，通过大数据挖掘分析模型进行大数据分析，使得监测系统监测的数据分析处理快速，可以根据模型训练结构对点位布设进行优化。
70.在本实施例中，集成模块204还用于，利用溯源分析模型算法，通过采集水质环境的地理空间数据和物联网监测数据。根据所述地理空间数据和所述物联网监测数据通过智能监测信息系统集成预警溯源分析平台。通过所述预警溯源分析平台直观准确展示各水质实时情况、水污染溯源结果以及水环境管理协同业务流程。通过将智能感知多源监测网海量水环境监测大数据存储云设置成应用层，通过应用层将水环境数据信息，进行集成、构建模型构架，从而使得集成数据可视化，便于用户直接查看，监测效果好，能够精准快速的进行水环境污染溯源。
71.在本实施例中，所述地理空间数据包括：遥感影像数据、gis地图服务、数字高程模型以及微服务架构。
72.具体的，利用依托遥感影像数据、gis地图服务、数字高程模型、微服务架构（eureka+gateway+feign+ribbon+config+ hystrix）技术，依托水质监测数据，信息系统集成建设水质“多源污染智能监测信息系统集成预警溯源分析一平台”。
73.在本实施例中，本发明可以突破水质监测、预警、分析、溯源业务链的预警溯源关键技术，基于多源设备监测体系，综合运用各级水质监测数据，基于iot、cloud storage云存储、大数据hadoop、spark、hive、微服务架构等技术；通过iot一张网、cloud storage一朵云，大数据一中心、微服务架构一平台的构建，形成了一套快速有效的基于大数据处理的综合污染溯源评估方法，有效的提升水污染溯源的效率和准确度，同时，预警溯源模型基于深度学习算法，减少了对机理模型参数准确性的依赖程度，使水质污染溯源的操作更便捷。
74.实施例三请参见图8所示，其中，图8为本发明计算机设备的模块图。本发明实施例还提供一种计算机设备300，包括存储器301、处理器302及存储在所述存储器301上并可在所述处理器上运行的计算机程序，所述处理器302执行所述计算机程序时实现上述实施例一的水质
污染智能预警体系集成方法中的步骤。
75.实施例四本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一的水质污染智能预警体系集成方法中的步骤。
76.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何纂改、等同替换、改进等，均应包含在本发明的权利要求范围之内。