[发明专利]基于云平台的水质监测系统和方法

权利要求书

1.基于云平台的的水质监测方法，其特征在于，采用的水质监测系统包括采样终端机和云平台；采样终端机包括浸入式探头、光源、光谱仪、上位机；浸入式探头包括用于容纳水样的狭缝、反射镜和光纤接口；

所述系统工作时，光源产生的紫外可见光经光纤通过探头狭缝中的水样，经反射镜反射再次通过水样后，经光纤传输到光谱仪得到水样光谱；在上位机建立水质指标和有害物质光谱预测模型；多个采样点的光谱数据由各自上位机上传到统一的云平台，利用不同采样点的水样的光谱数据，对上位机的水质监测模型参数进行校正；在上位机和云平台上实时显示采样点的水质三维图谱，进行辅助预警；

所述方法包括以下步骤：

步骤1：利用采样终端机采集的光谱数据建立水质监测模型，求解模型参数；

步骤2：将不同采样点采集得到水样的光谱数据，上传到云平台；

步骤3：利用云平台的不同采样点的数据，对水质监测模型进行模型参数校正；

步骤4：实时采集待测水样光谱数据，采用校正的水质监测模型得到水质指标预测结果；

每个采样点采集的水质光谱特征数据记为x_(i)，1≤i≤S，其中S表示采样点总数，各采样点使用相同的光谱仪、相同配置和相同的回归算法；

采样点的水样采用国标法测量其H个水质指标，得到第j个水质指标的浓度值

由多个对组成的训练数据建立指标j的参数化回归模型，记为为模型M_i^j的N+1个参数；x_(i)为采样点具有标注的一条光谱特征；为采样点光谱特征全集；

对每一个采样点i的第j个水质指标，预测模型M：y＝θ·[x₁,x₂,…,x_N,1]^T，式中y表示水质指标预测结果，[x₁,x₂,…,x_N]为光谱特征组成的N维向量x，θ表示N+1个模型参数；

定义损失函数：

采用梯度下降法求解θ的计算式为

θ_j+1＝θ_j-αX^T(θ_jX-Y)

j表示迭代轮次，α表示迭代步长。

2.根据权利要求1所述的水质监测方法，其特征在于，步骤3中，对所述对水质指标预测模型进行模型参数校正，将采样点k上一个水质指标的预测模型的n个参数记为θ_n^k，写为(θ_x^k，θ_y^k)的形式，θ_x^k为(θ_i^k)，i∈[1，N]，θ_y^k为θ_N+1，1≤n≤N+1；建立关于θ的线性模型M：θ_y＝f_δ(θ_x)；

定义损失函数为：

采用梯度下降法求解的迭代公式为：

δ_i+1＝δ_i-αθ_x^T(δ_iθ_x-θ_y)

式中δ_i、δ_i+1分别表示第i、i+1次迭代计算的参数值；α表示迭代步长；

利用多个采样点的模型参数，可求出参数δ，从而建立第k个采样点水质指标校正后的预测模型M_k：θ_y^(k)＝f_δ(θ_x^(k))。

3.根据权利要求1所述的水质监测方法，其特征在于，还包括步骤5：根据步骤4得到的水质指标预测结果，判断水质的污染类别。

4.根据权利要求3所述的水质监测方法，其特征在于，还包括步骤6：对实时采集的采样点水样的光谱的波段、吸光度依据时间维度形成动态的三维图谱，对异常值进行预警。

5.根据权利要求1所述的水质监测方法，其可选特征在于，所述对水质监测模型进行模型参数校正，云平台上每个采样点采集的水质光谱特征数据记为x_(i)，1≤i≤S，其中S表示采样点总数；采样点的水样采用国标法测量其水质指标，得到第j个水质参数的浓度值由多个数据对建立参数化回归模型，记为为模型M_i的n个参数；因各采样点使用相同的光谱仪、相同配置和相同的回归算法，具有相关性；利用最小二乘法估计n维空间的一条直线l，使得S个点到该直线l欧式距离的平方和最小；计算点到直线l的垂足即为对采样点第j个水质参数校正后的模型。