CN113902344A - 一种基于模型的水环境水质目标管控方法 - Google Patents
一种基于模型的水环境水质目标管控方法 Download PDFInfo
- Publication number
- CN113902344A CN113902344A CN202111368587.8A CN202111368587A CN113902344A CN 113902344 A CN113902344 A CN 113902344A CN 202111368587 A CN202111368587 A CN 202111368587A CN 113902344 A CN113902344 A CN 113902344A
- Authority
- CN
- China
- Prior art keywords
- water
- water quality
- river
- year
- basin
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 38
- 230000004907 flux Effects 0.000 claims abstract description 38
- 231100000719 pollutant Toxicity 0.000 claims abstract description 38
- 238000003908 quality control method Methods 0.000 claims abstract description 27
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 11
- 230000033228 biological regulation Effects 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 abstract description 7
- 230000026267 regulation of growth Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 8
- 239000000356 contaminant Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Sewage (AREA)
Abstract
本发明公开了一种基于模型的水环境水质目标管控方法,涉及水质管控技术领域,包括:构建水环境对象的全流域空间拓扑关系图;全流域按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理;根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;采集各河流汇水处的水文数据和对应的水质管控目标输入水质目标管控模型,计算得出不同年型每个月的允许污染物通量和实际污染物通量,对比得出每条河流需要削减的污染物通量;基于每条河流需要削减的污染物通量,结合河长制或水环境保护区管理条例及方法重点治理重污染和中污染水域;通过这种有目的有目标的对相关河流的治理,实现全流域的水质目标管控。
Description
技术领域
本发明涉及水质管控技术领域,具体是一种基于模型的水环境水质目标管控方法。
背景技术
水质模型又称水质数学模型,是水体水质的变化规律的数学描述;它可用于水体水质的预测、研究水体的污染与自净以及排污的控制等;在实际工作中,水质监测主要还是依靠人工判断,缺乏有效的预警体系,且监察不当容易导致环境的恶性发展,因此,环境保护工作中发展更敏捷、更智能的监测手段也变得越来越有必要;
由于水环境生态***组成成分复杂,水质影响因素通常会表现为某一个特征内具有较强时间依赖性,特征之间又有相互作用、相互反应的特性;而一条河流可能穿过多个行政区域,各河道区域段面没有实时监测监控措施,一般都是河道段面发生污染后才去治理,这样已经滞后了,无法对水资源保护和河流管理起到指导作用;因此如何划清污染源源头区域和及时发现河道段面污染,是河道水质水文治理的关键所在,也是推行河长制的必要手段之一;为此,我们提出一种基于模型的水环境水质目标管控方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于模型的水环境水质目标管控方法,解决了水质监测缺乏有效的预警体系、难以划清污染源源头区域和及时发现河道断面污染,无法实现全流域水质目标管控的问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种基于模型的水环境水质目标管控方法,包括:
步骤一:构建水环境对象的全流域-子流域-河流水系-河段-站点的空间拓扑关系,得到全流域空间拓扑关系图;
步骤二:全流域按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理;
步骤三:结合全流域空间拓扑关系图,根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;
步骤四:构建水质目标管控模型,采集各河流汇水处的水文数据和对应的水质管控目标输入水质目标管控模型,计算得出丰水年/平水年/枯水年/现状年每个月允许污染物通量和实际污染物通量;
步骤五:通过实际污染物通量和允许污染物通量的对比得出每条河流需要削减的污染物通量;
步骤六:基于每条河流需要削减的污染物通量,结合河长制或水环境保护区管理条例及方法对相关河流进行管控。
进一步地,所述全流域空间拓扑关系图的具体构建步骤为:
基于GIS地图,结合流域边界嵌套行政区划边界,建立单流域多区域的水环境管控单元;水环境管控单元根据各子流域河流的上下游汇水关系搭建全流域-子流域-河流水系-河段-站点的空间拓扑关系,得到全流域空间拓扑关系图,其中水环境对象包括湖泊、水库和河流。
进一步地,划分网格化管控单元的具体方法为:
根据水环境对象的各子流域及下辖河流的汇水关系及水功能区将全流域水环境划分为子流域网格和汇水河流网格;其中一个子流域中至少包含一个或多个汇水河流网格,一个汇水河流网格至少包含一个汇水关系河流。
进一步地,所述水质管控目标表示为:当前年份为丰水年/平水年/枯水年/现状年实现目标水质时,各水环境对象允许容纳的污染物总量。
进一步地,水质目标管控模型的构建方法为:
采用神经网络算法和大数据算法建立水质目标管控模型;
将近50年内的每一年的水文数据和对应的水质管控目标输入水质目标管控模型,输出50组模型成果数据,从中对比得出丰水年、平水年、枯水年分别对应的年份,并以此作为标准。
进一步地,水文数据包括气象、蒸发、降解、流量、流速、水质和水量。
进一步地,还包括:通过将现状年不同月份的计算结果与丰水年、平水年、枯水年进行对比,判断现状年的年型是属于丰水年、平水年还是枯水年;然后选择最靠近的年型成果和现状年成果一起作为水质目标管控的管控目标。
进一步地,对相关河流进行管控的具体步骤为:
根据得到的每条河流需要削减的污染物通量,统计全流域需要削减的河流数量和不需要削减的河流数量;进而判断出全流域水质状况分布情况;
根据全流域的整体水质状况,划分重度污染区域、中度污染区域和轻度污染区域;然后结合河长制和水环境保护相关条例及方法重点治理重污染和中污染水域。
与现有技术相比,本发明的有益效果是:本发明中水环境管控单元根据各子流域河流的上下游汇水关系建立全流域-子流域-河流水系-河段-站点的空间拓扑关系图,并按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理,以此来实现精准管控的目的;
然后根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;采用神经网络算法和大数据算法结合近50年内的每一年的水文数据建立水质目标管控模型;然后采集各河流汇水处的水文数据和对应的水质管控目标输入水质目标管控模型,计算得出丰水年/平水年/枯水年/现状年每个月允许污染物通量和实际污染物通量;进而对比得出每条河流需要削减的污染物通量;然后结合河长制或水环境保护区管理条例及方法重点治理重污染和中污染水域;通过这种有目的有目标的对相关河流的治理,实现全流域的水质目标管控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于模型的水环境水质目标管控方法,包括以下步骤:
步骤一:构建水环境对象的全流域-子流域-河流水系-河段-站点的空间拓扑关系,具体表现为:基于GIS地图,结合流域边界嵌套行政区划边界,建立单流域多区域的水环境管控单元;水环境管控单元根据各子流域河流的上下游汇水关系建立全流域-子流域-河流水系-河段-站点的空间拓扑关系图;水环境对象包括湖泊、水库、河流等;
步骤二:全流域按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理;具体为:
根据水环境对象的各子流域及下辖河流的汇水关系及水功能区将全流域水环境划分为子流域网格和汇水河流网格;其中一个子流域中至少包含一个或多个汇水河流网格,一个汇水河流网格至少包含一个汇水关系河流,以此来实现精准管控的目的;
步骤三:根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;在本实施例中,由于国家水质考核目标相关的水十条和水功能区考核文件中规定了水环境对象的流域中所有河流及河段的水质考核目标,因此可以根据国家制定的各河流的水质考核目标,制定当前年份假设为丰水年、平水年、枯水年和现状年实现目标水质时,各水环境对象(河流、湖泊、水库等)可以容纳的污染物总量;即水质管控目标;
步骤四:构建水质目标管控模型,采集各河流汇水处的水文数据和对应的水质管控目标输入水质目标管控模型,计算得出丰水年/平水年/枯水年/现状年每个月允许污染物通量和实际污染物通量;具体为:
采用神经网络算法和大数据算法建立水质目标管控模型;
将近50年内的每一年的水文数据和对应的水质管控目标输入水质目标管控模型,输出50组模型成果数据,从中对比得出丰水年、平水年、枯水年分别对应的年份,并以此作为标准;
在本实施例中,如果在未来的年份中出现了更典型的年份可以替换丰水年、平水年或枯水年,则通过水质目标管控模型计算,输出对应的成果数据替换原有的年型成果;其中模型运行输出成果面向不同水环境对象,如:面向湖泊水库的水质目标、环境容量;面向湖泊的允许入湖通量;面向河流的允许入河负荷;
根据前文中得到的全流域空间拓扑关系图,确定全流域的汇水关系和水质管控目标;然后采集各河流汇水处的水质监测和水量监测数据作为水质目标管控模型的输入条件,结合输入的气象(风速、风向、降雨)、蒸发、降解、流量、流速等参数信息;选定年型(丰水年、平水年、枯水年、现状年)启动模型运算,输出计算结果;需要注意的是现状年只能计算从1月份到当前月份的达到水质管控目标所能允许的污染物通量;
步骤五:通过实际污染物通量和允许污染物通量的对比得出每条河流需要削减的污染物通量;其中当允许污染物通量大于实际污染物通量时,不需要削减;当允许污染物通量小于实际污染物通量时,削减量为实际污染物通量减去允许污染物通量的差;
在本实施例中,还包括:通过将现状年不同月份的计算结果与丰水年、平水年、枯水年的对比,进而判断现状年的年型是属于丰水年、平水年还是枯水年;然后选择最靠近的年型成果和现状年成果一起作为水质目标管控的管控目标;
步骤六:结合河长制或水环境保护区管理条例及方法有目的和有目标的对相关河流进行有效管控;具体为:
根据得到的每条河流需要削减的污染物通量,统计全流域需要削减的河流数量和不需要削减的河流数量;进而判断出全流域水质状况分布情况;
根据全流域的整体水质状况,划分重度污染区域、中度污染区域和轻度污染区域;然后结合河长制和水环境保护相关条例和工作方法重点治理重污染和中污染水域;通过这种有目的有目标的对相关河流的治理,实现全流域的水质目标管控。
本发明的工作原理:
一种基于模型的水环境水质目标管控方法,在工作时,首先基于GIS地图,结合流域边界嵌套行政区划边界,建立单流域多区域的水环境管控单元,并结合水环境管控单元以及各子流域河流的上下游汇水关系建立全流域-子流域-河流水系-河段-站点的空间拓扑关系图;全流域按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理;然后根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;采用神经网络算法和大数据算法结合近50年内的每一年的水文数据建立水质目标管控模型;然后采集各河流汇水处的水质和水量等参数输入水质目标管控模型,计算得出丰水年/平水年/枯水年/现状年每个月允许污染物通量和实际污染物通量,进而对比得出每条河流需要削减的污染物通量;然后结合河长制或水环境保护区管理条例及方法重点治理重污染和中污染水域;通过这种有目的有目标的对相关河流的治理,实现全流域的水质目标管控。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于模型的水环境水质目标管控方法,其特征在于,包括:
步骤一:构建水环境对象的全流域-子流域-河流水系-河段-站点的空间拓扑关系,得到全流域空间拓扑关系图;
步骤二:全流域按照各子流域河流的上下游汇水关系划分网格化管控单元进行网格化管理;
步骤三:结合全流域空间拓扑关系图,根据国家水质考核的水十条和水功能区考核目标制定不同网格管控单元的水质管控目标;
步骤四:构建水质目标管控模型,采集各河流汇水处的水文数据和对应的水质管控目标输入水质目标管控模型,计算得出丰水年/平水年/枯水年/现状年每个月的允许污染物通量和实际污染物通量;
步骤五:通过实际污染物通量和允许污染物通量的对比得出每条河流需要削减的污染物通量;
步骤六:基于每条河流需要削减的污染物通量,结合河长制或水环境保护区管理条例及方法对相关河流进行管控。
2.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,所述全流域空间拓扑关系图的具体构建步骤为:
基于GIS地图,结合流域边界嵌套行政区划边界,建立单流域多区域的水环境管控单元;水环境管控单元根据各子流域河流的上下游汇水关系搭建全流域-子流域-河流水系-河段-站点的空间拓扑关系,得到全流域空间拓扑关系图,其中水环境对象包括湖泊、水库和河流。
3.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,划分网格化管控单元的具体方法为:
根据水环境对象的各子流域及下辖河流的汇水关系及水功能区将全流域水环境划分为子流域网格和汇水河流网格;其中一个子流域中至少包含一个或多个汇水河流网格,一个汇水河流网格至少包含一个汇水关系河流。
4.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,所述水质管控目标表示为:当前年份为丰水年/平水年/枯水年/现状年实现目标水质时,各水环境对象允许容纳的污染物总量。
5.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,水质目标管控模型的构建方法为:
采用神经网络算法和大数据算法建立水质目标管控模型;
将近50年内的每一年的水文数据和对应的水质管控目标输入水质目标管控模型,输出50组模型成果数据,从中对比得出丰水年、平水年、枯水年分别对应的年份,并以此作为标准。
6.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,水文数据包括气象、蒸发、降解、流量、流速、水质和水量。
7.根据权利要求5所述的一种基于模型的水环境水质目标管控方法,其特征在于,还包括:通过将现状年不同月份的计算结果与丰水年、平水年、枯水年进行对比,判断现状年的年型是属于丰水年、平水年还是枯水年;然后选择最靠近的年型成果和现状年成果一起作为水质目标管控的管控目标。
8.根据权利要求1所述的一种基于模型的水环境水质目标管控方法,其特征在于,对相关河流进行管控的具体步骤为:
根据得到的每条河流需要削减的污染物通量,统计全流域需要削减的河流数量和不需要削减的河流数量;进而判断出全流域水质状况分布情况;
根据全流域的整体水质状况,划分重度污染区域、中度污染区域和轻度污染区域;然后结合河长制和水环境保护相关条例及方法重点治理重污染和中污染水域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368587.8A CN113902344A (zh) | 2021-11-18 | 2021-11-18 | 一种基于模型的水环境水质目标管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368587.8A CN113902344A (zh) | 2021-11-18 | 2021-11-18 | 一种基于模型的水环境水质目标管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902344A true CN113902344A (zh) | 2022-01-07 |
Family
ID=79194629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111368587.8A Pending CN113902344A (zh) | 2021-11-18 | 2021-11-18 | 一种基于模型的水环境水质目标管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902344A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460271A (zh) * | 2022-01-19 | 2022-05-10 | 广西大学 | 基于cssi溯源与实时监测的流域入河泥沙来源负荷辨识方法 |
CN115471115A (zh) * | 2022-10-01 | 2022-12-13 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN115859598A (zh) * | 2022-11-24 | 2023-03-28 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于水质年均值限值的河流水环境容量核算方法及*** |
CN117314019A (zh) * | 2023-11-28 | 2023-12-29 | 北京英视睿达科技股份有限公司 | 一种农业面源污染产生量评估方法 |
CN117332959A (zh) * | 2023-09-28 | 2024-01-02 | 中建生态环境集团有限公司 | 一种基于断面水质达标的流域入河污染物调控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008210362A (ja) * | 2007-02-27 | 2008-09-11 | Inha-Industry Partnership Inst | Gisを利用した水質汚染負荷算定用の意思決定支援システム及びその運営方法 |
CN106557029A (zh) * | 2016-11-11 | 2017-04-05 | 中国科学院生态环境研究中心 | 一种黑臭河流水污染控制与治理的方法 |
CN107527298A (zh) * | 2017-08-26 | 2017-12-29 | 辽宁大学 | 一种北方大型水库流域水质目标控制方法 |
CN110516343A (zh) * | 2019-08-22 | 2019-11-29 | 中国水利水电科学研究院 | 基于水功能区水质目标的湖库水环境容量精细化调控方法 |
CN113361690A (zh) * | 2021-06-16 | 2021-09-07 | 江苏省生态环境监控中心(江苏省环境信息中心) | 水质预测模型训练、水质预测方法、装置、设备及介质 |
CN113469858A (zh) * | 2021-07-23 | 2021-10-01 | 中国葛洲坝集团生态环境工程有限公司 | 一种用于流域治理的wer***集成方法 |
-
2021
- 2021-11-18 CN CN202111368587.8A patent/CN113902344A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008210362A (ja) * | 2007-02-27 | 2008-09-11 | Inha-Industry Partnership Inst | Gisを利用した水質汚染負荷算定用の意思決定支援システム及びその運営方法 |
CN106557029A (zh) * | 2016-11-11 | 2017-04-05 | 中国科学院生态环境研究中心 | 一种黑臭河流水污染控制与治理的方法 |
CN107527298A (zh) * | 2017-08-26 | 2017-12-29 | 辽宁大学 | 一种北方大型水库流域水质目标控制方法 |
CN110516343A (zh) * | 2019-08-22 | 2019-11-29 | 中国水利水电科学研究院 | 基于水功能区水质目标的湖库水环境容量精细化调控方法 |
CN113361690A (zh) * | 2021-06-16 | 2021-09-07 | 江苏省生态环境监控中心(江苏省环境信息中心) | 水质预测模型训练、水质预测方法、装置、设备及介质 |
CN113469858A (zh) * | 2021-07-23 | 2021-10-01 | 中国葛洲坝集团生态环境工程有限公司 | 一种用于流域治理的wer***集成方法 |
Non-Patent Citations (1)
Title |
---|
童振权等: "天子门水库水质预测研究", 《中国水运》, vol. 21, no. 4, 15 April 2021 (2021-04-15), pages 94 - 95 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460271A (zh) * | 2022-01-19 | 2022-05-10 | 广西大学 | 基于cssi溯源与实时监测的流域入河泥沙来源负荷辨识方法 |
CN115471115A (zh) * | 2022-10-01 | 2022-12-13 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN115471115B (zh) * | 2022-10-01 | 2023-10-31 | 浙江嘉园智能科技有限公司 | 一种全域水体统一联治的电子河长控制*** |
CN115859598A (zh) * | 2022-11-24 | 2023-03-28 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于水质年均值限值的河流水环境容量核算方法及*** |
CN115859598B (zh) * | 2022-11-24 | 2023-08-25 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于水质年均值限值的河流水环境容量核算方法及*** |
CN117332959A (zh) * | 2023-09-28 | 2024-01-02 | 中建生态环境集团有限公司 | 一种基于断面水质达标的流域入河污染物调控方法 |
CN117332959B (zh) * | 2023-09-28 | 2024-05-28 | 中建生态环境集团有限公司 | 一种基于断面水质达标的流域入河污染物调控方法 |
CN117314019A (zh) * | 2023-11-28 | 2023-12-29 | 北京英视睿达科技股份有限公司 | 一种农业面源污染产生量评估方法 |
CN117314019B (zh) * | 2023-11-28 | 2024-04-12 | 北京英视睿达科技股份有限公司 | 一种农业面源污染产生量评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902344A (zh) | 一种基于模型的水环境水质目标管控方法 | |
CN110458359B (zh) | 一种基于未完全截污条件下的平原河网水量水质优化调控方法 | |
CN107563139A (zh) | 一种点源突发性水污染源事故溯源贡献程度计算方法 | |
CN111428972A (zh) | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 | |
CN108009736A (zh) | 一种水质预警预报***及水质预警预报方法 | |
CN115375198B (zh) | 区域河湖水系连通联合调度和水质安全保障方法及*** | |
CN109598428B (zh) | 一种基于行政单元和水系的污染物削减分配方法 | |
CN106599456B (zh) | 一种区分坡面和沟道汇流速度差异的地貌单位线构建方法 | |
CN110909484A (zh) | 一种流域灰水足迹评估方法及水环境治理策略制定方法 | |
CN113902172A (zh) | 一种污水处理方法、***、装置及介质 | |
CN115587667A (zh) | 智慧环保平台水环境管理***的污染分析管理模块及方法 | |
CN111444595A (zh) | 基于swmm与efdc耦合模型的截污工程环境效应评估方法及装置 | |
CN116166669A (zh) | 水污染溯源方法、装置、设备及存储介质 | |
Arabeyyat et al. | Nonlinear Multivariate Rainfall Prediction in Jordan Using NARX-ANN Model with GIS Techniques. | |
Sayed et al. | Comparing machine-learning-based black box techniques and white box models to predict rainfall-runoff in a northern area of Iraq, the Little Khabur River | |
Horváth et al. | Enhancing inland navigation by model predictive control of water levels: the Cuinchy-Fontinettes case | |
Curceac et al. | Adjusting for conditional bias in process model simulations of hydrological extremes: An experiment using the North Wyke Farm Platform | |
CN113919617A (zh) | 一种基于数学模型的入湖河流污染影响程度评估方法 | |
Duviella et al. | Adaptive and predictive control architecture of inland navigation networks in a global change context: application to the Cuinchy-Fontinettes reach | |
Dinar et al. | Integration of surface water management in urban and regional spatial planning | |
Wang et al. | TMDL development for the Taihu Lake’s influent rivers, China using variable daily load expressions | |
CN116362552A (zh) | 一种评估小型水库安全风险等级的方法 | |
Jung et al. | Effect of abrupt topographical characteristic change on water quality in a river | |
Kipyego et al. | Analysis of nonpoint source pollution loading on water quality in an urban-rural river catchment using GIS-PLOAD model: Case study of Sosiani River watershed | |
CN113158591B (zh) | 一种确定流域土地开发利用承载力的方法 |
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 |