一种有预警提示的微型水站监测系统

技术领域

本发明涉及水站监测预警技术领域，尤其涉及一种有预警提示的微型水站监测系统。

背景技术

在河流，湿地，景观水体，城市管网，地下水观测点，污水处理厂，城市河流，农村地表水，自来水厂，污水监测点，区域水域边界建立微型水站监测系统和现场小型无人值守的全自动水质监测柜，对环境保护来说是非常重要的。

微型水站监测的指标主要包括各种参数，如常规的五个参数，总磷，氨氮和高锰酸盐指数，监测到的指标可以通过有线或无线传输方式发送到监测中心，并且可以在监测现场实时读取数据，从而可以快速有效地反映水质的变化

经检索，中国专利号为CN111521746A的发明专利，公开了一种水质监测站，包括水泵、与水泵的出水口相连的供水管、与供水管相通的第一流通池、设于第一流通池内的COD传感器、以及控制组件；水泵与控制组件信号连接，COD传感器与控制组件信号连接。

与现有技术相比，该中国专利号为CN111521746A的发明专利中，位于第一流通池内的COD传感器对水进行检测分析，COD传感器将水质参数传输至控制组件，控制组件对水质参数进行分析和计算，进而实现监测水质是否符合要求，且将待检测的水样的抽取至第一流通池内的稳定环境内，避免多变的监测环境影响监测的准确性，进而实现监测的数据更加的准确。

上述监测系统在实际的使用过程中仅能够对流经的水流进行实时检测，并且根据检测的数据进行及时上传与警报，但缺乏对于微型水站中变化的数据缺乏有效的处理，从而难以起到预警的效果，并且根据预警的信息，操作人员也难以进行有效的观察以及处理，因此需要一种有预警提示的微型水站监测系统。

发明内容

本发明的目的是为了解决现有技术中存在缺乏对于微型水站中变化的数据缺乏有效的处理，从而难以起到预警的效果，并且根据预警的信息，操作人员也难以进行有效的观察以及处理的缺点，而提出的一种有预警提示的微型水站监测系统。

为了实现上述目的，本发明采用了如下技术方案：

一种有预警提示的微型水站监测系统，包括设置在微型水站中的处理主机，所述处理主机的内部设置有数据系统、云端存储模块、中央处理系统、警报系统与显示器；

所述数据系统的内部包括流速监测模块与水质监测模块，所述数据系统对微型水站内部的数据进行实时监测，所述数据系统与所述中央处理系统之间通信连接，所述数据系统将监测的数据传输到所述中央处理系统中；

所述中央处理系统的内部包括数据处理模块、数据预估模块和深度学习模块，所述中央处理系统对接收到的数据进行处理，并对处理后的数据进行预估，同时根据预估的数据以及存储在云端存储模块内部的历史数据进行深度学习，从而建立出预警处理模型；

所述中央处理系统与所述警报系统之间通信连接，所述中央处理系统将处理后的数据传输到警报系统中，所述警报系统的内部包括数据整理模块、数据可视化模块、数据比对模块与方案整合模块，所述警报系统对接收到的数据进行整理与可视化处理，同时将数据与云端存储模块中存储的历史数据进行对比，并且将历史数据对应的数据波动传输到预警处理模型中进行再处理，同时根据再处理的结果进行方案整合；

所述警报系统与所述显示器之间通信连接，所述警报系统将接收以及处理的数据信息传输到显示器中进行显示。

上述技术方案进一步包括：

所述流速监测模块对微型水站中流经的水流流速进行实时监测，所述水质监测模块对微型水站中流经的水流水质进行实时监测。

所述数据处理模块对接收到的数据进行处理，处理的内容包括对数据中的异常数据进行标记，同时对标记数据进行溯源，寻找出异常数据的传输源头，对该传输源头最近二十次的数据进行判断，并根据检测结果判断数据源头的数据的准确性。

所述数据处理模块将处理后的数据传输到所述数据预估模块中，所述数据预估模块对接收到的数据进行预估处理，所述数据预估模块与云端存储模块之间通信连接，对该数据七天的历史记录进行获取，同时根据七天内数据的变化，预估出数据之后的数据走向。

所述数据预估模块与所述深度学习模块之间通信连接，所述深度学习模块根据所述数据预估模块中的预估数据以及存储在云端存储模块内部的历史数据进行深度学习，从而建立出预警处理模型，通过预警处理模型对之后的数据进行直接处理。

所述深度学习模块将处理后的数据传输到数据整理模块中，所述数据整理模块对传输到其中的数据进行整理，所述数据整理模块将数据传输到数据可视化模块中，所述数据可视化模块对数据进行排列，并根据数据的周向建立出数据走向示意图。

所述数据比对模块与云端存储模块之间通信连接，所述数据比对模块将接收到的数据与云端存储模块中的历史数据进行比对，将其中类似的数据进行获取，并且将数据传输到预警处理模型，通过预警处理模型得到数据后续的应对方案。

所述方案整合模块对后续的对应方案进行整合，同时结合后续预估的数据变化，在显示器中进行显示。

本发明具备以下有益效果：

1、本发明中，使用时，中央处理系统对接收到的数据进行处理，并对处理后的数据进行预估，同时根据预估的数据以及存储在云端存储模块内部的历史数据进行深度学习，从而建立出预警处理模型，通过建立出的预警处理模型能够根据接收到的数据对未来数据的变化走势进行预测，并且根据未来数据的变化走势进行预测起到提前预警的效果。

2、本发明中，使用时，数据比对模块将处理后的微型水站监测数据与云端存储模块中的历史数据进行比对，将其中类似的数据进行获取，并且将数据传输到预警处理模型，通过预警处理模型得到数据后续的应对方案，便于管理人员更好进行应对处理。

附图说明

图1为本发明提出的一种有预警提示的微型水站监测系统的系统框图；

图2为本发明中的警报系统的系统框图。

图中：1、数据系统；2、云端存储模块；3、中央处理系统；4、警报系统；5、显示器；6、流速监测模块；7、水质监测模块；8、数据处理模块；9、数据预估模块；10、深度学习模块；11、数据整理模块；12、数据可视化模块；13、数据比对模块；14、方案整合模块。

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，所描述的实施例仅仅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做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。

实施例一

如图1-2所示，本发明提出的一种有预警提示的微型水站监测系统，包括设置在微型水站中的处理主机，处理主机的内部设置有数据系统1、云端存储模块2、中央处理系统3、警报系统4与显示器5；

数据系统1的内部包括流速监测模块6与水质监测模块7，数据系统1对微型水站内部的数据进行实时监测，数据系统1与中央处理系统3之间通信连接，数据系统1将监测的数据传输到中央处理系统3中；

中央处理系统3的内部包括数据处理模块8、数据预估模块9和深度学习模块10，中央处理系统3对接收到的数据进行处理，并对处理后的数据进行预估，同时根据预估的数据以及存储在云端存储模块2内部的历史数据进行深度学习，从而建立出预警处理模型；

中央处理系统3与警报系统4之间通信连接，中央处理系统3将处理后的数据传输到警报系统4中，警报系统4的内部包括数据整理模块11、数据可视化模块12、数据比对模块13与方案整合模块14，警报系统4对接收到的数据进行整理与可视化处理，同时将数据与云端存储模块2中存储的历史数据进行对比，并且将历史数据对应的数据波动传输到预警处理模型中进行再处理，同时根据再处理的结果进行方案整合；

警报系统4与显示器5之间通信连接，警报系统4将接收以及处理的数据信息传输到显示器5中进行显示；

流速监测模块6对微型水站中流经的水流流速进行实时监测，水质监测模块7对微型水站中流经的水流水质进行实时监测；

数据处理模块8对接收到的数据进行处理，处理的内容包括对数据中的异常数据进行标记，同时对标记数据进行溯源，寻找出异常数据的传输源头，对该传输源头最近二十次的数据进行判断，并根据检测结果判断数据源头的数据的准确性；

数据处理模块8将处理后的数据传输到数据预估模块9中，数据预估模块9对接收到的数据进行预估处理，数据预估模块9与云端存储模块2之间通信连接，对该数据七天的历史记录进行获取，同时根据七天内数据的变化，预估出数据之后的数据走向。

本实施例中，使用时，流速监测模块6对微型水站中流经的水流流速进行实时监测，水质监测模块7对微型水站中流经的水流水质进行实时监测，水质的检测包括PH值，总磷，氨氮和高锰酸盐；

数据系统1中监测的数据传输到数据处理模块8中，数据处理模块8对接收到的数据进行处理，处理的内容包括对数据中的异常数据进行标记，同时对标记数据进行溯源，寻找出异常数据的传输源头，对该传输源头最近二十次的数据进行判断，并根据检测结果判断数据源头的数据的准确性；

经过数据处理模块8处理后的数据传输到数据预估模块9中，数据预估模块9对接收到的数据进行预估处理，数据预估模块9与云端存储模块2之间通信连接，对该数据七天的历史记录进行获取，同时根据七天内数据的变化，预估出数据之后的数据走向，此时进行预估的数据为了方便后续进行深度学习。

实施例二

如图1-2所示，基于实施例一的基础上，数据预估模块9与深度学习模块10之间通信连接，深度学习模块10根据数据预估模块9中的预估数据以及存储在云端存储模块2内部的历史数据进行深度学习，从而建立出预警处理模型，通过预警处理模型对之后的数据进行直接处理；

深度学习模块10将处理后的数据传输到数据整理模块11中，数据整理模块11对传输到其中的数据进行整理，数据整理模块11将数据传输到数据可视化模块12中，数据可视化模块12对数据进行排列，并根据数据的周向建立出数据走向示意图；

数据比对模块13与云端存储模块2之间通信连接，数据比对模块13将接收到的数据与云端存储模块2中的历史数据进行比对，将其中类似的数据进行获取，并且将数据传输到预警处理模型，通过预警处理模型得到数据后续的应对方案；

方案整合模块14对后续的对应方案进行整合，同时结合后续预估的数据变化，在显示器5中进行显示。

本实施例中，使用时，深度学习模块10根据数据预估模块9中的预估数据以及存储在云端存储模块2内部的历史数据进行深度学习，从而建立出预警处理模型，通过预警处理模型对之后的数据进行直接处理；

深度学习模块10将处理后的数据传输到数据整理模块11中，数据整理模块11对传输到其中的数据进行整理，数据整理模块11将数据传输到数据可视化模块12中，数据可视化模块12对数据进行排列，并根据数据的周向建立出数据走向示意图；

数据比对模块13将接收到的数据与云端存储模块2中的历史数据进行比对，将其中类似的数据进行获取，并且将数据传输到预警处理模型，通过预警处理模型得到数据后续的应对方案，方案整合模块14对后续的对应方案进行整合，同时结合后续预估的数据变化，在显示器5中进行显示，便于管理人员更好进行应对处理。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。