【技术实现步骤摘要】
本申请涉及数据处理领域，具体地，涉及一种基于深度学习生成误差的水质异常数据监测方法及其系统。
技术介绍
1、目前环境的发展越来越收到人们的关注，越来越多的人们开始重视水质的保护，在水质的保护中，对水质的异常监测往往具有及时性和准确性，通过对水质的异常监测，能够快速发现水质变化。例如，在河流受到突发污染事件(如工厂非法排污、化学品泄漏等)时，水质异常监测系统可以通过连续的监测数据，在短时间内察觉到水质参数(如化学需氧量、重金属含量等)的异常波动。这使得相关部门能够在污染扩散的初期就采取应对措施，减少污染对水体生态系统以及周边居民用水安全的危害，同时对于饮用水源地的保护至关重要。以城市的饮用水水库为例，实时的水质异常监测可以及时发现水中的微生物超标、有害物质侵入等情况，从而避免受污染的水进入供水系统，保障居民能够喝到安全的饮用水。但是传统进行水质监测的方式往往通过现场采样实验室分析或者现场快速检测的方式进行，但是这种方式可能会存在因为人工取样而导致监测准确率降低的问题。
2、因此，如何提供一种能够提高水质异常监测准确率的方法，成...
【技术保护点】
1.一种基于深度学习生成误差的水质异常数据监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，若一类校验通过，则进行深度学习，确定深度学习生成误差，根据生成误差输出水质异常检测结果。
3.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，若二类校验未通过，则输出水质异常检测结果。
4.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，获取水质监测数据包括，从多个传感器中获取水质监测数据；
5.如权利要求1所述的...
【技术特征摘要】
1.一种基于深度学习生成误差的水质异常数据监测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，若一类校验通过，则进行深度学习，确定深度学习生成误差，根据生成误差输出水质异常检测结果。
3.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，若二类校验未通过，则输出水质异常检测结果。
4.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，获取水质监测数据包括，从多个传感器中获取水质监测数据；
5.如权利要求1所述的基于深度学习生成误差的水质异常数据监测方法，其特征在于，根据获取的水质监测数据确定水质监测数据类包括，将从不同传感器获取的一个城市的水质监测数据作为一个水质监测数据类。
6.一种基于深度学习生成误差的水质异常数据监测系统，其特征在于，具体包括...
【专利技术属性】
技术研发人员：刘允，姚志鹏，陈亚男，陈鑫，张大伟，毛玉如，沈嘉豪，王延军，刘清旺，何宇慧，仲雨晴，张丽，李亚男，胡晶泊，
申请(专利权)人：中国环境监测总站，
类型：发明
国别省市：
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。