淺析大數據平臺在水務行業中的應用

作者：孟祥飛

【摘要】大數據技術是一種新興的、不斷發展的信息技術。在利行業應用需求分析、基于大數據的復雜性和不確定性,創造了新的管理模式和服務目標,加強精細管理、精準服務，實現為民和公司治理的現代化管理。

與新技術的快速發展和不斷增加,比如云計算、互聯網和移動互聯網,是全世界的重大變化和新突破。在建設模式方面，不同的水務部門面臨著基礎設施建設冗余、投資重復、使用效率低下、整合和共享困難等問題。在業務支持方面，缺乏強大和統一的數據計算能力，在業務高峰時響應緩慢，甚至沒有響應，復雜的操作限制了智能服務的應用。而言,數據管理,現有的架構并不能夠有效地分享和存儲新數據之類的聲音和圖像,視頻和互聯網的東西,以及零碎的信息和日�；顒铀a生的零散數據,而且它們不能滿足企業由于其擴張能力低和成本高。

一、水務行業的大數據現狀及應用方向

1.大數據在水務行業的應用現狀。如今，數據已經滲透到工業和商業智能的各個領域，成為一個重要的生產要素，信息時代的主要技術之一大數據現在被廣泛應用于各個領域。隨著智慧水務建設的發展、GIS技術的普及、移動互聯網和實時監測，水領域的大數據生態正在形成。在這一階段，關于水部門的主要數據有兩個差距:(1)數據的完整性不足。建設智能水是一個長期的過程。這不是一朝一夕就能做到的，在這個階段，許多水務企業的基本數據的完整性存在差距。(2)大數據計算模型的不足。智慧水務建設不斷以GIS技術、移動互聯網技術和實時監控的智慧水務信息化。聯合國系統在各種水務公司所發揮的作用越來越重要,越來越多的水企業聚集區,每時每刻都上傳了大量的數據,實時上傳數據,今天是最寶貴的財富。。然而,在當前形勢下,這些數據沒有正確運用,只是大多數水壓力、流量觀測數據的實時數據的價值,但實際上這相對較小,且這些文字或數字后面直接觀測到的數據并不可用。在沒有相應的重要數據計算方法的情況下，它們只能作為備份存儲在服務器的硬盤上。由此產生的嚴重浪費。

2.主要數據在水務部門的應用方向。一般來說，執行準則如下（1）視覺分析。它是一種分析手段，使信息能夠通過圖形手段清晰有效地傳遞和交流。它主要用于分析大量數據的相關性，即利用可視化數據分析平臺對分散的異構數據進行聯合分析并生成完整的分析圖的過程�？梢暬治鍪且罁髷祿脚_應用,并且許多公司水務部門正在建立數據可視化平臺,例如:BI報表、KPI展示、統籌規劃布局等。（2）提取數據的分析。數據提取分析，即通過創建數據提取模型來測試和計算數據的數據分析方法。這是大數據分析的理論核心。首先提取算法進行數據分析與用戶提供的數據,然后尋找特定的模式和趨勢,并利用分析結果來確定最佳提取模型參數來創建的,適用于所有以提取可行的模型,并詳細的統計數據。數據挖掘分析等領域的深度數據分析的非常有效的規定屬于水務部門,例如數據挖掘技術以及機器上的數據庫監控網絡上的巨大壓力、流量是一個精確的模型模式、壓力管道系統之外的某處時是否異常的數據模型,水力模型可與網絡泄漏檢測等相結合，計算出近似位置。（3）預測分析。預測分析是大數據分析最重要的應用領域之一，它通過結合幾個高級分析功能(特別統計分析、預測建模、數據提取、文本分析、自動學習等)來預測不確定事件。它幫助用戶分析結構化和非結構化數據中的趨勢、模式和關系，并使用這些指標來預測未來的事件提供基礎。

二、建設內容

1.建立大數據標準體系。為水務行業的大數據數據制定技術標準、流程和架構。企業數據的收集和分析用于指導數據的生產和處理、數據倉庫的建設、數據的分析利用和使用等，為企業提供KPI指標體系和決策支持體系。

2.建設大數據基礎平臺。大數據平臺的實現包括集群的實現以及大數據管理和應用軟件的實現。集群的建立需要挑選和購買設備集群數據庫,根據自身需求日益增長的貿易數據和數據集群的核心需求的大數據平臺,以滿足硬件上的大數據平臺。

3.數據來源和收集。數據來源是大數據平臺,大數據平臺數據來源和數據集合類型主要包括結構化、非結構化、半結構化數據,三大類別包括:生產、網絡、銷售、安全、水質,客戶服務數據。數據采集將建立統一的采集平臺，依托大數據數據處理工具進行數據采集、存儲等工作。

4.數據處理和治理。整合集團供水及排水設施的生產及運作控制數據，數據豐富多樣。用獨創的公式計算,該批處理方式,設置定時器,高負荷的訂單估計方法的數據庫,并造成嚴重后果的展示效果,使用專業工具平臺ETL、Quartz元數據的提取、加工、清潔,并且完全集成的數據維度、質量、建模,以及整個生命周期中的數據和元數據。

5.算法和模型分析�；诖髷祿脚_的水質、供水系統的監控和預警進行了優化,建立了水質預測模型,建立故障診斷模型的水泄漏水供應網絡廢水處理設備健康管理和預測模型。供水需求預測優化模型。水質預測模型:對部分試驗數據、歷史數據和工藝數據進行分析，建立供排水水質預測模型。準確預測給排水水質，為污水處理廠的運行提供參考。具體步驟:基于歷史數據建立深度神經網絡模型;數據實時采集，包括供水、排水、環境數據等。對這類數據進行處理，對數據進行清理，處理后的實時數據分別輸入水質預測模型和排水水質預測模型。該算法模型可以在給排水質量過程的實時流量等關鍵參數保持不變的情況下進行預測，從而對液壓裝置的運行做出決策，指導給排水系統的策略制定。模型故障診斷在污水處理領域的應用方法:利用數學模型仿真軟件或現有污水處理技術的某些方面對污水處理廠的運行狀態進行診斷和優化求解。該方法可以通過仿真進行診斷和優化。這種方法要求操作人員具有高度的專業性和更復雜的過程，但診斷和優化方案更精確和有效。設備健康管理:對設備收集的數據進行分析。與常規數據相比，實時采集設備運行狀態和設備關鍵參數，可以提高整體健康狀態的可視性。通過提供一系列的分析工具和設備的動態監測和預測，可以預測早期故障和異常。管網泄漏預測模型:在保證初始流量的前提下，降低管網泄漏率。真實有效的數據管道供水系統,和數據監控數據的深度不同的機器學習方法,數據的相關性尋找每一關鍵環節的網絡損失和相應的滲透深度分析,神經網絡算法、專家經驗,損失預測模型,建立天然氣管道網絡,基于多相流體損失預測維修時間的損失。優化模型預測的供水量和需水量預測:在保證原規劃系統的前提下，對供水量和需水量預測數據提供規劃優化建議，降低能耗，滿足用戶需求。

6.大數據決策支持平臺。建立了大數據決策支持平臺，將集團所有供水和排水單元的生產和運營數據整合到統一的展示和分析中。形成對供水企業從水源、制水、出廠、管網到用戶的安全生產、水質安全、運營情況以及排水企業的管網、進水、出水等生產運營的全面監控。對顯示的決策平臺的所有操作方面進行監控，并實施修改后的模塊化配置和報警設置、信息傳輸、調度等基本配置功能。

大數據時代的到來賦予了智能水務的內涵。目前，智能水務和大數據仍處于起步階段，但人們普遍認識到大數據可以給水務行業帶來的智能變化。大數據平臺的應用為水務行業的調度決策提供了真實有效的數據庫和決策基礎，推進了水務行業的智能流程。