污水排放指标分析方法、装置、电子设备及存储介质

摘要

本发明涉及数据分析领域，揭露了一种污水排放指标分析方法，包括：采集预设时间段的污水数据，对污水数据进行数据清洗及噪音消除，得到目标污水数据；对目标污水数据进行时间序列分量，得到多个分量污水数据；利用多个预训练好的数据分析模型检测每个分量污水数据的污水排放指标，其中，数据分析模型与分量污水数据存在一一对应关系；将每个分量污水数据的污水排放指标进行合并，得到污水数据的最终污水排放指标。此外，本发明还涉及区块链技术，所述分量污水数据可存储于区块链中。另外，本发明还提供了一种污水排放指标分析装置、电子设备及存储介质。本发明可以实现污水排放指标的灵活监测，提高污水排放指标的分析准确率。

说明书

技术领域

本发明涉及数据分析领域，尤其涉及一种污水排放指标分析方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科学技术的不断发展，给人们带来了极大的生活便利，同时也给生态环境带来了极大挑战，尤其是在水环境领域中，污水排放问题一直是人们持续关注的热点。目前关于污水排放通常是基于环境部门划分的时间段和排放数量进行排放，但是由于现实业务场景的错综复杂，污水排放数据的多端变化，这样使得每个时间段污水排放很难监测，不够灵活，从而无法准确的了解到每个时间段污水排放量。

发明内容

本发明提供一种污水排放指标分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于实现污水排放指标的灵活监测，提高污水排放指标的分析准确率。

为实现上述目的，本发明提供的一种污水排放指标分析方法，包括：

采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据；

对所述目标污水数据进行时间序列分量，得到多个分量污水数据；

利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系；

将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

可选地，所述对所述污水数据进行数据清洗，得到标准污水数据，包括：

删除所述污水数据中的异常数据，得到初始污水数据，检测所述初始污水数据是否存在数据缺失值；

若所述初始污水数据不存在数据缺失值，则将所述初始污水数据作为标准污水数据；

若所述初始污水数据存在数据缺失值，则对所述数据缺失值进行数据填充，得到标准污水数据。

可选地，所述对所述数据缺失值进行填充，包括：

获取待填充数据的缺失位置，在所述缺失位置预设的填充参数，并计算所述填充参数的缺失值概率；

根据所述缺失位置、填充参数以及缺失值概率，生成所述待填充数据的数据缺失值。

可选地，所述对所述标准污水数据进行噪音消除，得到目标污水数据，包括：

获取所述标准污水数据的数据字段，根据所述数据字段，识别所述标准污水数据的数据属性；

将相同数据属性的标准污水数据进行聚类，得到多个聚类中心点；

计算每个所述聚类中心点的均值污水数据，将所述均值污水数据进行汇总，得到目标污水数据。

可选地，所述对所述目标污水数据进行时间序列分量，得到多个分量污水数据，包括：

获取所述目标污水数据的在所述预设时间段的采集时间点，根据所述采集时间点，构建所述目标污水数据的数据时间序列曲线；

识别所述数据时间序列曲线中目标污水数据的极大值点和极小值点，根据所述极大值点和所述极小值点，采用样条差值函数分别拟合所述数据时间序列曲线，得到极大值时间序列曲线和极小值时间序列曲线；

根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据。

可选地，所述根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据，包括：

计算所述极大值时间序列曲线和极小值时间序列曲线的均值时间序列曲线；

计算所述数据时间序列曲线与所述均值时间序列曲线的差值序列曲线；

将所述差值序列曲线中具有相同幅值点的目标污水数据作为分量污水数据，得到多个分量污水数据。

可选地，所述利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标之前，还包括：

获取所述分量污水数据的历史数据及对应的真实污水排放指标；

利用预构建数据分析模型中的输入门计算所述历史数据的状态值；

利用所述预构建数据分析模型中的遗忘门计算所述历史数据的激活值；

根据所述状态值和激活值计算所述历史数据的状态更新值；

利用所述预构建数据分析模型中的输出门计算所述状态更新值的污水排放序列，得到所述历史数据的预测污水排放指标；

计算所述预测污水排放指标与所述真实污水排放指标的损失值；

若所述损失值大于预设阈值时，调整所述预构建数据分析模型的参数，并返回所述利用预构建数据分析模型中的输入门计算所述历史数据的状态值的步骤；

若所述损失值不大于预设阈值时，得到训练好的数据分析模型。

为了解决上述问题，本发明还提供一种污水排放指标分析装置，所述装置包括：

数据预处理模块，用于采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据；

数据分量模块，用于对所述目标污水数据进行时间序列分量，得到多个分量污水数据；

指标检测模块，用于利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系；

指标合并模块，用于将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的污水排放指标分析方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的污水排放指标分析方法。

本发明实施例首先对所述原始污水数据进行数据清洗和噪声消除，可以筛选出采集的污水数据中的一些无用数据，提高后续数据分析的速度；其次，本发明实施例对所述目标污水数据进行时间序列分量，得到多个分量污水数据，可以将具有相同时间尺度特征的数据归类至一起，有效降低污水数据的时间序列复杂程度，以实现污水数据排放的灵活监测，提高污水数据排放的准确率；进一步地，本发明实施例采用一个分量污水数据对应一个数据分析模型，以实现每个分量污水数据的污水排放指标检测，并将检测的污水排放指标进行合并，得到污水数据的最终污水排放指标，可以进一步提高污水数据排放的监测准确性。因此，本发明提出的一种污水排放指标分析方法、装置、电子设备以及存储介质可以实现污水排放指标的灵活监测，提高污水排放指标的分析准确率。

附图说明

图1为本发明一实施例提供的污水排放指标分析方法的流程示意图；

图2为本发明第一实施例中图1提供的污水排放指标分析方法其中一个步骤的详细流程示意图；

图3为本发明一实施例提供的污水排放指标分析装置的模块示意图；

图4为本发明一实施例提供的实现污水排放指标分析方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种污水排放指标分析方法。所述污水排放指标分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述污水排放指标分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的污水排放指标分析方法的流程示意图。在本发明实施例中，所述污水排放指标分析方法包括：

S1、采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据。

本发明实施例中，所述污水数据包括生产污水数据和生活污水数据。所述生产污水数据包括工业污水数据、农业污水数据以及医疗污水数据等，所述生活污水数据是指日常生活产生的污水数据，通过各种形式的无机物和有机物的复杂混合物，如漂浮和悬浮的大小固体颗粒、胶状和凝胶状扩散物、以及纯溶液等。

进一步地，本发明实施例通过在预设时间段内采集污水数据，以计算出在所述预设时间段内产生污水数据的污水排放指标，其中，所述预设时间段基于不同用户需求设置，比如用户A的需求为采集近三天每个小时所产生的污水数据，用户B的需求为采集近一个月内每天所产生的污水数据，所述污水数据的采集可以通过污水数据采集仪得到。

进一步应该了解的是，在采集的污水数据中可能会存在一些缺失数据和异常数据，为提高后续污水数据的计算速度，本发明实施例对所述污水数据进行数据清洗，以减少后续数据分析的数据量。

在本发明的一个可选实施例中，所述对所述污水数据进行数据清洗，得到标准污水数据，包括：删除所述污水数据中的异常数据，得到初始污水数据，检测所述初始污水数据是否存在数据缺失值；若所述初始污水数据不存在数据缺失值，则将所述初始污水数据作为标准污水数据；若所述初始污水数据存在数据缺失值，则对所述数据缺失值进行数据填充，得到标准污水数据。

一个可选实施例中，所述异常数据的删除通过正态分布算法实现。

一个可选实施例中，所述数据缺失值的检测可以通过当前已知的数据缺失值检测工具中的检测函数实现，如Amelia package工具中的missmap function检测函数实现。

一个可选实施例中，所述对所述数据缺失值进行填充包括：获取待填充数据的缺失位置，在所述缺失位置预设的填充参数，并计算所述填充参数的缺失值概率，根据所述缺失位置、填充参数以及缺失值概率，生成所述待填充数据的数据缺失值。可选的，利用下述公式对所述数据缺失值进行填充：

其中，L(θ)表示填充的数据缺失值，x

进一步地，由于所述标准污水数据中的数据由于采集时间段且数据来源复杂多样，容易导致所述标准污水数据中的数据会存在噪声，比如信号强度抖动的厉害，因此，本发明实施例通过对所述标准污水数据进行噪声消除处理，以确保所述标准污水数据的平滑度，从而可以加快后续数据分析的速度。

在本发明一可选实施例中，所述对所述标准污水数据进行噪音消除，得到目标污水数据包括：获取所述标准污水数据的数据字段，根据所述数据字段，识别所述标准污水数据的数据属性，将相同数据属性的标准污水数据进行聚类，得到多个聚类中心点，计算每个所述聚类中心点的均值污水数据，将所述均值污水数据进行汇总，得到目标污水数据。

其中，所述数据字段是用于表征所述标准污水数据的实体对象参数，所述数据属性用于表征所述标准污水数据的数据类型，如数据名称、数据特征等，所述均值污水数据通过滑动平均滤波法计算。

S2、对所述目标污水数据进行时间序列分量，得到多个分量污水数据。

应该了解，所述目标污水数据是基于预设时间段采集，为了更好的了解在所述预设时间段内每个时间点污水数据的信号变化情况，本发明通过对所述目标污水数据进行时间序列分量，以将具有相同尺度时间特征的数据进行归类，使得所述目标污水数据在所述预设时间段内每个时间点更具有规律性，减少因在所述预设时间段内每个时间点每个污水数据呈现信号变化的影响，提高后续污水数据的分析准确率。

在本发明一可选实施例中，参阅图2所示，所述对所述目标污水数据进行时间序列分量，得到多个分量污水数据，包括：

S20、获取所述目标污水数据的在所述预设时间段的采集时间点，根据所述采集时间点，构建所述目标污水数据的数据时间序列曲线；

S21、识别所述数据时间序列曲线中目标污水数据的极大值点和极小值点，根据所述极大值点和所述极小值点，采用样条差值函数分别拟合所述数据时间序列曲线，得到极大值时间序列曲线和极小值时间序列曲线；

S22、根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据。

其中，所述数据时间序列曲线是将采集时间点作为X轴方向，目标污水数据的幅值作为Y轴方向，根用于反映目标污水数据随着采集时间点的信号变化情况，所述极大值点是指在所述数据时间序列曲线中幅值最大的点，所述极小值点是指在所述数据时间序列曲线中幅值最小的点，所述样条差值函数包括三次样条函数。

一个可选实施例中，所述根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据，包括：计算所述极大值时间序列曲线和极小值时间序列曲线的均值时间序列曲线，计算所述数据时间序列曲线与所述均值时间序列曲线的差值序列曲线，将所述差值序列曲线中具有相同幅值点的目标污水数据作为分量污水数据，得到多个分量污水数据。

进一步地，为保障所述分量污水数据的高可用性和复用性，所述分量污水数据还可存储于一区块链节点中。

S3、利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系。

由上述可知，所述分量污水数据在不同时间点具有相同尺度时间特征，则多个分量污水数据具有多个不同尺度时间特征，例如存在N个分量污水数据：{Y

进一步地，本发明一可选实施例中，在利用多个预训练好的数据分析模型检测每个所述分量污水数据的污水排放指标之前，还包括：训练每个所述分量污水数据的数据分析模型，详细地，所述训练每个所述分量污水数据的数据分析模型包括：获取所述分量污水数据的历史数据及对应的真实污水排放指标，利用预构建数据分析模型中的输入门计算所述历史数据的状态值；利用所述预构建数据分析模型中的遗忘门计算所述历史数据的激活值；根据所述状态值和激活值计算所述历史数据的状态更新值；利用所述预构建数据分析模型中的输出门计算所述状态更新值的污水排放序列，得到所述历史数据的预测污水排放指标；计算所述预测污水排放指标与所述真实污水排放指标的损失值；若所述损失值大于预设阈值时，调整所述预构建数据分析模型的参数，并返回所述利用预构建数据分析模型中的输入门计算所述历史数据的状态值的步骤，若所述损失值不大于预设阈值时，得到训练好的数据分析模型。

其中，所述真实污水排放指标是指所述历史数据在过去时间段内的污水排放量，所述预构建数据分析模型通过长短期记忆网络(LSTM，Long Short-Term Memory)构建，所述LSTM网络用于解决循环神经网络长期依赖的问题，在本发明中，所述预构建数据分析模型用于预测污水数据的排放指标。

一个可选实施例中，利用下述公式计算所述历史数据的状态值：

其中，i

一个可选实施例中，利用下述公式计算所述历史数据的激活值：

其中，f

一个可选实施例中，利用下述公式计算所述历史数据的状态更新值：

其中，c

一个可选实施例中，利用下述公式计算所述状态更新值的污水排放序列：

o

其中，o

一个可选实施例中，利用下述公式计算所述预测污水排放指标与所述真实污水排放指标的损失值：

LC＝m

其中，LC表示损失值，m

一个可选实施例中，所述预构建数据分析模型的参数包括权重和偏置，可选的，采用梯度下降算法更新所述预构建数据分析模型的参数，如随机梯度下降算法。

进一步地，本发明实施例将每个所述分量污水数据输入至对应训练好的数据分析模型中，以获取每个所述分量污水数据的污水排放指标，其中，所述污水排放指标是指每个分量污水数据的在未来一时间段的污水排放数量。

S4、将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

应该了解，所述污水排放指标是每个分量污水数据的排放量，而不是采集的污水数据排放量，因此，本发明实施例将每个所述分量污水数据的污水排放指标进行合并，即将所有的污水排放指标进行相加，得到所述污水数据的最终污水排放指标，基于所述最终污水排放指标可以预测出在所述预设时间段内污水数据在未来时间段内的污水排放量，从而可以帮助用户更加高效的制定污水排放方案。

本发明实施例首先对所述原始污水数据进行数据清洗和噪声消除，可以筛选出采集的污水数据中的一些无用数据，提高后续数据分析的速度；其次，本发明实施例对所述目标污水数据进行时间序列分量，得到多个分量污水数据，可以将具有相同时间尺度特征的数据归类至一起，有效降低污水数据的时间序列复杂程度，以实现污水数据排放的灵活监测，提高污水数据排放的准确率；进一步地，本发明实施例采用一个分量污水数据对应一个数据分析模型，以实现每个分量污水数据的污水排放指标检测，并将检测的污水排放指标进行合并，得到污水数据的最终污水排放指标，可以进一步提高污水数据排放的监测准确性。因此，本发明提出的一种污水排放指标分析方法可以实现污水排放指标的灵活监测，提高污水排放指标的分析准确率。

如图3所示，是本发明污水排放指标分析装置的功能模块图。

本发明所述污水排放指标分析装置100可以安装于电子设备中。根据实现的功能，所述污水排放指标分析装置可以包括数据预处理模块101、数据分量模块102、指标检测模块103以及指标合并模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述数据预处理模块101，用于采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据。

本发明实施例中，所述污水数据包括生产污水数据和生活污水数据。所述生产污水数据包括工业污水数据、农业污水数据以及医疗污水数据等，所述生活污水数据是指日常生活产生的污水数据，通过各种形式的无机物和有机物的复杂混合物，如漂浮和悬浮的大小固体颗粒、胶状和凝胶状扩散物、以及纯溶液等。

进一步地，本发明实施例通过在预设时间段内采集污水数据，以计算出在所述预设时间段内产生污水数据的污水排放指标，其中，所述预设时间段基于不同用户需求设置，比如用户A的需求为采集近三天每个小时所产生的污水数据，用户B的需求为采集近一个月内每天所产生的污水数据，所述污水数据的采集可以通过污水数据采集仪得到。

进一步应该了解的是，在采集的污水数据中可能会存在一些缺失数据和异常数据，为提高后续污水数据的计算速度，本发明实施例对所述污水数据进行数据清洗，以减少后续数据分析的数据量。

在本发明的一个可选实施例中，所述对所述污水数据进行数据清洗，得到标准污水数据，所述数据预处理模块101采用下述方式执行：删除所述污水数据中的异常数据，得到初始污水数据，检测所述初始污水数据是否存在数据缺失值；若所述初始污水数据不存在数据缺失值，则将所述初始污水数据作为标准污水数据；若所述初始污水数据存在数据缺失值，则对所述数据缺失值进行数据填充，得到标准污水数据。

一个可选实施例中，所述异常数据的删除通过正态分布算法实现。

一个可选实施例中，所述数据缺失值的检测可以通过当前已知的数据缺失值检测工具中的检测函数实现，如Amelia package工具中的missmap function检测函数实现。

一个可选实施例中，所述对所述数据缺失值进行填充，所述数据预处理模块101采用下述方式执行：获取待填充数据的缺失位置，在所述缺失位置预设的填充参数，并计算所述填充参数的缺失值概率，根据所述缺失位置、填充参数以及缺失值概率，生成所述待填充数据的数据缺失值。可选的，利用下述公式对所述数据缺失值进行填充：

其中，L(θ)表示填充的数据缺失值，x

进一步地，由于所述标准污水数据中的数据由于采集时间段且数据来源复杂多样，容易导致所述标准污水数据中的数据会存在噪声，比如信号强度抖动的厉害，因此，本发明实施例通过对所述标准污水数据进行噪声消除处理，以确保所述标准污水数据的平滑度，从而可以加快后续数据分析的速度。

在本发明一可选实施例中，所述对所述标准污水数据进行噪音消除，得到目标污水数据，所述数据预处理模块101采用下述方式执行：获取所述标准污水数据的数据字段，根据所述数据字段，识别所述标准污水数据的数据属性，将相同数据属性的标准污水数据进行聚类，得到多个聚类中心点，计算每个所述聚类中心点的均值污水数据，将所述均值污水数据进行汇总，得到目标污水数据。

其中，所述数据字段是用于表征所述标准污水数据的实体对象参数，所述数据属性用于表征所述标准污水数据的数据类型，如数据名称、数据特征等，所述均值污水数据通过滑动平均滤波法计算。

所述数据分量模块102，用于对所述目标污水数据进行时间序列分量，得到多个分量污水数据。

应该了解，所述目标污水数据是基于预设时间段采集，为了更好的了解在所述预设时间段内每个时间点污水数据的信号变化情况，本发明通过对所述目标污水数据进行时间序列分量，以将具有相同尺度时间特征的数据进行归类，使得所述目标污水数据在所述预设时间段内每个时间点更具有规律性，减少因在所述预设时间段内每个时间点每个污水数据呈现信号变化的影响，提高后续污水数据的分析准确率。

在本发明一可选实施例中，所述对所述目标污水数据进行时间序列分量，得到多个分量污水数据，所述数据分量模块102采用下述步骤执行：

步骤I、获取所述目标污水数据的在所述预设时间段的采集时间点，根据所述采集时间点，构建所述目标污水数据的数据时间序列曲线；

步骤II、识别所述数据时间序列曲线中目标污水数据的极大值点和极小值点，根据所述极大值点和所述极小值点，采用样条差值函数分别拟合所述数据时间序列曲线，得到极大值时间序列曲线和极小值时间序列曲线；

步骤III、根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据。

其中，所述数据时间序列曲线是将采集时间点作为X轴方向，目标污水数据的幅值作为Y轴方向，根用于反映目标污水数据随着采集时间点的信号变化情况，所述极大值点是指在所述数据时间序列曲线中幅值最大的点，所述极小值点是指在所述数据时间序列曲线中幅值最小的点，所述样条差值函数包括三次样条函数。

一个可选实施例中，所述根据所述极大值时间序列曲线和极小值时间序列曲线，从所述数据时间序列曲线选取相同幅值点的目标污水数据，得到多个分量污水数据，所述数据分量模块102采用下述步骤执行：计算所述极大值时间序列曲线和极小值时间序列曲线的均值时间序列曲线，计算所述数据时间序列曲线与所述均值时间序列曲线的差值序列曲线，将所述差值序列曲线中具有相同幅值点的目标污水数据作为分量污水数据，得到多个分量污水数据。

进一步地，为保障所述分量污水数据的高可用性和复用性，所述分量污水数据还可存储于一区块链节点中。

所述指标检测模块103，用于利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系。

由上述可知，所述分量污水数据在不同时间点具有相同尺度时间特征，则多个分量污水数据具有多个不同尺度时间特征，例如存在N个分量污水数据：{Y

进一步地，本发明一可选实施例中，在利用多个预训练好的数据分析模型检测每个所述分量污水数据的污水排放指标之前，所述指标检测模块103还包括：训练每个所述分量污水数据的数据分析模型。

详细地，所述训练每个所述分量污水数据的数据分析模型，所述指标检测模块103采用下述方式执行：获取所述分量污水数据的历史数据及对应的真实污水排放指标，利用预构建数据分析模型中的输入门计算所述历史数据的状态值；利用所述预构建数据分析模型中的遗忘门计算所述历史数据的激活值；根据所述状态值和激活值计算所述历史数据的状态更新值；利用所述预构建数据分析模型中的输出门计算所述状态更新值的污水排放序列，得到所述历史数据的预测污水排放指标；计算所述预测污水排放指标与所述真实污水排放指标的损失值；若所述损失值大于预设阈值时，调整所述预构建数据分析模型的参数，并返回所述利用预构建数据分析模型中的输入门计算所述历史数据的状态值的步骤，若所述损失值不大于预设阈值时，得到训练好的数据分析模型。

其中，所述真实污水排放指标是指所述历史数据在过去时间段内的污水排放量，所述预构建数据分析模型通过长短期记忆网络(LSTM，Long Short-Term Memory)构建，所述LSTM网络用于解决循环神经网络长期依赖的问题，在本发明中，所述预构建数据分析模型用于预测污水数据的排放指标。

一个可选实施例中，所述指标检测模块103利用下述公式计算所述历史数据的状态值：

其中，i

一个可选实施例中，所述指标检测模块103利用下述公式计算所述历史数据的激活值：

其中，f

一个可选实施例中，所述指标检测模块103利用下述公式计算所述历史数据的状态更新值：

其中，c

一个可选实施例中，所述指标检测模块103利用下述公式计算所述状态更新值的污水排放序列：

o

其中，o

一个可选实施例中，所述指标检测模块103利用下述公式计算所述预测污水排放指标与所述真实污水排放指标的损失值：

LC＝m

其中，LC表示损失值，m

一个可选实施例中，所述预构建数据分析模型的参数包括权重和偏置，可选的，采用梯度下降算法更新所述预构建数据分析模型的参数，如随机梯度下降算法。

所述指标合并模块104，用于将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

应该了解，所述污水排放指标是每个分量污水数据的排放量，而不是采集的污水数据排放量，因此，本发明实施例将每个所述分量污水数据的污水排放指标进行合并，即将所有的污水排放指标进行相加，得到所述污水数据的最终污水排放指标，基于所述最终污水排放指标可以预测出在所述预设时间段内污水数据在未来时间段内的污水排放量，从而可以帮助用户更加高效的制定污水排放方案。

本发明实施例首先对所述原始污水数据进行数据清洗和噪声消除，可以筛选出采集的污水数据中的一些无用数据，提高后续数据分析的速度；其次，本发明实施例对所述目标污水数据进行时间序列分量，得到多个分量污水数据，可以将具有相同时间尺度特征的数据归类至一起，有效降低污水数据的时间序列复杂程度，以实现污水数据排放的灵活监测，提高污水数据排放的准确率；进一步地，本发明实施例采用一个分量污水数据对应一个数据分析模型，以实现每个分量污水数据的污水排放指标检测，并将检测的污水排放指标进行合并，得到污水数据的最终污水排放指标，可以进一步提高污水数据排放的监测准确性。因此，本发明提出的一种污水排放指标分析装置可以实现污水排放指标的灵活监测，提高污水排放指标的分析准确率。

如图4所示，是本发明实现污水排放指标分析方法的电子设备的结构示意图。

所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如污水排放指标分析程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行污水排放指标分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如污水排放指标分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称ELSA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备中的所述存储器11存储的污水排放指标分析程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：

采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据；

对所述目标污水数据进行时间序列分量，得到多个分量污水数据；

利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系；

将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

采集预设时间段的污水数据，对所述污水数据进行数据清洗，得到标准污水数据，并对所述标准污水数据进行噪音消除，得到目标污水数据；

对所述目标污水数据进行时间序列分量，得到多个分量污水数据；

利用多个预训练好的数据分析模型检测所述多个分量污水数据的污水排放指标，得到每个分量污水数据的污水排放指标，其中，所述数据分析模型与所述分量污水数据存在一一对应关系；

将每个所述分量污水数据的污水排放指标进行合并，得到所述污水数据的最终污水排放指标。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。