一种用于区域水环境综合整治的系统的制作方法

本发明涉及水环境管理系统，尤其涉及一种用于区域水环境综合整治的系统。

背景技术：

1、用于区域水环境综合整治的系统融合信息技术、环境科学和工程技术，以实现对水环境的全过程管理，包括监测、评估、预警和治理。通过数据采集、模型预测、决策支持等功能，该系统为政府和决策者提供科学依据，以实现区域水环境质量的改善和可持续管理。在不断引入创新科技的支持下，这一系统有望为塑造更清洁、健康的水环境未来提供关键支持。

2、经检索，中国专利号cn112681270a公开了一种用于区域水环境综合整治的系统，该发明虽然可以方便将悬浮物聚集，方便打捞，但是无法对水环境进行准确评估、且系统容错性较低，使用局限性较大；此外，现有的区域水环境综合整治的系统无法提供丰富的知识背景和关联信息，系统决策的准确性与可解释性低，降低预测结果的有效性，为此，我们提出一种用于区域水环境综合整治的系统。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种用于区域水环境综合整治的系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种用于区域水环境综合整治的系统，包括管理平台、采集监测模块、整合处理模块、图谱融合模块、模型预测模块、决策支持模块、公共信息模块、评估规划模块、合作共享模块以及存储管理模块；

4、所述管理平台用于管理人员查看以及下发相关水环境整治信息；

5、所述采集检测模块用于通过外置传感器收集水环境相关数据；

6、所述整合处理模块用于从不同源头收集的数据并对各组数据进行整合预处理；

7、所述图谱融合模块用于将水环境知识图谱与采集数据进行融合；

8、所述模型预测模块用于依据历史数据和实时监测，预测水环境的演变趋势；

9、所述决策支持模块用于依据预测结果生成多样化的决策方案；

10、所述公共信息模块用于将水环境数据通过手机应用程序以及社交媒体反馈给相关区域居民；

11、所述评估规划模块用于对水资源进行量化评估，制定合理的水资源分配方案；

12、所述合作共享模块用于不通区域共享水环境数据和信息；

13、所述存储管理模块用于对各组数据进行分布式存储，同时对历史数据进行整理和归档。

14、作为本发明的进一步方案，所述传感器具体包括水质传感器、水位传感器、流速传感器、气象传感器、遥感传感器、声纳传感器以及水声传感器；

15、所述水环境相关数据具体包括水质数据、水位数据、流速和流量数据、温度和盐度数据、气象数据以及声音数据。

16、作为本发明的进一步方案，所述整合处理模块数据整合预处理具体步骤如下：

17、步骤一：整合处理模块检测各组数据中存在的缺失值，并标记各缺失值在对应数据中的所在位置，对各组数据中存在的缺失值进行统计和可视化分析以获取缺失值的分布情况和影响范围，并进行填补或删除；

18、步骤二：将处理后的各组数据按照不同传感器进行分类，并分别整合归纳成样本数据集，计算各组数据的标准偏差，之后依据计算出的标准偏差分别对异常数据进行检测并筛除；

19、步骤三：通过指数平滑来去除噪音和波动以获取趋势和周期性信息，同时对各历史数据进行标准化处理以统一格式，再检测是否存在重复的数据记录，若存在重复数据，则将其删除。

20、作为本发明的进一步方案，所述图谱融合模块数据融合具体步骤如下：

21、步骤1：从专家知识、文献资料、互联网以及水资源数据库中收集与水环境相关的各种知识和信息，并对收集到的水环境知识进行分类、去重以及筛选处理；

22、步骤2：通过nlp技术识别和抽取出处理后的水环境知识中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成水环境知识图谱的连接；

23、步骤3：采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理水环境知识图谱，并对水环境知识图谱进行不断地更新和维护，之后将预处理过的水环境历史数据中的实体与知识图谱中的对应实体进行匹配。

24、作为本发明的进一步方案，所述模型预测模块演变趋势预测具体步骤如下：

25、步骤ⅰ：模型预测模块将历史水环境数据整合归纳成验证数据集，之后将数据集划分为训练集和测试集，并初始化卷积神经网络的权重和参数，之后将训练集导入该卷积神经网络中饼计算对应输出，之后通过损失函数衡量模型的预测结果与真实标签之间的损失值；

26、步骤ⅱ：若损失值未满足预设条件，则重新训练该卷积神经网络，并更新该卷积神经网络参数，当损失值满足预设条件时，使用测试集对训练好的卷积神经网络进行评估，计算卷积神经网络在测试集上的性能指标，并输出预测模型，同时将训练好的模型保存到模型存储库中；

27、步骤ⅲ：对新的水环境数据进行预处理，并将预处理后的数据作为输入数据，使预测模型输入层的节点数和数据维度与训练阶段定义的模型输入层保持一致，之后输入数据从预测模型输入层开始经过模型的各隐藏层；

28、步骤ⅳ：各隐藏层分别对输入数据进行一次线性变换和非线性激活，并将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终预测结果，之后设置合适的阈值，将预测结果中的概率值转换为最终的分类标签，同时可以将预测结果中的实数值映射为相应的水环境等级，并以图表或可视化形式展示。

29、作为本发明的进一步方案，步骤ⅳ所述线性变换具体计算公式式如下：

30、z＝x·w+b

31、(1)

32、式中，x代表输入数据，w代表权重矩阵，b代表偏置向量。

33、作为本发明的进一步方案，所述存储管理模块分布式存储具体步骤如下：

34、步骤①：存储管理模块按照预设的时间区间对各组数据进行分割，以获形成多组数据块，之后为机器自动每组数据块分配一个唯一的id或者通过哈希算法生成各组数据块的标识；

35、步骤②：收集各组节点信息，并依据数据块划分规则以及节点负载情况，并通过负载均衡算法选择合适的节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组节点上；

36、步骤③：当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点，之后自动检测节点运行情况，并对故障节点进行数据迁移或修复。

37、相比于现有技术，本发明的有益效果在于：

38、1、本发明通过将历史水环境数据整合归纳成验证数据集，之后将数据集划分为训练集和测试集，并初始化卷积神经网络的权重和参数，之后将训练集导入该卷积神经网络中饼计算对应输出，并在检测训练后输出满足条件的预测模型，对新的水环境数据进行预处理，并作为输入数据从预测模型输入层开始经过模型的各隐藏层，再将处理后的数据通过各层之间的权重和激活函数进行逐层传递，之后输出层输出最终预测结果，之后设置合适的阈值，将预测结果中的概率值转换为最终的分类标签，同时可以将预测结果中的实数值映射为相应的水环境等级，并以图表或可视化形式展示，能够提高水环境评估的准确性和效率，同时可以适应不同区域水环境的特点和变化，有效提高系统容错性，降低使用局限性。

39、2、该系统通过从专家知识、文献资料、互联网以及水资源数据库中收集与水环境相关的各种知识和信息，并对收集到的水环境知识进行分类、去重以及筛选处理，通过nlp技术识别和抽取出处理后的水环境知识中的实体，再从相关的知识信息中提取每个实体的对应属性，并建立实体之间的关系，形成水环境知识图谱的连接，采用三元组的形式将实体、属性和关系处理成对应图状结构，选择合适的图数据库来存储和管理水环境知识图谱，并对水环境知识图谱进行不断地更新和维护，之后将预处理过的水环境历史数据中的实体与知识图谱中的对应实体进行匹配，能够提供丰富的知识背景和关联信息，提高决策的准确性和可解释性，使得系统能够更全面地理解水环境整治背景和意图，从而提高预测结果的有效性。