本技术涉及排水管网监测，具体而言，涉及一种排水管网智能监测系统。
背景技术：
1、国家提出加快推动城镇生活污水资源化利用，稳妥推进农业农村污水资源化利用，推进城镇污水管网全覆盖，加大城镇污水收集管网建设力度，消除收集管网空白区，持续提高污水收集效能。重点推进城镇污水管网破损修复、老旧管网更新和混接错接改造，循序推进雨污分流改造。重点流域、缺水地区和水环境敏感区结合当地水资源禀赋和水环境保护要求，实施现有污水处理设施提标升级扩能改造，根据实际需要建设污水资源化利用设施。缺水城市新建城区要因地制宜提前规划布局再生水管网，有序开展相关建设。
2、
3、目前国内城市的排水管网系统大部分是基于gis，城市排水的技术与gis技术结合使用，对管网的空间属性数据进行存储及处理，形成相关数据库，实现数据录入、编辑图形、空间分析等地理信息系统的基本功能，从而监控排水管网状况。由于对管网信息采集不足，更新时效性差，准确度低，系统无法满足越来越高的业务发展需求。
技术实现思路
1、本技术实施例的目的在于提供一种排水管网智能监测系统，以提高对排水管网监测预警的可靠性和时效性。
2、为了实现上述目的，本技术的实施例通过如下方式实现：
3、第一方面，本技术实施例提供一种排水管网智能监测系统，包括：数据采集单元，用于通过布设在监测节点处的液位监测传感器、水质监测传感器和流量监测传感器采集监测节点的液位数据、水质数据和流量数据，其中，监测节点包含片区监测点、管网节点和主干管网；数据处理单元，用于接收数据采集单元采集的液位数据、水质数据和流量数据，并对液位数据、水质数据和流量数据进行数据分析，得到排水监测结果；监测预警单元，用于获取数据处理单元的排水监测结果，并在排水监测结果达到警戒值时生成预警信号进行预警。
4、结合第一方面，在第一方面的第一种可能的实现方式中，数据处理单元，具体用于：接收数据采集单元采集的液位数据、水质数据和流量数据；对液位数据、水质数据和流量数据进行数据清洗和异常值处理；对处理后的液位数据、水质数据和流量数据进行归一化；对归一化后的液位数据、水质数据和流量数据进行特征提取，形成特征向量；将特征向量输入至训练好的排水监测模型中，得到排水监测结果。
5、结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，数据处理单元，具体用于：基于历史液位数据的统计参数，对液位数据进行归一化处理，得到归一化后的液位数据；对水质数据进行归一化处理，得到归一化后的水质数据；基于历史流量数据的统计参数，对流量数据进行归一化处理，得到归一化后的流量数据。
6、结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，历史液位数据的统计参数包括最大液位和最小液位，液位数据包含连续多个时间点采集的液位值，所述数据处理单元，具体用于：采用以下公式对液位数据进行归一化：
7、
8、
9、其中，li为液位数据中第i个液位值，li′为初始归一化后的液位数据中第i个液位值，lmax为历史液位数据的统计参数中的最大液位，lmin为历史液位数据的统计参数中的最小液位，为二次处理后的液位数据中第i个液位值，maxli′为初始归一化后的液位数据中的最大液位，minli′为初始归一化后的液位数据中的最小液位。
10、结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式中，水质数据包含多种参数，每种参数包含连续多个时间点采集的参数值，所述数据处理单元，具体用于：针对每种参数的每个参数值，采用以下公式进行参数归一化：
11、
12、其中，qij为水质数据中第i中参数的第j个参数值，q′ij为归一化后的水质数据中第i中参数的第j个参数值，μi为水质数据中第i中参数的均值，σi为水质数据中第i中参数的标准差。
13、结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，水质数据至少包含ph值、溶解氧、化学需氧量、氨氮、总磷、总氮、电导率和ss中的多种参数。
14、结合第一方面的第二种可能的实现方式，在第一方面的第六种可能的实现方式中，历史流量数据的统计参数包括有效最大流量和有效最小流量，流量数据包含连续多个时间点采集的流量值，所述数据处理单元，具体用于：采用以下公式对流量数据进行归一化：
15、
16、其中，fi为流量数据中第i个流量值，fi′为归一化后的流量数据中第i个流量值，fmax为历史流量数据的统计参数中的有效最大流量，fmin为历史流量数据的统计参数中的有效最小流量。
17、结合第一方面的第一种可能的实现方式，在第一方面的第七种可能的实现方式中，所述数据处理单元，具体用于：对归一化后的液位数据、水质数据和流量数据进行特征提取，得到液位数据、水质数据和流量数据的统计特征、相关性特征和关联特征，其中，统计特征包含液位数据的平均值、方差、最大值、最小值、中位数、偏度和峰度，水质数据的平均值、方差、最大值、最小值、中位数，流量数据的平均值、方差、最大值、最小值、中位数、偏度和峰度，相关性特征包含液位数据和流量数据之间的相关系数，关联特征包含水质数据的氮磷比、溶解氧饱和度；将液位数据、水质数据和流量数据的统计特征、相关性特征和关联特征按设定次序进行拼接，得到特征向量。
18、结合第一方面的第一种可能的实现方式，在第一方面的第八种可能的实现方式中，所述数据处理单元中内置的排水监测模型，采用lstm模型或lstm的变体模型。
19、结合第一方面，在第一方面的第九种可能的实现方式中，所述排水管网智能监测系统还包括问题定位单元，用于基于排水管网中各个监测节点处的排水监测结果，确定出问题节点。
20、有益效果：
21、1.本方案通过布设在监测节点处的液位监测传感器、水质监测传感器和流量监测传感器采集监测节点的液位数据、水质数据和流量数据；对液位数据、水质数据和流量数据进行数据分析，得到排水监测结果；在排水监测结果达到警戒值时生成预警信号进行预警。通过采集多种信息，联立多种数据指标进行数据分析处理，以通过神经网络模型进行深层特征的提取，实现可靠的智能监测。神经网络模型采用lstm模型或lstm的变体模型，可以很好的考虑到时间序列的问题，从而有利于提升监测的可靠性。
22、2.在数据处理的过程中，经过预处理(如清洗和异常值处理)，再进行归一化，针对不同的数据采用或设计更适合的方案进行归一化，例如对液位数据进行初始归一化和二次处理，以便后续过程中更好地提取特征，对水质数据进行各种参数的归一化处理，对流量数据的归一化等。而之后进行特征提取，可以将液位数据、水质数据和流量数据的统计特征(包含液位数据的平均值、方差、最大值、最小值、中位数、偏度和峰度，水质数据的平均值、方差、最大值、最小值、中位数，流量数据的平均值、方差、最大值、最小值、中位数、偏度和峰度)、相关性特征(液位数据和流量数据之间的相关系数)和关联特征(包含水质数据的氮磷比、溶解氧饱和度)按设定次序进行拼接，得到特征向量，最终通过模型进行处理，得出水质检测结果。
23、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，作详细说明如下。
24、
1.一种排水管网智能监测系统，其特征在于，包括：
2.根据权利要求1所述的排水管网智能监测系统，其特征在于，数据处理单元，具体用于：
3.根据权利要求2所述的排水管网智能监测系统，其特征在于，数据处理单元，具体用于：
4.根据权利要求3所述的排水管网智能监测系统，其特征在于，历史液位数据的统计参数包括最大液位和最小液位，液位数据包含连续多个时间点采集的液位值，所述数据处理单元，具体用于：
5.根据权利要求3所述的排水管网智能监测系统，其特征在于，水质数据包含多种参数，每种参数包含连续多个时间点采集的参数值，所述数据处理单元，具体用于：
6.根据权利要求5所述的排水管网智能监测系统，其特征在于，水质数据至少包含ph值、溶解氧、化学需氧量、氨氮、总磷、总氮、电导率和ss中的多种参数。
7.根据权利要求3所述的排水管网智能监测系统，其特征在于，历史流量数据的统计参数包括有效最大流量和有效最小流量，流量数据包含连续多个时间点采集的流量值，所述数据处理单元，具体用于：
8.根据权利要求2所述的排水管网智能监测系统，其特征在于，所述数据处理单元，具体用于：
9.根据权利要求2所述的排水管网智能监测系统，其特征在于，所述数据处理单元中内置的排水监测模型，采用lstm模型或lstm的变体模型。
10.根据权利要求1所述的排水管网智能监测系统，其特征在于，所述排水管网智能监测系统还包括问题定位单元，用于基于排水管网中各个监测节点处的排水监测结果，确定出问题节点。
