金年会

傳統水質監測的工作模式是通過人工定期對水資源進行采樣，帶回分析而後得出相關數據與結論，在這整個工作流程中存在耗時久、效率低等現象，水質具體情況的反映不具備太高的及時性、準确性與可靠性，并且無法反映水質的真實情況。大數據技術的出現，水質監測變得越來越智能化和自動化，實現了通過傳感器對水質狀況進行實時監測，對水質監測工作具有十分重要的意義。

1 水質監測中存在的問題

在當前水質監測相關工作中，還有一些較為明顯的缺陷與不足，主要體現在以下兩方面。第一，在水質監測工作開展中，由于需要監測的指标過多，需要通過不同類型不同功能的多種設備才能實現整個環節的監測工作，設備不同所具備的參數、原理、技術、費用、性能、維護、檢修等都存在很大的差異，不僅為工作人員帶來極大的工作壓力，設備使用方面也較為繁雜，無法實現統一化。若想實現對水質的高效監測工作，便要保證諸多設備的運行穩定性，定期對多台監測設備進行檢修與維護；第二，由于監測設備的頻繁更換與性能的不同，對水質監測的數據會造成一定程度的影響，不同時期監測到的水質數據未統一整理接入同一系統中，導緻監測數據效率低下且過于零散，數據無法反映出真實的水質狀況，缺乏可靠性與準确性。

2 大數據技術在水質監測中的滲透

先前的水質監測系統大多較為注重水質數據的監測，而忽略數據的資源屬性與海量數據中有價值信息的挖掘。水質監測系統是在大數據技術、雲計算技術、傳感器技術等技術支撐下所構建出的智能化系統，主要采用自動化分析儀器，完成對目标區域水質的監測，提升監測數據的質量與效率，實現水質監測的智能化、自動化、信息化。系統中雲計算技術引入目的是對監測到的大量水質數據進行有效存儲，通過自身獨特的優勢特征與分布式存儲結構，将水質監測所有環節中獲得的數據進行集成管理與存儲，為水質數據的後期整理與分析做基礎；大數據技術在水質監測系統中的應用優勢主要是對監測到的水質數據在必要時進行有效分析與高效挖掘，提升水質監測數據分析的準确性，降低工作人員的工作強度，提高工作質量。

3 大數據水質監測平台的構建

數據來源。水質檢測與評價中，主要從3個方面獲取數據：一是通過人工方式采集數據，人工定點對水質監測區域進行取樣，獲取相關水質信息，對水域周圍的環境狀況進行問卷調查、水域周邊地貌狀況；二是過傳感器現場實時采集的水質數據；三是通過網絡抓取的水域屬地污染源以及排放物、天氣預報情況等數據信息。對水質進行實時動态檢測，不但要采集水質相關特征數據，還要對周邊環境，排污狀況，區域水源，地形地貌等，由于數據類型的多樣性，需要配以多樣化的存儲方式。需要進行整理與歸類，量化統一後再标準化存儲。

水質特征。常規水質指标是根據地表水環境質量标準确定的，目标層是對城市河流健康狀況的評價，指标層劃分為水質綜合标識指數、感觀水質狀況和水體黑臭指數。借助大數據平台，把采集到的水質監測數據資料量化處理、統一數據格式，并進行分布式存儲後，利用大數據平台所提供的資源進行分布式計算，建立水質風險評價模型對水質狀況進行分析。

水質監測評價模型的構建。構建數學模型是進行水質監測綜合評價預警的關鍵。随着數學理論針對水資源監測管理領域的應用研究不斷深入，計算機技術的飛速發展，使得諸多數學模型與數學方法在實際中的應用更加廣泛；由于水體本身的多元特性，而且相當複雜，有衆多因素會對水質産生影響，沒有統一可尋的規律性，這些因素共同作用，使得對水質監測的風險評價充滿了模糊性。因此，在水質監測評價中缺乏被廣泛接受與使用的方法，對水質監測中的水環境風險綜合評價預警模型的構建，一直處于不斷開發、改進與發展中。

數據平台實施水質監測與異常捕獲。水質監測數據平台能夠遠程監控水質監測數據，實時動态分析水質數據，捕獲異常情況。數據平台的告警子系統通過智能計算水質數據，準确判斷異常狀況，捕獲異常并推送告警信息到監測終端。以溫控測量為監測指标為例，當測量溫度監測為非法值時，監測平台顯示異常結果。其中的詳細信息中，包括儀表類型、非法數值等。對監測異常結果以關注後推送的方式進行實時提醒；依據異常告警次數，對站點進行告警排行，以數據報告的形式将特定固定時段的告警次數提供給管理者，以便采取适當的處理措施。

基于大數據的水質監測設計。以監測數據的采集、處理、結果分析、狀态呈現為主流程，将基于大數據的水質監測結果通過可視化的形式呈現出來。在基于大數據的水質監測設計中，劃分為 4 個層次：基礎層、數據層、中間層和表現層。其中，基礎層主要部署了相關的水質數據采集設備，包括水質數據傳感器、在線監測儀、定點監測儀等水質數據采集設備；數據層是存儲水質等相關數據信息的，部署了基礎數據庫和水質數據庫；中間層主要從數據層的數據庫中獲取相關數據，完成水質數據獲取與數值數據監測等數據挖掘服務，并做好數據管理工作，如水質數據管理、後台管理、圖表統計等；表現層主要提供水質控制目标，圖顯示以及水質監測狀态等。基于大數據的水質監測設計如圖1所示。

構建基于大數據的監測平台，對水質進行監測預警，技術設計目标是：收集影響水質的相關指标參數，并統一格式化存儲，分類管理與分析監測指标，發現影響水質的關鍵參數指标。以大數據平台為依托，合理選擇模型算法，利用對海量數據的分析學習與模型訓練結果，構建分析預警模型，實時發送監測信息到前台。對水質監測技術的研究，主要從3個方面開展工作：用于進行水環境監測的數據來源不同，采集方式差異較大，為了統一查詢分析數據，需要統一存儲和訪問不同來源數據；研究基于大數據平台的數據挖掘以及相關數據分析方法，提取影響水質的關鍵因子；構建水質評價預警模型，并經過反複試驗，最終選擇一個水質監測預測準确度高的模型。