一种自来水检测方法、系统及存储介质与流程

本发明涉及水质检测领域，尤其涉及一种自来水检测方法、系统及存储介质。

背景技术：

1、随着城市化进程的加快和人们生活水平的提高，自来水的质量和供应稳定性对公众健康和日常生活的重要性日益凸显。自来水检测的实时性和准确性直接关系到水质安全，特别是在面对突发性污染事件时，能够及时发现和预警异常水源，是保障供水安全的重要措施。此外，随着环境保护意识的增强，水资源管理不仅需要关注水质，还需要对水量进行有效监测和历史数据的分析，以确保水资源的可持续利用。

2、现有技术提出了多种自来水检测方法，包括基于物理化学参数检测的手段，如ph值、浊度、溶解氧等指标的测量，这些方法主要依赖于现场采样和实验室分析。

3、现有技术中，往往需要较长时间的实验室分析，分析过程容易受到多种干扰因素的影响，导致检测的实时性差，异常检测结果的准确性不高，难以及时预警异常水源并处理。

技术实现思路

1、本发明提供了一种自来水检测方法、系统及存储介质，以实现自来水的实时检测、提高异常检测结果的准确性，并能够及时预警与处理异常水源。

2、第一方面，为了解决上述技术问题，本发明提供了一种自来水检测方法，包括：

3、获取采集设备采集的当前浊度数据、当前ph度数据、当前水温数据和当前溶解氧浓度数据，并输入至预先训练完成的标准水质检测模型中，得到水质检测得分值；

4、当判定所述水质检测得分值小于预设分值阈值时，生成告警指令，并将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源；

5、其中，所述标准水质检测模型的训练过程包括：

6、获取历史浊度数据、历史ph度数据、历史水温数据和历史溶解氧浓度数据；

7、对所述历史浊度数据、所述历史ph度数据、所述历史水温数据和所述历史溶解氧浓度数据，进行数据预处理和pca降维操作，得到降维数据；

8、基于所述降维数据和预设的标准水质数据作为输入数据，基于粒子群算法构建初始水质检测模型，根据隶属度矩阵和可能性划分矩阵对所述初始水质检测模型进行训练，得到标准水质检测模型。

9、作为一种可选的实施方式，所述对所述历史浊度数据、所述历史ph度数据、所述历史水温数据和所述历史溶解氧浓度数据，进行数据预处理和pca降维操作，得到降维数据，包括：

10、对所述历史浊度数据、所述历史ph度数据、所述历史水温数据和所述历史溶解氧浓度数据进行标准化处理，得到标准化数据；

11、根据所述标准化数据，进行协方差矩阵计算，得到相关度协方差矩阵；

12、根据所述相关度协方差矩阵，进行特征值分解，得到特征值和特征向量；

13、根据所述特征值和所述特征向量，按照特征值从大到小的顺序选择预设数量的所述特征向量，得到特征向量矩阵；

14、根据所述标准化数据和所述特征向量矩阵，将所述标准化数据投影到所述特征向量矩阵上，得到降维数据。

15、作为一种可选的实施方式，所述基于所述降维数据和预设的标准水质数据作为输入数据，基于粒子群算法构建初始水质检测模型，根据隶属度矩阵和可能性划分矩阵对所述初始水质检测模型进行训练，得到标准水质检测模型，包括：

16、初始化所述初始水质检测模型的聚类中心与聚类数目；

17、根据所述聚类中心和所述聚类数目初始化粒子群，进行全梯度惯性粒子群优化，得到最优初始聚类中心与最优初始聚类数目；

18、根据所述最优初始聚类中心与所述最优初始聚类数目，初始化所述初始水质检测模型的参数、隶属度矩阵和可能性划分矩阵；

19、根据当前所述隶属度矩阵和所述可能性划分矩阵，进行聚类中心更新并训练；

20、当训练次数大于或等于预设的最大训练次数时，判定训练完成，得到标准水质检测模型。

21、作为一种可选的实施方式，所述根据所述聚类中心和所述聚类数目初始化粒子群，进行全梯度惯性粒子群优化，得到最优初始聚类中心与最优初始聚类数目，包括：

22、根据所述聚类中心和所述聚类数目初始化粒子群，得到初始粒子群；

23、根据所述初始粒子群，进行粒子惯性权重计算，得到每个粒子的惯性权重值；

24、根据所述初始粒子群，进行粒子适应度计算，得到每个粒子的适应度；

25、根据每个粒子的所述适应度和所述惯性权重值，基于全梯度下降对粒子速度和粒子位置进行迭代，当迭代次数大于或等于预设的最大迭代次数时，判定迭代完成，得到最优初始聚类中心与最优初始聚类数目；

26、其中，所述粒子位置表示所述初始水质检测模型的聚类中心与聚类数目，所述粒子速度表示所述聚类中心与聚类数目的更新步长。

27、作为一种可选的实施方式，所述根据当前所述隶属度矩阵和所述可能性划分矩阵，进行聚类中心更新并训练，包括：

28、获取所述隶属度矩阵和所述可能性划分矩阵；

29、根据所述隶属度矩阵和所述可能性划分矩阵，进行距离计算，得到每个数据点到所有聚类中心的距离；

30、对于每个聚类中心，根据所述隶属度矩阵，进行贡献值计算，得到每个数据点对每个聚类中心的位置贡献值；

31、根据所述位置贡献值，将所有数据点的所述位置贡献值加权求和，得到第二聚类中心；

32、根据所述第二聚类中心，重新计算所有数据点的隶属度，得到第二隶属度矩阵和第二可能性划分矩阵；

33、将所述聚类中心、所述隶属度矩阵和所述可能性划分矩阵对应替换为所述第二聚类中心、所述第二隶属度矩阵和所述第二可能性划分矩阵。

34、作为一种可选的实施方式，所述根据所述第二聚类中心，重新计算所有数据点的隶属度，得到第二隶属度矩阵和第二可能性划分矩阵，包括：

35、通过以下公式计算更新所述隶属度，

36、；

37、其中，为第个数据点隶属于第类的隶属度，为第个数据点隶属于第类的隶属度，为第个数据点隶属于第类的可能性划分值，为第个数据点隶属于第类的可能性划分值，为聚类数目；

38、通过以下公式计算更新所述可能性划分矩阵，

39、；

40、其中，为第个数据点隶属于第类的可能性划分值，为数据点与第类聚类中心之间的欧氏距离，为第类的尺度参数，为可能性加权指数。

41、作为一种可选的实施方式，所述当判定所述水质检测得分值小于预设分值阈值时，生成告警指令，并将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源，还包括：

42、获取从所述标准水质检测模型得到的水质检测得分值、当前时间数据和检测位置数据；

43、将所述水质检测得分值与预设分值阈值进行比较，判断水质是否低于预设分值阈值；

44、当判定所述水质检测得分值小于预设分值阈值时，生成告警指令并发送给控制端；

45、根据所述告警指令中的信息，控制端确定需要关闭的异常水源；

46、控制端执行关闭操作，以使所述异常水源的供应停止；

47、其中，所述告警指令包括异常水源的标识信息、当前水质检测得分值、异常时间数据和异常位置数据。

48、作为一种可选的实施方式，所述将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源之后，所述方法还包括：

49、将所述告警指令发送给用户端；

50、用户端接收告警指令，解析并得到异常水源的标识信息、当前水质检测得分值、异常时间数据和异常位置数据；

51、根据所述异常水源的标识信息、所述当前水质检测得分值、所述异常时间数据和所述异常位置数据，用户端提示用户当前水源存在异常，标记异常位置并发出异常告警。

52、第二方面，本发明提供了一种自来水检测系统，包括：

53、检测端，用于获取浊度数据、ph度数据、水温数据、溶解氧浓度数据、检测位置数据和检测时间数据，并将检测数据发送到服务端；

54、服务端，用于对所述检测数据进行处理，所述服务端根据标准水质检测模型计算水质检测得分值，当判定所述水质检测得分值小于预设分值阈值时，生成告警指令，并将所述告警指令发送给控制端，以使控制端根据所述告警指令关闭对应异常水源；

55、控制端，用于接收所述服务端的指令，控制水源的开启与关闭；

56、用户端，用于接收所述服务端的指令，获取所述检测端的检测数据，展示检测情况，当接收到所述告警指令时，根据所述检测端的检测数据，提示用户当前水源存在异常，标记异常位置并发出异常告警。

57、第三方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的自来水检测方法。

58、相比于现有技术，本发明具有如下有益效果：

59、本发明提供一种自来水检测方法，包括：获取采集设备采集的当前浊度数据、当前ph度数据、当前水温数据和当前溶解氧浓度数据，并输入至预先训练完成的标准水质检测模型中，得到水质检测得分值；当判定所述水质检测得分值小于预设分值阈值时，生成告警指令，并将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源；其中，所述标准水质检测模型的训练过程包括：获取历史浊度数据、历史ph度数据、历史水温数据和历史溶解氧浓度数据；对所述历史浊度数据、所述历史ph度数据、所述历史水温数据和所述历史溶解氧浓度数据，进行数据预处理和pca降维操作，得到降维数据；基于所述降维数据和预设的标准水质数据作为输入数据，基于粒子群算法构建初始水质检测模型，根据隶属度矩阵和可能性划分矩阵对所述初始水质检测模型进行训练，得到标准水质检测模型。所述方法是通过使用历史多维水质数据训练的标准水质检测模型实时检测当前水质数据，从而能够排除多种因素干扰，实现自来水的实时检测、提高异常检测结果的准确性，并能够及时预警与处理异常水源。

技术特征：

1.一种自来水检测方法，其特征在于，由服务端执行，包括：

2.根据权利要求1所述的自来水检测方法，其特征在于，所述对所述历史浊度数据、所述历史ph度数据、所述历史水温数据和所述历史溶解氧浓度数据，进行数据预处理和pca降维操作，得到降维数据，包括：

3.根据权利要求1所述的自来水检测方法，其特征在于，所述基于所述降维数据和预设的标准水质数据作为输入数据，基于粒子群算法构建初始水质检测模型，根据隶属度矩阵和可能性划分矩阵对所述初始水质检测模型进行训练，得到标准水质检测模型，包括：

4.根据权利要求3所述的自来水检测方法，其特征在于，所述根据所述聚类中心和所述聚类数目初始化粒子群，进行全梯度惯性粒子群优化，得到最优初始聚类中心与最优初始聚类数目，包括：

5.根据权利要求3所述的自来水检测方法，其特征在于，所述根据当前所述隶属度矩阵和所述可能性划分矩阵，进行聚类中心更新并训练，包括：

6.根据权利要求5所述的自来水检测方法，其特征在于，所述根据所述第二聚类中心，重新计算所有数据点的隶属度，得到第二隶属度矩阵和第二可能性划分矩阵，包括：

7.根据权利要求1所述的自来水检测方法，其特征在于，所述当判定所述水质检测得分值小于预设分值阈值时，生成告警指令，并将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源，包括：

8.根据权利要求1所述的自来水检测方法，其特征在于，所述将所述告警指令发送给控制端，以使所述控制端根据所述告警指令关闭对应异常水源之后，所述方法还包括：

9.一种自来水检测系统，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的自来水检测方法。

技术总结
本发明公开了一种自来水检测方法、系统及存储介质，方法包括：获取当前浊度数据、pH度数据、水温数据和溶解氧浓度数据，并输入至标准水质检测模型中，得到水质检测得分值；当判定水质检测得分值小于预设分值阈值时，生成告警指令并发送给控制端，以使控制端根据告警指令关闭对应异常水源；标准水质检测模型训练过程包括：获取历史浊度数据、pH度数据、水温数据和溶解氧浓度数据并进行数据预处理和PCA降维操作，得到降维数据；基于降维数据和预设的标准水质数据作为输入数据，基于粒子群算法构建初始水质检测模型，根据隶属度矩阵和可能性划分矩阵进行训练，得到标准水质检测模型。本方法能够实现水质实时检测，提高检测结果准确性。

技术研发人员：邓慧莉,古永存,刘云鹏,李铭洋,邓珊,梁俊纬,胡跃华,黄汉坤,周竞游,周翔,甘芷霖,吴沛威,谭兰兰,叶卉菲
受保护的技术使用者：广州市自来水有限公司
技术研发日：
技术公布日：2024/9/23