小型水质数据采集系统及改进的kNN预警算法研究

更新时间：2020-03-24 18:49:46 大小：8M 上传用户：songhuahua 查看TA发布的资源 标签：数据采集系统 下载积分：3分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

随着我国社会和经济的快速发展，水资源污染呈现出不断恶化的趋势，水质预警技术显得尤为重要。水质预警可以实时获取水质数据并将数据传输至水质监测中心，同时根据所采集的数据预测未来的水质情况，为水质监测部门及时掌握水质信息和水质发展趋势提供重要的帮助。

水质数据的采集是进行水质预警的前提。现有的水质数据采集方式主要以人工采集和自动监测站采集为主，但是人工采集耗时费力，而监测站建设成本过高，难以实现大规模应用。因此，开发一种低成本、小型化的水质数据采集系统作为人工采集和自动监测站采集的补充方式具有重要意义。水质预警系统除了采集和传输水质数据外，还需要对水质数据进行处理。随着科技的发展和国家对水质监测的大量投入，数据采集方式从传统的人工采集转变为水质监测站自动采集，监测站点数量也迅速增加，这些都导致水质数据的总量和种类急剧增加，因此需要研究一种能够适应大规模数据的水质预测算法。

本文在综述了国内外相关文献的基础上，对小型水质数据采集系统和适应大规模数据的水质预测算法进行了研究。主要工作和创新点如下:

1.研制了小型水质数据采集系统，并对系统进行了初步实验验证。系统由主板和功能扩展板组成，主板主要由电源模块和单片机模块组成，完成系统的能量控制、时间控制和功能模块开启等功能;功能扩展板则是开放性的平台，可以接入多种水质基础参数采集模块，以便根据需求做进一步扩展。系统以太阳能作为供电能源，具有建设成本低的特点，可在无人值守的情况下长期工作。

2.提出了基于分段线性表示kNN算法的水质预测方法，一定程度上解决了传统kNN算法处理大规模数据时耗时较长的问题。该方法结合了kNN算法和分段线性表示算法，考虑了历史信息和水质的当前趋势对预测值的影响。相对于传统的kNN算法，所提出的算法处理大规模水质数据时能够有效减少运算量和运行时间。

3.对所提出的基于分段线性表示kNN算法的预测方法进行了水质浑浊度预测实验验证，同时利用传统的kNN算法以及二次指数平滑法进行预测对比，对三种算法的预测结果进行了分析比较。

本文对水质预警系统中的相关技术进行了研究，对所设计的小型水质数据采集系统和所提出的基于分段线性表示kNN算法的预测方法进行了实验验证，实验结果表明本文所提出...