近些年，随着绿色发展理念的普及，治理水质污染问题的重要性逐渐凸显，但传统的水文治理监测方法需要投入较大的人力物力成本，时间跨度长，且无法快速挖掘探索深层次价值信息，已经无法满足日益增加的水质生态治理需求。随着大数据与机器学习技术的日益成熟，如今的我们可以借助大数据挖掘，提高水质分析工作的效率和质量。今天就为大家分享一下Coovally Tabular大数据处理平台针对水质监测分析的解决方案~
长江流域作为我国非常重要的生态经济区，沿线主干流的水环境安全受到了国内外广泛关注，太湖位于长江三角洲的南缘，是中国五大淡水湖之一，对国家的经济建设和生态建设起到了重要的作用。因此对于太湖的水环境进行信息管理、灾害预防、预警决策是十分关键的。那么如何基于长江流域地表水环境质量数据，并结合气象、水文、地理、污染源等数据，开展太湖监测点位水质的数据深度挖掘，从而发掘其内部规律呢？
太湖
随着大数据技术的不断发展，大数据技术在生态环境领域中的建设飞速发展，在水环境管理工作中的应用也越来越多。与传统的数据分析技术手段相比，采用大数据技术通过对海量数据的有效整合、抽取、数据分析以及数据解释和挖掘，对水环境监测数据以及水环境监测数据与污染物排放、气象、社会经济等多种复杂信息或指标数据进行有效链接，实时开展水环境质量未来趋势预测、风险识别与预警，水环境成因分析等，可以有效实现水环境污染有效溯源与控制管理。
因此针对于太湖的水质治理，我们可以依托大数据挖掘分析技术，紧密配合长江流域生态保护智慧决策平台，实现太湖水质数据挖掘与污染路径识别。这样的平台需要科学合理的数据库设计，以水环境数据为中心，结合其他关联数据，统一管理、统一分析、统一呈现。数据高度整合关联，实现监测点位水质特征和相关气象水文等数据的有机整合，为监测点位水质特征分析、水质预测、污染路径识别提供依据。
Coovally Tabular大数据处理平台就可以满足这些需求！
1、平台部署满足多种数据分析需求
Coovally Tabular产品可以实现数据挖掘分析和数据可视化呈现的有机融合，数据模型得出相关结论之后，可以直接通过数据分析工具手段，利用饼图、折线图、柱状图、雷达图、地图等图形组件，生成图文并茂的可在大屏、PC端、手机端展示的可视化分析报告，按照不同空间维度，统计各指标的空间分布和地域发展趋势。
2、构建水质数据挖掘与污染路径识别
通过构建基础模型，一线业务人员即使不懂代码，也可以通过简单的方式完成以下工作任务：
监测点位水质特征
监测点位水质特征表达比对
监测点位水质指标浓度值预测
这样，即使不进行大量的实地观测综合分析过程，也可以完成点位污染路径溯源追踪工作。
水质特征图
3、形成便于传承的科技报告
平台可根据指标体系在时间维度上的分布（年份、季度、月份、周次、天等），按照提前设置的格式，指标体系结合专家经验，形成水质分析报告，自动展示形式多样化（数据表格、柱图、饼图、折线图等），是科技报告的生成传承更加快速便捷。
