本技術(shù)涉及物聯(lián)網(wǎng)監(jiān)測，尤其涉及一種基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)：

1、水環(huán)境監(jiān)測方式主要包括人工監(jiān)測、傳感監(jiān)測以及傳統(tǒng)水文監(jiān)測。人工監(jiān)測主要由人工現(xiàn)場采樣分析，無法實現(xiàn)長周期無人值守，受制于人力、物力、財力、環(huán)境條件等。傳感監(jiān)測是利用如溶解氧傳感器、硝氮傳感器、葉綠素傳感器等傳感元件，檢測數(shù)據(jù)準(zhǔn)確度高、精確度高，但由于單個節(jié)點只能監(jiān)測一個點的數(shù)據(jù)，監(jiān)測網(wǎng)絡(luò)覆蓋面不夠全面，數(shù)據(jù)離散。傳統(tǒng)水文監(jiān)測能較準(zhǔn)確地測量各種水文要素，測驗方法比較標(biāo)準(zhǔn)化、規(guī)范化，數(shù)據(jù)具有代表性、系統(tǒng)性、完整性，但大多需要布設(shè)固定的采集設(shè)備，監(jiān)測成本高，且數(shù)據(jù)采樣周期較長，無法做到實時監(jiān)測。同時，數(shù)據(jù)錯誤檢測對于提高水質(zhì)監(jiān)測質(zhì)量、實現(xiàn)水環(huán)境全面監(jiān)測和有效管理具有重要意義。傳統(tǒng)的水質(zhì)量監(jiān)測系統(tǒng)主要采用有線傳輸，且對于數(shù)據(jù)的檢測主要在傳輸至服務(wù)器時進(jìn)行檢錯，一旦檢錯，則傳輸失敗，數(shù)據(jù)無法傳輸成功，該類缺陷限制了傳輸效率，影響水環(huán)境監(jiān)測系統(tǒng)性能和數(shù)據(jù)質(zhì)量。

2、水質(zhì)預(yù)測是水環(huán)境監(jiān)測的關(guān)鍵目的之一，水環(huán)境復(fù)雜多變異且受到各方面的影響，如何構(gòu)建準(zhǔn)確有效的水質(zhì)預(yù)測模型則直接影響水環(huán)境管理的效用，而樣本數(shù)據(jù)的質(zhì)量直接影響水質(zhì)預(yù)測模型的性能，影響因素較多且易受到復(fù)雜環(huán)境干擾，采集數(shù)據(jù)難以實時反映水質(zhì)信息，監(jiān)測誤差較大。同時，單一節(jié)點不能代表所對應(yīng)流域的整體水質(zhì)狀態(tài)，也影響水質(zhì)預(yù)測模型對整體水質(zhì)狀態(tài)的評價效用，造成水環(huán)境監(jiān)測效率低下、質(zhì)量無法保證的問題，使水環(huán)境監(jiān)測效果較差。

3、類似的現(xiàn)有技術(shù)有公開號為cn118798649a的中國專利申請，公開了一種漂浮式水環(huán)境監(jiān)測預(yù)警方法及裝置，方法包括如下步驟：利用漂浮式水環(huán)境監(jiān)測預(yù)警裝置獲取水環(huán)境監(jiān)測初始信息，對水環(huán)境監(jiān)測初始信息進(jìn)行優(yōu)化，獲得水環(huán)境監(jiān)測目標(biāo)信息；基于水環(huán)境監(jiān)測目標(biāo)信息建立水環(huán)境監(jiān)測體系；依據(jù)目標(biāo)信息和監(jiān)測體系建立水環(huán)境ph預(yù)測模型，獲得ph預(yù)測結(jié)果；根據(jù)目標(biāo)信息和監(jiān)測體系構(gòu)建水環(huán)境渾濁度分析模型，獲得渾濁度分析結(jié)果；通過ph預(yù)測結(jié)果、渾濁度分析結(jié)果和監(jiān)測體系的評估結(jié)果獲得水環(huán)境的綜合監(jiān)測報告，并匹配環(huán)境預(yù)警方案。該發(fā)明通過構(gòu)建數(shù)學(xué)模型與監(jiān)測體系，對水環(huán)境進(jìn)行綜合監(jiān)測分析，并匹配適宜的預(yù)警措施與應(yīng)急護(hù)方案，從而保障水環(huán)境的健康可持續(xù)發(fā)展。還有公開號為cn119269761a的中國專利申請，公開了一種基于大數(shù)據(jù)分析的水環(huán)境監(jiān)測系統(tǒng)及方法，該發(fā)明涉及環(huán)境監(jiān)測技術(shù)領(lǐng)域，解決了只關(guān)注水質(zhì)參數(shù)的監(jiān)測，而忽略了生物因素、人類活動因素等對水環(huán)境的影響，降低了對水環(huán)境整體監(jiān)測和評估準(zhǔn)確性的技術(shù)問題，該發(fā)明通過水環(huán)境數(shù)據(jù)采集模塊，能夠廣泛收集各種水環(huán)境相關(guān)數(shù)據(jù)，包括水質(zhì)、水文、生物、人群和污染源等多方面信息，實現(xiàn)了對水環(huán)境的全面監(jiān)測，綜合考慮了生物因素和人類活動因素對水環(huán)境的影響。生物多樣性指數(shù)和生物污染指數(shù)的計算反映了生物群落的結(jié)構(gòu)和健康狀況，水質(zhì)監(jiān)測預(yù)警模塊能夠根據(jù)水環(huán)境值進(jìn)行實時監(jiān)測和評估，通過與閾值比較和與水質(zhì)等級區(qū)間匹配，及時發(fā)現(xiàn)水質(zhì)異常情況并生成預(yù)警信息或評估報告。

4、現(xiàn)有技術(shù)的不足主要表現(xiàn)在僅對水環(huán)境進(jìn)行ph監(jiān)測，降低了水環(huán)境監(jiān)測的多樣性，對水環(huán)境進(jìn)行全面監(jiān)測時缺少對監(jiān)測數(shù)據(jù)傳輸?shù)姆€(wěn)定性和及時性的評估，降低了評估報告的可靠性。在實際情況中，需要保證數(shù)據(jù)傳輸?shù)臏?zhǔn)確率，同時需要綜合多種監(jiān)測信號進(jìn)行水環(huán)境的全面監(jiān)測和水質(zhì)預(yù)測分析。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測方法、系統(tǒng)及存儲介質(zhì)，用于提高基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測的效率及精準(zhǔn)度。

2、第一方面，本技術(shù)提供了一種基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測方法，所述基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測方法包括：

3、在不同水域監(jiān)測點部署多種傳感器節(jié)點用于采集水環(huán)境的監(jiān)測信號，獲取所述傳感器節(jié)點的屬性信息，基于所述屬性信息建立傳輸模式，基于所述傳輸模式將所述監(jiān)測信號傳輸至云平臺；

4、所述云平臺檢驗所述監(jiān)測信號是否存在錯誤，若存在，則糾正所述監(jiān)測信號并生成標(biāo)準(zhǔn)數(shù)據(jù)，否則，將所述監(jiān)測信號設(shè)定為所述標(biāo)準(zhǔn)數(shù)據(jù)；

5、基于所述傳感器節(jié)點的采集類別匯總所有所述標(biāo)準(zhǔn)數(shù)據(jù)生成樣本集，建立水質(zhì)預(yù)測模型，所述水質(zhì)預(yù)測模型基于所述樣本集輸出水質(zhì)動態(tài)評估結(jié)果，基于所述水質(zhì)動態(tài)評估結(jié)果輸出污染預(yù)警信息；

6、所述云平臺將所述污染預(yù)警信息發(fā)送至管理端，完成水環(huán)境的監(jiān)測。

7、結(jié)合第一方面，基于所述屬性信息建立傳輸模式，包括：

8、基于所述屬性信息獲取所述傳感器節(jié)點的位置信息，基于所述位置信息將所有所述傳感器節(jié)點匯總生成多個子集合，為任一所述子集合配置無線分析裝置；

9、將任一所述無線分析裝置設(shè)定為節(jié)點，將任一所述子集合包含的所有所述傳感器節(jié)點設(shè)定為子節(jié)點，將所述子節(jié)點與對應(yīng)的所述節(jié)點進(jìn)行連接生成區(qū)塊連接圖，基于傳輸距離依次將所有所述節(jié)點對應(yīng)的所述區(qū)塊連接圖進(jìn)行節(jié)點連接生成傳輸網(wǎng)絡(luò)圖，所述傳輸網(wǎng)絡(luò)圖基于所述節(jié)點之間進(jìn)行數(shù)據(jù)傳輸生成所述傳輸模式。

10、結(jié)合第一方面，基于所述傳輸模式將所述監(jiān)測信號傳輸至云平臺，包括：

11、所述無線分析裝置基于通信接口接收所述監(jiān)測信號，將所述監(jiān)測信號轉(zhuǎn)換為基帶信號，從所述基帶信號中提取實部數(shù)據(jù)和虛部數(shù)據(jù)，基于時間戳匯總所述實部數(shù)據(jù)和所述虛部數(shù)據(jù)生成樣本數(shù)據(jù)；

12、提取所述樣本數(shù)據(jù)對應(yīng)的信號強(qiáng)度，將所述信號強(qiáng)度大于等于第一預(yù)設(shè)值的所述樣本數(shù)據(jù)設(shè)定為包絡(luò)數(shù)據(jù)，對所述樣本數(shù)據(jù)進(jìn)行解調(diào)處理生成報頭數(shù)據(jù)，將所述包絡(luò)數(shù)據(jù)與所述報頭數(shù)據(jù)組合生成待傳輸數(shù)據(jù)，將所述待傳輸數(shù)據(jù)基于所述傳輸模式傳輸至所述云平臺。

13、結(jié)合第一方面，所述云平臺檢驗所述監(jiān)測信號是否存在錯誤，包括：

14、基于所述包絡(luò)數(shù)據(jù)獲取所述待傳輸數(shù)據(jù)的信號強(qiáng)度變化率，基于所述報頭數(shù)據(jù)獲取所述待傳輸數(shù)據(jù)的完整度，若所述信號強(qiáng)度變化率的絕對值小于第二預(yù)設(shè)值或所述完整度小于第三預(yù)設(shè)值，則判定所述監(jiān)測信號存在錯誤，并將所述監(jiān)測信號設(shè)定為錯誤信號。

15、結(jié)合第一方面，糾正所述監(jiān)測信號并生成標(biāo)準(zhǔn)數(shù)據(jù)，包括：

16、所述無線分析裝置識別所述錯誤信號對應(yīng)的所述傳感器節(jié)點，并向所述傳感器節(jié)點發(fā)送請求信號，所述傳感器節(jié)點接收所述請求信號，并基于所述時間戳從歷史記錄中讀取所述樣本數(shù)據(jù)，并基于第一模式重新生成所述樣本數(shù)據(jù)對應(yīng)的所述包絡(luò)數(shù)據(jù)并設(shè)定為第一包絡(luò)數(shù)據(jù)，將所述第一包絡(luò)數(shù)據(jù)傳輸至所述無線分析裝置中，所述無線分析裝置基于所述第一包絡(luò)數(shù)據(jù)重新生成所述標(biāo)準(zhǔn)數(shù)據(jù)并傳輸至所述云平臺。

17、結(jié)合第一方面，所述建立水質(zhì)預(yù)測模型，包括：

18、構(gòu)建神經(jīng)常微分方程，將所述神經(jīng)常微分方程作為預(yù)測模型，初始化所述神經(jīng)常微分方程的參數(shù)，基于監(jiān)測目標(biāo)在所述樣本集中抽取子樣本數(shù)據(jù)，使用常微分求解器對所述子樣本數(shù)據(jù)進(jìn)行時間預(yù)測，生成預(yù)測結(jié)果；

19、計算所述預(yù)測結(jié)果與所述子樣本數(shù)據(jù)中實際監(jiān)測值之間的誤差，基于所述常微分求解器將時間向后推導(dǎo)，基于所述誤差計算誤差函數(shù)對所述預(yù)測模型的參數(shù)的導(dǎo)數(shù)，基于所述導(dǎo)數(shù)更新所述預(yù)測模型的參數(shù)；

20、重復(fù)執(zhí)行此步驟，至所述誤差小于等于第四預(yù)設(shè)值，并將更新后的所述預(yù)測模型設(shè)定為所述水質(zhì)預(yù)測模型。

21、結(jié)合第一方面，所述構(gòu)建神經(jīng)常微分方程，包括：

22、基于第一公式構(gòu)建所述神經(jīng)常微分方程，所述第一公式為：其中，x(t)表示所述子樣本數(shù)據(jù)中某一時間點t的水質(zhì)參數(shù)，f[x(t)，t，w]表示神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)生成的函數(shù)，w為所述預(yù)測模型的參數(shù)，t、t0和t1均為不同的時間點，x(t1)為預(yù)測未來時間點t1對應(yīng)的水質(zhì)參數(shù)，x(t0)為所述子樣本數(shù)據(jù)中時間點t0對應(yīng)的水質(zhì)參數(shù)；

23、基于所述監(jiān)測目標(biāo)設(shè)定所述水質(zhì)參數(shù)對應(yīng)的參數(shù)類別，基于所述參數(shù)類別在所述子樣本數(shù)據(jù)中獲取所述水質(zhì)參數(shù)；

24、設(shè)置未來預(yù)測時間，基于所述第一公式輸出所述未來預(yù)測時間對應(yīng)的所述預(yù)測結(jié)果，將所述預(yù)測結(jié)果設(shè)定為所述水質(zhì)動態(tài)評估結(jié)果。

25、結(jié)合第一方面，所述基于所述水質(zhì)動態(tài)評估結(jié)果輸出污染預(yù)警信息，包括：

26、基于所述未來預(yù)測時間獲取所述水質(zhì)動態(tài)評估結(jié)果的動態(tài)變化率，設(shè)定閾值區(qū)間，基于所述閾值區(qū)間判斷所述動態(tài)變化率的風(fēng)險系數(shù)，基于所述風(fēng)險系數(shù)匯總所有所述監(jiān)測目標(biāo)，生成所述污染預(yù)警信息。

27、第二方面，本技術(shù)提供了一種基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測系統(tǒng)，所述基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測系統(tǒng)包括：

28、采集模塊，用于在不同水域監(jiān)測點部署多種傳感器節(jié)點用于采集水環(huán)境的監(jiān)測信號，獲取所述傳感器節(jié)點的屬性信息，基于所述屬性信息建立傳輸模式，基于所述傳輸模式將所述監(jiān)測信號傳輸至云平臺；

29、檢驗?zāi)K，用于所述云平臺檢驗所述監(jiān)測信號是否存在錯誤，若存在，則糾正所述監(jiān)測信號并生成標(biāo)準(zhǔn)數(shù)據(jù)，否則，將所述監(jiān)測信號設(shè)定為所述標(biāo)準(zhǔn)數(shù)據(jù)；

30、分析模塊，用于基于所述傳感器節(jié)點的采集類別匯總所有所述標(biāo)準(zhǔn)數(shù)據(jù)生成樣本集，建立水質(zhì)預(yù)測模型，所述水質(zhì)預(yù)測模型基于所述樣本集輸出水質(zhì)動態(tài)評估結(jié)果，基于所述水質(zhì)動態(tài)評估結(jié)果輸出污染預(yù)警信息；

31、管理模塊，用于所述云平臺將所述污染預(yù)警信息發(fā)送至管理端，完成水環(huán)境的監(jiān)測。

32、本技術(shù)的第三方面提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)中存儲有指令，當(dāng)其在計算機(jī)上運(yùn)行時，使得計算機(jī)執(zhí)行上述的基于物聯(lián)網(wǎng)的水環(huán)境監(jiān)測方法。

33、本技術(shù)提供的技術(shù)方案中，首先，本技術(shù)在不同水域監(jiān)測點部署多種類型的傳感器節(jié)點，通過多層次、多類型的傳感器部署，實現(xiàn)對水環(huán)境的全面、精細(xì)化監(jiān)測，覆蓋不同區(qū)域和不同類型的水質(zhì)參數(shù)。然后，基于傳感器節(jié)點的屬性信息，將節(jié)點劃分為多個子集合，并為每個子集合配置無線分析裝置，無線分析裝置作為節(jié)點，將子集合內(nèi)的傳感器節(jié)點作為子節(jié)點進(jìn)行連接，生成區(qū)塊連接圖，并構(gòu)建傳輸網(wǎng)絡(luò)圖，可以實現(xiàn)數(shù)據(jù)的高效傳輸，減少數(shù)據(jù)傳輸延遲和丟包率，考慮了傳輸距離和節(jié)點負(fù)載，確保網(wǎng)絡(luò)的高可靠性和穩(wěn)定性，傳輸模式和網(wǎng)絡(luò)結(jié)構(gòu)具有高度的可擴(kuò)展性，能夠根據(jù)監(jiān)測區(qū)域和傳感器節(jié)點數(shù)量的變化進(jìn)行動態(tài)調(diào)整。最后，基于樣本集建立水質(zhì)預(yù)測模型，采用神經(jīng)常微分方程作為預(yù)測模型，通過時間預(yù)測生成水質(zhì)動態(tài)評估結(jié)果，輸出污染預(yù)警信息，并將其發(fā)送至管理端，能夠?qū)崟r處理海量監(jiān)測數(shù)據(jù)，確保數(shù)據(jù)的及時性和準(zhǔn)確性，能夠捕捉水質(zhì)參數(shù)的復(fù)雜動態(tài)變化，實現(xiàn)高精度的時間預(yù)測和動態(tài)評估，基于智能分析結(jié)果，自動生成污染預(yù)警信息，實現(xiàn)對水環(huán)境的實時監(jiān)控和預(yù)警，提高應(yīng)急響應(yīng)能力。

34、本技術(shù)還通過云平臺對接收到的監(jiān)測信號進(jìn)行錯誤檢測，包括信號強(qiáng)度變化率和數(shù)據(jù)完整度評估，確保監(jiān)測數(shù)據(jù)的準(zhǔn)確性和完整性，提高數(shù)據(jù)質(zhì)量，也能通過重傳和糾錯機(jī)制進(jìn)行恢復(fù)，保證監(jiān)測系統(tǒng)的穩(wěn)定運(yùn)行。匯總所有監(jiān)測目標(biāo)的風(fēng)險系數(shù)，生成污染預(yù)警信息，實現(xiàn)對水環(huán)境變化的精準(zhǔn)預(yù)警，及時發(fā)現(xiàn)潛在污染風(fēng)險。