CN114755387B - 基于假设检验法的水体监测点位优化方法 - Google Patents
基于假设检验法的水体监测点位优化方法 Download PDFInfo
- Publication number
- CN114755387B CN114755387B CN202210571938.3A CN202210571938A CN114755387B CN 114755387 B CN114755387 B CN 114755387B CN 202210571938 A CN202210571938 A CN 202210571938A CN 114755387 B CN114755387 B CN 114755387B
- Authority
- CN
- China
- Prior art keywords
- monitoring point
- water
- water body
- auxiliary
- water quality
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 185
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000009826 distribution Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 7
- 210000000746 body region Anatomy 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 6
- 229910052760 oxygen Inorganic materials 0.000 description 6
- 239000001301 oxygen Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1806—Biological oxygen demand [BOD] or chemical oxygen demand [COD]
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Emergency Medicine (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
基于假设检验法的水体监测点位优化方法,解决现有的监测点位评估方法存在局限性、周期长、准确性差和成本高等问题;包括以下步骤:选定待监测的水体区域;布设主监测点位和辅助监测点位;以主监测点位和辅助监测点位的水体检测数值为随机样本,逐一对随机样本进行假设检验,以确定:主监测点位或辅助监测点位的水体水质情况是否能代表待监测的水体区域的水质情况;主监测点位的水体水质情况不能代表,用可代表水体水质情况的辅助监测点位替换;主监测点位和辅助监测点位的水体水质情况都不能代表,重新布设新辅助监测点位并筛选出所需点位数目。本发明可快速判断水体监测点位是否具有代表性;处理速度快、准确率高、计算成本低、可处理大量样本。
Description
技术领域
本发明属于水库、河流、海洋等水生态环境监测领域中水体监测点位优化方法,具体是基于假设检验法的水体监测点位优化方法。
背景技术
水体常规监测布点是从空间上保证监测点位采集的样品具有水体区域真实值代表性的重要工作,对缺少监测资料的区域,一般要通过长期的调查监测分析及大量的监测数据,不断优化和调整监测点位,筛选出具有代表性的监测点位。监测点位的优化可以很好的提高监测点位具有水体区域真实值的代表性,更好地反映河流、海洋等水环境的质量状况和污染压力。
常规的监测点位设置和优化,首先需要根据经验布设监测点位,按照丰、枯、平水期采样,通过对一年以上采样结果的分析,进行监测点位的加密或调整或优化,此种方式耗时耗力。为更准确的反映水质情况,降低成本,在传统布设监测点位的基础上,科学合理的评估监测点位也有利于监测点位优化工作。现有技术中,常见的监测点位评估方法主要有空间插值模型、聚类分析模型、主成分分析模型、点估值模型等,这些模型在科学性上对监测点位优化提出了解决方案,但是这些模型都有一定的局限性、评估周期长、准确性差、数据处理量巨大、优化和评估成本高。如空间插值模型在研究区域范围较大,地形很复杂时,计算成本会增加;聚类分析模型处理较大的样本量有一定困难;主成分分析模型:当主成分的因子负荷的符号有正有负时,综合评价函数意义就不明确;点估值模型的缺陷是没法给出估计的可靠性,也没法说出点估计值与总体参数真实值接近的程度。
发明内容
本发明克服了现有技术中基于评估模型的监测点位评估方法存在一定的局限性、评估周期长、准确性差、优化和评估成本高的缺点,提供了一种基于假设检验法的水体监测点位优化方法。
本发明实现以上发明目的采用的技术方案是:基于假设检验法的水体监测点位优化方法,该方法包括以下步骤:步骤A至步骤E。
步骤A:选定待监测的水体区域。
步骤B:根据步骤A中选定的水体区域中排口分布、水流方向的实际因素,按现有技术的设置方法布设至少一个主监测点位;在主监测点位的周围按设计距离布设一组辅助监测点位。
步骤C:在步骤B中的主监测点位和辅助监测点位采集水样并检测,得到一组检测数值,以这一组检测数值作为随机样本,按照以下步骤对随机样本逐一进行假设检验,以确定:随机样本所在的主监测点位或辅助监测点位的水体水质情况是否能代表待监测的水体区域的水质情况:
C1:选择任一随机样本,将该随机样本数值用μ表示,假设该随机样本数值μ为待监测的水体区域的水质检测数值的真实值;
C2:通过以下假设检验公式(1),计算步骤C1中所选择的随机样本的t值:
C3:通过表1确定拒绝域临界值w,步骤如下:
C3-1:表1中,自由度值υ通过样本总量n计算得到:υ=n-1;并在表1中查找出自由度值υ所在的行;
C3-2:设定代表数据可靠性的置信度c,置信度c设置为:50%、60%、80%、90%、95%、98%、99%、99.5%、99.8%或99.9%中的任一数值;计算得到1-c的数值,并在表1中查找出1-c的数值所在的列;
C3-3:取表1中,步骤C3-1的行与步骤C3-2的列交叉处的数值,即为:拒绝域临界值w;
C4:将步骤C2计算出的随机样本的t值与步骤C3得到的拒绝域临界值w进行比较;
若-w≤t≤w,假设被接受,步骤C1所选择的随机样本在接受域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况能够代表待监测的水体区域的水质情况,将该主监测点位或辅助监测点位作为最终确定的监测点位保留;
若t<-w或t>w,假设被拒绝,步骤C1所选择的随机样本在拒绝域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况不能代表待监测的水体区域的水质情况。
步骤D:在步骤C中,如果主监测点位的水体检测数值在拒绝域,与该主监测点位具有设计距离的辅助监测点位的水体检测数值在接受域,用辅助监测点位替换主监测点位,将该辅助监测点位作为最终确定的监测点位保留。
步骤E:在步骤C中,如果所有的主监测点位和辅助监测点位的水体水质情况均不能代表待监测的水体区域的水质情况,按以下步骤进行优化处理:
E1:在主监测点位的周围按照新的设计距离和/或方位增设一组新辅助监测点位;
E2:对步骤E1增设的一组新辅助监测点位逐一重复步骤C的操作,直至筛选出需要的新辅助监测点位数量,且筛选出的新辅助监测点位的水体水质情况均能代表待监测的水体区域的水质情况;
E3:拆除多余和不具备代表性的主监测点位和辅助监测点位,新辅助监测点位作为最终确定的监测点位保留,完成对待监测的水体区域的监测点位的布设及优化。
进一步的,所述的步骤A中的待监测的水体区域的面积为5-200km2,平均水深为10-100m。
进一步的,所述的步骤B中,待监测的水体区域中布设的辅助监测点位的数目为2-20个。
进一步的,所述的步骤B中,辅助监测点位之间距离为50m~2000m。
进一步的,所述的步骤B中,辅助监测点位的布设方式为随机布设或均匀布设。
进一步的,所述的步骤B中,辅助监测点位距离主监测点位的设计距离为:50m~2000m。
本发明的有益效果是:(1)通过本发明的方法,能够快速的判断待监测的水体区域中,设置的主监测点位(或原有的主监测点位)或辅助监测点位的水体的各项检测指标是否能代表该水体区域的水质情况;并且可优化水体区域中各个监测点位的布设位置;
(2)本发明的方法具有:计算简单、操作方便、处理速度快、准确率高、可靠性强、计算成本低,且能够处理大量样本等优势;
(3)本发明的方法为水体监测点位的优化提供了一种决策模型,有效地解决了传统的模型计算成本高、耗时、结果不可靠、无法处理大量数据等问题;
(4)同时,本发明的方法也能显示待优化的监测点位与总体参数真实值接近的程度。
下面结合附图与具体实施方式对本发明作进一步的描述。
附图说明
图1为近岸海域A的地图及监测点位位置示意图。
图2为近岸海域A的各监测点位的水体水质检测结果的t值分布示意图。
图3为河流B的地图及监测点位位置示意图。
图4为河流B的各监测点位的水体水质检测结果的t值分布示意图。
具体实施方式
本发明基于现有的假设检验数学公式及假设检验t值分布表的对应值,来实现对水体监测点位优化的方法。
假设检验是数理统计学中根据一定假设条件由样本推断总体的一种方法。其基本原理是:先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受作出推断。
利用假设检验法评价水体中的监测点位,可以快速的判断水体中原有监测点位的水体的各项检测数值是否能代表该区域的水质情况,也可以通过该模型优化监测点位的布设位置。
基于假设检验法的水体监测点位优化方法,包括:步骤A至步骤E。
步骤A:选定待监测的水体区域,待监测的水体区域可以是河流、湖泊、水库、海洋、近岸海域,最佳的区域面积为5-200km2,平均水深为10-100m。
步骤B:根据步骤A中选定的水体区域中排口分布、水流方向的实际因素,按现有技术的设置方法布设至少一个主监测点位;在主监测点位的周围按设计距离布设一组辅助监测点位。
在监测点位的布设中,根据待监测的水体区域的实际情况,主监测点位一般为按照常规布设或经验布设的监测点位。为了得到更为优化的水体监测点位,一般在主监测点位的周围50m~2000m处,通过随机布设或均匀布设的方式布设一组辅助监测点位。并且,在待监测的水体区域中,布设的辅助监测点位的数目为2-20个。另外,主监测点位周围的各个辅助监测点位之间的距离为50m~2000m。
步骤C:在步骤B中的主监测点位和辅助监测点位采集水样并检测,得到一组检测数值,以这一组检测数值作为随机样本,按照以下步骤C1-C4对随机样本逐一进行假设检验,以确定:随机样本所在的主监测点位或辅助监测点位的水体水质情况是否能代表待监测的水体区域的水质情况。
C1:选择任一随机样本,将该随机样本数值用μ表示,假设该随机样本数值μ为待监测的水体区域的水质检测数值的真实值;
C3:通过表1确定拒绝域临界值w,步骤如下:C3-1、表1中,自由度值υ通过样本总量n计算得到:υ=n-1;并在表1中查找出自由度值υ所在的行。C3-2、设定代表数据可靠性的置信度c,置信度c设置为:50%、60%、80%、90%、95%、98%、99%、99.5%、99.8%或99.9%中的任一数值;计算得到1-c的数值,并在表1中查找出1-c的数值所在的列。C3-3、取表1中,步骤C3-1的行与步骤C3-2的列交叉处的数值,即为:拒绝域临界值w。
表1
C4:将步骤C2计算出的随机样本的t值与步骤C3得到的拒绝域临界值w进行比较:
1)若-w≤t≤w,假设被接受,步骤C1所选择的随机样本在接受域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况能够代表待监测的水体区域的水质情况,将该主监测点位或辅助监测点位作为最终确定的监测点位保留;
2)若t<-w或t>w,假设被拒绝,步骤C1所选择的随机样本在拒绝域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况不能代表待监测的水体区域的水质情况。
步骤D:在步骤C中,如果主监测点位的水体检测数值在拒绝域,与该主监测点位具有设计距离的辅助监测点位的水体检测数值在接受域,用辅助监测点位替换主监测点位,将该辅助监测点位作为最终确定的监测点位保留。
在对具体的水域进行监测点位优化布设时,也会出现以下情况:某个或几个主监测点位的水体水质情况不能代表该区域水体的水质情况,但是因其所处的位置具有一定的意义,依然需保留,此时可考虑:选择该主监测点位周围最佳的可代表水体水质情况的辅助监测点位,将该辅助监测点位和该主监测点位均作为最终确定的监测点位保留。
在实际的水体监测点位的布设优化过程中,因水体情况复杂,如:入海口处支流较多,而导致的大部分主监测点位和辅助监测点位的水体水质情况不能代表该区域水体的水质情况,此时可以做如下优化:舍去离主监测点位布设距离较远的辅助监测点位,在主监测点位周围按照设计距离加密布设辅助监测点位,接着在主监测点周围,按照距离主监测点位从远到近的顺序,通过步骤C的操作,判断主监测点位和所加密布设的辅助监测点位的代表情况,并根据判断结果再舍去较远的且不具有代表性的加密布设的辅助监测点位,最终通过主监测点位和剩余的加密布设的辅助监测点位来确定:主监测点位能代表的水体区域范围。
步骤E:在步骤C中,如果所有的主监测点位和辅助监测点位的水体水质情况均不能代表待监测的水体区域的水质情况,按以下步骤进行优化处理:
E1:在主监测点位的周围按照新的设计距离和/或方位增设一组新辅助监测点位;新的设计距离与步骤B中的设计距离不相同,但新的设计距离的范围依然为50m~2000m;
E2:对步骤E1增设的一组新辅助监测点位逐一重复步骤C的操作,直至筛选出需要的新辅助监测点位数量,且筛选出的新辅助监测点位的水体水质情况均能代表待监测的水体区域的水质情况;
E3:拆除多余和不具备代表性的主监测点位和辅助监测点位,新辅助监测点位作为最终确定的监测点位保留,完成对待监测的水体区域的监测点位的布设及优化。
实际应用中,待监测的水体区域的检测指标可以是多种项目的检测指标,当需要综合考虑水质的各项检测指标时,需通过以下方式:1)先对各项检测指标下的一组检测数值逐一重复步骤C的操作,判断:该项检测指标下,主监测点位和辅助监测点位的水体水质情况是否可代表待监测的水体区域的水质情况;2)再综合分析各项检测指标下,主监测点位和辅助监测点位的水体水质代表情况,最终选择出在所有的检测指标下,最能够代表待监测的水体区域的水质情况的监测点位,作为最终确定的监测点位保留。
以下为本发明的优化方法的实施例,分别针对的是近岸海域和河流的监测点位的优化处理,具体结果如下。
实施例1
近岸海域A,面积7.433km2,水深10-50m,为半封闭海湾。其中A1和A2是近岸海域A原有监测点位,即主监测点位;B1、B2、B3、B4和B5是辅助监测点位(参看图1)。某月的监测数据如表2所示:根据水体监测点位优化的决策模型,所有监测点位各项检测指标的计算结果如表3所示。
表2近岸海域A的各监测点位的水体水质检测结果
表3近岸海域A的各监测点位的水体水质检测结果的t值表
当置信度为95%时,根据表1,近岸海域A的水体水质检测结果的接受域临界值为-2.447≤t≤2.447,从表3和图2可看出,A1、A2、B1、B3和B4的水体水质可以代表近岸海域A活性磷酸盐的污染情况,A1、A2、B2、B4和B5的水体水质可以代表近岸海域A无机氮的污染情况,A2、B1、B4和B5的水体水质可以代表近岸海域A总氮的污染情况,A1、A2、B2、B3和B4的水体水质可以代表近岸海域A总磷的污染情况,A2、B1、B2、B3、B4和B5的水体水质可以代表近岸海域A溶解氧的污染情况,A2、B1、B2、B4和B5的水体水质可以代表近岸海域A化学需氧量的污染情况。
并且,综合分析以上结果,可知:主监测点位A2和辅助监测点位B4的水体水质可以代表近岸海域A的污染情况,而主监测点位A1的水体水质不能代表近岸海域A的污染情况;因此在做监测点位优化时,考虑用辅助监测点位B4替换主监测点位A1。
实施例2
河流B,面积12.86km2,根据水流及支流方向,布设15个监测点位,记为C1-C15(参看图3),其中:C1-C5为主监测点位,C6-C15为辅助监测点位。某月的监测数据如表4所示,根据水体监测点位优化的决策模型,所有主监测点位和辅助监测点位各项检测指标的计算结果如表5所示。
表4河流B的各监测点位的水体水质检测结果
表5河流B的各监测点位的水体水质检测结果的t值表
点位编号 | 总氮 | 总磷 | 溶解氧 | 化学需氧量 |
C1 | -1.26162483 | -0.076181338 | -1.116630883 | 1.274804557 |
C2 | -3.358202535 | -0.6312168 | -3.221754678 | 2.778787462 |
C3 | -2.14439439 | -4.647061613 | -1.757320734 | 4.605052417 |
C4 | -1.04093244 | -1.578042 | 3.825833681 | -0.121750997 |
C5 | -0.654720757 | -0.076181338 | 1.99529125 | -3.989135609 |
C6 | -1.592663415 | -0.174128772 | -2.855646192 | -1.1960245 |
C7 | -0.047816685 | 0.446204979 | -5.784514082 | -1.518306551 |
C8 | -4.627183778 | 0.348257545 | -0.38441391 | -1.518306551 |
C9 | 1.221164558 | 1.066538731 | -1.208158004 | -1.08859715 |
C10 | 1.221164558 | -1.153603117 | 0.530857305 | 4.067915666 |
C11 | -0.15816288 | -4.026727862 | 2.452926857 | -4.20399031 |
C12 | 0.945299071 | -1.023006538 | 1.720709885 | 1.274804557 |
C13 | 1.772895533 | 6.290401903 | 2.727508222 | -2.055443303 |
C14 | 4.255684921 | 2.339855379 | 1.629182763 | -0.336605698 |
C15 | 5.469493066 | 2.894890841 | 1.44612852 | 2.02679601 |
当置信度为95%,根据表1,河流B的接受域临界值为-2.145≤t≤2.145,从表5和图4可看出,C1、C3、C4、C5、C6、C7、C9、C10、C11、C12、C13点位的检测结果可以代表河流B总氮的污染情况,C1、C2、C4、C5、C6、C7、C8、C9、C10、C12可以代表河流B总磷的污染情况,C1、C3、C5、C8、C9、C10、C12、C14、C15可以代表河流B溶解氧的污染情况,C1、C3、C6、C7、C8、C9、C12、C13、C14、C15可以代表河流B化学需氧量的污染情况。
并且,综合分析以上结果,可知:主监测点位C1和辅助监测点位C9、C12的水体水质情况能够很好的代表河流B的污染情况。
Claims (6)
1.基于假设检验法的水体监测点位优化方法,其特征在于,该方法包括以下步骤:
步骤A:选定待监测的水体区域;
步骤B:根据步骤A中选定的水体区域中排口分布、水流方向的实际因素,布设至少一个主监测点位;在主监测点位的周围按设计距离布设一组辅助监测点位;
步骤C:在步骤B中的主监测点位和辅助监测点位采集水样并检测,得到一组检测数值,以这一组检测数值作为随机样本,按照以下步骤对随机样本逐一进行假设检验,以确定:随机样本所在的主监测点位或辅助监测点位的水体水质情况是否能代表待监测水体区域的水质情况:
C1:选择任一随机样本,将该随机样本数值用μ表示,假设该随机样本数值μ为待监测的水体区域的水质检测数值的真实值;
C2:通过以下假设检验公式(1),计算步骤C1中所选择的随机样本的t值:
C3:通过表1确定拒绝域临界值w,步骤如下:
C3-1:表1中,自由度值υ通过样本总量n计算得到:υ=n-1;并在表1中查找出自由度值v所在的行;
C3-2:设定代表数据可靠性的置信度c,置信度c设置为:50%、60%、80%、90%、95%、98%、99%、99.5%、99.8%或99.9%中的任一数值;计算得到1-c的数值,并在表1中查找出1-c的数值所在的列;
C3-3:取表1中,步骤C3-1的行与步骤C3-2的列交叉处的数值,即为:拒绝域临界值w;
表1:
C4:将步骤C2计算出的随机样本的t值与步骤C3得到的拒绝域临界值w进行比较;
若-w≤t≤w,假设被接受,步骤C1所选择的随机样本在接受域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况能够代表待监测的水体区域的水质情况,将该主监测点位或辅助监测点位作为最终确定的监测点位保留;
若t<-w或t>w,假设被拒绝,步骤C1所选择的随机样本在拒绝域,则该随机样本所在的主监测点位或辅助监测点位的水体水质情况不能代表待监测的水体区域的水质情况;
步骤D:在步骤C中,如果主监测点位的水体检测数值在拒绝域,与该主监测点位具有设计距离的辅助监测点位的水体检测数值在接受域,用辅助监测点位替换主监测点位,将该辅助监测点位作为最终确定的监测点位保留;
步骤E:在步骤C中,如果所有的主监测点位和辅助监测点位的水体水质情况均不能代表待监测的水体区域的水质情况,按以下步骤进行优化处理:
E1:在主监测点位的周围按照新的设计距离和/或方位增设一组新辅助监测点位;
E2:对步骤E1增设的一组新辅助监测点位逐一重复步骤C的操作,直至筛选出需要的新辅助监测点位数量,且筛选出的新辅助监测点位的水体水质情况均能代表待监测的水体区域的水质情况;
E3:拆除多余和不具备代表性的主监测点位和辅助监测点位,新辅助监测点位作为最终确定的监测点位保留,完成对待监测的水体区域的监测点位的布设及优化。
2.根据权利要求1所述的基于假设检验法的水体监测点位优化方法,其特征在于,所述的步骤A中的待监测的水体区域的面积为5-200km2,平均水深为10-100m。
3.根据权利要求1所述的基于假设检验法的水体监测点位优化方法,其特征在于,所述的步骤B中,待监测的水体区域中布设的辅助监测点位的数目为2-20个。
4.根据权利要求1或3所述的基于假设检验法的水体监测点位优化方法,其特征在于,所述的步骤B中,辅助监测点位之间距离为50m~2000m。
5.根据权利要求1所述的基于假设检验法的水体监测点位优化方法,其特征在于,所述的步骤B中,辅助监测点位的布设方式为随机布设或均匀布设。
6.根据权利要求1所述的基于假设检验法的水体监测点位优化方法,其特征在于,所述的步骤B中,辅助监测点位距离主监测点位的设计距离为:50m~2000m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571938.3A CN114755387B (zh) | 2022-05-24 | 2022-05-24 | 基于假设检验法的水体监测点位优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210571938.3A CN114755387B (zh) | 2022-05-24 | 2022-05-24 | 基于假设检验法的水体监测点位优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114755387A CN114755387A (zh) | 2022-07-15 |
CN114755387B true CN114755387B (zh) | 2023-01-31 |
Family
ID=82334647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210571938.3A Active CN114755387B (zh) | 2022-05-24 | 2022-05-24 | 基于假设检验法的水体监测点位优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755387B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520449A (zh) * | 2009-02-26 | 2009-09-02 | 孟伟 | 一种近岸海域水质采样点优化装置及优化方法 |
CN102903014A (zh) * | 2012-09-06 | 2013-01-30 | 戴会超 | 江湖交汇水系水环境质量监测站点的优化布置方法 |
CN107194040A (zh) * | 2017-04-27 | 2017-09-22 | 西交利物浦大学 | 基于双向水流的水质监测网络多目标优化部署方法 |
CN107782870A (zh) * | 2017-10-12 | 2018-03-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种引水工程湖泊水生态效应监测点位优化方法 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
CN108064047A (zh) * | 2018-01-17 | 2018-05-22 | 北京工商大学 | 一种基于粒子群的水质传感器网络优化部署方法 |
CN108320060A (zh) * | 2018-03-14 | 2018-07-24 | 成都市自来水有限责任公司 | 一种基于城市供水管网人工水质监测点选址方法 |
WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN110084418A (zh) * | 2019-04-21 | 2019-08-02 | 北京工业大学 | 一种突发大气污染事故应急监测的监测点优化布设方法 |
CN112858594A (zh) * | 2021-02-23 | 2021-05-28 | 重庆市生态环境监测中心 | 山地城市空气质量监测点布设方法、介质、计算机设备 |
-
2022
- 2022-05-24 CN CN202210571938.3A patent/CN114755387B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520449A (zh) * | 2009-02-26 | 2009-09-02 | 孟伟 | 一种近岸海域水质采样点优化装置及优化方法 |
CN102903014A (zh) * | 2012-09-06 | 2013-01-30 | 戴会超 | 江湖交汇水系水环境质量监测站点的优化布置方法 |
CN107194040A (zh) * | 2017-04-27 | 2017-09-22 | 西交利物浦大学 | 基于双向水流的水质监测网络多目标优化部署方法 |
CN107782870A (zh) * | 2017-10-12 | 2018-03-09 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种引水工程湖泊水生态效应监测点位优化方法 |
WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
CN108064047A (zh) * | 2018-01-17 | 2018-05-22 | 北京工商大学 | 一种基于粒子群的水质传感器网络优化部署方法 |
CN108320060A (zh) * | 2018-03-14 | 2018-07-24 | 成都市自来水有限责任公司 | 一种基于城市供水管网人工水质监测点选址方法 |
CN110084418A (zh) * | 2019-04-21 | 2019-08-02 | 北京工业大学 | 一种突发大气污染事故应急监测的监测点优化布设方法 |
CN112858594A (zh) * | 2021-02-23 | 2021-05-28 | 重庆市生态环境监测中心 | 山地城市空气质量监测点布设方法、介质、计算机设备 |
Non-Patent Citations (2)
Title |
---|
《"均值偏差法"在湖泊水质监测点位优化中的应用》;刘蓉等;《环境科技》;20090630;第22卷(第1期);第44-45页 * |
《塔里木盆地南缘绿洲地下水时空变异与监测点位优化——以策勒绿洲为例》;蒙波等;《水土保持通讯》;20160430;第36卷(第2期);第209-215页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114755387A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595414B (zh) | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 | |
CN108918815B (zh) | 一种土壤重金属风险预测方法 | |
CN112506990B (zh) | 一种基于时空信息的水文数据异常检测方法 | |
CN113807570B (zh) | 基于XGBoost的水库大坝风险等级评估方法及*** | |
CN109541172B (zh) | 土壤属性值的计算方法及装置 | |
CN109636171A (zh) | 一种区域植被恢复的综合诊断与风险评价方法 | |
CN111382929A (zh) | 一种构建河流硅藻水华预警模型的方法及装置 | |
CN112016175B (zh) | 一种基于树状层次聚类的供水管网测压点优化布置方法 | |
CN113516228B (zh) | 一种基于深度神经网络的网络异常检测方法 | |
CN107885928A (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN113378473A (zh) | 一种基于机器学习模型的地下水砷风险预测方法 | |
CN112765902B (zh) | 一种基于TentFWA-GD的RBF神经网络的农村生活污水处理过程中COD浓度的软测量建模方法 | |
CN110619418A (zh) | 一种基于混合模型组合算法的多特征水质预测方法 | |
CN115774953A (zh) | 一种基于数据处理的污染时空风险监管评估***及方法 | |
CN112183887A (zh) | 一种水环境承载力预警指标阈值及分级标准确定方法 | |
CN117078077A (zh) | 一种高速公路路域的生态脆弱性评价方法 | |
CN115983669A (zh) | 一种简化河湖地表水水质评价的方法与*** | |
CN115171810A (zh) | 一种河流断面水质层次评价方法 | |
CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和*** | |
CN113743662A (zh) | 一种基于机器学习的船舶关键技术参数预测方法及*** | |
CN114755387B (zh) | 基于假设检验法的水体监测点位优化方法 | |
CN115906669A (zh) | 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法 | |
CN115062891A (zh) | 一种长距离有压输水管道渗漏快速定位方法 | |
CN110751398B (zh) | 一种区域生态质量评价方法及装置 |
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 |