Обробка Big Data даних, що надходять з сенсорів аналізу якості води

Abstract

У роботі розглянуто підходи до обробки великих даних (Big Data), що надходять із сенсорних систем моніторингу якості води в режимі реального часу. Представлено основні фізико-хімічні параметри води, які контролюються сенсорами, зокрема температуру, pH, концентрацію розчиненого кисню, залишкового хлору та рівень мінералізації. Описано принципи фільтрації даних за допомогою фільтра Калмана, а також використання методів машинного навчання (SVM, CNN, LSTM) для виявлення аномалій і прогнозування змін показників якості води. Підкреслено важливість інтеграції IoT-пристроїв, хмарних сервісів і аналітики Big Data для формування єдиної інтелектуальної системи моніторингу стану водопровідної мережі.

The paper examines approaches to processing Big Data obtained from real-time water quality monitoring sensor systems. It presents key physico-chemical parameters of water controlled by sensors, including temperature, pH, dissolved oxygen, residual chlorine, and total mineralization level. The study describes data filtering using the Kalman filter and the application of machine learning models (SVM, CNN, LSTM) for anomaly detection and water quality prediction. The importance of integrating IoT devices, cloud services, and Big Data analytics is emphasized to create an intelligent monitoring system for urban water supply networks.