本发明涉及水质监测领域，尤其涉及一种基于物联网的流动水体水质监测方法及其监测系统。
背景技术：
1、对于河流类的流动水体，往往需要对其水质进行监测，从而判断当前河流的水质能否适应于生活、生产的需求。
2、现有技术中，对于河流等流动水体的水质监测主要有以下方式：第一种：采用人工到目标河流进行采样，然后将采样水体送到检验室进行相应的检验，但是，这种方式效率低，更为重要的是：采样的水体经过采样到检验这个过程后，其水质参数将会发生变化，并且在流动过程中与静止过程中的采样检测也会不同，从而导致准确性降低。随着技术的发展，逐渐出现了第二种方式，即在线监测，通过在目标水体中布置相应的传感器，通过传感器检测的结果来分析水质状态，但是，这又出现了一个新问题，在这个监测过程中，虽然实时性得到了保障，但是，温度和流速的影响现有技术鲜有考虑，也就导致了监测结果与实际状态不符，误差较大。
3、因此，为了解决上述技术问题，亟需提出一种新的技术手段。
技术实现思路
1、有鉴于此，本发明提供的一种基于物联网的流动水体水质监测方法及其监测系统，通过传感器实时监测流动水体的水质参数以及相对应的温度和流速，并且通过温度和流速共同来对水质参数进行校正处理，从而在保证监测数据实时性的同时，有效保证最终监测结果的准确性，而且基于k-means神经网络进行处理，能够有效提升处理效率。
2、本发明提供的一种基于物联网的流动水体水质监测方法，包括以下步骤：
3、s1.实时获取目标流动水体的水质监测信息，其中，水质监测信息包括水体的电导率、水体的ph值、水体的溶解氧以及水体的浊度；
4、s2.实时获取目标流动水体的物理特征信息，其中，物理特征信息包括水体的温度以及水体的流动速度；且物体特征信息与水质监测信息获取的位置相同；
5、s3.基于物理特征信息对水质监测信息进行校正；
6、s4.构建k-means神经网络，将校正后的水质监测信息以及物理特征信息中的温度信息输入至训练后的k-means神经网络中进行处理，得到水质分类监测结果。
7、进一步，基于物理特征信息对水体的电导率校正具体为：
8、判断电导率传感器的使用时间是否小于设定值，如是，则δ'＝δ，如否，则：
9、
10、其中：δ'为矫正后的水体电导率，δ为实时监测的电导率，t为实时监测的温度，v为实时监测的水体流速，v0为设定的基准流速，εδ为温度对电导率的干扰因子，αv为流速对电导率的干扰因子。
11、进一步，基于物理特征信息对水体的ph值的校正具体为：
12、判断ph值传感器的使用时间是否小于设定值，如是，则ph'＝ph，如否，则：
13、
14、其中：ph'为矫正后的水体ph值，ph为实时监测的ph值，t为实时监测的温度，v为实时监测的水体流速，v0为设定的基准流速，εph为温度对ph值的干扰因子，αv-ph为流速对ph值的干扰因子。
15、进一步，基于物理特征信息对水体的浊度的校正为：
16、判断浊度传感器的使用时间是否小于设定值，如是，则tu'＝tu，如否，则：
17、
18、其中：tu'为矫正后的水体浊度，tu为实时监测的浊度，t为实时监测的温度，v为实时监测的水体流速，v0为设定的基准流速，εtu为温度对浊度的干扰因子，αv-tu为流速对浊度的干扰因子。
19、进一步，基于物理特征信息对水体的溶解氧的校正具体为：
20、判断溶解氧传感器的使用时间是否小于设定值，如是，则ro'＝ro，如否，则：
21、
22、其中：ro'为矫正后的溶解氧浓度，ro为实时监测的溶解氧浓度，t为实时监测的温度，v为实时监测的水体流速，v0为设定的基准流速，εro为温度对溶解氧的干扰因子，αv-ro为流速对溶解氧的干扰因子。
23、进一步，在将校正后的水质监测信息以及物理特征信息中的温度信息输入至训练后的k-means神经网络之前，还对将校正后的水质监测信息以及物理特征信息中的温度信息进行归一化处理。
24、进一步，水质分类监测结果包括第一类、第二类、第三类、第四类和第五类；
25、其中：第一类为无污染水；第二类为生活应用水，第三类为动植物饮用水，第四类为工业用水，第四类为农业用水，第五类为污染水。
26、相应地，本发明还提供了一种基于上述方法的流动水体水质监测系统，包括水质监测模块、物理特征监测模块、传输模块以及处理预警模块；
27、所述水质监测模块用于检测目标流动水体的水质信息并输出至传输模块，所述物理特征监测模块用于检测目标流动水体的物理特征信息并输出至传输模块，所述传输模块与处理预警模块通过无线通信模块通信连接，所述处理预警模块用于根据水质信息和物理特征信息进行水质分类判断，并根据判断结果输出预警指令。
28、进一步，所述水质监测模块包括ph值传感器、溶解氧传感器、浊度传感器、电导率传感器；
29、所述物理特征监测模块包括流速传感器和温度传感器；
30、所述水质监测模块和物理特征监测模块设置于同一监测点。
31、进一步，所述传输模块包括预处理电路、定位电路和处理器，所述预处理电路的输入端连接于水质监测模块和物理特征监测模块的输出端，所述定位电路与处理器通信连接，预处理电路的输出端连接于处理器，所述处理器通过无线通信模块与处理预警模块通信连接；
32、所述处理预警模块包括处理服务器、显示预警单元和存储服务器，所述处理服务器通过无线通信模块与处理器通信连接，所述处理服务器与显示预警单元和存储服务器连接。
33、本发明的有益效果：通过传感器实时监测流动水体的水质参数以及相对应的温度和流速，并且通过温度和流速共同来对水质参数进行校正处理，从而在保证监测数据实时性的同时，有效保证最终监测结果的准确性，而且基于k-means神经网络进行处理，能够有效提升处理效率。
1.一种基于物联网的流动水体水质监测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：基于物理特征信息对水体的电导率校正具体为：
3.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：基于物理特征信息对水体的ph值的校正具体为：
4.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：基于物理特征信息对水体的浊度的校正为：
5.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：基于物理特征信息对水体的溶解氧的校正具体为：
6.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：在将校正后的水质监测信息以及物理特征信息中的温度信息输入至训练后的k-means神经网络之前，还对将校正后的水质监测信息以及物理特征信息中的温度信息进行归一化处理。
7.根据权利要求1所述基于物联网的流动水体水质监测方法，其特征在于：水质分类监测结果包括第一类、第二类、第三类、第四类和第五类；
8.一种基于权利要求1-7任一权利要求所述方法的流动水体水质监测系统，其特征在于：包括水质监测模块、物理特征监测模块、传输模块以及处理预警模块；
9.根据权利要求8所述流动水体水质监测系统，其特征在于：所述水质监测模块包括ph值传感器、溶解氧传感器、浊度传感器、电导率传感器；
10.根据权利要求8所述流动水体水质监测系统，其特征在于：所述传输模块包括预处理电路、定位电路和处理器，所述预处理电路的输入端连接于水质监测模块和物理特征监测模块的输出端，所述定位电路与处理器通信连接，预处理电路的输出端连接于处理器，所述处理器通过无线通信模块与处理预警模块通信连接；
