本发明涉及水质监测，具体为一种基于大数据的水文水资源监测方法。
背景技术：
1、水文监测系统适用于水文部门对江、河、湖泊、水库、渠道和地下水等水文参数进行实时监测，随着全球水资源短缺问题的日益严重，对水资源的安全监测与管理变得尤为重要，并且根据水资源监测结果，能够从中了解到区域水资源的自净化能力，了解到区域内对水资源的需求，然后在水资源开发利用上做出合理的调配，为决策者提供了科学的数据支持和决策依据。
2、目前传统的水文水资源监测方法，如人工“定点瞬时”取样法难以及时、准确地获取水质不断变化的动态数据，通常根据每组水质参数的阈值来进行监测，使得管理人员不能充分全面了解水质，影响后续决策，对突发的水质变化响应缓慢，不能及时发现异常，导致不能有效预警水质问题。
技术实现思路
1、本发明的目的在于提供一种基于大数据的水文水资源监测方法，解决了上述背景技术中所提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于大数据的水文水资源监测方法，包括以下步骤：
3、监测前准备，根据监测目标和范围，确定监测站点的位置和数量，在每个监测站点均安装传感器设备；
4、数据采集，构建数据采集系统，数据采集系统包括传感器网络，数据传输设备和数据中心，通过传感器设备采集水文数据，并通过数据传输设备将数据传输至数据中心进行存储；
5、水体质量评估，通过传感器设备采集到的水文数据，利用水质指数算法对水质进行评估，得到水质综合指数q；
6、风险预测，利用异常检测算法并结合水质综合指数q对水体异常波动进行评估，得到异常波动值d，最后结合水质综合指数q和异常波动值d对未来水质变化进行预测，得到未来水质趋势值pt+1，根据未来水质趋势值pt+1实现预防效果；
7、结果展示，将监测结果整理成监测报告展示给管理人员。
8、可选的，所述水文数据包括水位、流量、温度、ph值和重金属含量。
9、可选的，所述水体质量评估步骤中水质指数算法过程如下：
10、；
11、其中q是水质综合指数；
12、vi是第i个水质参数的实际值；
13、li是第i个水质参数的最低限值；
14、ui是第i个水质参数的最高限值；
15、n是水质参数的总数；
16、wi是第i个水质参数的权重；
17、水质指数算法通过加权平均来计算水质综合指数q，每个水质参数的影响力由其wi确定，高权重的水质参数对水质综合指数q的影响大；
18、在实际监测过程中，工作人员也可根据实际情况来实时调整每个水质参数的权重，如在汛期时，为了加强对汛情的监测效果，可以提高对流速和水位等水质参数的权重，以提高对汛情的响应速度，使得本方法在特殊时期能够针对特定情况进行监测。
19、可选的，所述异常检测算法过程如下：
20、；
21、其中dt是时间t的异常波动值；
22、qt是时间t的水质综合指数；
23、qavg是历史水质综合指数的均值；
24、pq是历史水质综合指数的平均偏差；
25、qavg与pq计算过程如下：
26、；
27、其中m是历史数据点的数量；
28、qe是第e个时间点的水质综合指数；
29、设定dt的阈值为y1，当dt大于y1时，表示当前水质综合指数存在异常，并触发警报，提醒工作人员进行调查，此时将水质指数算法中的wi将自动替换为xwi，具体为：
30、；
31、其中xwi是第i个水质参数的新权重；
32、wi是第i个水质参数的权重；
33、γ是调整系数，用于调整dt对xwi的影响，取值范围为0至1；
34、dt是时间t的异常波动值。
35、可选的，所述未来水质趋势值pt+1计算过程如下：
36、；
37、其中pt+1是未来水质趋势值；
38、qt是时间t的水质综合指数；
39、dt是时间t的异常波动值；
40、σq是水质综合指数的标准差；
41、qavg是历史水质综合指数的均值；
42、β是异常检测影响系数，取值范围为0至1；
43、设定未来水质趋势值pt+1的阈值为y2，当pt+1大于y2时，表示未来水质发生突变，自动触发警报，提醒工作人员提前采取预防措施，实现防患于未然的效果。
44、可选的，所述数据采集步骤中的数据中心包括数据处理，所述数据处理包括噪声处理和缺失值处理。
45、可选的，所述数据采集步骤中数据传输设备包括dtu设备，所述数据中心包括hadoop大数据平台。
46、可选的，所述数据采集步骤中，定期对传感器设备进行校准，通过对比标准数据和传感器设备，校正传感器设备误差，并设置传感器设备的数据采集频率，定期对数据采集系统和传感器设备进行维护。
47、与现有技术相比，本发明的有益效果如下：
48、一、本发明通过水质指数算法对多种水文参数进行评估，得到水质综合指数q，水质综合指数q能够将各个单一的水文参数进行整合，使其能够反映水体的整体质量，也使得管理人员全面了解水质情况，随后通过异常检测算法并结合水质综合指数q以及历史数据计算得到异常波动值d，能够实时监测水文数据并及时响应突发的水质变化，最后通过结合水质综合指数q和异常波动值d对未来水质变化进行预测，得到未来水质趋势值pt+1，并通过设置未来水质趋势值pt+1的阈值来实现预警的效果，并且水质综合指数q会在异常波动值d的变动下进行动态调整，最终会影响未来水质趋势值pt+1的数值，使得决策过程更加基于数据，减少了决策的主观性，增强了预警系统的能力，使得工作人员能够提前采取预防措施，减少对水资源的危害。
49、二、本发明在实际监测过程中，工作人员根据实际情况来实时调整每个水质参数的权重，在夏季汛期时，为了加强对汛情的监测效果，可以提高对流速和水位等水质参数的权重，并缩短传感器的采集频率，以提高对汛情变化的响应速度，避免灾情扩大。
1.一种基于大数据的水文水资源监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的水文水资源监测方法，其特征在于：所述水文数据包括水位、流量、温度、ph值和重金属含量。
3.根据权利要求2所述的基于大数据的水文水资源监测方法，其特征在于：所述水体质量评估步骤中水质指数算法过程如下：
4.根据权利要求3所述的基于大数据的水文水资源监测方法，其特征在于：所述异常检测算法过程如下：
5.根据权利要求4所述的基于大数据的水文水资源监测方法，其特征在于：所述未来水质趋势值pt+1计算过程如下：
6.根据权利要求1所述的基于大数据的水文水资源监测方法，其特征在于：所述数据采集步骤中的数据中心包括数据处理，所述数据处理包括噪声处理和缺失值处理。
7.根据权利要求1所述的基于大数据的水文水资源监测方法，其特征在于：所述数据采集步骤中数据传输设备包括dtu设备，所述数据中心包括hadoop大数据平台。
8.根据权利要求1所述的基于大数据的水文水资源监测方法，其特征在于：所述数据采集步骤中，定期对传感器设备进行校准，通过对比标准数据和传感器设备，校正传感器设备误差，并设置传感器设备的数据采集频率，定期对数据采集系统和传感器设备进行维护。
