【技术实现步骤摘要】
本专利技术涉及水质分析，尤其涉及基于大数据的水质趋势预测系统。
技术介绍
1、水质分析预测模型作为确保水安全的重要非工程措施，长期是行业内热门研究领域。目前主流的水质分析预测技术有数理统计法、数值模拟法、深度学习法等。数理统计法原理简单，易于实现，但由于水质变化是非线性问题，预测精度有限;数值模拟法基于水动力学和物质守恒原理构建水质模型，分析水体中污染物迁移、转化和降解过程,预测精度较高,但模型参数多、计算量大、且需要大量的实测数据进行校准和验证:深度学习法是通过对历史数据进行学习,建立环境量与污染物浓度变化之间的映射关系，能解决复杂的非线性问题，但是可解释性相对较差，对于超出历史经验范畴的极端情况预测准确性会降低。为应对突发水污染事件，有必要深入研究时效性较高、预测精度稳定且相对较高的预测算法，在工程应用中自动根据实时采集的各监测点水深、流速、污染物浓度等监测数据率定模型参数，动态预测水污染事件演进趋势，为指挥决策提供技术支持。
2、水质分析
包含对水体中物理、化学及生物指标的检测与分析，旨在评价水质状态及其变化趋势...
【技术保护点】
1.基于大数据的水质趋势预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于大数据的水质趋势预测系统，其特征在于，所述浓度趋势偏移样本集包括时间偏移参数、误差累计特征、浓度差值窗口索引，所述浓度传导稳定时间段包括时间段分组编号、频率排序结果、重叠区间标签，所述稳定时滞偏移区间包括偏移值区间范围、概率性响应区间、累计频率统计结果，所述浓度衰减比值变化序列包括浓度递减比值序列、比值变化方向标识、连续趋势段编号。
3.根据权利要求1所述的基于大数据的水质趋势预测系统，其特征在于，所述浓度序列偏移模块包括：
4.根据权利要求1...
【技术特征摘要】
1.基于大数据的水质趋势预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于大数据的水质趋势预测系统，其特征在于，所述浓度趋势偏移样本集包括时间偏移参数、误差累计特征、浓度差值窗口索引，所述浓度传导稳定时间段包括时间段分组编号、频率排序结果、重叠区间标签，所述稳定时滞偏移区间包括偏移值区间范围、概率性响应区间、累计频率统计结果，所述浓度衰减比值变化序列包括浓度递减比值序列、比值变化方向标识、连续趋势段编号。
3.根据权利要求1所述的基于大数据的水质趋势预测系统，其特征在于，所述浓度序列偏移模块包括...
【专利技术属性】
技术研发人员：豆喜朋，李连基，陈俊立，孟晓宇，郭一凡，潘子轩，谢晓锋，王媛，郝翔宇，郝博伟，刘磊鑫，
申请(专利权)人：河南省水利勘测有限公司，
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。