CN110672144A - 污染源检测方法和装置 - Google Patents
污染源检测方法和装置 Download PDFInfo
- Publication number
- CN110672144A CN110672144A CN201810719138.5A CN201810719138A CN110672144A CN 110672144 A CN110672144 A CN 110672144A CN 201810719138 A CN201810719138 A CN 201810719138A CN 110672144 A CN110672144 A CN 110672144A
- Authority
- CN
- China
- Prior art keywords
- pollution
- source
- pollution source
- sources
- activity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 14
- 230000002159 abnormal effect Effects 0.000 abstract description 13
- 238000003912 environmental pollution Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种污染源检测方法和装置,其中,方法包括:获取目标区域内待检测污染源的污染类型,根据污染类型提取污染源的污染关联数据;按照预设算法对污染关联数据进行计算,获取污染源的污染活跃度;根据污染活跃度计算污染源的排放指数;获取目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。由此,提高了污染源检测的准确性和效率,实现了对污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
Description
技术领域
本发明涉及环境污染检测技术领域,尤其涉及一种污染源检测方法和装置。
背景技术
随着环保督察考核常态化,对各个区域导致环境污染的污染源的考察成为主要环保项目被广泛关注,通常,主要采用两种方式进行污染源的监测,方式一为以污染物的识别、成分分析为基础,追踪成分变化原因,以达到寻找污染源的目的,进而根据污染源进行监测分析。方式二为基于传感器的传感器在线监测,在该方式下,对废水、废气等污染源的实时在线监测,通过对污染监测数据的采集、传输、统计、分析等,实现污染源监测数据的统一管理。
然而,上述两种监测方式具有如下缺点,方式一中采用源解析研究方法相当复杂,采样范围的大小,研究时间的长短都可能影响其精确性,难以把握污染源确定的准确性,方式一具有成本较高、手段复杂且流程长,具有一定的滞后性的缺陷;方式二中的传感器数据由于缺乏校对,漂移明显,误差大,并且,传感器读数有难以规避的波动趋势,这些波动趋势并不是因为污染源的波动造成,很多是因为污染物的沉降的时间趋势、气象的突然变化等非污染源因素引起,精确度也较难把握。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种污染源检测方法,以此提高了污染源检测的准确性和效率,实现了对污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
本发明的第二个目的在于提出一种污染源检测装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的,本发明第一方面实施例提出了一种污染源检测方法,包括以下步骤:获取目标区域内待检测污染源的污染类型,根据所述污染类型提取所述污染源的污染关联数据;按照预设算法对所述污染关联数据进行计算,获取所述污染源的污染活跃度;根据所述污染活跃度计算所述污染源的排放指数;获取所述目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
为达上述目的,本发明第二方面实施例提出了一种污染源检测装置,包括:提取模块,用于获取目标区域内待检测污染源的污染类型,根据所述污染类型提取所述污染源的污染关联数据;获取模块,用于按照预设算法对所述污染关联数据进行计算,获取所述污染源的污染活跃度;计算模块,用于根据所述污染活跃度计算所述污染源的排放指数;确定模块,用于获取所述目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
为达上述目的,本发明第三方面实施例提出了一种计算机设备,包括:处理器和存储器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述实施例描述的污染源检测方法。
为了实现上述目的,本发明第四方面实施例提出了一种非临时性计算机可读存储介质,该程序被处理器执行时实现如上述实施例描述的污染源检测方法。
为了实现上述目的,本发明第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行如上述实施例描述的污染源检测方法。
本发明提供的及技术方案,至少具有如下有益技术效果:
提高了污染源检测的准确性和效率,实现了对污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的污染源检测方法的流程图;
图2是根据本发明一个实施例的污染源的在地图上进行显示标记的示意图;
图3是根据本发明另一个实施例的污染源检测方法的流程图;
图4是根据本发明又一个实施例的污染源检测方法的流程图;
图5是根据本发明一个实施例的污染关联数据曲线示意图;以及
图6是根据本发明一个实施例的污染源检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的污染源检测方法和装置。
图1是根据本发明一个实施例的污染源检测方法的流程图,如图1所示,该方法包括:
步骤101,获取目标区域内待检测污染源的污染类型,根据污染类型提取污染源的污染关联数据。
其中,本发明实施例中的目标区域为污染源待检测区域,该目标区域可以是根据行政区域划分的,比如,对应于江苏省区域、河南省区域等,也可以是根据场景需要,自行划分的区域等。
另外,上述待检测污染源可以包括工业污染源、生活污染源、农业污染源、交通污染源等,且容易理解的是,每种污染源都对应于多种污染类型,比如,工业污染源对应于集中式污染处理设施污染类型、城市施工污染类型、等重工业工厂污染类型、轻工业工厂类型等。
具体地,为了对目标区域的污染源进行污染检测,首先需要获取目标区域内待检测污染源的污染类型,确定该目标区域包括什么类型的待检测污染源,其中,可以基于获取地图上注册的目标区域内的地址类型确定,比如,确定目标区域1中包含的地址类型有餐馆类和工业类,则确定该目标区域包括生活污染源、工业污染源和交通污染源。
进一步地,根据污染源类型提取污染源的污染关联数据,以便于进一步根据该污染关联数据确定该地区污染源的污染程度,其中,需要强调的是,污染源的关联数据是能间接反应污染源的污染程度的相关参数,比如,当待检测污染源为工业污染源时,可以通过导致工业污染的工地的施工人数(通过打卡人数确定等)和施工强度这些关联数据计算得到,比如,当待检测污染源为生活污染源时,可以通过导致生活污染的就餐的人数(通过付款人数确定等)和餐饮排污量、理发店剪发人数、修车厂修理车辆的数目等这些关联数据计算得到,由此,基于间接反映污染源污染强度的污染关联数据确定污染强度,一方面,采集容易,另一方面,误差较小。
步骤102,按照预设算法对污染关联数据进行计算,获取污染源的污染活跃度。
其中,污染活跃度表示对应污染源的关联数据的活跃程度,该污染源的关联数据变化越大,或者,关联数据越高,则代表污染活跃度越大,越有可能对污染造成影响,污染程度越大,在不同的应用场景下,污染活跃度可以用等级表示、可以用百分制数字表示,或者,还可以用十分制数字表示等。
根据应用场景的不同,对污染关联数据进行计算,获取污染源的污染活跃度的预设算法不同,作为一种可能的实现方式,对关联数据进行归一化的处理,将各种关联数据处理为统一的表示格式,比如,处理为统一的百分制表示等,进而,将归一化处理后的值的和作为污染活跃度。
作为另一种可能的实现方式,根据关联数据对污染影响程度的不同,设置不同的权重,从而,在对关联数据进行归一化的处理后,比如,处理为统一的百分制表示等,将处理后的数据乘以对应的权重值后,对乘以权重后的值求和作为污染活跃度。
当然,当污染源对应的关联数据仅仅为一种时,为了计算的方便,可以基于其他的污染源对应的关联数据进行同样的归一化处理。
步骤103,根据污染活跃度计算污染源的排放指数。
正如以上分析的,污染活跃度越高,表示对应的污染源的污染程度越大,为了确定其对污染的具体影响力,在本发明的实施例中,根据污染活跃度计算污染源的排放指数,排放指数越高,代表污染强度越大。
在本发明的一个实施例中,为了更加直观的表现污染源的排放指数,以便于相关人员直观的了解对应污染源的污染程度,还可以预先设置指数范围,以按照预设的指数范围对所有污染源的排放指数进行污染程度划分,根据不同的污染程度在地图上进行标记,比如,采用对应不同的颜色标记、不同的图案标记等。
举例而言,当污染指数采用十分制表示且在地图上标记方式为采用不同颜色标记时,如下表1所示:
表1
排放指数范围 | 污染程度 | 标记颜色 |
[0-2) | 弱 | 绿色 |
[2-5) | 中 | 橘色 |
[5-8) | 高 | 玫红色 |
[8-10] | 较高 | 大红色 |
从而,根据获取的污染指数查询上述表格,即可获取到对应的污染程度,进而,根据该污染程度在地图上标注对应的颜色,从而,如图2所示(图中以不同的灰度值表示不同的颜色),用户可以在地图上直观的了解到每个区域对应的污染源的污染程度,其中,图2中所述的污染源包括工业污染源、农业污染源、生活污染源,其中,生活污染源对应的污染类型包括美食、交通设施、丽人、休闲娱乐、生活服务、购物、酒店、汽车服务等,其中,工业污染源和农业污染源对应的污染类型包括公司企业等。
需要说明的是,根据应用场景的不同,根据污染活跃度计算污染源的排放指数不同,示例如下:
在一些可能的示例中,预先根据大量实验数据,建立深度学习模型,该深度学习模型的输入为污染活跃度,输出为污染源的排放指数,从而,将染活跃度输入深度学习模型,获取输出的排放指数。
在另一些可能的示例中,由于污染源对环境污染的影响程度不同,比如,工业污染源相对生活污染源对环境的污染程度更大,因而,根据不同污染源对环境影响程度的调查数据,预先设置污染源对应的污染权重,进而,在本发明的实施例中,获取污染源的污染权重,按照预设算法对污染源的污染权重和污染活跃度进行计算,获取污染源的排放指数,比如,污染源为A,则将该污染源包括的污染类型对应的活跃度A乘以该污染源对应的污染权重,将乘积值作为污染源的排放指数。
在本示例中,为了保证检测的准确性,还可对污染类型对应权重进行实时的更新调整,具体而言,在本示例中,如图3所示,该方法还包括:
步骤201,获取与污染源的污染类型对应的初始权重。
具体地,由于污染源的不同类型对环境污染的影响程度不同,比如,轻工业工厂污染类型相对于重工业污染类型的污染程度较低,因而,为了进一步提高计算的精确性,还可对不同的污染类型设置对应的初始权重,其中,该初始权重可以相关人员是根据大量实验数据预先计算分析获取的,通常,对环境污染的影响程度越大,设置的初始权重越高。
举例而言,在本发明的一个实施例中,将污染源按照上下级关系分类成三级或者大于三级,如下表2所示污染源的一级分类包括工业污染源,生活污染源,农业污染源和交通污染源等,针对该类别下的污染源按照污染程度设置初始权重,二级分类中包括分别隶属于一级分类的各种污染类型,比如,隶属于工业污染源的集中式污染处理设施污染类型等,针对该类别下的污染类型按照污染程度设置初始权重,三级分类包括隶属于污染类型的子污染类型,比如,隶属于石化等重工业污染类型的煤场的污染类型等,针对该类别下的子污染类型按照污染程度设置初始权重,其中,上述初始权重可以根据大量的专业知识设置:
表2
步骤202,根据对污染源的污染指标监控调整初始权重,获取污染源的污染权重。
可以理解,当某种类型的污染源较为活跃时,则伴随着时间的累积,其对环境的污染会导致质变,将会成为影响环境的主要污染源,基于此,不难理解的是,如果对环境污染影响较低的生活污染源较为活跃时,生活污染源可能成为主要的污染源,如果对环境污染影响较高的工业污染源较不活跃时,则工业污染源也不能成为主要污染源,因而,为了能够尽早发现导致环境恶化的主要污染源,及早治理,需要根据对污染源的污染指标监控调整初始权重,获取污染源的污染权重,其中,当污染源的污染指标增长幅度较大,或始终较为活跃时,则增大其对应的权重,反之,为了避免误判,污染源的污染指标增长幅度较小,或始终较不活跃时,则减小其对应的权重。
步骤104,获取目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
为了发现导致目标区域污染的主要污染源,及时对主要污染源进行整治,获取目标区域内所有污染源的排放指数,以根据所有污染源的排放指数确定符合筛选条件的目标污染源,该目标污染源即为上述需要去确定的污染程度较大的主要污染源。
进一步地,在确定主要污染源后,根据污染源的具体污染程度采取对应的处理措施:
具体而言,在本发明的一个实施例中,如图4所示,在上述步骤102之后,该方法还包括:
步骤301,将污染源的污染活跃度与预设的第一门限值进行比较。
其中,预设的第一门限值可以是根据场景应用需要标定的,当污染活跃度大于该第一门限值时,则表明当前污染源的污染程度较大。
步骤302,若获知污染活跃度大于第一门限值,则获取污染源的信用指标数据。
具体地,当获知污染活跃度大于第一门限值时,则表明当前污染源的污染程度较大,从而,为了进一步确定对该污染源的处理操作,获取该污染源的信用指标数据,该污染源的信用指标数据包括该污染源对应企业的法人信用记录、企业的罚款记录、企业的金融信用记录等。
步骤303,按照预设算法对信用指标数据进行计算,获取污染源的污染信用度。
具体地,按照预设算法对信用指标数据进行计算,比如,将多个信用指标进行归一化处理后求和等,获取污染的污染信用度。
步骤304,将污染源的污染信用度与预设的第二门限值进行比较。
步骤305,若获知污染信用度大于第二门限值,则对污染源进行预警处理。
其中,预设的第二门限值可以是根据的大量实验数据标定的,该第二门限值用以确定污染源对应的企业是否有有效治理污染的能力等,通常,污染源的污染信用度越高,则表明该企业越有能力自行治理该污染源,不需要线管部门的介入等。
具体而言,若获知污染信用度大于第二门限值,则对污染源进行预警处理,比如,向污染源对应的企业发送污染警告信息等,以使得对应的企业自行示例污染等。如果获知污染信用度小于等于第二门限值,则由相关部门执法,使得相关企业停业整顿等。
为了进一步有效的对污染进行管理,在本发明的一个实施例中,还可对较为活跃的污染源的污染程度的变化进行关注,及时对走势异常的污染源进行治理。
具体而言,在对污染源进行预警处理之后,采集污染源在预设时长(该预设时长根据场景需要设定,可以为10天也可以为3个月等)内的污染关联数据,分析污染关联数据的走势规律,根据走势规律检测污染源的异常,比如,当污染源的污染类型包括两种且对应的污染关联数据为1和2时,如图5所示,当采集污染源在10天内的污染关联数据后,根据采集到的污染关联数据生成曲线图,可以直观的看到该污染源的污染程度在第一天到第9天逐步提高,因而,为了避免其对环境的污染,可以由相关部门介入处理,其中,对于污染关联数据2,在第9天到第10天时迅速下降,发生异常,可由相关部门介入调查下降原因是否是应急性避免污染检查,及时发现异常,避免相关企业的“***”行为的发生,其中,对于污染关联数据1,由于其稳步增加,因此为了避免对应的污染源对环境造成较大程度的污染,需要针对该增长的污染源的污染类型进行污染预警等,提醒相关企业加强监管等。
由此,本发明实施例的污染源检测方法,基于与污染源相关的污染关联数据分析污染源的污染程度,不需要采集污染源的全量数据,操作简单高效且精确度较高,并且,基于污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
综上所述,本发明实施例的污染源检测方法,获取目标区域内待检测污染源的污染类型,根据污染类型提取污染源的污染关联数据,按照预设算法对污染关联数据进行计算,获取污染源的污染活跃度,进而,根据污染活跃度计算污染源的排放指,并获取目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。由此,提高了污染源检测的准确性和效率,实现了对污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
为了实现上述实施例,本发明还提出一种污染源检测装置,图6是根据本发明一个实施例的污染源检测装置的结构示意图,如图6所示,该装置包括:提取模块100、获取模块200、计算模块300和确定模块400。
其中,提取模块100,用于获取目标区域内待检测污染源的污染类型,根据污染类型提取污染源的污染关联数据。
获取模块200,用于按照预设算法对污染关联数据进行计算,获取污染源的污染活跃度。
计算模块300,用于根据污染活跃度计算污染源的排放指数。
确定模块400,用于获取目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
需要说明的是,前述对污染源检测方法实施例的解释说明也适用于该实施例的污染源检测装置,此处不再赘述。
综上所述,本发明实施例的污染源检测装置,获取目标区域内待检测污染源的污染类型,根据污染类型提取污染源的污染关联数据,按照预设算法对污染关联数据进行计算,获取污染源的污染活跃度,进而,根据污染活跃度计算污染源的排放指,并获取目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。由此,提高了污染源检测的准确性和效率,实现了对污染源检测的实时性,为发现异常污染源并及时对异常的污染源进行处理提供了方便。
为了实现上述实施例,本发明还提出一种计算机设备,包括:处理器,其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现上述实施例描述的污染源检测方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器被执行时,使得能够执行上述实施例示出的污染源检测方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行述实施例示出的污染源检测方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种污染源检测方法,其特征在于,包括以下步骤:
获取目标区域内待检测污染源的污染类型,根据所述污染类型提取所述污染源的污染关联数据;
按照预设算法对所述污染关联数据进行计算,获取所述污染源的污染活跃度;
根据所述污染活跃度计算所述污染源的排放指数;
获取所述目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
2.如权利要求1所述的方法,其特征在于,在所述获取所述目标区域内所有污染源的排放指数之后,还包括:
按照预设的指数范围对所有污染源的排放指数进行污染程度划分;
根据不同的污染程度在地图上进行标记。
3.如权利要求1所述的方法,其特征在于,所述根据所述污染活跃度计算所述污染源的排放指数,包括:
获取所述污染源的污染权重;
按照预设算法对所述污染源的污染权重和所述污染活跃度进行计算,获取所述污染源的排放指数。
4.如权利要求3所述的方法,其特征在于,在所述获取所述污染源的污染权重之前,还包括:
获取与所述污染源的污染类型对应的初始权重;
根据对所述污染源的污染指标监控调整所述初始权重,获取所述污染源的污染权重。
5.如权利要求1所述的方法,其特征在于,在所述获取所述污染源的污染活跃度之后,还包括:
将所述污染源的污染活跃度与预设的第一门限值进行比较;
若获知所述污染活跃度大于所述第一门限值,则获取所述污染源的信用指标数据;
按照预设算法对所述信用指标数据进行计算,获取所述污染源的污染信用度;
将所述污染源的污染信用度与预设的第二门限值进行比较;
若获知所述污染信用度大于所述第二门限值,则对所述污染源进行预警处理。
6.如权利要求5所述的方法,其特征在于,在所述对所述污染源进行预警处理之后,还包括:
采集所述污染源在预设时长内的污染关联数据;
分析所述污染关联数据的走势规律,根据所述走势规律监测所述污染源的异常。
7.一种污染源检测装置,其特征在于,包括:
提取模块,用于获取目标区域内待检测污染源的污染类型,根据所述污染类型提取所述污染源的污染关联数据;
获取模块,用于按照预设算法对所述污染关联数据进行计算,获取所述污染源的污染活跃度;
计算模块,用于根据所述污染活跃度计算所述污染源的排放指数;
确定模块,用于获取所述目标区域内所有污染源的排放指数,根据所有污染源的排放指数确定符合筛选条件的目标污染源。
8.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-7中任一所述的污染源检测方法。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的污染源检测方法。
10.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-7中任一所述的污染源检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719138.5A CN110672144B (zh) | 2018-07-03 | 2018-07-03 | 污染源检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810719138.5A CN110672144B (zh) | 2018-07-03 | 2018-07-03 | 污染源检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110672144A true CN110672144A (zh) | 2020-01-10 |
CN110672144B CN110672144B (zh) | 2021-12-28 |
Family
ID=69065358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810719138.5A Active CN110672144B (zh) | 2018-07-03 | 2018-07-03 | 污染源检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672144B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401635A (zh) * | 2020-03-16 | 2020-07-10 | 北京百度网讯科技有限公司 | 一种环境污染数据的检测方法、装置及电子设备 |
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN111505241A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市宇驰检测技术股份有限公司 | 企业周边土壤污染等级评定方法、装置、设备及介质 |
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈*** |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006177685A (ja) * | 2004-12-21 | 2006-07-06 | Hitachi Ltd | 汚染源探索方法及びこれを用いた汚染物質除去システム |
KR100750179B1 (ko) * | 2006-11-06 | 2007-08-17 | 재단법인서울대학교산학협력재단 | 지하수 오염물질 부하량 결정방법 |
CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
CN102507891A (zh) * | 2011-11-29 | 2012-06-20 | 中国科学院南京地理与湖泊研究所 | 无机营养盐污染源解析方法 |
CN102622670A (zh) * | 2012-02-20 | 2012-08-01 | 中国环境科学研究院 | 一种突发水环境污染事故涉嫌风险源的溯源方法 |
CN102661939A (zh) * | 2012-05-15 | 2012-09-12 | 北京化工大学 | 一种快速实现水污染溯源的方法 |
CN103034770A (zh) * | 2011-09-30 | 2013-04-10 | 邓义祥 | 河流污染物通量监测方法 |
CN103177302A (zh) * | 2013-03-28 | 2013-06-26 | 深圳市环境科学研究院 | 一种城区水库型水源地风险源评估方法 |
CN104103005A (zh) * | 2014-08-05 | 2014-10-15 | 环境保护部华南环境科学研究所 | 一种有限条件下突发性水环境事件污染源的溯源方法 |
CN104702685A (zh) * | 2015-03-11 | 2015-06-10 | 中山大学 | 基于后向轨迹的污染源追踪方法及其*** |
CN105976086A (zh) * | 2016-04-26 | 2016-09-28 | 天津大学 | 输水工程突发水污染事件的预警及预案生成方法 |
CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
CN106407714A (zh) * | 2016-10-14 | 2017-02-15 | 珠海富鸿科技有限公司 | 基于calpuff***的大气污染评估方法及装置 |
CN107450427A (zh) * | 2017-08-04 | 2017-12-08 | 南通汇聚软件科技有限公司 | 污染源在线监控***及其检测设备的运维动态管控方法 |
CN107480839A (zh) * | 2017-10-13 | 2017-12-15 | 深圳市博安达信息技术股份有限公司 | 基于主成分分析和随机森林的高危污染源的分类预测方法 |
CN107563139A (zh) * | 2017-09-06 | 2018-01-09 | 郑州大学 | 一种点源突发性水污染源事故溯源贡献程度计算方法 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
TWI614487B (zh) * | 2016-10-06 | 2018-02-11 | 崑山科技大學 | 流體排放管道之污染源監控裝置及監控方法 |
CN107784313A (zh) * | 2016-08-25 | 2018-03-09 | 河北国呈电子科技有限公司 | 环境监测方法、装置及其结果处理方法、装置和监测*** |
-
2018
- 2018-07-03 CN CN201810719138.5A patent/CN110672144B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006177685A (ja) * | 2004-12-21 | 2006-07-06 | Hitachi Ltd | 汚染源探索方法及びこれを用いた汚染物質除去システム |
KR100750179B1 (ko) * | 2006-11-06 | 2007-08-17 | 재단법인서울대학교산학협력재단 | 지하수 오염물질 부하량 결정방법 |
CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
CN103034770A (zh) * | 2011-09-30 | 2013-04-10 | 邓义祥 | 河流污染物通量监测方法 |
CN102507891A (zh) * | 2011-11-29 | 2012-06-20 | 中国科学院南京地理与湖泊研究所 | 无机营养盐污染源解析方法 |
CN102622670A (zh) * | 2012-02-20 | 2012-08-01 | 中国环境科学研究院 | 一种突发水环境污染事故涉嫌风险源的溯源方法 |
CN102661939A (zh) * | 2012-05-15 | 2012-09-12 | 北京化工大学 | 一种快速实现水污染溯源的方法 |
CN103177302A (zh) * | 2013-03-28 | 2013-06-26 | 深圳市环境科学研究院 | 一种城区水库型水源地风险源评估方法 |
CN104103005A (zh) * | 2014-08-05 | 2014-10-15 | 环境保护部华南环境科学研究所 | 一种有限条件下突发性水环境事件污染源的溯源方法 |
CN104702685A (zh) * | 2015-03-11 | 2015-06-10 | 中山大学 | 基于后向轨迹的污染源追踪方法及其*** |
CN105976086A (zh) * | 2016-04-26 | 2016-09-28 | 天津大学 | 输水工程突发水污染事件的预警及预案生成方法 |
CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
CN107784313A (zh) * | 2016-08-25 | 2018-03-09 | 河北国呈电子科技有限公司 | 环境监测方法、装置及其结果处理方法、装置和监测*** |
TWI614487B (zh) * | 2016-10-06 | 2018-02-11 | 崑山科技大學 | 流體排放管道之污染源監控裝置及監控方法 |
CN106407714A (zh) * | 2016-10-14 | 2017-02-15 | 珠海富鸿科技有限公司 | 基于calpuff***的大气污染评估方法及装置 |
CN107450427A (zh) * | 2017-08-04 | 2017-12-08 | 南通汇聚软件科技有限公司 | 污染源在线监控***及其检测设备的运维动态管控方法 |
CN107563139A (zh) * | 2017-09-06 | 2018-01-09 | 郑州大学 | 一种点源突发性水污染源事故溯源贡献程度计算方法 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN107480839A (zh) * | 2017-10-13 | 2017-12-15 | 深圳市博安达信息技术股份有限公司 | 基于主成分分析和随机森林的高危污染源的分类预测方法 |
Non-Patent Citations (2)
Title |
---|
FAZELI, G等: "Evaluation of Urban Soil Pollution: A Combined Approach of Toxic Metals and Polycyclic Aromatic Hydrocarbons (PAHs)", 《INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH》 * |
刘亮: "乌鲁木齐市扬尘来源分析", 《资源节约与环保》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461167A (zh) * | 2020-03-02 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
WO2021174751A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN111461167B (zh) * | 2020-03-02 | 2024-06-07 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
CN111401635A (zh) * | 2020-03-16 | 2020-07-10 | 北京百度网讯科技有限公司 | 一种环境污染数据的检测方法、装置及电子设备 |
CN111401635B (zh) * | 2020-03-16 | 2022-12-13 | 北京百度网讯科技有限公司 | 一种环境污染数据的检测方法、装置及电子设备 |
CN111505241A (zh) * | 2020-04-26 | 2020-08-07 | 深圳市宇驰检测技术股份有限公司 | 企业周边土壤污染等级评定方法、装置、设备及介质 |
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈*** |
CN114199314B (zh) * | 2021-12-25 | 2023-05-16 | 中铁水利信息科技有限公司 | 基于5g和北斗技术的水文监测反馈*** |
Also Published As
Publication number | Publication date |
---|---|
CN110672144B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110672144B (zh) | 污染源检测方法和装置 | |
Pretis | Does a carbon tax reduce CO2 emissions? Evidence from British Columbia | |
CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
McDonald | Measuring the fiscal health of municipalities | |
US10830743B2 (en) | Determining the net emissions of air pollutants | |
Knill et al. | Regulatory policy outputs and impacts: Exploring a complex relationship | |
KR100965756B1 (ko) | 하수처리장 공정 운영 상태 진단을 위한 방법 및 장치 | |
CN113487470A (zh) | 一种基于大数据的环保隐患精准监测定位方法 | |
CN115575584B (zh) | 一种大气环境镉含量监测预警方法及*** | |
US20130173480A1 (en) | Maintenance cycle for an aircraft | |
Hsiao et al. | Predictive models of safety based on audit findings: Part 2: Measurement of model validity | |
CN112488496A (zh) | 一种财务指标预测方法及装置 | |
CN116912061A (zh) | 基于大数据的土壤生态环境监测管理方法及*** | |
Alverbro et al. | Methods for risk analysis | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
Malik | The desirability of forgiveness in regulatory enforcement | |
CN115798154A (zh) | 一种空气质量告警方法及*** | |
KR20230038038A (ko) | 수처리 에너지지수 기반 하수처리장의 에너지 효율 평가 방법 및 에너지 절감 의사결정 시스템 | |
CN115526330A (zh) | 有机物走航数据校准方法、装置、计算机设备和存储介质 | |
Griffith et al. | Sleep-deprivation effect on human performance: a meta-analysis approach | |
Therkelsen et al. | The value of regression models in determining industrial energy savings | |
Muttaqin et al. | Cluster Analysis Using K-Means Method to Classify Indonesia Regency/City based on Human Development Index Indicator | |
CN114692749B (zh) | 一种机动车尾气遥感检测数据的处理与分析方法 | |
CN114565330B (zh) | 降水观测设备的健康度评估方法、***、设备和存储介质 | |
CN113539353B (zh) | 确定暗适应下叶绿素荧光特征参数的方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |