详情

原文传递一种基于多参数耦合交叉的水质在线监测方法和系统

专利名称：	一种基于多参数耦合交叉的水质在线监测方法和系统
摘要：	本发明公开了一种基于多参数耦合交叉的水质在线监测方法和系统，属于水质监测技术领域，包括：1)获取水体原始样本的pH、浊度、溶解氧和电导率数据，以化学需氧量为标签，剔除数据异常的样本，形成训练集；2)对pH、浊度、溶解氧和电导率数据进行归一化处理；3)使用归一化处理后的pH、浊度、溶解氧和电导率数据及对应的标签对BP神经网络进行训练，获得水质参数模型；4)将待测水体的pH、浊度、溶解氧和电导率数据经归一化处理后输入水质参数模型中，并对输出的数据进行反归一化处理，得到待测水体的化学需氧量；5)根据化学需氧量数据，得到待测水体的水质情况；6)根据应用场合设定一个预警值，并根据预警值进行报警提示污染超标。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江大学
发明人：	吴世军;张鹤强;张志峰;杨灿军
专利状态：	有效
申请日期：	2019-03-27T00:00:00+0800
发布日期：	2019-06-25T00:00:00+0800
申请号：	CN201910237748.6
公开号：	CN109932496A
代理机构：	杭州天勤知识产权代理有限公司
代理人：	蒋琼
分类号：	G01N33/18(2006.01);G;G01;G01N;G01N33
申请人地址：	310013 浙江省杭州市西湖区余杭塘路866号
主权项：	1.一种基于多参数耦合交叉关系的水质在线监测方法，其特征在于，包括以下步骤： 1)获取水体原始样本的pH、浊度、溶解氧和电导率数据，以化学需氧量为标签，剔除掉数据异常的样本，形成训练集； 2)对水体原始样本的pH、浊度、溶解氧和电导率数据进行归一化处理； 3)使用归一化处理后的pH、浊度、溶解氧和电导率数据及对应的标签对BP神经网络进行训练，获得水质参数模型； 4)将待测水体的pH、浊度、溶解氧和电导率数据经归一化处理后输入水质参数模型中，并对输出的数据进行反归一化处理，得到待测水体的化学需氧量数据； 5)根据待测水体的化学需氧量数据，得到待测水体的水质情况； 6)根据应用场合设定一个预警值，当待测水体的化学需氧量大于预警值时，进行报警提示污染超标。 2.根据权利要求1所述的水质在线监测方法，其特征在于，步骤1)中，所述的剔除掉数据异常的样本采用的方法为：将每一时刻的化学需氧量值均与前一时刻进行比较，当变化值大于±10％时，认为其发生了突变；从突变值往后寻找，出现的第一个与其后10组数据处于同一水平，认为此值以后的数据为正常值；从发生突变至重新稳定到新数值水平之间的数据均为为异常值，从训练集剔除。 3.根据权利要求1所述的水质在线监测方法，其特征在于，步骤2)中对pH、浊度、溶解氧和电导率数据进行归一化处理的公式为：取ymax＝1,ymin＝-1，则原数据映射到区间[-1，1]，注：x为原始数据，y为归一化处理后数据。 4.根据权利要求1所述的水质在线监测方法，其特征在于，步骤3)中BP神经网络包括输入层、隐藏层和输出层，各层神经元个数分别为4、9和1；输入层到隐藏层的传递函数为tansig，隐藏层到输出层的传递函数为purelin，学习算法选择标准梯度下降算法traingd；以模型输出和期望输出的均方误差MSE为评价指标确定是否达到训练要求。 5.根据权利要求1所述的水质在线监测方法，其特征在于，步骤4)中，对输出的数据进行反归一化处理的公式为：取ymax＝1,ymin＝-1，则将模型输出映射回真实数值，其中，x为真实数据，y为模型输出的归一化数据。 6.根据权利要求1所述的水质在线监测方法，其特征在于，步骤6)中，当应用场合为城市内河时，设定预警值为10mg/l，当应用场合为工业废水排放口时，设定预警值为100mg/l。 7.一种基于多参数耦合交叉的水质在线监测系统，用于实现权利要求1～6中任意权利要求所述的水质在线监测方法，其特征在于，包括：数据采集组件，设有pH传感器、浊度传感器、溶解氧传感器和氧化还原电位传感器；数据处理组件，设有存储模块和处理模块，所述存储模块中存储有水质参数模型以及上述各传感器采集到的水质参数；所述处理模块对水质参数进行处理计算得到待测水体的化学需氧量数据，并结合待测水体的pH、浊度、溶解氧和电导率数据与化学需氧量数据，得到待测水体的水质情况；数据传输组件，通过4G通信方式将监测结果上传并显示。
所属类别：	发明专利