(19)國家知識產(chǎn)權(quán)局(10)申請公布號CN120217125A(71)申請人大連大公檢驗檢測有限公司馬睿孫紅樂榮洪剛(74)專利代理機構(gòu)重慶壹手知專利代理事務(wù)所(普通合伙)50267專利代理師劉軍GO1N33/18(2006.01)(54)發(fā)明名稱基于物聯(lián)網(wǎng)的污水檢測分析方法本發(fā)明公開了基于物聯(lián)網(wǎng)的污水檢測分析方法，具體涉及污水檢測技術(shù)領(lǐng)域；通過在污水處理系統(tǒng)中部署多源傳感器并采集污染物及環(huán)境參數(shù)數(shù)據(jù)，借助云平臺進(jìn)行特征提取，構(gòu)建濃度變化率波動值和相對比例異常值，并將其用于綜合評估傳統(tǒng)機器學(xué)習(xí)模型在時空維度下的動態(tài)預(yù)測能力，根據(jù)評估結(jié)果劃分模型捕捉準(zhǔn)確性等級，針對不完全準(zhǔn)確模型引入異常檢測算法進(jìn)行性能優(yōu)化，從而顯著提升模型在復(fù)雜污染物時空變化場景下的預(yù)測精度與穩(wěn)定性，最終實現(xiàn)對2在污水處理系統(tǒng)的關(guān)鍵位置部署多種傳感器，實時采集污水中污染物濃度及環(huán)境數(shù)所述云平臺對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理和特征工程，包所述日夜變化的污染物濃度差異特征為濃度變化率波動值，所述污染物間的相互作用量的總體均值與協(xié)方差矩陣，均值向量μ:;協(xié)方差矩陣∑:DM(xnew)=√(xnew-μ)Tz-1(xnew-μ);設(shè)置異常判定閾值W,若DM(xnew)W,則對污染物濃度差異特征和相互作用特征進(jìn)行綜合分析，評估傳計算濃度變化率Rate,表示白天與夜間某污染物平均濃度的相對變化，用公式表達(dá)3統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值與梯度準(zhǔn)確性閾值若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于第二若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于等于若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值小于第一學(xué)習(xí)模型準(zhǔn)確性介于第一準(zhǔn)確性閾值與第二準(zhǔn)確性閾值之間的樣本，形成待優(yōu)化樣本集采用RBF核，指定異常樣本比例v=0.05,即最多允許5%的樣本為異常；輸入維度為：;異常樣本(剔除)在剔除異常點后的Dclean上重新評估傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度的動態(tài)捕捉性若優(yōu)化后樣本的捕捉準(zhǔn)確性值大于第二準(zhǔn)確性閾值，則將傳統(tǒng)模型由不完全準(zhǔn)確上調(diào)若僅稍有提升但仍處于第一準(zhǔn)確性閾值與第二準(zhǔn)確性閾值之間，則保留為待輔助優(yōu)化4基于物聯(lián)網(wǎng)的污水檢測分析方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及污水檢測技術(shù)領(lǐng)域，具體涉及基于物聯(lián)網(wǎng)的污水檢測分析方法。背景技術(shù)[0002]污水檢測分析是指通過各種物理、化學(xué)和生物方法對污水中的成分、污染物以及其濃度進(jìn)行檢測和分析的過程。其目的是評估污水的質(zhì)量，了解其中是否含有有害物質(zhì)，如有機物、重金屬、細(xì)菌等，以及這些污染物對環(huán)境和公共健康可能造成的影響。污水檢測分析不僅能夠幫助政府和企業(yè)制定污染治理措施，還能夠為污水處理技術(shù)的改進(jìn)提供依據(jù)，從而確保污水排放符合環(huán)境保護(hù)的標(biāo)準(zhǔn)。[0003]現(xiàn)有技術(shù)存在以下不足之處：現(xiàn)有技術(shù)中，通過運用大數(shù)據(jù)分析技術(shù)、機器學(xué)習(xí)和人工智能算法，對污水檢測數(shù)據(jù)進(jìn)行深入分析，識別出污水中的主要污染物，并預(yù)測污染物的變化趨勢。然而，盡管機器學(xué)習(xí)算法可以通過歷史數(shù)據(jù)預(yù)測污染物濃度，但在面對具有強時空變化的污染物時，模型可能無法有效捕捉這種復(fù)雜的時空依賴性。例如，某些污染物在夜間可能由于溫度下降和生物降解作用濃度變化較慢，而白天則因工業(yè)活動增加而迅速升高。傳統(tǒng)的模型可能無法很好地捕捉這種動態(tài)變化，導(dǎo)致污染物濃度的預(yù)測偏差較大，進(jìn)而影響污水處理的實時調(diào)整和優(yōu)化。發(fā)明內(nèi)容[0004]本發(fā)明的目的是提供一種基于物聯(lián)網(wǎng)的污水檢測分析方法，以解決背景技術(shù)中不足。[0005]為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于物聯(lián)網(wǎng)的污水檢測分析方法，在污水處理系統(tǒng)的關(guān)鍵位置部署多種傳感器，實時采集污水中污染物濃度及環(huán)境數(shù)據(jù)，并通過無線通信技術(shù)將數(shù)據(jù)實時傳輸至云平臺；所述云平臺對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理和特征工程，包括提取日夜變化的污染物濃度差異特征以及污染物間的相互作用特征；對污染物濃度差異特征和相互作用特征進(jìn)行綜合分析，評估傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性；根據(jù)評估結(jié)果，劃分捕捉準(zhǔn)確性等級，包括準(zhǔn)確性捕捉、不完全準(zhǔn)確性捕捉和不準(zhǔn)確性捕捉，并通過異常檢測算法優(yōu)化不完全準(zhǔn)確性捕捉傳統(tǒng)機器學(xué)習(xí)模型的性能；基于優(yōu)化后的傳統(tǒng)機器學(xué)習(xí)模型，對污水中的污染物濃度進(jìn)行預(yù)測。出水口。[0007]優(yōu)選的，對提取出的日夜變化的污染物濃度差異特征中的濃度變化率進(jìn)行分析后5計算濃度變化率Rate,表示白天與夜間某污染將連續(xù)監(jiān)測時間劃分為N個連續(xù)自然日，每日提取一個濃度變化率,其本向量Xnew,其馬氏距離DM(xnew)計算公式為： Dn(Xxnew)=√(xnew-μ)Tz-1(xnew-μ);[0009]優(yōu)選的，將濃度變化率波動值和污染物間相對比例異常值轉(zhuǎn)換為綜合特征向量，化對所有傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值標(biāo)簽的空維度上動態(tài)變化的捕捉準(zhǔn)確性值分別與第一準(zhǔn)確性閾值和第二準(zhǔn)若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值小于6間的樣本，形成待優(yōu)化樣本集Dsub,其中包含濃度變化率波動值和污染物間相對比例異常;在剔除異常點后的Dclean上重新評估傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度的動態(tài)捕若優(yōu)化后樣本的捕捉準(zhǔn)確性值大于第二準(zhǔn)確性閾值，若僅稍有提升但仍處于第一準(zhǔn)確性閾值與第二準(zhǔn)確性[0013]2、本發(fā)明通過引入基于多項式回歸的模型評估機制與0CSVM異常檢測優(yōu)化策染行為的識別與預(yù)測能力。該方法不僅提高了模型在動附圖說明7具體實施方式[0016]為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。在污水處理系統(tǒng)的關(guān)鍵位置部署多種傳感器，實時采集污水中污染物濃度及環(huán)境數(shù)據(jù)，并通過無線通信技術(shù)將數(shù)據(jù)實時傳輸至云平臺；所述云平臺對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理和特征工程，包括提取日夜變化的污染物濃度差異特征以及污染物間的相互作用特征；對污染物濃度差異特征和相互作用特征進(jìn)行綜合分析，評估傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性；根據(jù)評估結(jié)果，劃分捕捉準(zhǔn)確性等級，包括準(zhǔn)確性捕捉、不完全準(zhǔn)確性捕捉和不準(zhǔn)確性捕捉，并通過異常檢測算法優(yōu)化不完全準(zhǔn)確性捕捉傳統(tǒng)機器學(xué)習(xí)模型的性能；基于優(yōu)化后的傳統(tǒng)機器學(xué)習(xí)模型，對污水中的污染物濃度進(jìn)行預(yù)測。[0018]根據(jù)污水處理的不同環(huán)節(jié)和目標(biāo)污染物，選擇合適的傳感器進(jìn)行安裝。常見的傳感器類型包括：化學(xué)需氧量傳感器：用于測量水中有機污染物的濃度，評估水體污染程度。[0019]氨氮傳感器：檢測污水中的氨氮濃度，常用于工業(yè)廢水處理和污水處理廠。[0021]pH值傳感器：用于測量污水的酸堿度，pH值過高或過低都會影響污水處理的效率。[0022]溶解氧傳感器：用于測量水中溶解氧濃度，尤其在生物處理階段非常重要。[0024]根據(jù)污水處理工藝的不同，傳感器通常安裝在進(jìn)水口、排放口、不同處理池(如沉淀池、曝氣池)以及出水口等關(guān)鍵位置。通過合理布局，確保能夠全面采集污水的各種關(guān)鍵數(shù)據(jù)，反映處理過程中的動態(tài)變化。[0025]傳感器在系統(tǒng)運行過程中不斷實時監(jiān)測污水中的各項指標(biāo)。傳感器會定時采集數(shù)據(jù)，并將數(shù)據(jù)轉(zhuǎn)換為可供后續(xù)處理和分析的數(shù)字信號。[0026]根據(jù)污水處理過程的特點，設(shè)置不同傳感器的數(shù)據(jù)采集頻率。例如，COD和氨氮濃度變化較為緩慢，可設(shè)置較低的采集頻率；而溶解氧和pH值等指標(biāo)變化較為迅速，需要較高的采集頻率。[0027]為了確保數(shù)據(jù)可以穩(wěn)定地傳輸至云平臺，采用適合污水處理環(huán)境的無線通信技LoRa(長距離低功耗無線通信):適用于長距離傳輸且功耗要求較低的場景，適合大規(guī)模污水處理設(shè)施。[0028]NB-IoT(窄帶物聯(lián)網(wǎng)):具有廣泛的覆蓋范圍和較低功耗，適用于廣泛分布的傳感器節(jié)點。[0029]Wi-Fi:適用于短距離數(shù)據(jù)傳輸，適用于設(shè)備集中的小型污水處理設(shè)施。[0030]傳感器通過無線通信模塊將采集到的數(shù)據(jù)傳輸?shù)綌?shù)據(jù)采集網(wǎng)關(guān)。該網(wǎng)關(guān)將來自各8保數(shù)據(jù)可以在實時性上滿足污水處理監(jiān)控和分析的需去噪處理：采用移動平均濾波、小波去噪等算無效噪聲。[0034]將不同類型傳感器輸出的數(shù)據(jù)(如COD以mg/L為單位，pH為無量綱)進(jìn)行理(如Min-Max或Z-score標(biāo)準(zhǔn)化),確保在機器學(xué)習(xí)模型中各特征具有相同尺度，提高收斂速度與預(yù)測性能。[0038]根據(jù)本地日出日落時間或統(tǒng)一設(shè)置(如06:00-18:00為白天，18:00-06:00為夜使用時間序列分解方法(如STL分解)從原始濃度序列中提取趨勢、周期和殘差[0040]反映工廠排污的時間模式或生物反應(yīng)活性變化，有助于模型對日間/夜間異常變[0041]對提取出的日夜變化的污染物濃度差異特征中的濃度變化率進(jìn)行分析后生成濃計算濃度變化率Rate△,表示白天與夜間某污染物平均濃度的相對變化，用公式[0042]將連續(xù)監(jiān)測時間劃分為N個連續(xù)自然日，每日提取一個濃度變化率,其9互信息值(MutualInformation);[0051]幫助模型識別污染物間的共同波動模式、異常反應(yīng)(如某類重金屬突然激增導(dǎo)致[0052]對提取出的污染物間的相互作用特征中的比值項進(jìn)行分析后生成污染物間相對[0053]設(shè)有S條歷史數(shù)據(jù)樣本，構(gòu)成一個S×M的特征矩陣X,其中每行X;是第i條數(shù)據(jù)的Dn(xnew)=√(xnew-μ)Tz-1(xnew-μ);設(shè)置異常判定閾值W,常用方法包括：采用卡方分布97.5%分位作為閾值(其中M為比值維數(shù))或基于歷史數(shù)據(jù)傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值標(biāo)簽的預(yù)測誤差[0056]將獲取到的傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值與梯度準(zhǔn)確性閾值進(jìn)行比較，梯度準(zhǔn)確性閾值包括第一準(zhǔn)確性閾值和第二準(zhǔn)確性閾若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值大于若傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度在時空維度上動態(tài)變化的捕捉準(zhǔn)確性值小于[0057]從綜合特征評價系統(tǒng)中提取傳統(tǒng)模型準(zhǔn)確性介于第一準(zhǔn)確性閾值與第二準(zhǔn)確性閾值之間的樣本，形成待優(yōu)化樣本集Dsub,其中包含濃度變化率波動值和污染物間相對比[0061]在剔除異常點后的Dclean上重新評估傳統(tǒng)機器學(xué)習(xí)模型對污染物濃度的動態(tài)捕捉性能：11[0064]在完成對傳統(tǒng)機器學(xué)習(xí)模型的優(yōu)化(包括通過異常檢測算法如One-ClassSVM剔除誤差干擾樣本、提升模型泛化能力)之后，可基于該優(yōu)化后的模型對污水中各類污染物的濃度進(jìn)行更為精確和魯棒的預(yù)測。以下是預(yù)測過程的文字化具體闡述：在污水處理系統(tǒng)中，實時采集的數(shù)據(jù)包括：特征工程輸出(如濃度變化率波動值Vol_△,污染物相對比例異常值RPA等)。[0066]加載經(jīng)過優(yōu)化處理的傳統(tǒng)機器學(xué)習(xí)模型(如隨機森林、支持向量機、XGBoost等);該模型已在歷史污水?dāng)?shù)據(jù)及清洗后樣本集上完成訓(xùn)練，并通過異常剔除增強了對實際應(yīng)用場景的適應(yīng)能力；模型內(nèi)部已整合處理關(guān)鍵特征的能力，特別是在污染物濃度隨時間、天氣、工藝等條件變化時的動態(tài)響應(yīng)能力。[0067]對每一時刻或每一采樣周期，系統(tǒng)將實時采集的數(shù)據(jù)作為輸入，送入優(yōu)化后的模模型輸出對應(yīng)時間點的目標(biāo)污染物濃度預(yù)測值。例如：預(yù)測結(jié)果可以是單點預(yù)測，也可以輸出一定時間段的濃度趨勢(如未來1小時、6小時或24小時的預(yù)測曲線),具體取決于模型設(shè)計(如是否引入時間序列建模結(jié)構(gòu))。[0068]根據(jù)預(yù)測結(jié)果判斷是否需要調(diào)整污水處理工藝參數(shù)，如曝氣時間、加藥量、混凝劑類型等。[0069]若預(yù)測的某類污染物濃度即將超過排放標(biāo)準(zhǔn)，系統(tǒng)自動觸發(fā)預(yù)警信號，提示值班人員或自動聯(lián)動應(yīng)急處理裝置。[0070]將預(yù)測結(jié)果與歷史濃度對比，進(jìn)行濃度變化趨勢分析，輔助運營決策，自動生成日[0071]在智能污水管理系統(tǒng)中，預(yù)測結(jié)果可作為輸入?yún)?shù)之一，用于觸發(fā)后續(xù)的控制邏輯(如聯(lián)動閥門控制系統(tǒng)、提升泵啟停系統(tǒng)等)。[0072]上述公式均是去量綱取其數(shù)值計算，公式是由采集大量數(shù)據(jù)進(jìn)行軟件模擬得到最近真實情況的一個公式，公式中的預(yù)設(shè)參數(shù)由本領(lǐng)域的技術(shù)人員根據(jù)實際情況進(jìn)行設(shè)置。[0073]上述實施例，可以全部或部分地通過軟件、硬件、固件或其他任意組合來實現(xiàn)。當(dāng)使用軟件實現(xiàn)時，上述實施例可以全部或部分地以計算機程序產(chǎn)品的形式實現(xiàn)。所述計算機程序產(chǎn)品包括一個或多個計算機指令或計算機程序。在計算機上加載或執(zhí)行所述計算機指令或計算機程序時，全部或部分地產(chǎn)生按照本申請實施例所述的流程或功能。所述計算機可以為通用計算機、專用計算機、計算機網(wǎng)絡(luò)、或者其他可編程裝置。所述計算機指令可以存儲在計算機可讀存儲介質(zhì)中，或者從一個計算機可讀存儲介質(zhì)向另一個計算機可讀存儲介質(zhì)傳輸，例如，所述計算機指令可以從一個網(wǎng)站站點、計算機、服務(wù)器或數(shù)據(jù)中心通過有線或無線(例如紅外、無線、微波等)方式向另一個網(wǎng)站站點、計算機、服務(wù)器或數(shù)據(jù)中心進(jìn)行傳輸。所述計