CN114814135B - 一种基于多元监测的河流水质污染溯源方法及*** - Google Patents
一种基于多元监测的河流水质污染溯源方法及*** Download PDFInfo
- Publication number
- CN114814135B CN114814135B CN202210360232.2A CN202210360232A CN114814135B CN 114814135 B CN114814135 B CN 114814135B CN 202210360232 A CN202210360232 A CN 202210360232A CN 114814135 B CN114814135 B CN 114814135B
- Authority
- CN
- China
- Prior art keywords
- river
- section
- river channel
- data
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 172
- 238000012544 monitoring process Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003911 water pollution Methods 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 238000003903 river water pollution Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 16
- 239000003344 environmental pollutant Substances 0.000 claims description 15
- 231100000719 pollutant Toxicity 0.000 claims description 15
- 238000011144 upstream manufacturing Methods 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims 2
- 238000007726 management method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Medicinal Chemistry (AREA)
- Mathematical Analysis (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computational Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多元监测的河流水质污染溯源方法及***,该方法包括:实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常判断,得到异常数据报警河道断面;对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断面信息。通过使用本发明能够在降低传统人力监测成本的同时准确的查找并追溯污染源的具***置。本发明作为一种基于多元监测的河流水质污染溯源方法及***,可广泛应用于河流水质监测及管理领域。
Description
技术领域
本发明涉及河流水质监测及管理领域,尤其涉及一种基于多元监测的河流水质污染溯源 方法及***。
背景技术
城市河道,一方面作为生态景观形象的一张名片,对城市市容市貌、环境质量产生极其 深远的影响,另一方面作为人类生活工作不可或缺的水资源供给,对城市经济发展、人民生 活置业发挥着重要的作用。
传统的河道监测,大多是依赖水质固定监测站获知河道水质状况,固定监测站建设、运 维成本高,虽然可以获取连续时间的水质数据,但是缺乏对河道全河段水质监测的全面性。 在新兴的环境监测领域中,无人监测船具有较高的机动性与灵活性,能按照设定路线进行移动监测,获取连续河段的水质分布情况,但监测时间较为有限;而分布式监测仪表布置简便、 安装运维成本低、可实现基本水质参数的监测,定性获知水质变化趋势;三类监测手段各有 长处与不足,单一依靠某种监测方法,难以获知河道全面的、可靠的水质状况;同时,伴随 着“智慧水务”时代的到来,运用机器学习方法挖掘水质数据的内在规律,规避人工分析主观性强的不足,实现水环境智慧监管的目的;目前,在水污染溯源研究中,主要基于水环境 机理模型,结合模拟优化算法、概率统计方法来构建溯源模型进行反演计算,推算出污染源 项信息。但大部分溯源模型仅停留在理论研究,难以结合实际河道水力状况及污染事件进行 追踪溯源,具有一定局限性。
发明内容
为了解决上述技术问题,本发明的目的是提供一种基于多元监测的河流水质污染溯源方 法及***,能够在降低传统人力监测成本的同时准确的查找并追溯污染源的具***置。
本发明所采用的第一技术方案是:一种基于多元监测的河流水质污染溯源方法,包括以 下步骤:
实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常判断,得到异常 数据报警河道断面;
对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断 面信息。
进一步,所述实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面这一 步骤,其具体包括:
水环境检测数据平台通过API接口获取地图资料并进行河道位置识别,划分检测河道区 域;
通过水质固定监测站对检测河道区域的水质信息进行实时检测,得到河流水质信息并上 传水环境检测数据平台;
对河流水质信息进行数据零值剔除,得到筛选后数据;
判断到筛选后数据中的数据异常持续时间达到预设阈值,生成存在河流水质信息异常的 河道区域;
对存在河流水质信息异常的河道区域水质进行采集与预处理,得到可疑水污染河道断面。
进一步,所述对存在河流水质信息异常的河道区域水质进行采集与预处理,得到可疑水 污染河道断面这一步骤,其具体包括:
水环境监测数据平台根据存在河流水质信息异常的河道区域规划监测路线,并下达无人 监测船;
无人监测船根据监测路线对河流水质数据进行采集处理,得到移动监测数据并上传至水 环境监测数据平台;
所述移动监测数据包括河流水质数据和河流水质数据对应的位置信息;
水环境监测数据平台通过反距离权重插值法对移动监测数据进行处理,得到水质空间分 布图;
将水质空间分布图中的一维线性数据转换为二维空间分布,得到可疑水污染河道断面。
进一步,所述反距离权重插值法公式如下所示:
上式中,Z表示插值点估计值,Zi表示实测样本值,n表示参与计算的实测样本数,Di表 示插值点与第i个站点间的距离,p表示距离的幂。
进一步,所述对异常数据报警河道断面进行逐点追踪处理,确定水污染区域这一步骤, 其具体包括:
以异常数据报警河道断面为判断基准,根据追踪依据,对异常数据报警河道断面进行逐 点追踪,得到正常数据河道断面;
所述追踪依据包括根据河道的流速计算污染物迁移的理想时长、根据异常数据报警河道 断面与上游河道断面之间的距离推算上游河道断面在理想时刻时的河流水质数据;
以异常数据报警河道断面和正常数据河道断面之间的河道区域,确定水污染区域。
进一步,所述根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到 水污染河道断面信息这一步骤,其具体包括:
将水污染区域的参数和边界条件参数导入ICM模拟软件,搭建河道模型;
所述水污染区域的参数包括水污染区域的河床地形数据和水污染区域河道断面的经纬度 数据,所述边界条件参数为分布式监测仪表分别获取的异常数据报警河道断面和正常数据河 道断面的水流信息;
通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型;
对河道溯源模型进行迭代反演计算,得到水污染河道断面信息。
进一步,所述通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型这一步骤, 其具体包括:
通过分布式监测仪表获取正常数据河道断面的水流信息,得到实测值;
设定待求参数,所述待求参数包括污染排放位置、污染排放浓度和污染排放时间;
通过差分优化算法对待求参数进行预处理,得到最优待求参数;
将最优待求参数输入河道模型进行水质模拟,得到模拟值;
计算模拟值和实测值之间的误差,得到误差值;
根据收敛条件对误差值进行判断,判断到误差值小于预设阈值时,输出判断后的误差值 对应的最优待求参数,构建河道溯源模型。
进一步,所述通过差分进化算法对待求参数进行预处理,得到最优待求参数这一步骤,其具体包括:
设定差分优化算法的参数,所述参数包括种群大小、缩放因子、交叉概率和种群代数;
对种群个体进行初始化处理,得到初始种群个体;
通过设定的变异策略与交叉概率对初始种群进行变异和交叉处理,得到新种群个体;
所述初始种群个体为待求参数范围内随机生成的初始参数,所述新种群个体即为进行变 异和交叉处理的待求参数;
对初始种群个体和新种群个体选择操作,选择误差较小的个体作为最优待求参数。
本发明所采用的第二技术方案是:一种基于多元监测的河流水质污染溯源***,包括:
采集模块,用于实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
判断模块,用于通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常 判断,得到异常数据报警河道断面;
追踪模块,用于对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
构建模块,用于根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得 到水污染河道断面信息。
本发明方法及***的有益效果是:本发明通过对河流水质信息进行实时监控并搭建河道 溯源模型对存在水质问题的重点可疑水质区域进行定量溯源的判断,能够快速有效地发现异 常河道断面与可疑排口,一方面减少了传统监测的人力、时间成本,另一方面为水环境管控与实时监督提供更具智能化、全面化的技术支持,丰富溯源管控手段。
附图说明
图1是本发明一种基于多元监测的河流水质污染溯源方法的步骤流程图;
图2是本发明一种基于多元监测的河流水质污染溯源***的结构框图;
图3是本发明基于无人监测船采集数据绘制的水质空间分布图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编 号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的 执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1,本发明提供了一种基于多元监测的河流水质污染溯源方法,该方法包括以下 步骤:
S1、实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
S11、水环境检测数据平台通过API接口获取地图资料并进行河道位置识别,划分检测河 道区域;
具体地,水环境检测数据平台通过地图供应商的Web服务API向开发者提供的HTTP接 口,利用接口使用地理数据服务,获取所需格式的地图资料,按照地图资料进行河道位置识 别,划分检测河道区域。
S12、通过水质固定监测站对检测河道区域的水质信息进行实时检测,得到河流水质信息 并上传水环境检测数据平台;
具体地,搭建水环境监测数据平台,负责接收、保存现场终端上传的数据,同时,水环 境监测数据平台通过API接口采集开源地图资料,并在地图上划分监测河道区域,水环境监 测数据平台根据监测终端种类、监测区域、监测指标、监测时段、数据采集频率分类对监测数据进行分类整理与存档,采取数据实时展示的形式,便于实时跟踪水质变化情况。
S13、对河流水质信息进行数据零值剔除,得到筛选后数据;
S14、判断到筛选后数据中的数据异常持续时间达到预设阈值,生成存在河流水质信息异 常的河道区域;
具体地,根据水环境管理标准,在平台后台设置异常数据报警规则,针对水质固定监测 站实时上传的水质数据进行异常判断,其中判断规则为:剔除数据零值、恒值,数据异常持 续时间达到预设阈值。
S15、对存在河流水质信息异常的河道区域水质进行采集与预处理,得到可疑水污染河道 断面。
S151、水环境监测数据平台根据存在河流水质信息异常的河道区域规划监测路线,并下 达无人监测船;
S152、无人监测船根据监测路线对河流水质数据进行采集处理,得到移动监测数据并上 传至水环境监测数据平台;
S153、所述移动监测数据包括河流水质数据和河流水质数据对应的位置信息;
具体地,若判断到河流水质信息存在异常,则在异常时段下,由人工操作及水环境监测 数据平台设置确定河道的移动监测区域,部署无人监测船,并规划无人监测船沿岸来回移动 巡航路线以及设置数据采集频率;无人监测船搭载水质传感器和RTK定位装置,按照巡航路 线开启走航任务,在任务区域沿岸进行移动监测,自动采集水质数据、位置信息并上传至平 台;其中,无人监测船移动航速需控制在1m/s以下,避免航速过快对水质传感器的监测可靠 性产生不良影响。
S154、水环境监测数据平台通过反距离权重插值法对移动监测数据进行处理,得到水质 空间分布图;
具体地,参照图3,在无人监测船完成走航任务后,水环境监测数据平台对移动监测数 据进行预处理,包括剔除异常值,如零值、恒值等,替换缺失值,保证数据质量符合标准。 在数据预处理完毕后,利用IDW空间插值方法对水质数据进行处理,绘制水质空间分布图;其中,IDW空间插值方法即为反距离权重插值法,是以插值点与样本点之间的距离为权重的 插值方法,对于插值点越近的样本点赋予的权重越大,其权重贡献与距离成反比。其表达公 式为:
上式中,Z表示插值点估计值,Zi表示实测样本值,n表示参与计算的实测样本数,Di表 示插值点与第i个站点间的距离,p表示距离的幂;
无人监测船由于其具有移动监测、连续采集上传数据的特点,可在巡航路线规划下生成 对应路线的加密点位水质数据。进一步地,在确定的河段空间范围内,依据加密点位水质数 据与IDW空间插值方法生成水质空间分布图,并利用颜色不同或深浅表征浓度高低,可以更直观地辨别水质异常断面。
S155、将水质空间分布图中的一维线性数据转换为二维空间分布,得到可疑水污染河道 断面。
具体地,根据水质空间分布图,将移动监测的一维线性数据转为二维空间分布,进一步 地对河道污染分布进行可视化展示,结合位置信息可有效判断可疑河段区间,从而指导锁定 河道重点管控区域与可疑水污染河道断面。
S2、通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常判断,得到 异常数据报警河道断面;
具体地,根据水环境管理标准,在水环境监测数据平台后台设置异常数据报警规则,针 对分布式监测仪表实时上传的水质数据进行异常判断,其中判断规则为:剔除数据零值、恒 值,数据异常持续时间达到预设阈值,得到异常数据报警河道断面。
S3、对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
S31、以异常数据报警河道断面为判断基准,根据追踪依据,对异常数据报警河道断面进 行逐点追踪,得到正常数据河道断面;
S32、所述追踪依据包括根据河道的流速计算污染物迁移的理想时长、根据异常数据报警 河道断面与上游河道断面之间的距离推算上游河道断面在理想时刻时的河流水质数据;
S33、以异常数据报警河道断面和正常数据河道断面之间的河道区域,确定水污染区域。
具体地,根据异常数据报警信息,定位追踪至异常报警断面,并以该断面为判断基准, 结合流速及各断面距离,对上游各个断面逐点追踪并进行异常判断,直至追踪断面数据恢复 正常。其中,追踪依据为:根据流速v,报警断面S0与上游断面Si的距离Li,计算污染物迁移 的理想时长为:ti=Li/v。接着,以报警断面S0出现异常数据的时点T0为基准往前推算时刻Ti=T0-ti,对上游断面Si在Ti时刻的水质数据进行异常判断,若仍异常,则继续往上游断面追踪, 直至追踪断面数据恢复正常,根据报警断面S0与追踪数据恢复正常断面Sn的位置信息,将二 者之间的河段划分水质一场河段,确定水污染影响区间,缩小污染责任范围,得到水污染区 域。
S4、根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河 道断面信息。
S41、将水污染区域的参数和边界条件参数导入ICM模拟软件,搭建河道模型;
S42、所述水污染区域的参数包括水污染区域的河床地形数据和水污染区域河道断面的经 纬度数据,所述边界条件参数为分布式监测仪表分别获取的异常数据报警河道断面和正常数 据河道断面的水流信息;
具体地,研究水污染区域的河床地形数据,具体为区域内河道断面的经度、纬度数据, 由于该类数据原始格式为点数据,因此需要处理成shp格式的线数据,再导入InfoWorks ICM模拟软件;结合经验值取值范围与实际情况,对河道断面糙率等参数进行赋值,生成一维河 段,在模型检验无误后即可代表一维河道网格生成输入边界条件后,对河道模型进行水力模 拟,采用实测流量数据作为率定校准依据,将模拟值与实测值进行比对,减少二者误差,保 证基础水力参数设置合理,模拟情况接近真实工况,流量模拟连续稳定,构建稳定的河道模型。
S43、通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型;
S431、通过分布式监测仪表获取正常数据河道断面的水流信息,得到实测值;
具体地,河道机理模型的水力模拟需要水力边界条件作为驱动,因此,在一维河道上游 节点输入入流事件作为流量边界,下游节点输入水位事件作为水位边界,保证该模型的水力 模拟连续稳定,分布式监测仪表获取正常数据河道断面即下游节点的水流信息,得到实测值。
S432、设定差分优化算法的参数,所述参数包括种群大小、缩放因子、交叉概率和种群 代数;
S433、通过差分优化算法对待求参数进行预处理,得到最优待求参数;
S4331、设定差分优化算法的参数,所述参数包括种群大小、缩放因子、交叉概率、最大 距离和种群代数;
具体地,设定算法参数,其中包括种群大小、缩放因子、交叉概率、最大距离及种群代 数,为了达到较好的溯源效果,算法需要在全局搜索能力和局部搜索能力之间权衡,控制参 数的选择决定了溯源算法的而搜索能力。
S4332、对种群个体进行初始化处理,得到初始种群个体;
S4333、通过设定的变异策略与交叉概率对初始种群进行交叉处理,得到新种群个体;
S4334、所述初始种群个体为待求参数范围内随机生成的初始参数,所述新种群个体即为 进行变异和交叉处理的待求参数;
S4335、对初始种群个体和新种群个体选择操作,选择误差较小的个体作为最优待求参数。
具体地,种群初始化,生成初始种群,并对初始种群个体Xi进行验证,将初始种群个体Xi传递至Info Works ICM模拟软件的可行河道模型,利用可行河道模型模拟得出模拟值,计算 其和实测值的误差g(Xi),在设定的变异策略及交叉概率规则下,其中变异策略涉及到缩放因 子与差分向量的处理,种群经历变异、交叉、选择生成新种群个体Ui。
S434、将最优待求参数输入河道模型进行水质模拟,得到模拟值;
具体地,确定河道污染指标作为目标水质参数,并设定排口位置及污染物过程线,即浓 度-时间曲线,同时,由于水质模拟是以污染总量的概念进行衡算的,故需对设置污染事件的 排口,同步设置入流事件,即流量-时间曲线,并保证入流事件与污染事件的发生时间相互对 应;根据模拟需求设置模拟时间步长及总时长,在Info Works ICM模拟软件内勾选目标水质 参数,进行指定时长内的水质模拟,在完成水质模拟后,导出所需差看的结果断面或结果点的模拟数据,即可差看下游断面的模拟水质曲线变化。
S435、计算模拟值和实测值之间的误差,得到误差值。
S44、根据收敛条件对误差值进行判断,判断到误差值小于预设阈值时,输出判断后的误 差值对应的最优待求参数,构建河道溯源模型;
具体地,对该新种群个体进行验证,将新种群个体Ui传递至Info Works ICM模拟软件的 一维河道模型,同样地,利用河道模型模拟得出模拟值,计算其和实测值的误差g(Ui);比较 误差g(Xi)和g(Ui),选择误差更小对应的种群个体作为下一代,根据预设的收敛条件,收敛 条件设置为满足最大种群迭代次数及误差值小于设定值,对算法迭代计算结果进行分析判断, 若满足收敛条件,则算法运行结束、输出结果,否则进行下一代模拟计算,判断到不满足收敛条件时重复S433至S435步骤。
S45、对河道溯源模型进行反演定量计算,得到水污染河道断面。
具体地,利用河道溯源模型进行多次反演计算,不停迭代接近最优值,定量计算得到污 染断面位置及相关污染信息,包括排放污染物浓度、排放流量、排放时间等,最终定量地水 污染河道断面及所属排口。
参照图2,一种基于多元监测的河流水质污染溯源***,包括:
采集模块,用于实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
判断模块,用于通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常 判断,得到异常数据报警河道断面;
追踪模块,用于对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
构建模块,用于根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得 到水污染河道断面信息。
上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与 上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉 本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等 同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (5)
1.一种基于多元监测的河流水质污染溯源方法,其特征在于,包括以下步骤:
实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常判断,得到异常数据报警河道断面;
对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断面信息;
所述对异常数据报警河道断面进行逐点追踪处理,确定水污染区域这一步骤,其具体包括这一步骤,其具体包括:
以异常数据报警河道断面为判断基准,根据追踪依据,对异常数据报警河道断面进行逐点追踪,得到正常数据河道断面;
所述追踪依据包括根据河道的流速计算污染物迁移的理想时长、根据异常数据报警河道断面与上游河道断面之间的距离推算上游河道断面在理想时刻时的河流水质数据;
以异常数据报警河道断面和正常数据河道断面之间的河道区域,确定水污染区域;
污染物迁移的理想时长的计算公式如下:
ti=Li/v
其中,v表示流速,Li表示异常数据报警河道断面S0与上游河道断面Si的距离;
所述根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断面信息这一步骤,其具体包括:
将水污染区域的参数和边界条件参数导入ICM模拟软件,搭建河道模型;
所述水污染区域的参数包括水污染区域的河床地形数据和水污染区域河道断面的经纬度数据,所述边界条件参数为分布式监测仪表分别获取的异常数据报警河道断面和正常数据河道断面的水流信息;
通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型;
对河道溯源模型进行迭代反演计算,得到水污染河道断面信息;
所述通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型这一步骤,其具体包括:
通过分布式监测仪表获取正常数据河道断面的水流信息,得到实测值;
设定待求参数,所述待求参数包括污染排放位置、污染排放浓度和污染排放时间;
通过差分优化算法对待求参数进行预处理,得到最优待求参数;
将最优待求参数输入河道模型进行水质模拟,得到模拟值;
计算模拟值和实测值之间的误差,得到误差值;
根据收敛条件对误差值进行判断,判断到误差值小于预设阈值时,输出判断后的误差值对应的最优待求参数,构建河道溯源模型;
所述通过差分优化算法对待求参数进行预处理,得到最优待求参数这一步骤,其具体包括:
设定差分优化算法的参数,所述参数包括种群大小、缩放因子、交叉概率和种群代数;
对种群个体进行初始化处理,得到初始种群个体;
通过设定的变异策略与交叉概率对初始种群进行变异和交叉处理,得到新种群个体;
所述初始种群个体为待求参数范围内随机生成的初始参数,所述新种群个体即为进行变异和交叉处理的待求参数;
对初始种群个体和新种群个体选择操作,选择误差较小的个体作为最优待求参数。
2.根据权利要求1所述一种基于多元监测的河流水质污染溯源方法,其特征在于,所述实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面这一步骤,其具体包括:
水环境检测数据平台通过API接口获取地图资料并进行河道位置识别,划分检测河道区域;
通过水质固定监测站对检测河道区域的水质信息进行实时检测,得到河流水质信息并上传水环境检测数据平台;
对河流水质信息进行数据零值剔除,得到筛选后数据;
判断到筛选后数据中的数据异常持续时间达到预设阈值,生成存在河流水质信息异常的河道区域;
对存在河流水质信息异常的河道区域水质进行采集与预处理,得到可疑水污染河道断面。
3.根据权利要求2所述一种基于多元监测的河流水质污染溯源方法,其特征在于,所述对存在河流水质信息异常的河道区域水质进行采集与预处理,得到可疑水污染河道断面这一步骤,其具体包括:
水环境监测数据平台根据存在河流水质信息异常的河道区域规划监测路线,并下达无人监测船;
无人监测船根据监测路线对河流水质数据进行采集处理,得到移动监测数据并上传至水环境监测数据平台;
所述移动监测数据包括河流水质数据和河流水质数据对应的位置信息;
水环境监测数据平台通过反距离权重插值法对移动监测数据进行处理,得到水质空间分布图;
将水质空间分布图中的一维线性数据转换为二维空间分布,得到可疑水污染河道断面。
4.根据权利要求3所述一种基于多元监测的河流水质污染溯源方法,其特征在于,所述反距离权重插值法公式如下所示:
上式中,Z表示插值点估计值,Zi表示实测样本值,n表示参与计算的实测样本数,Di表示插值点与第i个站点间的距离,p表示距离的幂。
5.一种基于多元监测的河流水质污染溯源***,其特征在于,包括以下模块:
采集模块,用于实时采集河流水质信息并根据河流水质信息构建可疑水污染河道断面;
判断模块,用于通过分布式监测仪表对可疑水污染河道断面的水质数据进行采集与异常判断,得到异常数据报警河道断面;
追踪模块,用于对异常数据报警河道断面进行逐点追踪处理,确定水污染区域;
构建模块,用于根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断面信息;
所述对异常数据报警河道断面进行逐点追踪处理,确定水污染区域,其具体包括这一步骤,其具体包括:以异常数据报警河道断面为判断基准,根据追踪依据,对异常数据报警河道断面进行逐点追踪,得到正常数据河道断面;所述追踪依据包括根据河道的流速计算污染物迁移的理想时长、根据异常数据报警河道断面与上游河道断面之间的距离推算上游河道断面在理想时刻时的河流水质数据;以异常数据报警河道断面和正常数据河道断面之间的河道区域,确定水污染区域;
污染物迁移的理想时长的计算公式如下:
ti=Li/v
其中,v表示流速,Li表示异常数据报警河道断面S0与上游河道断面Si的距离;
所述根据水污染区域,结合差分进化算法和河道模型进行迭代反演计算,得到水污染河道断面信息这一步骤,其具体包括:将水污染区域的参数和边界条件参数导入ICM模拟软件,搭建河道模型;所述水污染区域的参数包括水污染区域的河床地形数据和水污染区域河道断面的经纬度数据,所述边界条件参数为分布式监测仪表分别获取的异常数据报警河道断面和正常数据河道断面的水流信息;通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型;对河道溯源模型进行迭代反演计算,得到水污染河道断面信息;
所述通过差分进化算法对河道模型进行耦合处理,构建河道溯源模型,其具体包括:通过分布式监测仪表获取正常数据河道断面的水流信息,得到实测值;设定待求参数,所述待求参数包括污染排放位置、污染排放浓度和污染排放时间;通过差分优化算法对待求参数进行预处理,得到最优待求参数;将最优待求参数输入河道模型进行水质模拟,得到模拟值;计算模拟值和实测值之间的误差,得到误差值;根据收敛条件对误差值进行判断,判断到误差值小于预设阈值时,输出判断后的误差值对应的最优待求参数,构建河道溯源模型;
所述通过差分优化算法对待求参数进行预处理,得到最优待求参数,其具体包括:设定差分优化算法的参数,所述参数包括种群大小、缩放因子、交叉概率和种群代数;对种群个体进行初始化处理,得到初始种群个体;通过设定的变异策略与交叉概率对初始种群进行变异和交叉处理,得到新种群个体;所述初始种群个体为待求参数范围内随机生成的初始参数,所述新种群个体即为进行变异和交叉处理的待求参数;对初始种群个体和新种群个体选择操作,选择误差较小的个体作为最优待求参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210360232.2A CN114814135B (zh) | 2022-04-07 | 2022-04-07 | 一种基于多元监测的河流水质污染溯源方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210360232.2A CN114814135B (zh) | 2022-04-07 | 2022-04-07 | 一种基于多元监测的河流水质污染溯源方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114814135A CN114814135A (zh) | 2022-07-29 |
CN114814135B true CN114814135B (zh) | 2024-04-19 |
Family
ID=82535503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210360232.2A Active CN114814135B (zh) | 2022-04-07 | 2022-04-07 | 一种基于多元监测的河流水质污染溯源方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114814135B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116754552B (zh) * | 2023-06-08 | 2024-02-09 | 江苏四联水务科技有限公司 | 一种水环境数据采集同步处理方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657348A (zh) * | 2017-10-13 | 2018-02-02 | 上环境科技(金华)有限公司 | 一种基于物联网的全方位水质智能监管方法及其*** |
CN110456013A (zh) * | 2019-06-05 | 2019-11-15 | 中山大学 | 一种河道水质监测***及方法 |
CN210534129U (zh) * | 2019-06-05 | 2020-05-15 | 中山大学 | 一种河道水质监测的无人监测船 |
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
CN113128129A (zh) * | 2021-05-07 | 2021-07-16 | 大连理工大学 | 一种突发水污染正逆耦合溯源方法及*** |
CN113902172A (zh) * | 2021-09-13 | 2022-01-07 | 联通(广东)产业互联网有限公司 | 一种污水处理方法、***、装置及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7104115B2 (en) * | 2004-05-07 | 2006-09-12 | Sensicore, Inc. | Fluid treatment apparatus with input and output fluid sensing |
-
2022
- 2022-04-07 CN CN202210360232.2A patent/CN114814135B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657348A (zh) * | 2017-10-13 | 2018-02-02 | 上环境科技(金华)有限公司 | 一种基于物联网的全方位水质智能监管方法及其*** |
CN110456013A (zh) * | 2019-06-05 | 2019-11-15 | 中山大学 | 一种河道水质监测***及方法 |
CN210534129U (zh) * | 2019-06-05 | 2020-05-15 | 中山大学 | 一种河道水质监测的无人监测船 |
CN112213444A (zh) * | 2020-08-28 | 2021-01-12 | 浙江工业大学 | 大气污染微监测网络时间切片分析的溯源方法 |
CN113128129A (zh) * | 2021-05-07 | 2021-07-16 | 大连理工大学 | 一种突发水污染正逆耦合溯源方法及*** |
CN113902172A (zh) * | 2021-09-13 | 2022-01-07 | 联通(广东)产业互联网有限公司 | 一种污水处理方法、***、装置及介质 |
Non-Patent Citations (2)
Title |
---|
基于PSO-DE 算法的突发水域污染溯源研究;曹宏桂等;《中国环境科学》;第37卷(第10期);第3807页-3812页 * |
慈湖河流域水质监测预警管理体系的构建与应用;邵世保等;《环境与发展》;第31卷(第12期);第113页-117页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114814135A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107943928B (zh) | 一种基于时空数据统计学习的臭氧浓度预测方法及*** | |
CN111898691A (zh) | 一种河流突发水污染预警溯源方法、***、终端及介质 | |
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
CN112001610A (zh) | 农业面源污染的处理方法及装置 | |
CN114201570A (zh) | 河网水质的监测方法、装置和可读存储介质 | |
CN112288275A (zh) | 一种基于物联网的地下水水质分析评价***及方法 | |
CN112348290B (zh) | 河流水质预测方法、装置、存储介质及设备 | |
CN117116382B (zh) | 引水工程影响下受水湖泊水质时空预测方法和*** | |
CN114444259A (zh) | 一种雨污管网溯源追踪***及方法 | |
CN115759488B (zh) | 一种基于边缘计算的碳排放监测预警分析***及其方法 | |
EP4303785A1 (en) | Reservoir flow rate regulating method and apparatus, electronic device, and storage medium | |
CN117236674B (zh) | 城市河网水动力精准调控和水环境提升方法及*** | |
CN114814135B (zh) | 一种基于多元监测的河流水质污染溯源方法及*** | |
CN114662344B (zh) | 基于连续在线观测数据的大气污染溯源预测方法及*** | |
CN116166669A (zh) | 水污染溯源方法、装置、设备及存储介质 | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
CN117491585A (zh) | 基于时序网络的水生态污染监测方法及装置、*** | |
CN117744411B (zh) | 一种基于海洋气象趋势的船舶失速预测方法及*** | |
CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
CN116934102B (zh) | 一种用于工业园区的环境风险管控*** | |
CN116720627A (zh) | 一种监测站点风速和风向协同时序预测方法及*** | |
CN113516387B (zh) | 基于地理空间大数据的区域生态安全格局构建方法及*** | |
CN115879594A (zh) | 一种基于地理探测器的城市定居人口分布趋势预测方法 | |
CN117451114B (zh) | 一种碳排放监测***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |