基于大数据的水质监测技术初探

邵璇 田文君

摘 要 对水质进行实时动态监测，做好水质预警监测工作，成为保护水资源、实现水资源可持续利用的重要工作。文章从大数据发展，大数据的体系结构，构建大数据水质监测平台，构建水质监测评价模型，基于大数据的水质监测设计，在大数据平台实施水质监测与异常捕获等几个方面，对水质监测技术相关问题展开论述，为做好基于大数据的水质监测工作提供参考。

关键词 大数据；水质监测；数据采集；监测平台

中图分类号 G2 文献标识码 A 文章编号 1674-6708（2018）208-0075-02

近年来，水环境污染造成了严重经济损失，破坏生态环境。城市河流湖泊生态系统遭到损坏，严重威胁到人们的生产与生活用水。对环保的重视力度从国家层面不断加大，在水质检测信息化建设方面政府的投入逐渐增加，在全国范围内推广应用全自动水质监测预警站点。由于水环境风险防范形势日益严峻，我国对水质检测风险预警的能力有待提高，以满足水质风险管控的需求。大量研究成果为水环境风险评价预警能力提升提供了支撑，但仍然存在许多问题。主要体现在如下几个方面：现有数据有效利用较少、难以满足业务需求、平台化与流程化的风险评价没有实现，使得水环境评价预警难以满足生态环保需求。

大数据是信息化发展的产物，是指高速获取、传输、存储与分析大量种类与来源繁多的复杂数据，利用相对经济的方法提取其价值，通过处理海量数据，获得高价值产品与服务。

随着水环境监测要求的提高，水质监测的新问题包括：大数据、实时监控、精准度。本文在分析大数据与水质检测特性的基础上，给出了通用化的大数据水质监测设计架构，成为水质大数据分析与处理的关键，为进一步深入探讨基于大数据的水质监测技术打下基础。

1 基于大数据的水质监测

基于大数据的水质监测技术在信息与计算机以及传统水质监测技术等基础上，不断积累发展起来，实现了水质监测的信息化与智能化需求，是水质监测与新兴技术相结合的产物。基于大数据的水质监测综合利用了大数据与云计算技术，在水质监测中，采集到海量数据后，运用云计算技术的分布式存储与并行计算，满足水质监测大数据的计算与存储需求。

大数据技术针对数据量大、具有实时性、动态性的数据，利用新的模型与系统工具数据挖掘，获取信息并应用。大数据技术以云计算数据处理和分布式存储为基础。大数据水质监测的发展，是云计算技术在水质监测中的高级实现。大数据技术的体系結构如图1所示。

2 大数据水质监测平台的构建

数据来源。水质检测与评价中，主要从3个方面获取数据：一是通过人工方式采集数据，人工定点对水质监测区域进行取样，获取相关水质信息，对水域周围的环境状况进行问卷调查、水域周边地貌状况；二是过传感器现场实时采集的水质数据；三是通过网络抓取的水域属地污染源以及排放物、天气预报情况等数据信息。对水质进行实时动态检测，不但要采集水质相关特征数据，还要对周边环境，排污状况，区域水源，地形地貌等，由于数据类型的多样性，需要配以多样化的存储方式。需要进行整理与归类，量化统一后再标准化存储。

水质特征：常规水质指标是根据地表水环境质量标准确定的，目标层是对城市河流健康状况的评价，指标层划分为水质综合标识指数、感观水质状况和水体黑臭指数。借助大数据平台，把采集到的水质监测数据资料量化处理、统一数据格式，并进行分布式存储后，利用大数据平台所提供的资源进行分布式计算，建立水质风险评价模型对水质状况进行分析。

水质监测评价模型的构建。构建数学模型是进行水质监测综合评价预警的关键。随着数学理论针对水资源监测管理领域的应用研究不断深入，计算机技术的飞速发展，使得诸多数学模型与数学方法在实际中的应用更加广泛；由于水体本身的多元特性，而且相当复杂，有众多因素会对水质产生影响，没有统一可寻的规律性，这些因素共同作用，使得对水质监测的风险评价充满了模糊性。因此，在水质监测评价中缺乏被广泛接受与使用的方法，对水质监测中的水环境风险综合评价预警模型的构建，一直处于不断开发、改进与发展中。

数据平台实施水质监测与异常捕获。水质监测数据平台能够远程监控水质监测数据，实时动态分析水质数据，捕获异常情况。数据平台的告警子系统通过智能计算水质数据，准确判断异常状况，捕获异常并推送告警信息到监测终端。以温控测量为监测指标为例，当测量温度监测为非法值时，监测平台显示异常结果。其中的详细信息中，包括仪表类型、非法数值等。对监测异常结果以关注后推送的方式进行实时提醒；依据异常告警次数，对站点进行告警排行，以数据报告的形式将特定固定时段的告警次数提供给管理者，以便采取适当的处理措施。

基于大数据的水质监测设计。以监测数据的采集、处理、结果分析、状态呈现为主流程，将基于大数据的水质监测结果通过可视化的形式呈现出来。在基于大数据的水质监测设计中，划分为4个层次：基础差、数据层、中间层和表现层。其中，基础层主要部署了相关的水质数据采集设备，包括水质数据传感器、在线监测仪、定点监测仪等水质数据采集设备；数据层是存储水质等相关数据信息的，部署了基础数据库和水质数据库；中间层主要从数据层的数据库中获取相关数据，完成水质数据获取与数值数据监测等数据挖掘服务，并做好数据管理工作，如水质数据管理、后台管理、图表统计等；表现层主要提供水质控制目标，地图显示以及水质监测状态等。基于大数据的水质监测设计如图2所示。

3 结论

构建基于大数据的监测平台，对水质进行监测预警，技术设计目标是：收集影响水质的相关指标参数，并统一格式化存储，分类管理与分析监测指标，发现影响水质的关键参数指标。以大数据平台为依托，合理选择模型算法，利用对海量数据的分析学习与模型训练结果，构建分析预警模型，实时发送监测信息到前台。对水质监测技术的研究，主要从3个方面开展工作：用于进行水环境监测的数据来源不同，采集方式差异较大，为了统一查询分析数据，需要统一存储和访问不同来源数据；研究基于大数据平台的数据挖掘以及相关数据分析方法，提取影响水质的关键因子；构建水质评价预警模型，并经过反复试验，最终选择一个水质监测预测准确度高的模型。

参考文献

[1]邓淑珍，郑爽，马颖卓.无锡河长制“升级版”扬帆起航[J].中国水利，2017（7）：6-11.

[2]刘予伟，刘东润，陈献耘.大数据在水资源管理中的应用展望[J].水资源研究，2015，4（5）：470-476.

[3]王永桂，张万顺，夏晶晶，等.基于大数据的水环境风险业务化评估与预警研究[J].中国环境管理，2017（2）：43-50.