CN119107774B 面向水质检测的物联网智能监控报警方法及系统 （广东骏信科技有限公司）

草园区三和路09号光明创新创业中心面向水质检测的物联网智能监控报警方法本申请公开了面向水质检测的物联网智能水质电化学数据所分别对应的电化学时序传感节点的分布式水质监测和智能风险识别与水质2基于各个物联网节点分别采样针对相应监测水域区块的提取各个所述水质电化学数据所分别对应的电化学时序将各个所述电化学时序传感特征分别输入至水质异常识别模型，提针对各个预测到存在水质异常风险的风险监测水域区块，将所根据各个所述风险监测水域区块的区块标识和相应的水质异常风基于滑动窗口提取所述水质电化学数据所对应的滑动时序数针对各个滑动窗口内的滑动时序数据，利用离散小波变换方法将所将各个连续的滑动窗口所对应的窗口综合幅度特征进行组合，以,式中，表示第t个滑动窗口的初始窗口大小，fi-1)和a(t-1)分别表示通过对第t-1个滑动窗口的水质参数时序分析所确定的波动频率和波动幅度，和为自适,式中，表示窗口大小变化速率，(i-1)表示第t-1个滑动窗口的窗口大小；如果当前滑动窗口的窗口大小变化速率未超过预设的变如果当前滑动窗口的窗口大小变化速率超过所述变化速3,,周期幅度下的特征分量；表示x中第j个时间步的水质电化学参数值，xst)表示第t个滑动窗口在周期幅度下的特征分量；表示第个滑动窗口的周期幅度下的小jj个时间步特征值的权重；,.0表示第个滑动窗口内周期幅度s下子带特征的能量值；表示子带xa在第个滑动窗口内所有时间步上特征值的基于显著性度量指标，计算各个周期幅度特征的综合周期显著度,,,t个滑动窗口内周期幅度下的周期性强度；A,(0)表示第t个滑动4基于综合周期显著度，将各个所述周期幅度特征进行加权融合以,所述时序特征建模模块用于对所输入的电化学时序传感特征进行建模所述特征异常识别模块用于处理所述模式时序依赖特征，以预测相应所述LSTM层用于通过门控结构提取电化学时序传感特征中的长期趋,,LSTM层的权重矩阵，hgs-1表示LSTM层对监测水域区块Bg在第t-1个滑动窗口输出的隐所述TCN层通过堆叠多层卷积操作提取电化学时序传感特征中的局部波动模式特征，,,5所述特征融合层用于将所述LSTM层的输出结果与所述TCN层的输出结果进行加权融,所述特征异常识别模块用于通过第一MLP层处理所述模式时序依赖特征，并通过,,式中，表示针对监测水域区块B的第f个隐藏层的输出特征表示，w9和表示第f个隐藏层的权重矩阵和偏置项；表示针对监测水域区块B的第f-1个隐藏层的输出特征表示，在第1个隐藏层的计算中；表示监测水域区块最后一层隐藏层针对监测水域区块Bg输出的特征表示，sofumax()表示Softmax激活函所述异常分类层用于将所预测的水质异常风险的概率值与预设的异常概率阈值之间所述多尺度卷积模块用于提取风险监测水域区块的模式时序依赖特征所对应的多尺,,c6,,b表示第e个卷积核尺度的注意力权重矩阵和偏置项；表示注意力层针对风险监测水域区块BP输出的注意力特征；所述第二MLP层用于通过对所述注意力特征进行非线性映射与特征转换处理，并通过置信度计算层确定风险监测水域区块针对预设的风险,,式中，表示针对风险监测水域区块的第r个隐藏层的输出特征表示；wtr)和表示第个隐藏层的权重矩阵和偏置项；表示针对风险监测水域区块的第对风险监测水域区块BP输出的综合风险特征表示；wz)和分别表示置信度计件类型集中各个风险事件类型的置信度得分；所述异常事件分类层用于处理所述置信度矩阵，以识别风险监测水,,,7,示第d个风险数据样本被异常事件识别模型预测为第c个风险事件类型的置信度；v为自据样本在第个风险事件类型上的特征权重分配值；表示多尺度时序特征的总时间步数，表示第d个风险数据样本在第e个卷积核尺度上的第a个时间步的特征表示；表示第d个风险数据样本在第e个卷积核尺度上的第q-l个时间步的特征表示。8.一种面向水质检测的物联网智能监控报警系统，用于实现如权利要求1_7中任一项水质参数采样单元，用于基于各个物联网节点分别采样针对相应监时序特征提取单元，用于提取各个所述水质电化学水质异常识别单元，用于将各个所述电化学时序传感特征分别输入至水异常事件识别单元，用于针对各个预测到存在水质异常风风险监测水域区块所对应的水质异常风险事水域水质警报单元，用于根据各个所述风险监测水域区块的区块标识89的面向水质检测的物联网智能监控报警方法算机程序/指令被处理器执行时实现本申请任一实施例的面向水质检测的物联网智能监控[0013](1)通过在监测水域中设置多个物联网节点，每个节点部署电化学传感器实时采[0014](2)通过构建水质异常识别模型和异常事件识别模型，能够对不同节点采集到的[0015](3)在识别出水质异常风险及其事件类型后，根据各个风险监测区块的位置和事[0018]图1示出了根据本申请实施例的面向水质检测的物联网智能监控报警方法的一示[0019]图2示出了根据本申请实施例的提取水质电化学数据所对应的电化学时序传感特[0021]图4示出了根据本申请实施例的水质异常识别模型的另一示例的结构连接示意[0023]图6示出了根据本申请实施例的一种面向水质检测的物联网智能监控报警系统的[0027]图1示出了根据本申请实施例的面向水质检测的物联网智能监控报警方法的一示机碳(TotalOrganicCarbon,TOC)含量[0044]图2示出了根据本申请实施例的提取水质电化学数据所对应的电化学时序传感特应的低频(Approximation)和高频(Deta其能表征滑动窗口内在不同的周期幅度下捕捉到水质数据的多对组合后的时序特征序列采用特征降维方法，如主成分分析(PrincipalComponent[0052]通过本申请实施例，采用将动态滑动窗口与离散小波变换相结合的特征提取策略，能够在窗口内的多层次周期幅度下精确提取水质数据的波动特征与周期性变化模式，[0060]计算频谱中各个频率分量的能量值并选取能量值最大的频率[0073]关于步骤S220中的细节，利用离散小波变换(DWT)对当前滑动窗口内的时序数据离散小波变换相较于其他时频分析方法，如短时傅里叶变换(Short_TimeFourier前周期幅度下特征分量的重要性；表示子带Xsi在滑动窗口内周期幅度si下子带特征的波动幅度，其被定义为子带特征值的最大值max{Xsi而在异常检测时能够更准确地识别出潜在的水质固定窗口或单尺度特征提取方法难以适应这些[0097]如图3所示，水质异常识别模型300包含级联的时序特征建模模块310和特征异常[0098]时序特征建模模块310用于对所输入的电化学时序传感特征进行建模，提取针对忆网络)、GRU(GatedRecurrentUnit,门控循环单元)或ARIMA(AutoregressiveIntegratedMovingAverage,自回归积分滑动平均模型)，对输入的电化学时序传感特征[0100]特征异常识别模块320用于处理模式时序依赖特征，以预测相应的监测水域区块器学习算法(如SVM(SupportVectorMachine,支持向量机)、RF(RandomForest,随机森林))或深度学习模型(如MLP(MultilayerPerceptron,多层感知机)、[0103]图4示出了根据本申请实施例的水质异常识别模型的另一示例的结构连接示意[0104]如图4所示，水质异常识别模型400包括时序特征建模模块410和特征异常识别模[0105]LSTM层411用于通过门控结构提取电化学时序传感特征中的长期趋势特征，以捕gg[0110]TCN层412通过堆叠多层卷积操作提取电化学时序传感特征中的局部波动模式特gggg并通过Softmax层422预测监测水域区块存在水质异gg和分别表示Softmax层的权重矩阵和偏置项[0122]异常分类层423用于将所预测的水质异常风险的概率值与预设的异常概率阈值之地理解水质数据的复杂变化，还能够避免仅采用单一模型所带来的特征表示不足的问题，够显著提升对多种类型水质异常的识别能力和[0128]如图5所示，异常事件识别模型500包含级联的多尺度卷积模块510和事件类型分[0129]多尺度卷积模块510用于提取风险监测水域区块的模式时序依赖特征所对应的多[0134]注意力层521用于计算针对多尺度时序特征的权重分配矩阵，以确定相应的注意[0136]式中，表示针对风险监测水域区块B,的第e个卷积核尺度的注意力权重；和表示第e个卷积核尺度的注意力权重矩阵和偏置项；表示注意力层针对风险监测水域区块B,输出的注意力特征。信度计算层523确定风险监测水域区块针对预设的风个隐藏层的输出特征表示，在第1个隐藏层的计算中L2为第二MLP层对风险监测水域区块B,输出的综合风险特征表示；WLa)和bc)分别表示置信度[0143]异常事件分类层524用于处理置信度矩阵，以识别风险监测水域区块所对应的水含特征数据和相应的标签。每个数据样本中包含多[0155]式中，表示异常事件识别模型的损失函数，表示分类交叉熵损失项，险事件类型集中水质异常风险事件类型的总数，yd,c表示第d个风险数据样本在第c个风险pd,c表示第d据样本在第e个卷积核尺度上的第q_1个时间步的特征表示。[0160]图6示出了根据本申请实施例的一种面向水质检测的物联网智能监控报警系统的[0162]水质参数采样单元610用于基于各个物联网节点分别采样针对相应监测水域区块物联网节点均部署了电化学传感器；所述水质电化学数据的传感参数类型包含水体的pH[0163]时序特征提取单元620用于提取各个所述水质电化学数据所分别对应的电化学时[0164]水质异常识别单元630用于将各个所述电化学时序传感特征分别输入至水质异常[0165]异常事件识别单元640用于针对各个预测到存在水质异常风险的风险监测水域区[0166]水域水质警报单元650用于根据各个所述风险监测水域区块的区块位置和相应的储介质中存储有一个或多个包括执行指令的程够执行面向水质检测的物联网智能监控报警方[0170]图7是本申请另一实施例提供的执行面向水质检测的物联网智能监控报警方法的[0172]执行面向水质检测的物联网智能监控报警方法的设备还可以包括：输入装置730[0174]存储器720作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程能监控报警方法对应的程序指令/模块。处理器710通过运行存储在存储器720中的非易失[0175]存储器720可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系[0176]输入装置730可接收输入的数字或字符信息，以及产生与电子设备的用户设置以[0177]所述一个或者多个模块存储在所述存储器720中，当被所述一个或者多个处理器