ОБОСНОВАНИЕ ВЫБОРА СТРУКТУРНЫХ ЭЛЕМЕНТОВ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ ДЛЯ ДИСТАНЦИОННЫХ ИЗМЕРЕНИЙ ПОКАЗАТЕЛЕЙ ЖИДКИХ СРЕД, РЕАЛИЗУЕМЫХ НА ОСНОВЕ IoT-ПРОТОКОЛА
DOI:
https://doi.org/10.52167/1609-1817-2025-141-6-265-275Ключевые слова:
вычислительная техника, дистанционное измерение, жидкие среды, вода, IoT-протоколАннотация
В рассматриваемой статье представлены результаты выбора элементов вычислительной техники, выступающих в качестве объекта системы контроля качества воды. Обоснованность выбранных элементов для разработанной системы контроля в статье подтверждается полученными оценочными результатами, укладывающимися в допустимые интервалы погрешности измерения, что дает полное научное основание для утверждения об их высокой точности и метрологической прослеживаемости. Более того, в основу такого измерения положена методология потенциометрических, оптических и гальванических измерений, реализуемых через метод совместного прямого измерения показателей, подтверждающая совместимость методов друг с другом для дистанционной передачи данных. Вместе с тем, методом компьютерного моделирования представлены результаты компьютерной модели разработанной системы сбора, обработки и передачи измерительной информации, которая основана на обоснованно выбранных структурных элементах вычислительной техники. Разработанная система контроля качества воды может быть использована для совместного измерения семи показателей не только воды, но и любых жидких сред, где имеется острая необходимость в оценке информативно значимых параметров, поскольку сенсоры предназначены для применения именно в таких объектах контроля.
Библиографические ссылки
[1] Tariq M. O. An Open Source Water Quality Measurement System for Remote Areas // Engineering Proceedings. 2021. № 1. P. 50. doi:10.3390/engproc2021012050.
[2] Wood R. Implementation of the WHO core components of an infection prevention and controlprogramme in two sub-saharan African acute health-care facilities: a mixed methods study //Antimicrobial Resistance and Infection Control. 2024. № 1. P. 4. doi:10.1186/s13756-023-01358-1.
[3] Mathur R. Modeling of two-stage anaerobic onsite wastewater sanitation system to predict effluent soluble chemical oxygen demand through machine learning // Scientific Reports. 2024. №. 1. P. 1835. doi:10.1038/s41598-023-50805-x.
[4] Shah M. I., Javed M. F., Abunama T. Proposed formulation of surface water quality and modelling using gene expression, machine learning, and regression techniques // Environmental Science and Pollution Research. 2021. №. 28. Р. 13202-13220. doi:10.1007 / s11356-020-11490-9.
[5] Zhao Y. Retrieval of water quality parameters based on near-surface remote sensing and machine learning algorithm // Remote Sensing. 2022. №. 21. P. 5305. doi: 10.3390/rs14215305.
[6] Dosbayev Zh. M.,. Altay Y.A, Uskenbayeva R.K., Kalpeyeva Zh.B. Water quality prediction based on machine learning methods: data processing and comparative evaluation of machine learning models // Bulletin of Almaty uinversity of power engineering and telecommunications. – 2025. - № 70. –Vol. 3. – P. 1-16.
[7] Chowdury M.S. IoT based real-time river water quality monitoring system // Procedia computer science. 2019. №. 155. Р. 161-168. doi:10.1016/j.procs.2019.08.025.
[8] Camargo E.T. Low-cost water quality sensors for IoT: A systematic review // Sensors. 2023. № 9. Р. 4424. doi:10.3390/s23094424.
[9] Essamlali I., Nhaila H., El Khaili M. Advances in machine learning and IoT for water qualitymonitoring: A comprehensive review // Heliyon. 2024. doi: 10.1016/j.heliyon.2024.e27920.
[10] Fadel A. A., Shujaa M. I. Water Quality Monitoring System Based on IoT Platform // IOP Conference Series: Materials Science and Engineering. 2020. №. 3. Р. 032054. doi:10.1088/1757899X/928/3/032054.
[11] Bogdan R. Low-cost internet-of-things water-quality monitoring system for rural areas // Sensors. 2023. №. 8. Р. 3919. doi: 10.3390/s23083919.
[12] Lakshmikantha V. IoT based smart water quality monitoring system // Global Transitions Proceedings. 2021. №. 2. Р. 181-186. doi:10.1016/j.gltp.2021.08.062.
[13] Geetha S., Gouthami S. Internet of things enabled real time water quality monitoring system // Smart Water. 2016. №. 2. Р. 1-19. doi: 10.1186/s40713-017-0005-y.
[14] Sabari M. Water quality monitoring system based on IoT // 2020 IEEE 5th International Conference on Devices, Circuits and Systems. 2020. Р. 279-282. doi:10.1109/ICDCS48716.2020.243598
[15] Wang Z. Research on water environmental indicators prediction method based on EEMD decomposition with CNN-BiLSTM // Scientific Reports. 2024. №. 1. P. 1676. doi:10.1038/s41598-024-51936-5.
[16] РД 52.24.496–2005. Температура, прозрачность и запах поверхностных вод суши. Методика выполнения измерений. — Введ. 2005–07–01. — М.: Федеральная служба по гидрометеорологии и мониторингу окружающей среды, 2005. — 28 с.
[17] ГОСТ Р 58144–2018. Вода дистиллированная. Технические условия. — Введ. 2019–07–01. — М.: Стандартинформ, 2018. — 12 с.
[18] ГОСТ Р 57164—2016. Вода. Методы определения запаха, вкуса и мутности. — Введ. 2017–07–01. — М.: Стандартинформ, 2016. — 18 с.
[19] ГОСТ 6687.8–87. Воды искусственно минерализованные. Методы определения солей. — Введ. 1988–01–01. — М.: Издательство стандартов, 1987. — 8 с.
[20] ГОСТ Р 58797 - 2020. Вода. Методика расчёта индекса качества воды (ИКВ). -Введ. 2021–03–01. -М.: Стандартинформ, 2020. -16с.
[21] ГОСТ 8.292–2013. Кондуктометры жидкости лабораторные. Методы и средства поверки. — Введ. 2014–07–01. — М.: Стандартинформ, 2013. — 20 с.
[22] ГОСТ 8.639-2014. Электроды для определения окислительно-восстановительного потенциала. Методы и средства поверки. — Введ. 2015–07–01. — М.: Стандартинформ, 2014. — 16 с.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2026 Жулдыз Кальпеева, Раиса Ускенбаева, Кайсарали Кадыржан, Зауре Ускенбаева, Айжан Анартаева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
