【技术实现步骤摘要】
本专利技术涉及智能化监控，尤其涉及一种水资源实时监控方法、系统和电子设备。
技术介绍
1、水资源是人类生存和发展的重要基础，保障水资源的安全和质量是社会经济可持续发展的重要任务。然而，由于自然灾害、人为破坏、设备老化等原因，水资源在输送过程中可能会发生泄漏、污染等异常情况，给人民生活和生态环境带来严重危害。传统的水资源监控方法主要依赖人工巡检和离线水质分析，这种方式存在时间延迟大、监测范围有限等问题。
2、因此，为了能够实时监控水资源的状态，并及时发现和处理异常情况，期望一种水资源实时监控方案。
技术实现思路
1、本专利技术实施例提供一种水资源实时监控方法、系统和电子设备，其通过安装在水源地、输水管道、水厂、水库等关键节点的传感器实时采集水资源的流量、压力、水位、温度、浊度、ph值、电导率、余氯等参数，并在后端引入数据处理和分析算法来分别进行不同关键节点的水资源参数协同分析，以此来判断水资源在不同的关键节点流转过程中是否存在异常，例如，判断是否因管道泄漏而导致水资源被污染。这样，能够在水资源进行不同关键点流转的过程中利用多维度的水资源参数信息实时进行水污染的监测，这有助于及时发现和处理水资源污染事件，从而提高水资源异常监测的准确性和实时性，保障水质安全和供水可靠性。
2、本专利技术提供了一种水资源实时监控方法，其包括：
3、获取由第一传感器组和第二传感器组采集的水资源在第一关键节点和第二关键节点的参数值，所述参数值包括流量、压力、水位、温度、浊度
4、将所述水资源在第一关键节点和第二关键节点的参数值按照参数样本维度排列为输入向量以得到第一水资源参数输入向量和第二水资源参数输入向量；
5、通过基于深度神经网络模型的特征提取器分别对所述第一水资源参数输入向量和所述第二水资源参数输入向量进行特征提取以得到第一水资源参数关联特征向量和第二水资源参数关联特征向量；
6、计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染。
7、本专利技术还提供了一种水资源实时监控系统，其包括：
8、数据获取模块，用于获取由第一传感器组和第二传感器组采集的水资源在第一关键节点和第二关键节点的参数值，所述参数值包括流量、压力、水位、温度、浊度、ph值、电导率和余氯量；
9、向量排列模块，用于将所述水资源在第一关键节点和第二关键节点的参数值按照参数样本维度排列为输入向量以得到第一水资源参数输入向量和第二水资源参数输入向量；
10、特征提取模块，用于通过基于深度神经网络模型的特征提取器分别对所述第一水资源参数输入向量和所述第二水资源参数输入向量进行特征提取以得到第一水资源参数关联特征向量和第二水资源参数关联特征向量；
11、水资源污染情况判断模块，用于计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染。
12、本专利技术还提供了一种电子设备，其包括：
13、处理器；
14、存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如所述的水资源实时监控方法。
15、本专利技术的有益效果：
16、通过安装在水源地、输水管道、水厂、水库等关键节点的传感器实时采集水资源的流量、压力、水位、温度、浊度、ph值、电导率、余氯等参数，并在后端引入数据处理和分析算法来分别进行不同关键节点的水资源参数协同分析，以此来判断水资源在不同的关键节点流转过程中是否存在异常，保障水质安全和供水可靠性。
本文档来自技高网...【技术保护点】
1.一种水资源实时监控方法，其特征在于，包括：
2.根据权利要求1所述的水资源实时监控方法，其特征在于，所述基于深度神经网络模型的特征提取器为基于全连接层的特征提取器。
3.根据权利要求2所述的水资源实时监控方法，其特征在于，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染，包括：
4.根据权利要求3所述的水资源实时监控方法，其特征在于，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度，包括：以如下相关度公式计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度；
5.根据权利要求4所述的水资源实时监控方法，其特征在于，响应于所述相关度小于所述预定阈值，确定所述水资源在从第一关键节点流转至第二关键节点的过程中被污染。
6.根据权利要求5所述的水资源实时监控方法，其特征在于，还包括训练步骤：用于对所述基于全连接层的特征提取器进行训练。
7.根据权利要求
8.一种水资源实时监控系统，其特征在于，包括：
9.根据权利要求8所述的水资源实时监控系统，其特征在于，所述基于深度神经网络模型的特征提取器为基于全连接层的特征提取器。
10.一种电子设备，包括：
...【技术特征摘要】
1.一种水资源实时监控方法，其特征在于，包括：
2.根据权利要求1所述的水资源实时监控方法，其特征在于，所述基于深度神经网络模型的特征提取器为基于全连接层的特征提取器。
3.根据权利要求2所述的水资源实时监控方法，其特征在于，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染，包括：
4.根据权利要求3所述的水资源实时监控方法，其特征在于，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度，包括：以如下相关度公式计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征...
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。