CN119107774B 面向水質檢測的物聯網智能監控報警方法及系統 （廣東駿信科技有限公司）

草園區三和路09號光明創新創業中心面向水質檢測的物聯網智能監控報警方法本申請公開了面向水質檢測的物聯網智能水質電化學數據所分別對應的電化學時序傳感節點的分布式水質監測和智能風險識別與水質2基于各個物聯網節點分別采樣針對相應監測水域區塊的提取各個所述水質電化學數據所分別對應的電化學時序將各個所述電化學時序傳感特征分別輸入至水質異常識別模型，提針對各個預測到存在水質異常風險的風險監測水域區塊，將所根據各個所述風險監測水域區塊的區塊標識和相應的水質異常風基于滑動窗口提取所述水質電化學數據所對應的滑動時序數針對各個滑動窗口內的滑動時序數據，利用離散小波變換方法將所將各個連續的滑動窗口所對應的窗口綜合幅度特征進行組合，以,式中，表示第t個滑動窗口的初始窗口大小，fi-1)和a(t-1)分別表示通過對第t-1個滑動窗口的水質參數時序分析所確定的波動頻率和波動幅度，和為自適,式中，表示窗口大小變化速率，(i-1)表示第t-1個滑動窗口的窗口大小；如果當前滑動窗口的窗口大小變化速率未超過預設的變如果當前滑動窗口的窗口大小變化速率超過所述變化速3,,周期幅度下的特征分量；表示x中第j個時間步的水質電化學參數值，xst)表示第t個滑動窗口在周期幅度下的特征分量；表示第個滑動窗口的周期幅度下的小jj個時間步特征值的權重；,.0表示第個滑動窗口內周期幅度s下子帶特征的能量值；表示子帶xa在第個滑動窗口內所有時間步上特征值的基于顯著性度量指標，計算各個周期幅度特征的綜合周期顯著度,,,t個滑動窗口內周期幅度下的周期性強度；A,(0)表示第t個滑動4基于綜合周期顯著度，將各個所述周期幅度特征進行加權融合以,所述時序特征建模模塊用于對所輸入的電化學時序傳感特征進行建模所述特征異常識別模塊用于處理所述模式時序依賴特征，以預測相應所述LSTM層用于通過門控結構提取電化學時序傳感特征中的長期趨,,LSTM層的權重矩陣，hgs-1表示LSTM層對監測水域區塊Bg在第t-1個滑動窗口輸出的隱所述TCN層通過堆疊多層卷積操作提取電化學時序傳感特征中的局部波動模式特征，,,5所述特征融合層用于將所述LSTM層的輸出結果與所述TCN層的輸出結果進行加權融,所述特征異常識別模塊用于通過第一MLP層處理所述模式時序依賴特征，并通過,,式中，表示針對監測水域區塊B的第f個隱藏層的輸出特征表示，w9和表示第f個隱藏層的權重矩陣和偏置項；表示針對監測水域區塊B的第f-1個隱藏層的輸出特征表示，在第1個隱藏層的計算中；表示監測水域區塊最后一層隱藏層針對監測水域區塊Bg輸出的特征表示，sofumax()表示Softmax激活函所述異常分類層用于將所預測的水質異常風險的概率值與預設的異常概率閾值之間所述多尺度卷積模塊用于提取風險監測水域區塊的模式時序依賴特征所對應的多尺,,c6,,b表示第e個卷積核尺度的注意力權重矩陣和偏置項；表示注意力層針對風險監測水域區塊BP輸出的注意力特征；所述第二MLP層用于通過對所述注意力特征進行非線性映射與特征轉換處理，并通過置信度計算層確定風險監測水域區塊針對預設的風險,,式中，表示針對風險監測水域區塊的第r個隱藏層的輸出特征表示；wtr)和表示第個隱藏層的權重矩陣和偏置項；表示針對風險監測水域區塊的第對風險監測水域區塊BP輸出的綜合風險特征表示；wz)和分別表示置信度計件類型集中各個風險事件類型的置信度得分；所述異常事件分類層用于處理所述置信度矩陣，以識別風險監測水,,,7,示第d個風險數據樣本被異常事件識別模型預測為第c個風險事件類型的置信度；v為自據樣本在第個風險事件類型上的特征權重分配值；表示多尺度時序特征的總時間步數，表示第d個風險數據樣本在第e個卷積核尺度上的第a個時間步的特征表示；表示第d個風險數據樣本在第e個卷積核尺度上的第q-l個時間步的特征表示。8.一種面向水質檢測的物聯網智能監控報警系統，用于實現如權利要求1_7中任一項水質參數采樣單元，用于基于各個物聯網節點分別采樣針對相應監時序特征提取單元，用于提取各個所述水質電化學水質異常識別單元，用于將各個所述電化學時序傳感特征分別輸入至水異常事件識別單元，用于針對各個預測到存在水質異常風風險監測水域區塊所對應的水質異常風險事水域水質警報單元，用于根據各個所述風險監測水域區塊的區塊標識89的面向水質檢測的物聯網智能監控報警方法算機程序/指令被處理器執行時實現本申請任一實施例的面向水質檢測的物聯網智能監控[0013](1)通過在監測水域中設置多個物聯網節點，每個節點部署電化學傳感器實時采[0014](2)通過構建水質異常識別模型和異常事件識別模型，能夠對不同節點采集到的[0015](3)在識別出水質異常風險及其事件類型后，根據各個風險監測區塊的位置和事[0018]圖1示出了根據本申請實施例的面向水質檢測的物聯網智能監控報警方法的一示[0019]圖2示出了根據本申請實施例的提取水質電化學數據所對應的電化學時序傳感特[0021]圖4示出了根據本申請實施例的水質異常識別模型的另一示例的結構連接示意[0023]圖6示出了根據本申請實施例的一種面向水質檢測的物聯網智能監控報警系統的[0027]圖1示出了根據本申請實施例的面向水質檢測的物聯網智能監控報警方法的一示機碳(TotalOrganicCarbon,TOC)含量[0044]圖2示出了根據本申請實施例的提取水質電化學數據所對應的電化學時序傳感特應的低頻(Approximation)和高頻(Deta其能表征滑動窗口內在不同的周期幅度下捕捉到水質數據的多對組合后的時序特征序列采用特征降維方法，如主成分分析(PrincipalComponent[0052]通過本申請實施例，采用將動態滑動窗口與離散小波變換相結合的特征提取策略，能夠在窗口內的多層次周期幅度下精確提取水質數據的波動特征與周期性變化模式，[0060]計算頻譜中各個頻率分量的能量值并選取能量值最大的頻率[0073]關于步驟S220中的細節，利用離散小波變換(DWT)對當前滑動窗口內的時序數據離散小波變換相較于其他時頻分析方法，如短時傅里葉變換(Short_TimeFourier前周期幅度下特征分量的重要性；表示子帶Xsi在滑動窗口內周期幅度si下子帶特征的波動幅度，其被定義為子帶特征值的最大值max{Xsi而在異常檢測時能夠更準確地識別出潛在的水質固定窗口或單尺度特征提取方法難以適應這些[0097]如圖3所示，水質異常識別模型300包含級聯的時序特征建模模塊310和特征異常[0098]時序特征建模模塊310用于對所輸入的電化學時序傳感特征進行建模，提取針對憶網絡)、GRU(GatedRecurrentUnit,門控循環單元)或ARIMA(AutoregressiveIntegratedMovingAverage,自回歸積分滑動平均模型)，對輸入的電化學時序傳感特征[0100]特征異常識別模塊320用于處理模式時序依賴特征，以預測相應的監測水域區塊器學習算法(如SVM(SupportVectorMachine,支持向量機)、RF(RandomForest,隨機森林))或深度學習模型(如MLP(MultilayerPerceptron,多層感知機)、[0103]圖4示出了根據本申請實施例的水質異常識別模型的另一示例的結構連接示意[0104]如圖4所示，水質異常識別模型400包括時序特征建模模塊410和特征異常識別模[0105]LSTM層411用于通過門控結構提取電化學時序傳感特征中的長期趨勢特征，以捕gg[0110]TCN層412通過堆疊多層卷積操作提取電化學時序傳感特征中的局部波動模式特gggg并通過Softmax層422預測監測水域區塊存在水質異gg和分別表示Softmax層的權重矩陣和偏置項[0122]異常分類層423用于將所預測的水質異常風險的概率值與預設的異常概率閾值之地理解水質數據的復雜變化，還能夠避免僅采用單一模型所帶來的特征表示不足的問題，夠顯著提升對多種類型水質異常的識別能力和[0128]如圖5所示，異常事件識別模型500包含級聯的多尺度卷積模塊510和事件類型分[0129]多尺度卷積模塊510用于提取風險監測水域區塊的模式時序依賴特征所對應的多[0134]注意力層521用于計算針對多尺度時序特征的權重分配矩陣，以確定相應的注意[0136]式中，表示針對風險監測水域區塊B,的第e個卷積核尺度的注意力權重；和表示第e個卷積核尺度的注意力權重矩陣和偏置項；表示注意力層針對風險監測水域區塊B,輸出的注意力特征。信度計算層523確定風險監測水域區塊針對預設的風個隱藏層的輸出特征表示，在第1個隱藏層的計算中L2為第二MLP層對風險監測水域區塊B,輸出的綜合風險特征表示；WLa)和bc)分別表示置信度[0143]異常事件分類層524用于處理置信度矩陣，以識別風險監測水域區塊所對應的水含特征數據和相應的標簽。每個數據樣本中包含多[0155]式中，表示異常事件識別模型的損失函數，表示分類交叉熵損失項，險事件類型集中水質異常風險事件類型的總數，yd,c表示第d個風險數據樣本在第c個風險pd,c表示第d據樣本在第e個卷積核尺度上的第q_1個時間步的特征表示。[0160]圖6示出了根據本申請實施例的一種面向水質檢測的物聯網智能監控報警系統的[0162]水質參數采樣單元610用于基于各個物聯網節點分別采樣針對相應監測水域區塊物聯網節點均部署了電化學傳感器；所述水質電化學數據的傳感參數類型包含水體的pH[0163]時序特征提取單元620用于提取各個所述水質電化學數據所分別對應的電化學時[0164]水質異常識別單元630用于將各個所述電化學時序傳感特征分別輸入至水質異常[0165]異常事件識別單元640用于針對各個預測到存在水質異常風險的風險監測水域區[0166]水域水質警報單元650用于根據各個所述風險監測水域區塊的區塊位置和相應的儲介質中存儲有一個或多個包括執行指令的程夠執行面向水質檢測的物聯網智能監控報警方[0170]圖7是本申請另一實施例提供的執行面向水質檢測的物聯網智能監控報警方法的[0172]執行面向水質檢測的物聯網智能監控報警方法的設備還可以包括：輸入裝置730[0174]存儲器720作為一種非易失性計算機可讀存儲介質，可用于存儲非易失性軟件程能監控報警方法對應的程序指令/模塊。處理器710通過運行存儲在存儲器720中的非易失[0175]存儲器720可以包括存儲程序區和存儲數據區，其中，存儲程序區可存儲操作系[0176]輸入裝置730可接收輸入的數字或字符信息，以及產生與電子設備的用戶設置以[0177]所述一個或者多個模塊存儲在所述存儲器720中，當被所述一個或者多個處理器