一种用于水环境监测的多源数据融合方法及融合终端与流程

1.本发明涉及计算机数据处理技术领域，更具体的说是涉及一种用于水环境监测的多源数据融合方法及融合终端。


背景技术：

2.随着时代的变迁，我国工业领域迅猛扩展，与此同时环境的破坏也日益加重。工业污水和生活废水乱排乱放已经严重影响了江河湖海等水坏境中的生物生长，并降低了人类饮用水的质量水平，因此进行水环境监测尤为重要。为促进国民经济持续协调发展，全面贯彻《水法》要求，加强水资源保护，需要将水环境监测与分析评价工作与信息化紧密结合，以促进生产力水平的提高。
3.目前，传统的测试方法主要是实地测量水质参数或取水样在实验室测定各个水质参数，从而达到水环境监测的目的。且水质评价需要人工采集检测30各类指标，在通过各类要素所处的评价规范级别，综合得出水质级别。
4.这一方法虽然能够精确的测定出某一位置表面水质的各项指标，并得出水质级别，但成本高且耗时长，更为重要的是它不能给出这些表面水质指标在时间和空间上的分布状况，无法准确描述目标水域整体水质分布情况。局部反应水质分布情况，对于目标水域水质联调联控造成了制约，对促进水资源保护、水环境监测、水质管理等工作缺少了数据支持。
5.因此，提供一种多源数据融合方法及融合终端，以实现对水环境的快速、大范围监测是本领域技术人员亟需解决的问题。


技术实现要素：

6.有鉴于此，为解决水环境监测中遇到数据采集局限性等问题，本发明提供了一种用于水环境监测的多源数据融合方法及融合终端，为了实现上述目的，本发明采用如下技术方案：
7.一方面，本发明公开了一种用于水环境监测的多源数据融合方法，其特征在于，
8.构建bp网络，获取不同污染指数水质对应的不同种类参数采集的历史数据，用于训练所述bp网络，得到训练好的所述bp网络；
9.根据所需监测信息，获取多源监测数据，
10.同类所述多源监测数据，采用自适应加权算法进行融合，得到冗余曲线，用于获得所需时刻的冗余数值；
11.将多类所述冗余数值输入至训练好的所述bp网络，得到对应的污染指数。
12.优选的，多类所述多源监测数据为环境水体监测，包括：
13.反映水质污染的综合指标，包括温度、色度、浊度、ph值、电导率、悬浮物、溶解氧、化学需氧量和生物需氧量，
14.毒性物质的监测，包括酚、氰、砷、铅、铬、镉、汞、镍和有机农药。
15.优选的，多类所述多源监测数据还包括废水监测，所述废水监测的项目由污染源的性质决定。
16.优选的，所述同类所述多源监测数据是一类传感器对同一监测对象多次进行测量获得的一组数据；
17.所述多类所述多源监测数据是多个不同类型且相互独立的传感器，从不同的时间和空间对同一监测对象进行检测所获得的相互独立的数据。
18.优选的，融合方法还包括根据所述污染指数确定水质污染级别。
19.另一方面，本发明还公开了一种用于水环境监测的多源数据融合方法的融合终端，其特征在于，包括，
20.训练模块，用于根据不同污染指数水质对应的不同参数采集的历史数据，训练构建的bp网洛，得到训练好的bp网洛；
21.获取模块，用于获取所需监测需求以及相应的多源监测数据；
22.处理模块，用于对同类所述多源监测数据进行冗余处理，得到与所述监测需求相应的冗余数值，将所述冗余数值输入至训练好的所述bp网洛，得到对应的污染指数；
23.生成模块，根据污染指数确定水质污染级别。
24.优选的，所述处理模块通过建立环境监测数据管理信息系统(mis)进行数据的集中存储、分类管理及统一处理。
25.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种用于水环境监测的多源数据融合方法及融合终端，通过构建bp网洛，并使用相关历史数据对其进行训练，然后将多源监测数据进行冗余后通过训练好的bp网洛得到相应的水质污染指数，进而确定水质污染级别；
26.通过对数据进行冗余处理，即使用同一类传感器对同一测量对象进行多次测量，并对测量的到的数据及结果的影响程度做加权处理，提高了数据的可靠性；
27.通过多类多源监测数据，经多类传感器从不同的空间和时间来进行监测，并对监测所获数据到的数据应用bp网络来实现互补数据融合，使得仅通过有限的几类检测要素，便能实时获取水质污染指数。本发明公开的算法适应性强，监测全面，可根据目标水域检测要素调整，降低人力成本的同时提高了数据的实时性和检测效率，进而实现对水环境的快速、大范围的实时监测。
附图说明
28.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据提供的附图获得其他的附图。
29.图1附图为本发明提供的多源数据融合方法流程示意图；
30.图2附图为本发明提供的多源数据处理实例图；
31.图3附图为本发明提供的同类多源数据的冗余曲线图。
具体实施方式
32.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。
33.一方面，本发明实施例公开了一种用于水环境监测的多源数据融合方法，具体流程如图1所示，
34.首先构建bp网洛，获取不同污染指数水质对应的不同种类参数采集的历史数据，用于训练所述bp网络，得到训练好的所述bp网络；
35.所述bp算法(误差反向传播法)，是一种监督式的学习算法：对于网络中n个输入学习样本已知与其对应的输出样本监督学习的目的是利用bp网络的实际输出结果与目标矢量之间的误差来修改网络的权值，使得实际输出结果与期望的目标矢量之间的差尽可能的小，即使得bp网络输出层的误差的平方和尽可能的小。
36.本发明实施例中，互补数据采用bp算法进行融合，即通过构建特定的bp网络来实现互补数据融合，其能够将不确定的环境复杂关系经过学习推理，融合为系统能理解的信号，同时bp网络有较强的容错性和自组织、自学习、自适应能力，能够实现复杂的映射；
37.进一步，根据所需监测信息，获取多类多源监测数据，多类多源监测数据通过在监测水体内设置多个同类别传感器，以及多种类别传感器进行采集，且具体的水环境的监测包括环境水体监测及废水监测两部分，且主要监测项目大体可分为两类：一类是反映水质污染的综合指标，如温度、色度、浊度、ph值、电导率、悬浮物、溶解氧、化学需氧量和生物需氧量等；另一类是一些有毒性物质，如酚、氰、砷、铅、铬、镉、汞、镍、有机农药等。
38.对于废水监测的具体项目和污染源的性质有关，一般同步测定基本水文特征。
39.其中，多源监测数据包括同类和多类多源监测数据；
40.同类多源监测数据指一类传感器对同一监测对象多次进行测量获得的一组数据；如在水环境监测中的ph值测量，多个ph值对同一监测地点获得了一组ph数据，就是关于水环境的ph的冗余数据；
41.通过数据融合可以降低数据的不确定性，提高监测数据的可靠性。
42.本发明中，冗余数据采用自适应加权算法进行融合，即将一组传感器提供的冗余信息进行加权平均，结果作为融合值。该算法以均方误差为评价指标，是最直观的数据融合方法。
43.所述自适应加权算法，是指对于各个传感器的输入，自适应的动态寻找对应的权值，通过加法运算给出输出结果，具体算法为：
44.x1,x2,xi分别表示i路相互独立的传感器数据输入，w1,w2,wn表示对应的加权值，表示最终的输出结果，三者之间满足下面的两个公式：
[0045][0046][0047]
该算法使用均方误差作为算法收敛的指标，通过求最小的均方误差，确定对应最
优权值解。总均方误差为：
[0048][0049]
由于x1,x2,xi表示i路相互独立的传感器数据，因此e[(x-xi)(x-xj)]＝0，其中i≠j,i,j＝1,2,n。则上述公式可简化为：
[0050][0051]
由上可知总均方误差是关于各个加权因子的多元二次函数。
[0052]
因此在满足约束式的条件下，根据多元函数的条件求极值理论均方误差最小时的各个加权因子的值为：
[0053][0054]
将上述公式代入到中，得到此时最小均方误差为：
[0055][0056]
将上述求得的极值理论均方误差最小时的各个加权因子的值代入到中，即可求出最终的输出结果
[0057]
下面以沟泉水监测点位ph值测量冗余数据处理过程为例进行说明：具体过程如图2所示，
[0058]
首先设置7个监测点，并对其进行标号，分0-23个时间点对各监测点所测ph值进行记录，得到如下数据表：
[0059][0060]
采用上述自适应加权算法，对表中数据进行冗余处理，得到如图3所示的冗余曲线；
[0061]
根据图3所示曲线，可得到任意时刻的ph冗余值，
[0062]
由于对水环境的健康状况的监测，不能靠某一传感器单独来完成，而需要多传感器从不同的空间和时间来进行监测，即需要采集多类多源监测数据，
[0063]
对于多类多源监测数据，是指多个不同类型且相互独立的传感器，从不同的时间和空间对同一监测对象进行检测所获得的相互独立的数据。如在水环境监测中分别使用ph、温度、溶解氧三类传感器，监测水体的不同地域和不同时间段的ph值、温度、溶解氧大小。这三组数据互相独立，构成互补数据。通过训练好的bp网洛进行融合，可以得到单一传感器无法得到的结果，更加准确的描述水环境的健康状况。其中，在使用ph、温度、溶解氧三类传感器监测水体ph值、温度、溶解氧大小时，通过上述冗余数据的采集及数据融合处理方法，以进一步得到更加准确的监测数据。
[0064]
具体的，将多类所需时刻的冗余数值输入至训练好的所述bp网络，得到对应的污染指数；进而确定水质的污染级别。
[0065]
在一种实施例中，首先获取不同污染指数水质对应的不同参数采集的历史数据，用以训练构建的bp网络，得到最佳的网络权值，
[0066]
然后根据水质测试需求的时间点以及上述所得冗余曲线，得到具体的检测参数数值，随后将其输入至训练好的bp网络，得到当前水质污染指数，
[0067]
在一种实施例中，可根据下表得到最终的水质级别，
[0068]
级别水质分类水质污指数(wqi)ⅰ一类(非常健康)《＝0.1ⅱ二类(健康)0.1～0.28ⅲ三类(亚健康)0.28～0.5ⅳ四类(不健康)0.5～5.0
ⅴ
五类(劣态)》5
[0069]
原本水质评价需要人工采集检测30各类指标，需通过各类要素所处的评价规范级别，综合得出水质级别，该过程繁琐，效率较低。而本算法通过模型训练，仅通过有限的几类检测要素，便能实时评价水质级别。算法适应性强，可根据目标水域检测要素调整。降低了人力成本，同时提高了数据的实时性和检测效率。
[0070]
另一方面，本发明还公开了一种用于水环境监测的多源数据融合方法的融合终端，其特征在于，包括，
[0071]
获取模块，用于获取所需监测信息以及相应的多源监测数据；
[0072]
处理模块，用于对所述多源监测数据进行融合处理；
[0073]
生成模块，根据融合的所述多源监测数据生成所述所需监测信息。
[0074]
在一种实施例中，处理模块通过建立环境监测数据管理信息系统(mis)进行数据的集中存储、分类管理及统一处理。以积累丰富的历史数据，为gis系统的多源数据分析提供后台数据支持，
[0075]
通过采集冗余数据和互补数据并进行融合处理，可提高监测的准确性，以准确的描述水环境的健康状况，解决水环境监测中遇到数据采集不详细、数据显示不正确等问题，从而实现对水环境的快速、大范围的实时监测。
[0076]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0077]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。