基于FPGA的水质智能监测子站系统
基于物联网的智能水质监测系统设计与实现
基于物联网的智能水质监测系统设计与实现随着经济水平的不断提高，人们对生活品质的要求也越来越高。
而优质的饮用水则是推动健康生活的基石之一。
然而，由于人类活动导致的水污染问题严重，大量的水源遭受着着污染，若不加以治理和监测，将会给人们带来严重的危害。
如何保证水质卫生、监测水质安全，成为了当前亟需解决的问题。
其中，在利用物联网技术来实现智能化水质监测系统的建设与实现，成为了近年来不断探索和研究的热点。
一、物联网在智能水质监测中的应用物联网技术是应用广泛的智能化技术之一，它可以实现实物和数字信息之间的相互联系和互动。
在水质监测方面，物联网技术的应用可以使水质监测中的传感器、监测仪器和数据传输等多个环节实现智能化，简化了监测的流程，提高了监测的精度，进而保证饮用水的质量安全。
二、智能水质监测系统的设计与实现1.系统设计智能水质监测系统可以分为硬件和软件两个部分。
硬件方面，系统主要包括数据采集模块、通信模块和水质监测传感器；软件方面，则主要包括数据预处理和数据处理、数据存储和数据显示。
2.系统实现系统实现时，首先需要搭建一个水质监测站点，然后将传感器装配在监测站点上，实现采集水质监测数据。
其次，将传感器采集到的数据上传到云服务器，利用云计算技术进行数据处理、存储和分析等步骤。
最后，将处理后的数据通过网页、APP等形式展示给用户，使用户对饮用水的水质情况有了更加直观和全面的了解。
三、智能水质监测系统的优势与劣势1.优势（1）确保水质安全。
利用物联网技术建立的智能化水质监测系统，可以及时掌握水质变化情况，有效降低水质污染的风险。
（2）提高监测精度。
传统的水质监测方式存在局限性，而利用物联网技术建设智能化水质监测系统可以满足远程控制、智能监测等高精度需求。
（3）强化人民群众意识。
智能化水质监测系统采用网络公开信息以及实时监测等方式，可以加强人民群众对水质问题的认识，促使人们更加重视水质问题，从而推动治理规划的实施。
基于物联网的智能水质监测与管理系统设计
基于物联网的智能水质监测与管理系统设计一、引言近年来，随着工业化进程的推进和人口的不断增加，水资源的保护与管理成为了当今社会亟需面对的挑战。
水质监测与管理是确保水资源安全与可持续利用的重要手段之一。
为了提高水质监测与管理的效率和精确度，基于物联网的智能水质监测与管理系统应运而生。
本文旨在设计一个基于物联网的智能水质监测与管理系统，包括系统架构、传感器选择、数据传输与分析等方面的内容。
二、系统架构设计1. 感知层：选择合适的水质传感器基于物联网的智能水质监测与管理系统的核心在于感知层，即选择合适的水质传感器来实时监测水质指标。
常用的水质指标包括pH 值、溶解氧浓度、电导率、浊度等。
在系统设计中，我们需要选择可靠、精确度高且适应不同环境的水质传感器。
2. 传输层：选择合适的通信模块为了将水质传感器采集到的数据传输至上层进行分析与管理，选择合适的通信模块非常关键。
无线传感器网络（WSN）和物联网（IoT）技术是常用的传输方式。
根据具体的应用场景和需求，选择适合的通信协议和传输方式来实现数据的可靠传输。
3. 网络层：搭建网络架构在网络层，我们需要搭建系统所需的网络架构。
根据传感器节点数量和布局，选择星型、多跳或网状网络架构来建立传感器之间的通信和协作关系。
此外，为了确保数据传输的可靠性和实时性，可以采用分级网络结构，将数据流向合理分配，减少网络拥堵和数据丢失的风险。
4. 应用层：数据处理与管理系统的最高层是应用层，负责进行数据处理与管理。
通过对传感器采集到的水质数据进行分析与处理，可以实现智能水质监测与管理功能。
可以采用数据挖掘、机器学习等技术，建立水质预测模型，根据历史数据和模型进行水质改善建议和预警。
三、关键技术与挑战1. 节能技术在智能水质监测与管理系统中，大量的传感器节点需要长时间运行，因此节能是一个重要的技术挑战。
可以通过优化传感器的能耗、采用低功耗的通信协议和传输方式来减少系统的能耗，延长节点的运行时间。
基于FPGA的高精度电能质量监测系统设计与实现
基于FPGA的高精度电能质量监测系统设计与实现近年来，电能质量成为电力系统稳定运行和电能利用效率的重要指标之一。
为了实时监测和评估电能质量情况，本文提出了一种基于FPGA的高精度电能质量监测系统。
首先，介绍本设计所使用的硬件平台。
我们选用FPGA（Field-Programmable Gate Array）作为核心处理器，这是一种可编程逻辑器件，具有高度灵活性和可重构性。
搭配ADC（Analog-to-Digital Converter）模块，用于将模拟电信号转换为数字信号，以及DAC（Digital-to-Analog Converter）模块，用于将数字信号转换为模拟电信号。
其次，详细描述系统的功能模块。
本设计包括电压采样模块、电流采样模块、功率计算模块和通信模块。
电压采样模块负责采集电网中的电压信号，并利用ADC将其转换为数字信号。
为了保证采样精度和稳定性，我们选用了高精度的ADC芯片，并设计了合理的采样电路。
电流采样模块用于采集电网中的电流信号，并同样通过ADC转换为数字信号。
为了提高采样精度，我们采用了高精度的互感器和运算放大器，同时对电流采样电路进行了精心设计。
功率计算模块是系统的核心部分，用于实时计算电能质量参数。
我们采用快速傅里叶变换（FFT）算法进行频域分析，并根据IEEE标准定义的各种电能质量参数进行计算，如电压谐波畸变率、电流不平衡度等。
通信模块负责将采集到的电能质量参数传输到上位机进行分析和显示。
我们选用了RS485通信协议，能够实现高速、长距离的数据传输，并通过程序设计将数据以人性化的方式展示出来。
最后，介绍系统的实现步骤。
首先，我们根据系统设计需求进行硬件电路的设计与搭建，包括传感器的选择和电路的布局。
然后，利用FPGA开发软件进行逻辑设计，包括各个功能模块的代码编写和模块之间的连接。
接下来，进行仿真测试，对系统进行功能验证和性能评估。
最后，将设计好的硬件和软件进行集成，并进行系统的优化和调试，以确保系统的稳定运行和准确性能。
通过单片机实现智能水质监测系统
通过单片机实现智能水质监测系统智能水质监测系统是一种基于单片机技术的高效、准确的水质监测设备。
随着现代工业的发展和城市化进程的加速，水质污染已经成为一个普遍存在的问题。
因此，对水质进行监测和分析显得尤为重要。
本文将介绍通过单片机实现智能水质监测系统的原理和方法，并探讨其在实际应用中的优势和发展前景。
智能水质监测系统主要由传感器、单片机、显示屏和数据存储模块等组成。
传感器用于监测水质参数，例如温度、PH值、溶解氧、浑浊度等。
单片机则负责采集传感器数据，经过处理后将结果显示在显示屏上。
同时，数据存储模块可以将采集到的数据进行存储，以备后续分析和比较。
在实际应用中，智能水质监测系统具有以下几个优势。
首先，通过单片机技术可以实现对多个水质参数的同时监测，大大提高了监测效率和准确性。
传统的水质监测通常需要使用独立的仪器和设备进行测试，耗时耗力且结果不一定准确。
而智能水质监测系统则能够一次性获取多个参数的数据，准确度更高。
其次，智能水质监测系统通过单片机的实时处理能力，可以随时监测水质参数的变化情况，并及时发出警报。
当水质出现异常时，系统会自动报警，提醒用户采取相应的措施。
这种实时监测和预警的功能，能够有效防止因水质污染引发的健康问题和环境破坏。
另外，智能水质监测系统还可以与互联网相连，实现远程监控和数据共享。
通过将系统与云平台相连接，用户可以远程查看水质数据，并进行数据分析和比对。
这种方式不仅方便了用户，还为研究人员和监管部门提供了大量的水质数据，有助于更好地监控和管理水资源。
随着科技的不断进步，智能水质监测系统也在不断发展。
当前，一些新的技术正在被应用到智能水质监测系统中，例如人工智能和物联网技术。
通过人工智能算法的引入，系统可以更加准确地预测和分析水质趋势，提前做出相应的应对。
物联网技术则可以实现与其他设备的互联互通，进一步提高系统的智能化水平。
综上所述，通过单片机实现智能水质监测系统具有多个优势。
它不仅提高了水质监测的效率和准确性，还具备实时监测和预警、远程监控和数据共享等功能。
基于单片机的水质检测系统的设计与制作文献
基于单片机的水质检测系统的设计与制作文献Designing and creating a water quality detection system based on a single-chip microcomputer requires a combination of technical knowledge, hands-on skills, and creativity. The first step in this process is to understand the basic principles of water quality testing and the parameters that need to be monitored. This includes factors such as pH levels, dissolved oxygen content, turbidity, and temperature. By having a clear understanding of these parameters, the designer can then determine the sensors and components needed for the system.设计和制作基于单片机的水质检测系统需要结合技术知识、实践技能和创造力。
这个过程的第一步是了解水质测试的基本原理和需要监测的参数。
这包括pH值、溶解氧含量、浑浊度和温度等因素。
通过清楚地了解这些参数，设计师可以确定系统所需的传感器和组件。
Once the necessary components have been identified, the next step is to design the circuitry for the system. This involves creating a schematic diagram that shows how the various sensors and modules are connected to the single-chip microcomputer. It is important toensure that the connections are correct and that the circuit is properly grounded to prevent interference or damage to the components. Attention to detail and thorough testing are essentialat this stage to ensure the system functions as intended.一旦确定了必要的组件，下一步是设计系统的电路。
基于物联网技术的智能水质监测系统设计
基于物联网技术的智能水质监测系统设计智能水质监测系统是基于物联网技术的一种创新应用，旨在实时监测和评估水体质量，并提供有效的数据分析和预警机制。
本文将从系统设计、技术原理和应用前景等方面探讨基于物联网技术的智能水质监测系统设计。
一、系统设计1. 数据采集与传输：智能水质监测系统需要采集水体的多个指标（如溶解氧、PH值、浊度等）数据，并将其实时传输到中央处理单元。
采集方式可以使用传感器、监测设备等技术，数据传输可以利用无线通信技术（如蜂窝网络、LoRa等）实现。
2. 数据处理与分析：中央处理单元接收到传感器采集的水质数据后，需要进行数据处理和分析。
数据处理包括数据清洗、异常值处理等，数据分析则可以采用统计学方法、机器学习等手段，对水质指标进行分析和预测。
3. 预警机制：智能水质监测系统应当具备预警机制，能够根据水质指标的变化情况及时发出预警信号。
通过设定预警阈值，一旦超过设定值，系统会立即发送警报信息，提醒相关人员进行应急处理。
4. 数据可视化与用户界面：为了方便用户了解和操作系统，智能水质监测系统还应提供直观的数据可视化界面。
通过图表、地图等形式展示水质指标的变化趋势，让用户直观地了解水体的健康状况。
二、技术原理1. 物联网技术：智能水质监测系统利用物联网技术实现数据采集、传输和互联。
物联网技术可以使各种设备、传感器实现互联互通，实现智能化、自动化的水质监测和管理。
2. 传感器技术：智能水质监测系统需要使用多种传感器来采集水质指标数据。
传感器可以根据不同指标的测量原理选择不同的类型，常见的有电化学传感器、光学传感器、声学传感器等。
3. 无线通信技术：传感器采集的水质数据需要通过无线通信技术传输到中央处理单元。
可以使用蜂窝网络、LoRa等低功耗广域网通信技术，实现数据的远程传输和互联。
4. 数据分析技术：智能水质监测系统利用数据分析技术对采集到的水质数据进行处理和分析。
可以使用统计学方法、机器学习等手段，建立水质模型，并预测未来的水质变化趋势。
水质监测系统的智能化研究
水质监测系统的智能化研究水，是生命之源。
无论是人类的日常生活，还是工农业的生产活动，都离不开优质的水资源。
而要确保水资源的质量，水质监测系统就显得至关重要。
随着科技的飞速发展，智能化技术逐渐融入到水质监测领域，为水质监测带来了新的机遇和挑战。
传统的水质监测方法往往依赖人工采样和实验室分析，这种方式不仅费时费力，而且难以实现实时、连续的监测。
智能化的水质监测系统则能够有效地解决这些问题。
它通过传感器、数据传输和分析软件等技术手段，实现了对水质参数的实时监测和快速分析。
智能化水质监测系统的核心组成部分包括传感器、数据采集与传输设备以及数据分析处理平台。
传感器是系统的“触角”，负责感知水质的各项参数，如温度、酸碱度、溶解氧、电导率、浊度、化学需氧量（COD）、生物需氧量（BOD）等。
这些传感器采用了先进的物理、化学和生物检测技术，能够精确地测量水质指标，并将测量结果转换为电信号。
数据采集与传输设备则像系统的“神经”，将传感器采集到的数据进行汇总和处理，并通过无线网络、卫星通信或有线网络等方式将数据传输到远程的数据分析处理平台。
在数据传输过程中，为了确保数据的准确性和完整性，通常会采用数据加密、纠错编码等技术手段。
数据分析处理平台是整个系统的“大脑”，它接收来自各地的水质监测数据，并运用大数据分析、机器学习和人工智能等技术对数据进行处理和分析。
通过建立数学模型和算法，系统能够对水质的变化趋势进行预测，及时发现异常情况，并发出预警信号。
智能化水质监测系统具有诸多优势。
首先，它实现了实时监测，能够在第一时间获取水质数据，为及时采取应对措施提供了有力支持。
其次，系统具有较高的准确性和可靠性。
传感器的精度不断提高，数据分析算法也越来越科学，使得监测结果更加准确可信。
再者，智能化系统能够大大降低监测成本。
相比传统的人工监测方式，它减少了人力、物力和时间的投入。
此外，系统还具有良好的扩展性和兼容性，可以根据实际需求灵活增加监测站点和监测参数。
基于物联网的智能水质监测系统设计
基于物联网的智能水质监测系统设计随着生产生活水平的提高，受到污染的水资源也日益增多，给人类的生存环境造成了严峻的挑战。
现代科技发展，特别是物联网技术的快速发展，为智能水质监测提供了可行的解决方案。
本文将介绍基于物联网的智能水质监测系统的设计。
一、物联网智能水质监测系统设计的概述智能水质监测系统就是通过传感器和物联网将测量的水质数据传输至互联网，并通过数据分析和处理实现对水质的自动检测和预警。
物联网技术的发展可实现监控系统的无线化、智能化和云计算化等特征，注重实践、可靠性和实时性。
该系统将对水文、气象、有害化学物质等要素进行全面监测，通过对采集数据进行分析和挖掘，有效监测水质、性质、营养元素等因素，降低检测成本和提高检测效率。
二、物联网智能水质监测系统的设计原理该系统的设计基于物联网。
采用多通道数据扫描技术，通过多种传感器实时采集水质数据，并利用GPRS无线传输技术将数据上传至物联网平台。
平台将数据进行整合和分析，通过数据挖掘和大数据分析技术实现数据预测和瞬态监测。
平台还同时支持硬件设备管理和数据存储，方便对监测节点的管理，同时还能够方便地对历史数据进行查询和分析，对设备的故障分析进行优化。
三、物联网智能水质监测系统的主要功能1、数据采集功能：采集水样数据，通过多传感器自动控制、实现实时检测，增加其准确度。
2、数据预处理功能：通过物联网平台进行数据预处理，检验数据是否完整准确，同时进行对应数据的存储。
3、数据流程管理功能：由于该系统架构下的节点较多、传输速度快，所以设备的管理和维护也相当关键。
通过集成硬件设备管理及运营服务，保持数据流程的正常运作。
4、数据显示功能：为了便于管理，将水样检测结果公示在网站上，同时也可实现对水质信息的实时监控和预警。
5、数据分析功能：通过对数据进行分析，将有关因素的数据预处理，并利用最佳算法分析从而得出结果。
并同时提供出错误分析和纠正方法。
四、物联网智能水质监测系统的应用价值该系统具有多种应用场景。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于FPGA的水质智能监测子站系统王乐毅1，王勇2（1.青岛科技大学自动化与电子工程学院，山东青岛266042；2.哈尔滨工业大学（威海）电子科学与技术系，山东威海264209）摘要：设计了一种以反熔丝数模混合FPGA系列FUSION为核心的水质监测系统。
通过嵌入8051 IP核完成子站的控制与数据处理。
充分利用FUSION的特点与现代传感器技术，实现了水质监测的单芯片解决方案。
对硬件电路和各参量算法做了介绍。
实际调试结果表明，满足水产养殖业、河流污染等水质监测要求。
关键词：监控；水质；调理电路；8051 IP；FPGA中图分类号：TP273 文献标识码：AThe substation system of Intelligent monitoring ofwater quality based on FPGAWANG Le-yi1，WANG Yong2(1.College of Automation and Electronic Engineering, Qingdao University of Science and Technology,Qingdao 266042,China；2.Department of Electronic Science & Technology,Harbin Institute ofTechnology,Weihai 264209,China）Abstract: Design a kind of anti-fuse FUSION series of FPGA as core of the water quality examine system. The substation with a imbeded 8051 IP core complates monitoring and data processing. Characteristics of FUSION and modern sensor technique that well makes use spread and carried out the single chip solution of water quality examination. Introduction to the hardware circuits and each parameter calculate ways. The real results of system testing satisfy the water quality monitor’s request of marine products farming industry and river to pollute etc.Key words：monitor; water quality; adjustment circuit；8051 IP; FPGA如今，适用于海珍品育苗、养殖业的水质自动监测系统现已成为世界各海洋国家增养殖业中水质监测的发展方向，同时水质污染监测也具有重大意义。
这不仅能够取代人工监测，还能获得连续数据[1][2]。
目前世界上只有少数几个国家推出具有自动监测功能水质监测网络系统[3][4]，现已建立的海洋养殖服务的水质自动监测系统,虽取得了较好的经济效益，但其售价远远超出个体养殖户和小型企业的承受能力,。
而国内对于水质要素的测量还只是以便携式单机为主。
针对当前我国这方面的现状，本文设计了一种低成本、易操作、自给电能、稳定性高的常规五参数（温度、浊度、PH值、溶解氧、电导率）自动水质监测浮标，有利于大规模普及，市场前景广阔。
1 系统总体设计方案该系统由水质检测浮标基站和上位机两部分组成。
基站与上位机之间通过433MHz射频无线通讯，实现指令和数据的交换[5] 。
如图1。
水质监测浮标基站由五路传感器仓头、信号调理电路、FUSION主控芯片、太阳能供电系统和无线传输模块构成。
基站采用PH复合电极、散射光传感器、溶解氧电极、铂黑电导电极和18B20温度传感器采集水质常规五参数原始信号。
信号经调理电路实现放大和调零。
放大后的信号送入FUSION平台。
该平台通过SOPC技术构建而成。
调理信号送入收稿日期：2009-04-28作者简介：王乐毅（1962-），男，副教授，工学硕士.图1 系统结构图Fig.1 The system structure diagramFUSION 内部 ADC 实现模数转换，并由内建8051核对其分析计算。
另外，8051核通过内部MOSFET 控制电机将水中五合一传感器探头伸入水面。
运用内部ADC 的电流、电压检测工作模式实现太阳能蓄电池的管理。
基站与上位机中心站之间通过433MHz 频段无线通讯模块实现数据通讯。
中心站的工作人员通过上位机提供的信息获取当地水域的水质监控信息，采取相应措施。
2 硬件电路与理论分析2.1 溶解氧测定本系统应用原电池法(galvanic)溶氧电极DO952，它使用一对不同金属材料的两个电极浸没在电解溶液中，反应中氧气得到电子所产生的电流强度与氧气的浓度成正比，以此测定溶解氧的含量。
原电池电极在测量之前无需预热就可对溶液中的溶解氧浓度改变作出快速响应，系统只需40～50秒就可以达到实际读数的95％。
原电池法电极在校准和维护上所需的时间相对较少。
测量时将其放入待测溶液，水中溶解氧透过透氧膜，溶解于膜与电极之间的电解液薄层中，当两输出端接上负载电路时，氧在阴极表面上发生还原反应。
对于结构和透氧膜确定的传感器而言，在一定温度下，氧传感器的电流只与试样中的氧分压成正比，因此，在两极加上适当的取样电阻后,测定电压即可知氧浓度。
溶解氧计算公式为:()()()DO S c DOc DO c DO DO V f t S S V f t ⎡⎤∆=--⎢⎥⎣⎦标其中:23()f t A Bt Ct Dt =+++为温度补偿函数DOc V —传感器测量电压值DO —待测的氧浓度c DO —定标时用碘量法确定的氧浓度 DO V —定标时传感器电压测值()c f t - 定标温度下的温补函数值 S —为盐度值S 标—定标时的盐度值考虑到传感器输出阻抗与零点漂移，运用信号调理电路如下：图2 溶解氧电极的信号调理电路Fig.2 The circuit of signal adjustment of fuse oxygen electrode2.2 PH 测定PH 复合电极的pH 值是由测量电极电位得到的。
当H 敏感电极和参比电极浸入被测溶液后，三者组成了一个化学电池,电极电位与溶液中氢离子活度的关系符合能斯特方程式:()0H 2.303RT F lga E E =+式中:R ——气体常数, 81314 焦耳/K F ——法拉第常数, 96500 厍仑/克 T ——绝对温度根据pH 的定义, pH= - H lg a , 将其带入能斯特方程式可得下形式:()()0pH=E-E 2.303RT F ÷考虑到传感器输出阻抗与零点漂移，运用信号调理电路如下：图3 PH 复合电极信号调理电路Fig.3 The circuit of signal adjustment of PH compound electrode2.3 电导率测定测量待测溶液电导的方法称为电导分析法。
电导是电阻的倒数，因此电导值的测量，实际上是通过电阻值的测量再换算的，也就是说电导的测量方法应该与电阻的测量方法相同。
但在溶液电导的测定过程中，当电流通过电极时，由于离子在电极上会发生放电，产生极化引起误差，故测量电导时要使用频率足够高的交流电，以防止电解产物的产生。
考虑到DJS-1C 器件极化误差有限，我们在DJS-1C 铂黑电导电极间通入直流信号。
如下图电路：图4 电导率调理电路Fig.4 The circuit of signal adjustment of conductivity rate计算公式为：()5_14_V S C S C G V V R V =-其中：G —待测电导5V V —5V 电压 _S C V —测量电压2.4 浊度测定浊度传感器原理上是对散射光的强度进行光电转换，通过检测光强确定浊度。
由于浊度与传感器输出信号近似呈线性关系，我们对AD 采集信号与浊度的关系进行一组测量。
然后由MATLAB 进行分析建立经验公式：23y A Bx Cx Dx=+++其中：y—浊度x—AD电压信号A、B、C、D—MATLAB计算得出的常数浊度信号调理电路如下：图5 浊度调理电路Fig.5 The circuit of signal adjustment of muddy degree2.5 温度测定采用1-wire型数字温度传感器18B20检测温度，测量温度范围为-55°C~+125°C，在-10~+85°C范围内,精度为±0.5°C。
现场温度直接以“一线总线”的数字方式传输，大大提高了系统的抗干扰性。
适合于恶劣环境的现场温度测量，使系统设计更灵活、方便。
3 系统软件设计Libero IDE环境下，运用Smart Designer结合Verilog HDL语言建立8051软核平台。
在Analog Builder下设置ADC为五路模拟电压采集和一路电流采集工作模式，用来采集四路水质参数和蓄电池的电压、电流参数。
设置两路MOSFET驱动用于控制电动机的正反转。
运用8051采集ADC数据处理，同时实现整个子站的控制管理。
4 测试结果与误差IQSensorNet是迄今为止最先进、采用全新测试技术数字化的在线监测系统。
采用IQ Sensor Net在线监测仪器对该系统进行对比实验。
针对不同配比水样测试，得到如下比较数据：水样溶解氧电导率PH值温度浊度x1x2x3x4x53.4%0.4%3.5%2.9%0.7%1.0%2.8%0.69%2.0%0.9%1.9%3.2%1.6%3.6%0.5%1.8%0.5%0.4%0.5%0.7%3.5%2.1%3. 7%0.8%3.0%5 结论测量结果表明，该系统对于溶氧量、PH值和浊度测量误差波动较大，但仍在可接受范围内。
电导率与温度测量精确度较高。
参考文献[1]唐慧强.基于GPRS的水情自动测报仪[J].仪表技术与传感器,2008（1）:74-76.[2]祁亨年.基于Web的广域污染源水质自动监控系统研究[J].仪器仪表学报.2008（1）:120-123.[3]M ogheir Y,Singh V P. Application of information theory to groundwater quality monitoring networks[J].Journal of Water Resources Management, 2002，16：37–49.[4]K aramouz M., Maksimovic. Design of karoon water quality monitoring system and bid evaluationassistance[C].The World Bank and Iran Department of Environment. 2005.[5]F EZA K. Monitoring of water quality and assessment of organic pollution load in the NI˙LU¨FERSTREAM, TURKEY[J]. Environmental Monitoring and Assessment , 2006, 11(4): 391–417.。