大数据技术在水质监测中的应用

2021-04-04宋岳

信息记录材料 2021年1期

宋岳

（太原学院环工系山西太原 030032）

1 引言

传统水质监测的工作模式是通过人工定期对水资源进行采样，带回分析而后得出相关数据与结论，在这整个工作流程中存在耗时久、效率低等现象，水质具体情况的反映不具备太高的及时性、准确性与可靠性，并且无法反映水质的真实情况。大数据技术的出现，水质监测变得越来越智能化和自动化，实现了通过传感器对水质状况进行实时监测，对水质监测工作具有十分重要的意义。

2 水质监测中存在的问题

在当前水质监测相关工作中，还有一些较为明显的缺陷与不足，主要体现在以下两方面。第一，在水质监测工作开展中，由于需要监测的指标过多，需要通过不同类型不同功能的多种设备才能实现整个环节的监测工作，设备不同所具备的参数、原理、技术、费用、性能、维护、检修等都存在很大的差异，不仅为工作人员带来极大的工作压力，设备使用方面也较为繁杂，无法实现统一化。若想实现对水质的高效监测工作，便要保证诸多设备的运行稳定性，定期对多台监测设备进行检修与维护；第二，由于监测设备的频繁更换与性能的不同，对水质监测的数据会造成一定程度的影响，不同时期监测到的水质数据未统一整理接入同一系统中，导致监测数据效率低下且过于零散，数据无法反映出真实的水质状况，缺乏可靠性与准确性[1]。

3 大数据技术在水质监测中的渗透

先前的水质监测系统大多较为注重水质数据的监测，而忽略数据的资源属性与海量数据中有价值信息的挖掘。水质监测系统是在大数据技术、云计算技术、传感器技术等技术支撑下所构建出的智能化系统，主要采用自动化分析仪器，完成对目标区域水质的监测，提升监测数据的质量与效率，实现水质监测的智能化、自动化、信息化。系统中云计算技术引入目的是对监测到的大量水质数据进行有效存储，通过自身独特的优势特征与分布式存储结构，将水质监测所有环节中获得的数据进行集成管理与存储，为水质数据的后期整理与分析做基础；大数据技术在水质监测系统中的应用优势主要是对监测到的水质数据在必要时进行有效分析与高效挖掘，提升水质监测数据分析的准确性，降低工作人员的工作强度，提高工作质量[2]。

4 大数据技术在水质监测中的具体应用

4.1 完善系统整体架构的优化设计

本文以太原市某化工企业为例进行相关说明，通过对现状的了解，得知该企业的水质监测设备在各方面性能都较为不错，能够实现对水质的全面监测，记录并反馈真实水质数据。其水质监测信息管理系统由感知层、网络层和应用层三层组成，虽然看似不存在缺点，但实则缺乏对数据进行整合与统计的环节，导致监测数据准确性不够高。而基于大数据技术背景下的优化型水质监测系统，可以有效解决这一问题，大数据技术可以实现数据处理层的新增，实现对水质监测到的大量数据进行管理、统计、分析与存储，保障监测数据的完整性、真实性、可靠性与完善性，更高程度地提升水质监测工作质量。

4.2 完善系统功能模块的规范化设计

大数据技术与水质监测系统的有效融合，可以使得系统的功能模块更加规范与完善，具体表现在以下几点：

（1）实现水质的动态监测与管理。动态监测与管理即从各个水质监测点，对所含的污染成分进行探测和分析，然后针对系统中甄别出的不符合要求的监测数据与情况以直观的方式表达出来，进行预警，以达到警示效果，提高相关人员对该问题的关注度，制定符合实际需求的应急方案，以有效解决污水超标问题。

（2）实现对工厂信息管理模块中各项信息的有效管理[3]。由于化工企业涉及大量的污水处理工作，不同类型的污水处理无论在规模上还是在设备类型上都存在着显著的差异，因此有必要借助系统功能模块对厂房中所有信息进行处理，特别是与污水处理、水质监测点和设备运行状况有关的信息处理，科学合理地应用水质监测系统，实现管理层与决策层对厂房运行状况的了解，然后在维护的基础上定期检查水质监测设备的整体状况，保证污水全面有效地排放。

（3）实现水质数据的高效分析。该企业传统水质监测设备不具备对水质分析结果数据读取的功能，通过大数据技术的引入，可以实现在水质监测系统中增加水质数据分析模块，完成后期水质监测数据分析结果在系统内的实时更新。

（4）实现大数据分析模块的建立。水质监测设备中的终端传感器设备需要全天候不间隔地测试水质，将监测到的水质数据传输至系统中，导致系统每天需要接收的数据规模非常庞大。利用大数据背景下的大数据分析可以有效解决这一问题，大数据分析模块可以完成对监测数据的初步诊断与处理，剔除错误、冗余或不符合常规的错误数据，并且可以按照相关指标规定对数据进行深度自动分析，将水质检测结果以最直观的图表形式展现出来，实现水质监测的高效率与高质量。