【技术实现步骤摘要】
用于水域监测的计算机服务系统及方法
[0001]本专利技术涉及水质检测领域，更具体地，涉及一种用于水域监测的计算机服务系统及方法。
技术介绍
[0002]水是生命之源，人类在生活和生产活动中都离不开水，生活饮用水水质的优劣与人类健康密切相关。随着社会经济发展、科学进步和人民生活水平的提高，人们对生活饮用水的水质要求不断提高，饮用水水质标准也相应地不断发展和完善。由于生活饮用水水质标准的制定与人们的生活习惯、文化、经济条件、科学技术发展水平、水资源及其水质现状等多种因素有关，不仅各国之间，而且同一国家的不同地区之间，对饮用水水质的要求都存在着差异。
[0003]当前，在对每一片水域执行水质检测时，只能获取历史水质数据和实时水质数据，无法获取未来某一时刻的水质数据，导致在未来执行水质应对措施时只能等待测量数据的到达才能执行，显然，这种水质应对模式较为滞后，水质管理能力低下。
技术实现思路
[0004]为了解决相关领域的技术问题，本专利技术提供了一种用于水域监测的计算机服务系统及方法，能够在采用分时分处执行...
【技术保护点】
【技术特征摘要】
1.一种用于水域监测的计算机服务系统，其特征在于，所述系统包括：水域监控组件，包括多个水域监控单元，设置在同一水域的各个不同监控位置，用于分别实现对所述各个监控位置的设定污染参数的实时测量，以获得各个污染参数数值，所述水域监控组件每隔设定时长执行一次设定污染参数的实时测量；计算机处理组件，与所述水域监控组件连接，用于对获取到的各个污染参数数值执行数值分析以获得水域整体污染参数；分时录入组件，分别与所述水域监控组件和所述计算机处理组件连接，用于将估测时间点的水域整体污染参数作为DNN神经网络的输出数据，将估测时间点之前的固定数目的多个时间点分别对应的多个水域整体污染参数作为DNN神经网络的多个输入数据，建立执行水质估测的DNN神经网络；重建执行组件，与所述分时录入组件连接，用于采用过往的各个时间点分别对应的各个水域整体污染参数作为所述分时录入组件建立的DNN神经网络的用于训练的输入数据和输出数据，完成对DNN神经网络的预设训练次数的多次训练处理，以获得重建后的DNN神经网络；水质鉴定组件，与所述重建执行组件连接，用于将未来某一时间点之前的固定数目的多个时间点分别对应的多个水域整体污染参数作为重建后的DNN神经网络的多个输入数据以执行所述重建后的DNN神经网络，并将所述重建后的DNN神经网络的输出数据作为所述某一时间点的估测的水域整体污染参数；其中，对获取到的各个污染参数数值执行数值分析以获得水域整体污染参数包括：将获取到的各个污染参数数值中的最大值和最小值去除，对剩余的多个污染参数数值执行均值计算处理，以获得水域整体污染参数；其中，在所述分时录入组件中，所述固定数目的取值与所述水域的面积的数值单调正向关联。2.如权利要求1所述的用于水域监测的计算机服务系统，其特征在于，所述系统进一步包括：时间供应组件，与所述水域监控组件连接，用于每隔设定时长向所述水域监控组件发送一次策略启动命令以驱动所述水域监控组件执行一次设定污染参数的实时测量；参数传输组件，与所述水质鉴定组件连接，用于将接收到的所述某一时间点的估测的水域整体污染参数作为水质估测数据无线传输到远端的水质管理服务器。3.如权利要求2所述的用于水域监测的计算机服务系统，其特征在于：所述水质管理服务器为大数据网元或者云计算网元，用于内置有数据库以保存所述某一时间点的估测的水域整体污染参数。4.如权利要求1
‑
3任一所述的用于水域监测的计算机服务系统，其特征在于：采用过往的各个时间点分别对应的各个水域整体污染参数作为所述分时录入组件建立的DNN神经网络的用于训练的输入数据和输出数据，完成对DNN神经网络的预设训练次数的多次训练处理，以获得重建后的DNN神经网络包括：所述多个水域监控单元的数量越多，选择的预设训练次数的取值越大。5.如权利要求1
‑
3任一所述的用于水域监测的计算机服务系统，其特征在于：分别实现对所述各个监控位置的设定污染参数的实时测量，以获得各个污染参数数值
包括：所述设定污染参数为溶解氧量、水温、水质电导率、PH值或者水质浊度。6.一种用于水域监测的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。