Sensorbaseret varsling af badevandskvalitet i Aarhus Havn
Oversat titel
Sensor based warning of bathing water quality in Aarhus Harbour
Forfattere
Semester
4. semester
Uddannelse
Udgivelsesår
2019
Afleveret
2019-06-06
Antal sider
122
Abstract
I dette projekt er der opbygget et komplet varslingssystem der, ved brug af sensordata, kan varsle om forringet badevandskvalitet i Aarhus Havn. De nuværende metoder til analyse af bakteriekoncentrationer i badevand er ikke egnede til at varsle om forringet badevandskvalitet grundet lang opformeringstid for prøverne på mindst 24 timer. Den lange opformeringstid, kombineret med generelt dårlig vandkvalitet i havnen, medfører et behov for et varslingssytem. Med en statistisk tilgang er der undersøgt hvilke parametre der er egnede indikatorer for badevandskvalitet. Det konkluderes herudfra, at den bedste indikator er vandets elektriske ledningsevne. Dette skyldes, at den primære kilde til fækal forurening af havnen er Aarhus Å, der har sit udløb i havnen. Aarhus Å er belastet af en lang række regnbetingede udløb fra fælleskloak og udledninger fra renseanlæg. Den elektriske ledningsevne kan derfor benyttes som tracer for hvor stor en andel af forurenet ferskvand, der er tilstede der, hvor der måles. Der er opbygget en eksponentiel model for sammenhængen mellem bakteriekoncentration og ledningsevne, der viser en høj præcision. Præcisionen er forbedret ved at inddrage nedbørsmængder og -intesiteter i en ny model baseret på machine learning. Foruden de forbedrede prædiktionsresultater resulterer den nye model i en markant reduktion i antallet af dage, hvor badeområde skal lukkes. Til at fuldende varslingssystemet er der udviklet en målestation til at monitere ledningsevnen. Formålet med den nye målestation er at løse et problem med uønsket algevækst på sensoren. Dette problem er løst ved at placere sensoren i et kammer, der kan tømmes for vand ved brug af trykluft.
During this project a complete warning system has been built to warn about bad bathing water quality in Aarhus Harbour using real-time sensor data. The current methods used to measure the bacteria concentration in water is insufficient to warn about bad bathing water quality, due to the long incubation period of the samples of minimum 24 hours. This, combined with the generally bad water quality in the harbour, leads to the need of a warning system. With a statistical approach the suitable indicators for bathing water quality have been investigated. The conclusion is that the best indicator is the electrical conductivity of the water. This is due to the fact that the main source of pollution to the harbour is the river, Aarhus Å, which has its delta in the harbour. Aarhus Å acts as a recipient of a large amount of CSO's and outlets from wastewater treatment plants. The electrical conductivity therefore acts as a tracer of how much polluted fresh water is present at the place of measurement. The correlation between the bacteria concentration and the electrical conductivity has been modelled with an exponential regression with good results. The performance has been improved by including rain depth and intensity to a new model based on machine learning. Besides the improved performance of the model this results in a significant reduction in the number of closing days. To complete the warning system a measuring station to monitor the electrical conductivity has been developed. The main task of the new measuring station is to avoid the unwanted growth of algae on the sensor. This problem is solved by placing the sensor in a chamber which can be emptied from water with compressed air.
Emneord
IOT ; bathing water ; water quality ; sensor ; data