CN115081963A - 一种地下水质风险分析方法及*** - Google Patents
一种地下水质风险分析方法及*** Download PDFInfo
- Publication number
- CN115081963A CN115081963A CN202210999927.5A CN202210999927A CN115081963A CN 115081963 A CN115081963 A CN 115081963A CN 202210999927 A CN202210999927 A CN 202210999927A CN 115081963 A CN115081963 A CN 115081963A
- Authority
- CN
- China
- Prior art keywords
- water quality
- pollutant content
- set time
- time period
- area
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012502 risk assessment Methods 0.000 title claims description 23
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 132
- 231100000719 pollutant Toxicity 0.000 claims abstract description 132
- 238000001514 detection method Methods 0.000 claims abstract description 117
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 239000003673 groundwater Substances 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012372 quality testing Methods 0.000 claims 3
- 238000012360 testing method Methods 0.000 claims 1
- 238000005070 sampling Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种地下水质风险分析方法及***,方法包括:分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值;若大于预设阈值,则获取与至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在监测路径上滑动,得到被窗口覆盖的第一待监测区域。解决了在地下流动的活水中进行随机取样可能会出现污染物含量较低或较高,造成对地下水的污染情况评价不准确的问题。
Description
技术领域
本发明属于水质监测技术领域,尤其涉及一种地下水质风险分析方法及***。
背景技术
现有的对地下水污染进行风险分析的方法,一般不会区分地下水为地下死水还是流动的活水,只是通过抽检地下水中污染物的含量进行水污染监测,然后根据污染物含量进行判断当前区域是否被污染。而对于地下流动的活水来说,污染源会随着水流流动,在地下流动的活水中进行随机取样可能会出现污染物含量较低或较高的问题,显然是存在很大的误差,导致对地下水的污染情况评价不准确。
发明内容
本发明提供一种地下水质风险分析方法及***,用于解决在地下流动的活水中进行随机取样可能会出现污染物含量较低或较高,造成对地下水的污染情况评价不准确的技术问题。
根据本发明实施例的一种地下水质风险分析方法,包括:
在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
进一步地,其中,所述污染物含量序列为不同时刻的水质检测数据中污染物含量组成的序列。
进一步地,所述采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量包括:
基于预设的内梅罗综合评价指数算法对在某一设定时间段内不同时刻的水质检测数据进行计算处理,得到水质综合评价指数;
对所述水质综合评价指数进行分析处理,得到某一设定时间段内的水质检测数据中的污染物含量。
进一步地,在判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值之后,所述方法还包括:
若在某一设定时间段内的至少一个污染物含量序列中最大变化量不大于预设阈值,则判断下一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值。
进一步地,所述获取各个设定时间段下的目标位置点集合,并基于各个设定时间段下的目标位置点集合确定监测路径包括:
获取各个设定时间段下的目标位置点集合,并计算各个目标位置点集合的目标中心点,其中所述目标中心点为至某一目标位置点集合中各个目标位置点距离相同的中心点;
将各个设定时间段下的目标中心点按时间顺序依次连接,得到监测路径。
进一步地,所述基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析包括:
判断所述第一待监测区域中任一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;
若所述第一待监测区域中任一检测井的水质检测数据中的污染物含量大于水质风险阈值,则所述第一待监测区域存在污染风险;
判断所述第二待监测区域中某一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;
若所述第二待监测区域中某一检测井的水质检测数据中的污染物含量大于水质风险阈值,则所述第二待监测区域中某一检测井对应的区域存在污染风险。
根据本发明实施例的一种地下水质风险分析***,包括:
采集模块,配置为在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断模块,配置为判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
获取模块,配置为若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
滑动模块,配置为获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
分析模块,配置为基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
本发明还提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的地下水质风险分析方法。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行本发明任一实施例的地下水质风险分析方法。
本申请的地下水质风险分析方法及***,通过分析不同时间段内的各个检测井中污染物含量变化情况,并按照时间段划分将最大变化量大于预设阈值的检测井筛选出来,而且获取各个检测井的位置信息,从而得到多个不同时间段下的目标位置集合,并计算多个不同时间段下的目标位置点集合的目标中心点,将多个不同时间段下的目标中心点按时间顺序依次连接,得到监测路径,再基于预设尺寸的窗口在监测路径上滑动,得到被窗口覆盖的第一待监测区域,当第一待监测区域中任一检测井的水质检测数据中的污染物含量大于水质风险阈值,则判断第一待监测区域存在污染风险,解决了在地下流动的活水中进行随机取样可能会出现污染物含量较低或较高,造成对地下水的污染情况评价不准确的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本发明一实施例提供的一种地下水质风险分析方法的流程图;
图2为本发明一实施例提供的一种地下水质风险分析***的结构框图;
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本申请的一种地下水质风险分析方法的流程图。
如图1所示,地下水质风险分析方法具体包括步骤S01至步骤S05。
步骤S01、在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列。
具体地,需要依据地址资料判断预设区域的地下水分布范围,并根据分布范围按照设定间距设置检测井,在具体实施过程中,检测井的设定间距为50m,工作人员可根据实际情况进行选择。
在本实施例中,获取各水质检测数据中的污染物含量的方式可以是:基于预设的内梅罗综合评价指数算法对在某一设定时间段内不同时刻的水质检测数据进行计算处理,得到水质综合评价指数;对水质综合评价指数进行分析处理,得到某一设定时间段内的水质检测数据中的污染物含量。其中,内梅罗综合评价指数算法:是指一种兼顾极值或称突出最大值的计权型多因子环境质量指数的算法。
需要说明的是,对地下水分别进行检测处理,得到多个水质检测数据之后,再获取预设内梅罗综合评价指数算法,用于根据内梅罗综合评价指数算法对水质检测数据进行计算处理,得到水质综合评价指数,并对水质综合评价指数进行分析处理,得到污染物数据,即通过分析水质综合评价指数,并从中分析出污染物浓度,即污染物含量。
进一步地,得到水质综合评价指数的公式为:
步骤S02、判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值。
在本实施例中,污染物含量序列为不同时刻的水质检测数据中污染物含量组成的序列,其中最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值。通过判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,从而能够进行筛选出受移动的污染源影响的检测井,即受污染源影响的区域。
步骤S03、若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合。
在本实施例中,若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则说明该些检测井受到了移动的污染源影响,此时获取该些检测井的位置信息,得到某一设定时间段下的目标位置集合。
进一步地,若在某一设定时间段内的至少一个污染物含量序列中最大变化量不大于预设阈值,则判断下一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值。
需要说明的是,当随着时间的变化,最大变化量大于预设阈值的至少一个污染物含量序列对应的检测井的位置信息未发生变化时,说明此时污染源未移动。
例如,2022年03月1日内的最大变化量大于预设阈值的污染物含量序列有三个,其分别对应坐标为(x1,y1,z3)、(x1,y1,z3)、(x3,y3,z3)的三个检测井,随着时间的变化,2022年03月2日以及2022年03月3日,最大变化量大于预设阈值的污染物含量序列对应的检测井的坐标依然分别是(x1,y1,z3)、(x1,y1,z3)、(x3,y3,z3),则说明污染源并未移动。
步骤S04、获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定检测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域。
在本实施例中,通过获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,此时得到的监测路径可以近似为污染源在地下水中移动的路径。
具体地,确定监测路径的过程具体可以是:获取各个设定时间段下的目标位置点集合,并计算各个目标位置点集合中的目标中心点,其中目标中心点为至某一目标位置点集合中各个目标位置点距离相同的中心点;将各个设定时间段下的目标中心点按时间顺序依次连接,得到监测路径。
例如,2022年03月1日内的最大变化量大于预设阈值的污染物含量序列有三个,其分别对应坐标为(x1,y1,z3)、(x1,y1,z3)、(x3,y3,z3)的三个检测井,根据三个检测井的坐标信息确定至该三个检测井距离相同的第一目标中心点位置;
2022年03月2日内的最大变化量大于预设阈值的污染物含量序列有二个,其分别对应坐标为(x4,y4,z4)以及(x5,y5,z5)的二个检测井,根据二个检测井的坐标信息确定至该二个检测井距离相同的第二目标中心点位置;
2022年03月3日内的最大变化量大于预设阈值的污染物含量序列有四个,其分别对应坐标为(x6,y6,z6)、(x7,y7,z7)、(x8,y8,z8)、(x9,y9,z9)的四个检测井,根据四个检测井的坐标信息确定至该四个检测井距离相同的第三目标中心点位置。
将第一目标中心点位置、第二目标中心点位置、第三目标中心点位置依次连接,得到监测路径。
进一步地,由于污染源在地下水中会发生溶质迁移的现象,从而需要设定预设尺寸的窗口,将预设尺寸的窗口近似为污染源迁移覆盖的范围,此时得到的第一待监测区域都是被污染源污染后的区域,若采用现有技术中随机抽检某一检测井中污染物含量进行判断当前区域是否被污染,会发生由于污染源在地下是随水流动的,可能当前区域已经被污染过,但是此时污染源已经远离当前区域,当前区域的污染物含量并未大于水质风险阈值,容易会被误判为未污染区域,从而影响工作人员针对当前区域制定修复计划。
步骤S05、基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
在本实施例中,判断第一待监测区域中任一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;若第一待监测区域中任一检测井的水质检测数据中的污染物含量大于水质风险阈值,则第一待监测区域存在污染风险;判断第二待监测区域中某一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;若第二待监测区域中某一检测井的水质检测数据中的污染物含量大于水质风险阈值,则第二待监测区域中某一检测井对应的区域存在污染风险。
需要说明的是,水质风险阈值可以为设置多个不同的值,因此与水质风险阈值相对应的污染风险等级可以划分为高污染等级、一般污染等级、轻污染等级以及未污染等级。
本申请的方法,通过分析不同时间段内的各个检测井中污染物含量变化情况,并按照时间段划分将最大变化量大于预设阈值的检测井筛选出来,而且获取各个检测井的位置信息,从而得到多个不同时间段下的目标位置集合,并计算多个不同时间段下的目标位置点集合的目标中心点,将多个不同时间段下的目标中心点按时间顺序依次连接,得到监测路径,再基于预设尺寸的窗口在监测路径上滑动,得到被窗口覆盖的第一待监测区域,当第一待监测区域中任一检测井的水质检测数据中的污染物含量大于水质风险阈值,则判断第一待监测区域存在污染风险,解决了在地下流动的活水中进行随机取样可能会出现污染物含量较低或较高,造成对地下水的污染情况评价不准确的问题。
请参阅图2,其示出了本申请的一种地下水质风险分析***的结构框图。
如图2所示,地下水质风险分析***10包括:
采集模块11,配置为在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断模块12,配置为判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
获取模块13,配置为若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
滑动模块14,配置为获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
分析模块15,配置为基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
应当理解,图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行上述任意方法实施例中的地下水质风险分析方法;
作为一种实施方式,本发明的计算机可读存储介质存储有计算机可执行指令,计算机可执行指令设置为:
在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据地下水质风险分析***的使用所创建的数据等。此外,计算机可读存储介质可以包括高速随机存取存储器,还可以包括存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至地下水质风险分析***。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图3是本发明实施例提供的电子设备的结构示意图,如图3所示,该设备包括:一个处理器21以及存储器22。电子设备还可以包括:输入装置23和输出装置24。处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接,图3中以通过总线连接为例。存储器22为上述的计算机可读存储介质。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例地下水质风险分析方法。输入装置23可接收输入的数字或字符信息,以及产生与地下水质风险分析***的用户设置以及功能控制有关的键信号输入。输出装置24可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于地下水质风险分析***中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
本领域技术人员可以理解,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。例如,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它们的组合来实现: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。
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。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种地下水质风险分析方法,其特征在于,包括:
在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
2.根据权利要求1所述的一种地下水质风险分析方法,其特征在于,其中,所述污染物含量序列为不同时刻的水质检测数据中污染物含量组成的序列。
3.根据权利要求1所述的一种地下水质风险分析方法,其特征在于,所述采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量包括:
基于预设的内梅罗综合评价指数算法对在某一设定时间段内不同时刻的水质检测数据进行计算处理,得到水质综合评价指数;
对所述水质综合评价指数进行分析处理,得到某一设定时间段内的水质检测数据中的污染物含量。
4.根据权利要求1所述的一种地下水质风险分析方法,其特征在于,在判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值之后,所述方法还包括:
若在某一设定时间段内的至少一个污染物含量序列中最大变化量不大于预设阈值,则判断下一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值。
5.根据权利要求1所述的一种地下水质风险分析方法,其特征在于,所述获取各个设定时间段下的目标位置点集合,并基于各个设定时间段下的目标位置点集合确定监测路径包括:
获取各个设定时间段下的目标位置点集合,并计算各个目标位置点集合的目标中心点,其中所述目标中心点为至某一目标位置点集合中各个目标位置点距离相同的中心点;
将各个设定时间段下的目标中心点按时间顺序依次连接,得到监测路径。
6.根据权利要求1所述的一种地下水质风险分析方法,其特征在于,所述基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析包括:
判断所述第一待监测区域中任一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;
若所述第一待监测区域中任一检测井的水质检测数据中的污染物含量大于水质风险阈值,则所述第一待监测区域存在污染风险;
判断所述第二待监测区域中某一检测井的水质检测数据中的污染物含量是否大于水质风险阈值;
若所述第二待监测区域中某一检测井的水质检测数据中的污染物含量大于水质风险阈值,则所述第二待监测区域中某一检测井对应的区域存在污染风险。
7.一种地下水质风险分析***,其特征在于,包括:
采集模块,配置为在预设区域内按照设定间距设置检测井,分别采集各检测井在至少两个设定时间段内不同时刻的水质检测数据,并获取各水质检测数据中的污染物含量,得到各个污染物含量序列;
判断模块,配置为判断在某一设定时间段内的至少一个污染物含量序列中最大变化量是否大于预设阈值,其中所述最大变化量为至少一个污染物含量序列中最大污染物含量与最小污染物含量的差值;
获取模块,配置为若在某一设定时间段内的至少一个污染物含量序列中最大变化量大于预设阈值,则筛选出所述至少一个污染物含量序列,并获取与所述至少一个污染物含量序列相对应的至少一个检测井的位置信息,得到某一设定时间段下的目标位置集合;
滑动模块,配置为获取各个设定时间段下的目标位置集合,并基于各个设定时间段下的目标位置集合确定监测路径,并基于预设尺寸的窗口在所述监测路径上滑动,得到被所述窗口覆盖的第一待监测区域以及未被所述窗口覆盖的第二待监测区域;
分析模块,配置为基于水质风险阈值分别对所述第一待监测区域以及所述第二待监测区域风险分析。
8.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210999927.5A CN115081963B (zh) | 2022-08-19 | 2022-08-19 | 一种地下水质风险分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210999927.5A CN115081963B (zh) | 2022-08-19 | 2022-08-19 | 一种地下水质风险分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115081963A true CN115081963A (zh) | 2022-09-20 |
CN115081963B CN115081963B (zh) | 2022-11-22 |
Family
ID=83244776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210999927.5A Active CN115081963B (zh) | 2022-08-19 | 2022-08-19 | 一种地下水质风险分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081963B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116150233A (zh) * | 2023-04-17 | 2023-05-23 | 国网江西省电力有限公司电力科学研究院 | 有源配电台区运行状态数据的最小映射处理方法及*** |
CN116466058A (zh) * | 2023-06-15 | 2023-07-21 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN117723711A (zh) * | 2023-12-04 | 2024-03-19 | 广东源创检测技术有限公司 | 一种污染大气质量变化的实时分析方法及*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033540A (zh) * | 2013-01-15 | 2013-04-10 | 中国海洋大学 | 地下轻非水相液态污染物扩散的实时自动监测方法及*** |
CN103310114A (zh) * | 2013-06-27 | 2013-09-18 | 浙江大学 | 一种海洋监测数据时空同步化方法及其应用 |
CN106124719A (zh) * | 2016-07-07 | 2016-11-16 | 环境保护部南京环境科学研究所 | 浅层地下水污染物监测*** |
WO2018027517A1 (zh) * | 2016-08-09 | 2018-02-15 | 曹鸿鹏 | 一种在线监测水源污染的方法及*** |
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 |
CN112468961A (zh) * | 2020-11-25 | 2021-03-09 | 浙江有色勘测规划设计有限公司 | 水体污染检测数据处理方法、***、终端及介质 |
CN113239089A (zh) * | 2021-05-13 | 2021-08-10 | 中国联合网络通信集团有限公司 | 路径识别方法、装置、电子设备、存储介质及程序产品 |
CN113267607A (zh) * | 2021-05-11 | 2021-08-17 | 浙江大学 | 一种场地有机污染物迁移过程的特征参数识别*** |
CN113570264A (zh) * | 2021-08-02 | 2021-10-29 | 北部湾大学 | 一种近海陆源污染物排放管理*** |
US20210389766A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Methods and Apparatuses for Water Body Pollution Intelligent Investigation Utilizing Unmanned Ships |
CN114117757A (zh) * | 2021-11-12 | 2022-03-01 | 深圳市宇驰检测技术股份有限公司 | 地下水污染物溯源方法、装置、设备及存储介质 |
CN114184750A (zh) * | 2021-11-09 | 2022-03-15 | 深圳市宇驰检测技术股份有限公司 | 地下水污染物的监控方法、装置、设备及存储介质 |
CN114414751A (zh) * | 2021-12-15 | 2022-04-29 | 华能煤炭技术研究有限公司 | 一种地下水质检测方法及*** |
CN114529226A (zh) * | 2022-04-23 | 2022-05-24 | 南通腾宇环保设备有限公司 | 基于工业物联网的地下水污染的监测方法与*** |
-
2022
- 2022-08-19 CN CN202210999927.5A patent/CN115081963B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033540A (zh) * | 2013-01-15 | 2013-04-10 | 中国海洋大学 | 地下轻非水相液态污染物扩散的实时自动监测方法及*** |
CN103310114A (zh) * | 2013-06-27 | 2013-09-18 | 浙江大学 | 一种海洋监测数据时空同步化方法及其应用 |
CN106124719A (zh) * | 2016-07-07 | 2016-11-16 | 环境保护部南京环境科学研究所 | 浅层地下水污染物监测*** |
WO2018027517A1 (zh) * | 2016-08-09 | 2018-02-15 | 曹鸿鹏 | 一种在线监测水源污染的方法及*** |
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 |
US20210389766A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Methods and Apparatuses for Water Body Pollution Intelligent Investigation Utilizing Unmanned Ships |
CN112468961A (zh) * | 2020-11-25 | 2021-03-09 | 浙江有色勘测规划设计有限公司 | 水体污染检测数据处理方法、***、终端及介质 |
CN113267607A (zh) * | 2021-05-11 | 2021-08-17 | 浙江大学 | 一种场地有机污染物迁移过程的特征参数识别*** |
CN113239089A (zh) * | 2021-05-13 | 2021-08-10 | 中国联合网络通信集团有限公司 | 路径识别方法、装置、电子设备、存储介质及程序产品 |
CN113570264A (zh) * | 2021-08-02 | 2021-10-29 | 北部湾大学 | 一种近海陆源污染物排放管理*** |
CN114184750A (zh) * | 2021-11-09 | 2022-03-15 | 深圳市宇驰检测技术股份有限公司 | 地下水污染物的监控方法、装置、设备及存储介质 |
CN114117757A (zh) * | 2021-11-12 | 2022-03-01 | 深圳市宇驰检测技术股份有限公司 | 地下水污染物溯源方法、装置、设备及存储介质 |
CN114414751A (zh) * | 2021-12-15 | 2022-04-29 | 华能煤炭技术研究有限公司 | 一种地下水质检测方法及*** |
CN114529226A (zh) * | 2022-04-23 | 2022-05-24 | 南通腾宇环保设备有限公司 | 基于工业物联网的地下水污染的监测方法与*** |
Non-Patent Citations (6)
Title |
---|
AHMED A.ABDELHAFEZ、MOHAMED H.H.ABBAS、MONA H.M.KENAWY: ""Evaluation of underground water quality for drinking and irrigation purposes in New Valley Governorate, Egypt"", 《ENVIRONMENTAL TECHNOLOGY & INNOVATION》 * |
NAGHMEH JAFARZADEHKAMBIZ HEIDARIGEA OLIVERI CONTI: ""Non-carcinogenic risk assessment of exposure to heavy metals in underground water resources in Saraven, Iran: Spatial distribution, monte-carlo simulation, sensitive analysis"", <ENVIRONMENTAL RESEARCH> * |
左锐等: "地下水型水源地水质安全预警技术体系研究", 《环境科学研究》 * |
张正鑫等: "工业项目地下水污染监测井布设方案的定量化研究", 《安全与环境工程》 * |
王嘉瑜等: "地下水污染风险预警等级及阈值确定方法研究综述", 《水文地质工程地质》 * |
韦润桃: "浅谈水质检测结果准确性的提高", 《科技风》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116150233A (zh) * | 2023-04-17 | 2023-05-23 | 国网江西省电力有限公司电力科学研究院 | 有源配电台区运行状态数据的最小映射处理方法及*** |
CN116150233B (zh) * | 2023-04-17 | 2023-08-15 | 国网江西省电力有限公司电力科学研究院 | 有源配电台区运行状态数据的最小映射处理方法及*** |
CN116466058A (zh) * | 2023-06-15 | 2023-07-21 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN116466058B (zh) * | 2023-06-15 | 2023-09-05 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估***、设备及介质 |
CN117723711A (zh) * | 2023-12-04 | 2024-03-19 | 广东源创检测技术有限公司 | 一种污染大气质量变化的实时分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115081963B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115081963B (zh) | 一种地下水质风险分析方法及*** | |
CN109871730A (zh) | 一种目标识别方法、装置及监控设备 | |
CN110008301A (zh) | 基于机器学习的区域性地质灾害易发性预测方法及装置 | |
CN103728429A (zh) | 水质在线监测方法及监测*** | |
CN115629127B (zh) | 一种货箱缺陷分析方法、装置、设备及可读存储介质 | |
CN114813757A (zh) | 一种塑胶产品全角度外观检测方法及装置 | |
CN109063885A (zh) | 一种变电站异常量测数据预测方法 | |
CN111324863A (zh) | 机械状态检测方法和电子设备 | |
CN112598559A (zh) | 一种智慧园区综合管理方法、装置、存储介质及电子设备 | |
CN108958890A (zh) | 容器镜像检测方法、装置及电子设备 | |
Bowersox et al. | Measuring the abruptness of patchy ecotones–a simulation-based comparison of landscape pattern statistics | |
CN117114206B (zh) | 一种煤矿水害指标数据趋势的计算方法 | |
CN107153605A (zh) | 测试样本的生成方法及装置 | |
CN111126702A (zh) | 道路面源污染信息预测方法、装置、设备及存储介质 | |
CN114660030A (zh) | 污染源解析方法、装置及存储介质 | |
CN116699093A (zh) | 一种地下水质检测方法、***及可读存储介质 | |
CN111047160B (zh) | 污染原因分析方法、装置、可读存储介质及电子设备 | |
Ben-Akiva et al. | Latent performance approach to infrastructure management | |
CN112561171B (zh) | 一种滑坡的预测方法、装置、设备及存储介质 | |
CN114938339A (zh) | 一种数据处理方法和相关装置 | |
CN113468823A (zh) | 一种基于机器学习的光模块损坏检测方法及*** | |
Millar et al. | An open‐source automated workflow to delineate storm events and evaluate concentration‐discharge relationships | |
CN112597441A (zh) | 一种具有数据分析及互联网数据共享功能的流量检测*** | |
CN112180927B (zh) | 一种自动驾驶时域构建方法、设备、存储介质及装置 | |
CN109839395A (zh) | 土壤污染物分析方法、装置、设备和*** |
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 |