本发明属于废物处理，具体是一种用于含汞废物处理的物联网监控方法及系统。
背景技术：
1、含汞废物处理的物联网监控方法是一种利用物联网技术，实时采集处理现场的各类数据，及时发现异常情况并进行预警，以便迅速采取应对措施，避免汞污染的扩散，旨在实现对含汞废物处理过程更加实时、精准和全面的监控和管理，有利于相关部门进行有效监督和管理。但是现有的含汞废物处理的物联网监控方法，存在含汞废物数据采集不准确，难以进行量化处理，传感器部署位置误差大，导致数据采集更加困难的技术问题；存在大量含汞废物数据传输不迅速，导致难以实现更准确有效的数据传输规划，影响含汞废物处理状况的实时掌握，进而环境污染管控困难的技术问题；存在含汞废物数据中存在异常点，导致对含汞废物的实际情况评估不准确，干扰对整体处理工作进展的认知，影响资源的合理分配和管理，增加环境风险的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种用于含汞废物处理的物联网监控方法及系统，针对存在含汞废物数据采集不准确，难以进行量化处理，传感器部署位置误差大，导致数据采集更加困难的技术问题，采用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，依据目标函数反映的信息对传感器的具体布置进行改进；针对存在大量含汞废物数据传输不迅速，导致难以实现更准确有效的数据传输规划，影响含汞废物处理状况的实时掌握，进而环境污染管控困难的技术问题，采用确定区块链中正确数量的区块，计算区块链的熵和奖励函数，进行区块链数据交换并计算数据传输速率，优化含汞废物数据传输性能；针对存在含汞废物数据中存在异常点，导致对含汞废物的实际情况评估不准确，干扰对整体处理工作进展的认知，影响资源的合理分配和管理，增加环境风险的技术问题，采用训练基础模型，进行异常分数判断，计算异常分数值，根据叶子中异常点和正常点的比例定义叶子颜色，给出分段线性监督深度函数，计算最高异常分数的点，辅助判断含汞废物数据的异常程度。
2、本发明采取的技术方案如下：本发明提供的一种用于含汞废物处理的物联网监控方法，该方法包括以下步骤：
3、步骤s1：含汞废物数据采集，具体为利用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，依据目标函数反映的信息对传感器的具体布置进行改进；
4、步骤s2：含汞废物数据传输，具体为确定区块链中正确数量的区块，计算区块链的熵和奖励函数，进行区块链数据交换并计算数据传输速率，优化含汞废物数据传输性能；
5、步骤s21：确定区块链中正确数量的区块，综合考虑区块链的安全性、效率和可扩展性，通过网络节点的共识机制、区块生成速度和含汞废物数据传输需求，得到区块链的区块数；
6、步骤s3：实时监控预警，具体为训练基础模型，进行异常分数判断，计算异常分数值，根据叶子中异常点和正常点的比例定义叶子颜色，给出分段线性监督深度函数，计算最高异常分数的点，辅助判断含汞废物数据的异常程度；
7、步骤s31：训练基础模型，训练过程中，通过随机抽样数据点构建一系列的隔离树，不断进行随机分割，使异常数据点更易被随机分区隔离；
8、步骤s4：生成废物处理报告，具体为记录含汞废物处理过程；
9、步骤s5：数据共享，具体为确定数据共享范围，设置访问权限，将含汞废物数据进行共享。
10、进一步地，在步骤s1中，所述含汞废物数据采集，包括以下步骤：
11、步骤s11：安装传感器，根据监测需求和目标区域的特点，选择合适的位置安装传感器，确保采集到代表性的含汞废物数据；
12、步骤s12：计算相似性最大值，用于确保数据采集的可靠性，利用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，所用公式如下：
13、；
14、式中，表示在传感器配置下相似性指标的最大值，ssim表示结构相似性指数函数，c表示传感器配置，sim用于衡量两组数据之间相似性的指标，表示传感器配置下的含汞废物数据采集情况，表示真实的含汞废物状况；
15、步骤s13：计算平均绝对误差，为了量化区域平均含汞废物数据采集的准确性，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，所用公式如下：
16、；
17、式中，表示第j个局部控制区域的含汞废物数据采集的平均绝对误差，j表示局部控制区域索引，表示传感器配置下本地控制区域的含汞废物数据采集，表示第j个局部控制区域的真实含汞废物数据，average（）表示计算括号内元素的平均值的函数；
18、步骤s14：优化传感器部署，计算所有区域的mae聚合在一起的目标函数，依据目标函数反映的信息对传感器的具体布置进行改进，所用公式如下：
19、；
20、式中，表示目标函数，用于表示与含汞水平相关的综合评估值，表示局部控制区域总数。
21、进一步地，在步骤s2中，所述含汞废物数据传输，还包括以下步骤：
22、步骤s22：计算区块链的熵，用于评估区块链系统的稳定性，所用公式如下：
23、；
24、式中，h表示区块链的熵，表示区块链的区块数，i表示区块链的索引，表示标准化的信誉评分指标；
25、步骤s23：计算奖励函数，用于合理分配奖励资源，引导区块链向提高奖励的方向进行改进，所用公式如下：
26、；
27、式中，表示奖励函数，表示奖励因子，表示与哈希函数相关的功率，表示与数据速率相关的功率，表示与连通性相关的功率，k表示共识请求数，表示共识时延，表示节点更新时延，表示流量卸载时延，表示计算时延，r表示数据速率；
28、步骤s24：区块链数据交换，数据交换是在属于区块链的终端和缓存节点之间进行的，在边缘节点之间建立安全通信链路之前，所有边缘节点都在区块链层面进行仔细审查，确保只有真实的节点才能参与数据传输，最大限度保障区块链网络中数据交换的安全性和真实性；
29、步骤s25：计算数据速率，综合考虑多种参数，计算出节点之间数据传输的速率，有助于评估和优化数据传输性能，规划网络资源，所用公式如下：
30、；
31、式中，表示在节点x到节点y之间的数据速率，n表示子通道的索引，用于区分不同的子通道，m表示子通道的总数量，表示边缘节点x占用第n个子通道的时间，表示子信道关联的带宽，表示节点x在第n个子通道上的发射功率，表示节点x到节点y在第n个子通道上的信道增益，表示节点x到节点y在第n个子通道上的距离，α表示路径损耗指数，表示节点x的连接数，表示节点j在第n个子通道上的发射功率，表示节点j到节点y在第n个子通道上的信道增益，表示节点j到节点y在第n个子通道上的距离，表示节点y占用第n个子通道的时间。
32、进一步地，在步骤s3中，所述实时监控预警，还包括以下步骤：
33、步骤s32：异常分数判断，分数低表示数据点在隔离林的结构中表现的与正常数据模式相似，被视为正常点；分数高表示数据点在隔离林的构建过程中表现出与正常数据不同的特征，更容易被隔离出来，被视为异常点；当接近归一化因子时，该数据点的行为特征与大多数正常数据接近，没有明显的异常因素；
34、步骤s33：计算异常分数值，训练完成后，要确定数据点的异常分数，所述异常分数是基于该数据点在隔离林中所落入的叶子的深度，所述叶子的深度反映了数据点在树结构中被隔离的难易程度，异常点更容易出现在较浅的叶子中，所以深度较浅对应的异常分数会较高，通过计算该数据点在每棵树上的叶子深度对应的分数，将这些分数在所有树上取平均值，目的在于综合多棵树进行判断，使异常分数更加可靠，在森林中的所有树上取平均值，所用公式如下：
35、；
36、式中，表示点x的异常分数，是归一化因子，t表示森林中的树，f表示森林，表示包含数据点x的特定树t的叶子的深度，表示在森林f中所有树t上取平均值；
37、步骤s34：计算叶子颜色，根据其中包含的异常点和正常点的比例来定义叶子的颜色，所用公式如下：
38、；
39、式中，表示叶子颜色，是叶片中包含的标记正常点的数量，是叶片中标记的异常数量，叶子的颜色决定了叶子的内部结构，用于表示数据异常的概率情况；
40、步骤s35：计算分段线性监督深度函数，用于辅助判断含汞废物数据的异常程度，所用公式如下：
41、；
42、式中，表示叶子的分段线性监督深度函数值，是在无监督训练期间计算的隔离森林的最大深度，是在无监督训练期间计算的隔离森林的最小深度，所述深度表示从根节点到某个节点所经历的划分次数，较浅的深度表示数据点较快地被隔离出来，较深的深度表示数据点经过多次划分才和其他数据分开；
43、步骤s36：计算标记点，所述标记点是当前迭代中具有最高异常分数的点，实时更新和标记异常点，使监控系统能够动态适应含汞废物数据的变化，所用公式如下：
44、；
45、式中，表示被选择出要标记的点，表示在数据点集合x中使后面表达式取得最大值时对应的数据点x的值。
46、进一步地，在步骤s4中，所述生成废物处理报告，具体为根据实时监控内容记录含汞废物来源，进行废物特性描述，记录含汞废物处理的方法并判断含汞浓度是否达到安全排放标准，评估处理过程中对环境的潜在影响，采取相应的防护措施。
47、进一步地，在步骤s5中，所述数据共享，包括以下步骤：
48、步骤s51：确定数据共享范围，明确要共享的具体含汞废物数据类型，包括废物处理量、处理方法和监测数据，建立安全可靠的数据共享平台，让相关部门及时了解含汞废物的整体情况，有效地进行规划、决策和资源分配；
49、步骤s52：设置访问权限，根据不同用户需求和级别，设定相应的访问权限，将整理好的含汞废物数据上传至数据平台后，进行定期更新维护，持续监控含汞废物数据共享过程中的安全情况，采取必要的安全措施防止数据泄露。
50、本发明提供的一种用于含汞废物处理的物联网监控系统，包括含汞废物数据采集模块、含汞废物数据传输模块、实时监控预警模块、生成废物处理报告模块和数据共享模块；
51、所述含汞废物数据采集模块，具体为利用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，依据目标函数反映的信息对传感器的具体布置进行改进；
52、所述含汞废物数据传输模块，具体为确定区块链中正确数量的区块，计算区块链的熵和奖励函数，进行区块链数据交换并计算数据传输速率，优化含汞废物数据传输性能；
53、所述实时监控预警模块，具体为训练基础模型，进行异常分数判断，计算异常分数值，根据叶子中异常点和正常点的比例定义叶子颜色，给出分段线性监督深度函数，计算最高异常分数的点，辅助判断含汞废物数据的异常程度；
54、所述生成废物处理报告模块，具体为记录含汞废物处理过程；
55、所述数据共享模块，具体为确定数据共享范围，设置访问权限，将含汞废物数据进行共享。
56、采用上述方案本发明取得的有益成果如下：
57、（1）针对存在含汞废物数据采集不准确，难以进行量化处理，传感器部署位置误差大，导致数据采集更加困难的技术问题，采用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，依据目标函数反映的信息对传感器的具体布置进行改进；
58、（2）针对存在大量含汞废物数据传输不迅速，导致难以实现更准确有效的数据传输规划，影响含汞废物处理状况的实时掌握，进而环境污染管控困难的技术问题，采用确定区块链中正确数量的区块，计算区块链的熵和奖励函数，进行区块链数据交换并计算数据传输速率，优化含汞废物数据传输性能；
59、（3）针对存在含汞废物数据中存在异常点，导致对含汞废物的实际情况评估不准确，干扰对整体处理工作进展的认知，影响资源的合理分配和管理，增加环境风险的技术问题，采用训练基础模型，进行异常分数判断，计算异常分数值，根据叶子中异常点和正常点的比例定义叶子颜色，给出分段线性监督深度函数，计算最高异常分数的点，辅助判断含汞废物数据的异常程度。
1.一种用于含汞废物处理的物联网监控方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种用于含汞废物处理的物联网监控方法，其特征在于：在步骤s1中，所述含汞废物数据采集，包括以下步骤：
3.根据权利要求1所述的一种用于含汞废物处理的物联网监控方法，其特征在于：在步骤s2中，所述含汞废物数据传输，还包括以下步骤：
4.根据权利要求1所述的一种用于含汞废物处理的物联网监控方法，其特征在于：在步骤s3中，所述实时监控预警，还包括以下步骤：
5.根据权利要求1所述的一种用于含汞废物处理的物联网监控方法，其特征在于：在步骤s4中，所述生成废物处理报告，具体为根据实时监控内容记录含汞废物来源，进行废物特性描述，记录含汞废物处理的方法并判断含汞浓度是否达到安全排放标准，评估处理过程中对环境的潜在影响，采取相应的防护措施。
6.根据权利要求1所述的一种用于含汞废物处理的物联网监控方法，其特征在于：在步骤s5中，所述数据共享，包括以下步骤：
7.一种用于含汞废物处理的物联网监控系统，用于实现如权利要求1-6中任一项所述的一种用于含汞废物处理的物联网监控方法，其特征在于：包括含汞废物数据采集模块、含汞废物数据传输模块、实时监控预警模块、生成废物处理报告模块和数据共享模块。
8.根据权利要求7所述的一种用于含汞废物处理的物联网监控系统，其特征在于：所述含汞废物数据采集模块，具体为利用结构相似性指标，衡量所采集到的含汞废物数据和真实的含汞废物状况之间的相似程度，计算每个局部控制区域的含汞废物数据采集的平均绝对误差，依据目标函数反映的信息对传感器的具体布置进行改进；
