农村生活污水处理远程监控系统设计及流量预测研究

王光辉

摘 要：在线监测系统的成功实施，在控制污染物总量和环境管理方面发挥了明显的作用。但是由于系统成本高，维护不便，容易导致采样频率低、误差大，监测数据分散，缺乏实时性能，人工监测数据无法进行及时反映。水污染物的变化和趋势对有关部门的水环境管理和决策没有重大意义。因此，为了快速准确地获得水质监测数据，并在许多领域促进推广，建立一套低成本、易于维护的水质在线监测系统是非常重要的。

关键词：生活污水；监控系统；流量预测

引言

针对农村污水处理设施的广泛分布，很难进行集中监控和管理，利用物联网技术和远程传输技术监控污水处理设施的运行，以便协助相关人员进行设备的维护和监督。本文的污水处理远程监控系统主要分为两部分，即现场端和服务器端。现场端解决的主要问题是收集和传输每个污水处理监测节点的数据到远程监控中心。云监测中心的主要任务是实时显示数据并保存数据于后台数据库中，方便用户随时查询。

一、污水处理远程监控系统的功能需求分析

该系统需要充分考虑监测节点的分布式特征，利用无线传输技术对分散节点的信息进行监控和管理，大大提高了污水处理设备的网络和信息水平。与此同时，考虑到农村的经济水平和工作人员的专业水平，整个系统的设计应该具有低成本、简单操作、方便维护的特点。

因此，综合以上分析，污水处理远程监控系统应该包含以下五方面的具体功能：

（1）实时采集：可采集污水处理现场仪表数据，确保实际时间和精度。

（2）远程监测：用户可以在远程视图处理后查看污水水质、水量数据变化和现场设备运行状态。

（3）参数设定：用户可以设置远程采集时，用户可以设置远程采集参数。同时，用户可根据水量的变化设置逆变器的参数，以控制风机电机的转速。

（4）数据管理：为了保存污水处理数据，用户可以随时查看历史数据。

（5）报警功能：用户可自行设定各参数的报警范围，当数据出现异常时，可以及时发出报警信息提醒用户。

二、污水处理远程监控系统的整体结构

由于我国农村污水处理设施分布广、地形复杂，许多无人值域设备和监测节点不适合建立有线通信网络。如果我们使用光纤或无线电来实现无线通信，我们不仅会在设备上投入很多，而且在操作和维护方面也会遇到困难，这将无法满足系统的需要。因此，选择合适的无线远程传输实现对监测节点的数据采集和实时监测，对系统的研究具有重要的意义。

（1）底层执行端

底部执行端主要包括监测仪器设备、信号采集模块和GPRS数据传输模块。它是监测系统的底层，是远程监控的基础。一方面，控制器接收由服务器发送的控制命令，修改采集参数和风机电机的转速。另一方面，它收集现场仪器的操作参数，通过TCP/IP协议将数据发送给服务器。每个监控节点都有一个数据收集器和GPRS数据传输模块。该模块嵌入了一个独特的SIM卡。为了区分监控节点，服务器使用每个节点的SIM卡号码作为ID号，并由控制器将其发送到服务器。

（2）云监控中心

云监测中心是整个系统的高层部分。该监测中心的设计主要是用来显示现场仪表的污水处理信息，并对其进行存储和管理。云监测中心主要由数据库和服务器组成，数据信息通过GPRS技术连接到广域网络，实现对互联网的远程监控和管理。服务器从底部接收数据并将数据发送到后台数据库进行存储。用户可以通过web页面监控在线污水处理的运行状态。也就是说，浏览器通过HTTP协议访问服务器，服务器读取后台数据库的信息，通过web页面显示实现在线监控。

三、污水处理量的流量预测研究

农村地区的用水量和需水量主要反映在农村污水处理的数量上，因此对污水处理的数量进行分析和预测是十分重要的。根据系统收集的历史污水处理数据，对未来的污水流量数据进行预测，一方面可以为变频器的远程控制频率提供参考。另一方面，用户可以提前预测农村地区的用水量和可能出现的异常情况。同时，将预测数据作为衡量污水处理效果的依据。相关人员为进一步分析，提供了农村地区水资源规划管理和污水处理的理论依据。

利用人工神经网络构建结构模型。原因是人工神经网络具有很强的信息合成能力。神经网络模型具有很强的非线性映射能力。其预测模型具有训练速度快、逼近精度高、对采样数据时间长度要求较低的优点。张宏伟等将将BP人工神经网络应用于污水排放系统，并取得了较好的预测效果。多人研究表明可以利用人工神经网络预测城市的城市和日常排水时间。根据上述原因，本节将着重介绍BP人工神经网络模型。采用该模型预测农村污水处理的数量，并且分析其预测效果和准确性。

在建立预测模型后，有必要对模型的质量和预测精度进行评价。在预测实践中，常用均方误差（MSE）和平均相对误差（MAPE）作为预测模型的精度标准，定义如下：

均方误差与大预测误差有关。预测误差经过平方计算，预测误差更为突出。它反映了预测数據和实际数据的离散程度；平均相对误差与总体预测误差有关，可以覆盖一些低质量的数据；MSE和MAPE值越小，预测精度越高，在大多数情况下，一个参数值的大小不能判断预测模型。利用两者对模型进行评价是必要的，并根据实际预测的精度要求确定模型是否值得应用和外推。

四.结论

在本课题前期，通过调查、调查和相关信息，简要设计了农村污水处理远程监测系统，使污水处理监测和管理更加方便，大大减少了污水处理设施的运行和监督以及人力成本和交通成本。本课题完成的主要任务如下：

（1）分析了污水处理远程监测系统应必备的具体功能，并根据系统的功能设计了系统的总体结构方案。

（2）为了协助用户控制变频器的频率，提前预测农村用水量的大小，为水资源的规划和管理提供依据。本课题还研究了系统收集的污水处理量的预测算法，主要介绍了BP神经网络模型的工作原理，并将模型应用于实际的模型。在实际预测中，BP神经网络模型的预测可以大致反映出数据的涨落趋势。

参考文献：

[1]王歆洵. 基于物联网的污水监控系统设计[D].南京理工大学，2017.

[2]李先知. 污水处理过程远程监控系统设计与支持向量机技术应用研究[D].中国科学技术大学，2016.

[3]张桐. 基于Serial Server的污水厂远程监控系统的设计与实现[D].昆明理工大学，2015.

[4]耿嘉伟，谭学军，朱仕坤，朱维耀，范彬.农村分散污水处理设施远程监控与信息管理系统设计[J].中国给水排水，2015，31（02）：70-72+76.

[5]乌英嘎，罗中明，于晓霞，吴春升.小型污水厂远程监控系统设计[J].电子设计工程，2012，20（06）：127-129.