一种基于神经网络的治污监测系统和方法

技术领域

本发明涉及治污监测领域，尤其涉及一种基于神经网络的治污监测系统和方法。

背景技术

目前，全国的治污设备在逐年递增，现有的治污设备的运维主要采取设备检测和人工监测相结合的模式，需要设备和/或传感器检测污染指标超标后报警并上传，再人为干预对应的设备和区域，并没有形成基于大数据的深度学习进而作出预判和处理预案，以提供实时且全面的环境污染监测和预警，以供治污决策平台进行预案的研判和选择，为人民群众提供舒适的生活环境。因此，急需一种基于神经网络的治污监测系统和方法。

发明内容

本发明的目的在于提供一种基于神经网络的治污监测系统和方法，以解决现有的治污监测系统主要采取设备检测和人工监测相结合的模式，需要设备和/或传感器检测污染指标超标后报警并上传，再人为干预对应的设备和区域，并没有形成基于大数据的深度学习进而作出预判和处理预案，以提供实时且全面的环境污染监测和预警，以供治污决策平台进行预案的研判和选择，为人民群众提供舒适的生活环境。

为解决上述技术问题，本发明是这样实现的：

一种基于神经网络的治污监测系统，包括：监测终端和治污决策平台；

监测终端，通过有线和/或无线收发模块采集设置在治污区域内的各个监测点的监测参数，并将上述监测参数发送给主控模块和存储器，并通过有线和/或无线收发模块发送给治污决策平台；

治污决策平台包括有线和/或无线收发模块、主控模块、存储器，还包括依次连接的图形捕获器、图神经网络处理器、治污处理器、治污诊断器，治污决策平台的主控模块分别与图形捕获器、图神经网络处理器、污染检测器、治污诊断器相连接；

治污决策平台通过有线和/或无线收发模块接收监测终端发送的监测点的监测参数，并将上述监测参数发送给治污决策平台的主控模块和存储器，通过上述监测参数基于神经网络对治污区域内的各个监测点进行污染预警并对治污区域内的治污设备进行预判诊断；

其中，图形捕获器，捕获治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图形捕获器的输出端连接图神经网络处理器的输入端；

图神经网络处理器，通过图神经网络挖掘治污区域内的各个监测点不同位置特征参数之间的内在联系，利用图神经网络中的无向图结构挖掘上述特征参数的隐层关系，从而获得治污区域内的各个监测点的污染指数和/或治污设备的具体载荷和裕度，有效分析整个治污区域的运行环境，图神经网络处理器的输出端连接治污处理器的输入端；

治污处理器，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，以充分挖掘数据之间的时序特征，建立的污染检测模型，给治污诊断模型提供依据，治污处理器的输出端连接的治污诊断器输入端；

治污诊断器，通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块反馈给治污决策平台。

一种基于神经网络的治污监测方法，步骤包括：

101、监测终端，通过有线和/或无线收发模块采集设置在治污区域内的各个监测点的监测参数，并将上述监测参数发送给主控模块和存储器，并通过有线和/或无线收发模块发送给治污决策平台；

102、治污决策平台通过有线和/或无线收发模块接收监测终端发送的监测点的监测参数，并将上述监测参数发送给治污决策平台的主控模块和存储器；

103、治污决策平台的图形捕获器，捕获治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图形捕获器的输出端连接图神经网络处理器的输入端；

104、治污决策平台的图神经网络处理器，通过图神经网络挖掘治污区域内的各个监测点不同位置特征参数之间的内在联系，利用图神经网络中的无向图结构挖掘上述特征参数的隐层关系，从而获得治污区域内的各个监测点的污染指数和/或治污设备的具体载荷和裕度，有效分析整个治污区域的运行环境，图神经网络处理器的输出端连接治污处理器的输入端；

105、治污决策平台的治污处理器，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，以充分挖掘数据之间的时序特征，建立的污染检测模型，给治污诊断模型提供依据，治污处理器的输出端连接的治污诊断器输入端；

106、治污决策平台的治污诊断器，通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块反馈给治污决策平台。

与现有技术相比，本申请的技术方案通过设置传感器-监测终端-治污决策平台构成整个治污区域的监测预警网络，在该基础上通过神经网络对整个治污区域的各个监测点的污染指数和/或治污设备的具体载荷和裕度数据进行数学建模，具体地，先通过图形捕获器捕获整个治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图神经网络处理器通过图神经网络挖掘整个治污区域不同位置监测参数之间的内在联系，获得整个治污区域的各个监测点的污染指数和/或治污设备的具体载荷和裕度，然后，治污处理器根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，并通过群智能优化算法对模型参数进行优化，最后，治污诊断器通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块反馈给治污决策平台，解决了现有的治污监测系统主要采取设备检测和人工监测相结合的模式，需要设备和/或传感器检测污染指标超标后报警并上传，再人为干预对应的设备和区域，并没有形成基于大数据的深度学习进而作出预判和处理预案，以提供实时且全面的环境污染监测和预警，以供治污决策平台进行预案的研判和选择，为人民群众提供舒适的生活环境。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种基于神经网络的治污监测系统。

图2是本发明一实施例提供的一种基于神经网络的治污监测方法。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明一实施例提供一种基于神经网络的治污监测系统，包括：监测终端1和治污决策平台2；

监测终端1，通过有线和/或无线收发模块1-1采集设置在治污区域内的各个监测点的监测参数，并将上述监测参数发送给主控模块1-2和存储器1-3，并通过有线和/或无线收发模块1-4发送给治污决策平台2；

治污决策平台2包括有线和/或无线收发模块2-1、主控模块2-2、存储器2-3，还包括依次连接的图形捕获器2-4、图神经网络处理器2-5、治污处理器2-6、治污诊断器2-7，治污决策平台2的主控模块2-2分别与图形捕获器2-4、图神经网络处理器2-5、污染检测器2-6、治污诊断器2-7相连接；

治污决策平台2通过有线和/或无线收发模块2-1接收监测终端1发送的监测点的监测参数，并将上述监测参数发送给治污决策平台2的主控模块2-2和存储器2-3，通过上述监测参数基于神经网络对治污区域内的各个监测点进行污染预警并对治污区域内的治污设备进行预判诊断；

其中，图形捕获器2-4，捕获治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图形捕获器的输出端连接图神经网络处理器的输入端；

图神经网络处理器2-5，通过图神经网络挖掘治污区域内的各个监测点不同位置特征参数之间的内在联系，利用图神经网络中的无向图结构挖掘上述特征参数的隐层关系，从而获得治污区域内的各个监测点的污染指数和/或治污设备的具体载荷和裕度，有效分析整个治污区域的运行环境，图神经网络处理器的输出端连接治污处理器的输入端；

治污处理器2-6，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，以充分挖掘数据之间的时序特征，建立的污染检测模型，给治污诊断模型提供依据，治污处理器的输出端连接的治污诊断器输入端；

治污诊断器2-7，通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块2-2反馈给治污决策平台2。

优选的，监测终端1通过采集设置在监测点的监测参数，并将上述监测参数发送给治污决策平台2，治污决策平台2根据上述三层神经网络的深度学习，自行决策如何调整区域内的生产设施和治理设施的运行情况、污染治理及排放情况、污染源停限产及错峰生产情况等信息，以及将多种预案的研判和选择交给治污决策平台2的管理者，在治污决策平台2已经深度学习并自行决策的同时，提供人工干预与介入的操作途径。

优选的，监测点的监测参数可以通过传感器采集，也可以在设备的工作线路中连接仪表直接读取，上述监测参数包括但不限于排污企业的治污设备的工作状态，包括电流、电压、功率、电量、温度、吞吐量、处理裕度等参数，也包括排污口的空气质量、水质、流量、阀门开度等，还包括污水处理厂的水质、流量、液位、厂内设备的运行情况等。

优选的，治污处理器，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，并通过群智能优化算法对模型参数进行优化，从而快速获得模型的最优解，以充分挖掘数据之间的时序特征，从时序上记载了各个监测点的监测参数的过去和现在，从而为治污诊断模型预测未来提供依据，治污处理器的输出端连接的治污诊断器输入端。

优选的，治污诊断器采用BP思想的深度置信神经网络，通过反向传播进行调优，训练的目标就是寻找最佳的权值，其中，后向传播算法采用最小均方误差准则的反向误差传播算法来更新整个网络的参数，求出代价函数，然后采用梯度下降法，来更新网络的权重和偏置参数。

优选的，监测终端通过光纤通信等有线通讯方式或者LORA、2/3/4/5G通讯等其它无线通讯方式，将上述监测参数发送到基站或者网关上，再由基站或者网关发送到治污决策平台。

优选的，对上述监测参数进行处理除了放在治污决策平台，也可以将上述监测参数放在监测终端进行处理，相应的会增大监测终端的运算负担。

如图2所示，本发明一实施例提供一种基于神经网络的治污监测方法，步骤包括：

101、监测终端，通过有线和/或无线收发模块采集设置在治污区域内的各个监测点的监测参数，并将上述监测参数发送给主控模块和存储器，并通过有线和/或无线收发模块发送给治污决策平台；

102、治污决策平台通过有线和/或无线收发模块接收监测终端发送的监测点的监测参数，并将上述监测参数发送给治污决策平台的主控模块和存储器；

103、治污决策平台的图形捕获器，捕获治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图形捕获器的输出端连接图神经网络处理器的输入端；

104、治污决策平台的图神经网络处理器，通过图神经网络挖掘治污区域内的各个监测点不同位置特征参数之间的内在联系，利用图神经网络中的无向图结构挖掘上述特征参数的隐层关系，从而获得治污区域内的各个监测点的污染指数和/或治污设备的具体载荷和裕度，有效分析整个治污区域的运行环境，图神经网络处理器的输出端连接治污处理器的输入端；

105、治污决策平台的治污处理器，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，以充分挖掘数据之间的时序特征，建立的污染检测模型，给治污诊断模型提供依据，治污处理器的输出端连接的治污诊断器输入端；

106、治污决策平台的治污诊断器，通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块反馈给治污决策平台。

优选的，步骤107、治污决策平台根据上述三层神经网络的深度学习，自行决策如何调整区域内的生产设施和治理设施的运行情况、污染治理及排放情况、污染源停限产及错峰生产情况等信息，以及将多种预案的研判和选择交给治污决策平台的管理者，在治污决策平台已经深度学习并自行决策的同时，提供人工干预与介入的操作途径。

优选的，步骤101中监测点的监测参数可以通过传感器采集，也可以在设备的工作线路中连接仪表直接读取，上述监测参数包括但不限于排污企业的治污设备的工作状态，包括电流、电压、功率、电量、温度、吞吐量、处理裕度等参数，也包括排污口的空气质量、水质、流量、阀门开度等，还包括污水处理厂的水质、流量、液位、厂内设备的运行情况等。

优选的，步骤105、治污处理器，根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，并通过群智能优化算法对模型参数进行优化，从而快速获得模型的最优解，以充分挖掘数据之间的时序特征，从时序上记载了各个监测点的监测参数的过去和现在，从而为治污诊断模型预测未来提供依据。

优选的，步骤106、治污诊断器采用BP思想的深度置信神经网络，通过反向传播进行调优，训练的目标就是寻找最佳的权值，其中，后向传播算法采用最小均方误差准则的反向误差传播算法来更新整个网络的参数，求出代价函数，然后采用梯度下降法，来更新网络的权重和偏置参数。

优选的，步骤101、监测终端通过光纤通信等有线通讯方式或者LORA、2/3/4/5G通讯等其它无线通讯方式，将上述监测参数发送到基站或者网关上，再由基站或者网关发送到治污决策平台。

与现有技术相比，本申请的技术方案通过设置传感器-监测终端-治污决策平台构成整个治污区域的监测预警网络，在该基础上通过神经网络对整个治污区域的各个监测点的污染指数和/或治污设备的具体载荷和裕度数据进行数学建模，具体地，先通过图形捕获器捕获整个治污区域内的各个监测点的所有传感器的监测参数并基于传感器节点形成图神经网络结构，图神经网络处理器通过图神经网络挖掘整个治污区域不同位置监测参数之间的内在联系，获得整个治污区域的各个监测点的污染指数和/或治污设备的具体载荷和裕度，然后，治污处理器根据上述污染指数和/或具体载荷和裕度通过结构型循环神经网络建立整个治污区域的污染检测模型，并通过群智能优化算法对模型参数进行优化，最后，治污诊断器通过深度置信神经网络建立污染诊断模型，对整个治污区域的治污能力进行动态调整和精确诊断，将动态调整和诊断结果通过主控模块反馈给治污决策平台，解决了现有的治污监测系统主要采取设备检测和人工监测相结合的模式，需要设备和/或传感器检测污染指标超标后报警并上传，再人为干预对应的设备和区域，并没有形成基于大数据的深度学习进而作出预判和处理预案，以提供实时且全面的环境污染监测和预警，以供治污决策平台进行预案的研判和选择，为人民群众提供舒适的生活环境。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。