CN117094473A - 一种基于工业物联网的环保数据采集与监视控制方法及*** - Google Patents
一种基于工业物联网的环保数据采集与监视控制方法及*** Download PDFInfo
- Publication number
- CN117094473A CN117094473A CN202311340348.0A CN202311340348A CN117094473A CN 117094473 A CN117094473 A CN 117094473A CN 202311340348 A CN202311340348 A CN 202311340348A CN 117094473 A CN117094473 A CN 117094473A
- Authority
- CN
- China
- Prior art keywords
- pollution
- water quality
- monitoring
- well
- wells
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 374
- 238000000034 method Methods 0.000 title claims abstract description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 236
- 238000012864 cross contamination Methods 0.000 claims abstract description 79
- 230000002093 peripheral effect Effects 0.000 claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 37
- 230000007613 environmental effect Effects 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000011109 contamination Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000013480 data collection Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 239000002689 soil Substances 0.000 claims description 13
- 239000002440 industrial waste Substances 0.000 claims description 12
- 239000002994 raw material Substances 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000003900 soil pollution Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 2
- 238000003911 water pollution Methods 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 8
- 238000011065 in-situ storage Methods 0.000 description 8
- 231100000719 pollutant Toxicity 0.000 description 8
- 239000003673 groundwater Substances 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000003895 groundwater pollution Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 239000002957 persistent organic pollutant Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 2
- 229910052804 chromium Inorganic materials 0.000 description 2
- 239000011651 chromium Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000000941 radioactive substance Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000003802 soil pollutant Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- -1 production emission Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Game Theory and Decision Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Manufacturing & Machinery (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及水污染监测技术领域,本发明公开了一种基于工业物联网的环保数据采集与监视控制方法及***,包括获取监测井的第一水质污染监测数据,提取第二水质污染监测数据;根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定最大交叉污染监测井;获取工业园区地图,在地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路;确定每条疑似污染线路的周边园内企业,提取周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,确定S个疑似偷排企业;计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的偷排企业。
Description
技术领域
本发明涉及水污染监测技术领域,更具体地说,本发明涉及一种基于工业物联网的环保数据采集与监视控制方法及***。
背景技术
工业园区作为现代工业化的重要组成部分,为经济的快速发展和社会的持续进步提供了关键的支撑;然而,随着工业活动的不断扩大和深化,地下水污染问题逐渐凸显出来,成为亟待解决的环境挑战之一;地下水作为重要的水源补给来源和环境生态要素,其污染不仅对人类健康构成威胁,还可能导致生态***破坏,影响可持续发展目标的实现;目前工业园区地下水污染的形成机制复杂多样,常见的污染源包括工业废水、生产排放、化学品储存等,并且由于地下水的污染状况呈现出成因复杂、隐蔽性强和难以逆转的特点,从而导致这些污染物通过地下水流动扩散,可能引起地下水质的逐渐恶化,对周边地区造成潜在危害;因此,如何针对工业园区的地下污染进行数据采集与监视控制就成为当下急需解决的问题。
目前,地下水的环保数据采集与监视控制方法主要基于人工收取污染物排放数据的方式实现,当然存在部分自动化的方式,例如授权公告号为CN114529226B的中国专利公开了一种基于工业物联网的地下水污染的监测方法与***,再例如申请公开号为CN115660438A的中国专利公开了一种工业园区土壤和地下水污染预警等级评价方法,上述方法虽能监测和评估地下水的污染程度,但经发明人对上述方法以及现有技术进行研究和实际应用发现,上述方法以及现有技术至少存在以下部分缺陷:
(1)缺乏有效的数据分析和挖掘,无法获取工业园区内地下水的污染线路,从而无法为地下水修复提供有效的数据支持和决策依据;
(2)仅针对单一污染情形,难以实际应用于复杂情形的工业园区地下水污染治理和防控,并且无法获悉工业园区地下水的交叉污染情况,无法基于交叉污染情况溯源出工业园区内多个污染偷排企业。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于工业物联网的环保数据采集与监视控制方法及***。
为实现上述目的,本发明提供如下技术方案:
一种基于工业物联网的环保数据采集与监视控制方法,所述方法包括:
获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业。
进一步地,确定Q个污染井,包括:
提取第一水质污染监测数据中每个水质元素集EA的元素数量;
将每个水质元素集EA的元素数量与预设元素数量阈值进行比较,若水质元素集EA的元素数量小于等于预设元素数量阈值,则判定对应监测井为未污染监测井,若水质元素集EA的元素数量大于预设元素数量阈值,则判定对应监测井为污染监测井,统计污染监测井的数量,则得到Q个污染井。
进一步地,确定一个最大交叉污染监测井,包括:
提取第一水质污染监测数据中的R个水质元素集EA,以及提取第二水质污染监测数据中的R个水质元素集EB;
基于预设集合关系计算每个水质元素集EA与对应水质元素集EB的差值,将每个水质元素集EA与对应水质元素集EB的差值标记为集合元素差,得到U个集合元素差,U为大于零的正整数集;
按照差值从大到小对U个集合元素差进行排序,提取排序第一集合元素差;
基于排序第一集合元素差提取对应的水质元素集EA或水质元素集EB,根据对应的水质元素集EA或水质元素集EB,确定对应的监测井作为最大交叉污染监测井。
进一步地,确定一个最大交叉污染监测井,还包括:
获取Q个污染井的水质元素集EA,以及获取每个污染井水质元素集EA中的元素数量;
按照元素数量值从大到小对每个污染井的水质元素集EA进行排序,提取排序第一水质元素集EA;
根据排序第一水质元素集EA获取对应污染井,确定对应的污染井作为最大交叉污染监测井。
进一步地,L条疑似污染线路的筛选逻辑具体如下:
a.获取最大交叉污染监测井在工业园区地图中的坐标,以及确定在工业园区地图中的最远污染监测井;
b.基于最大交叉污染监测井的坐标,并按预设搜索距离条件进行搜索,获取最大交叉污染监测井的相邻污染监测井;
c.在工业园区地图中,对最大交叉污染监测井和最大交叉污染监测井的相邻污染监测井进行线路连接;
d.将相邻污染监测井作为目标污染监测井,以目标污染监测井为基准,搜索目标污染监测井的相邻污染监测井,将目标污染监测井与目标污染监测井的相邻污染监测井进行线路连接;
e.重复上述步骤d,直至目标污染监测井的相邻污染监测井为最远污染监测井,将目标污染监测井与最远污染监测井进行线路连接,得到L条疑似污染线路。
进一步地,最远污染监测井的确定逻辑如下:
提取最大交叉污染监测井坐标,以及基于最大交叉污染监测井对Q个污染井进行划分,以得到K个方向的污染井和污染井坐标;
基于每个方向的污染井坐标和最大交叉污染监测井坐标,分别计算出最大交叉污染监测井与每个方向的污染井的距离,将最大交叉污染监测井与每个方向的污染井的距离作为位置间距,得到K个方向的D个位置间距;
按照数值大小对每个方向的D个位置间距进行排序,获取每个方向排序第一位置间距的污染井,将每个方向排序第一位置间距的污染井作为每个方向的最远污染监测井。
进一步地,基于每个周边园内企业的生产信息进行分析,包括:
将水质元素集EA分别与生产信息中产品原料的元素集和工业废料的元素集进行相似度计算,以获得第一相似度和第二相似度;
对第一相似度和第二相似度求均值,以得到相似度均值;
将相似度均值与预设相似度均值阈值进行比较,若相似度均值大于预设相似度均值阈值,则判定对应周边园内企业为疑似偷排企业,若相似度均值小于等于预设相似度均值阈值,则判定对应周边园内企业为非疑似偷排企业。
进一步地,计算每条疑似污染线路的斜率系数,包括:
获取每条疑似污染线路中污染井的水质元素集EA,提取每个水质元素集EA的元素数量;
按最大交叉污染监测井到最远污染监测井方向,对疑似污染线路中的每个污染井进行标号;
以每个污染井的标号作为横轴,以每个污染井对应的元素数量作为纵轴,构建数量折线图,将每个横轴和纵轴对应的数据点作为节点;
计算每两个相邻节点的斜率,将每两个相邻节点的斜率作为斜率系数,得到H个斜率系数,H为大于零的正整数集。
进一步地,根据斜率系数确定污染路线,包括:将每个斜率系数与预设斜率系数阈值进行比较;若斜率系数大于等于预设斜率系数阈值,则判定对应疑似污染线路为污染线路;若斜率系数小于预设斜率系数阈值,则判定对应疑似污染线路为非污染线路。
进一步地,确定至少一个偷排企业,包括:
获取污染线路上每个疑似偷排企业周边的污染土壤信息;所述污染土壤信息包括污染元素数量、污染元素类型、污染区域面积和土壤污染深度;
以及获取污染线路中距离最小污染井的污染浓度;
利用皮尔逊相关系数对污染土壤信息和污染浓度进行相关性计算,得到相关系数;
将相关系数与相关系数阈值进行比较,若相关系数大于相关系数阈值,则判定对应疑似偷排企业为偷排企业;若相关系数小于等于相关系数阈值,则判定对应疑似偷排企业为非偷排企业。
一种基于工业物联网的环保数据采集与监视控制***,包括:
数据获取模块,用于获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
污染确定模块,用于根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
污染线路筛选模块,用于获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
污染企业排查模块,用于确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
污染溯源模块,用于计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业。
一种电子设备,包括存储器、处理器以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计算机程序时实现上述任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
相比于现有技术,本发明的有益效果在于:
1.本申请公开了一种基于工业物联网的环保数据采集与监视控制方法及***,首先获取监测井的第一水质污染监测数据,提取第二水质污染监测数据;然后根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定最大交叉污染监测井;之后获取工业园区地图,在地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路;确定每条疑似污染线路的周边园内企业,提取周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,确定S个疑似偷排企业;最后计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的偷排企业;通过上述步骤,本发明能够获取工业园区内地下水的污染线路,从而有利于为地下水修复提供有效的数据支持和决策依据。
2.本申请公开了一种基于工业物联网的环保数据采集与监视控制方法及***,通过在确定污染路线的基础上确定偷排企业,本发明能获悉工业园区地下水的交叉污染情况,从而有利于溯源出工业园区内的多个污染偷排企业,进而有利于实际应用于复杂情形的工业园区地下水污染治理和防控。
附图说明
图1为本发明提供的一种基于工业物联网的环保数据采集与监视控制方法的示意图;
图2为本发明提供的一种基于工业物联网的环保数据采集与监视控制***的示意图;
图3为本发明提供的标注后的工业园区地图;
图4为本发明提供的数量折线图;
图5为本发明提供的一种电子设备的结构示意图。
具体实施方式
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他实施例,都属于本发明保护的范围。
实施例1
请参阅图2所示,本实施例公开提供了一种基于工业物联网的环保数据采集与监视控制***,包括:
数据获取模块210,用于获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
应当了解的是:工业园区内的M个监测井根据工业园区的地下水分布范围预先设置得到,每个监测井按预设间距分布于工业园区内,如30米间距;在每个监测井内均基于工业物联网技术预设置有一个水质原位检测装置,所述水质原位检测装置上搭设有多个传感器,所述传感器包括但不限于VOCs传感器、持久性有机污染物(POPs)传感器、重金属传感器、氯化物传感器、放射性物质传感器和酸碱度传感器等等,所述水质原位检测装置的传感器类型和数量可人为根据工业园区的污染情况确定,对此不做过多限定;
需要说明的是:T-N为历史时刻, N的取值可人为确定,对此不做过多限定;另外,应当明白的是:所述第二水质污染监测数据预存于***数据库中,所述第一水质污染监测数据和第二水质污染监测数据中水质元素集的具体数量根据监测井的数量确定,每个所述水质元素集中均包含若干污染元素(如:铅、镉、铬、汞等等);其中,第一水质污染监测数据中的每个水质元素集为,第二水质污染监测数据中的每个水质元素集为/>, />为大于零整数集;
还需要说明的是:第一水质污染监测数据中的水质元素集EA与第二水质污染监测数据中的水质元素集EB基于预设集合关系相互绑定,进一步说明就是,第一水质污染监测数据中的一个水质元素集EA均与第二水质污染监测数据中的一个水质元素集EB一一对应;举例说明就是:假设存在三个监测井,分别为、/>和/>,当获取T时刻下每个监测井的第一水质污染监测数据时,则存在/>、/>和/>;其中,/>对应/>,/>对应/>,/>对应/>;此时,提取T-N时刻下每个监测井的第二水质污染监测数据时,则有/>、和/>三个水质元素集与之对应,即对应于/>,/>对应于/>,/>对应于/>,但需要注意的是,/>并不一定等于/>,/>并不一定等于/>,/>并不一定等于/>,这是由于数据采集时间和污染源的差异,导致对应监测井在不同时间采集到的水质元素和数量可能存在不同;
污染确定模块220,用于根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
在实施中,确定Q个污染井,包括:
提取第一水质污染监测数据中每个水质元素集EA的元素数量;
将每个水质元素集EA的元素数量与预设元素数量阈值进行比较,若水质元素集EA的元素数量小于等于预设元素数量阈值,则判定对应监测井为未污染监测井,若水质元素集EA的元素数量大于预设元素数量阈值,则判定对应监测井为污染监测井,统计污染监测井的数量,则得到Q个污染井;
在一个具体实施方式,确定一个最大交叉污染监测井,包括:
提取第一水质污染监测数据中的R个水质元素集EA,以及提取第二水质污染监测数据中的R个水质元素集EB;
基于预设集合关系计算每个水质元素集EA与对应水质元素集EB的差值,将每个水质元素集EA与对应水质元素集EB的差值标记为集合元素差,得到U个集合元素差,U为大于零的正整数集;
需要说明是:关于预设集合关系的解释,详情参照上文叙述,在此不再重复赘述;
按照差值从大到小对U个集合元素差进行排序,提取排序第一集合元素差;
基于排序第一集合元素差提取对应的水质元素集EA或水质元素集EB,根据对应的水质元素集EA或水质元素集EB,确定对应的监测井作为最大交叉污染监测井;
需要说明的是:基于上述描述可知,集合元素差基于水质元素集EA与水质元素集EB进行差值计算得到,因此,根据排序第一集合元素差,则获取对应的水质元素集EA或水质元素集EB,进一步地,由于水质元素集EA或水质元素集EB均通过一个相同监测井获取得到,因此,根据水质元素集EA或水质元素集EB,则可获取对应关联的监测井;
应当了解的是:排序第一集合元素差对应的监测井为最大交叉污染监测井;
在另一个具体实施方式,确定一个最大交叉污染监测井,还包括:
获取Q个污染井的水质元素集EA,以及获取每个污染井水质元素集EA中的元素数量;
按照元素数量值从大到小对每个污染井的水质元素集EA进行排序,提取排序第一水质元素集EA;
根据排序第一水质元素集EA获取对应污染井,确定对应的污染井作为最大交叉污染监测井;
应当了解的是:排序第一水质元素集EA对应的污染井为最大交叉污染监测井;
污染线路筛选模块230,用于获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
需要说明的是:工业园区地图预存于***数据库中,所述工业园区地图中标记有若干监测井和园内企业的区位;还需要说明的是:在工业园区地图进行标注后,则可获取若干污染监测井和一个最大交叉污染监测井在工业园区地图中的区位(如图3(标注后的工业园区地图)所示);
在实施中,L条疑似污染线路的筛选逻辑具体如下:
a.获取最大交叉污染监测井在工业园区地图中的坐标,以及确定在工业园区地图中的最远污染监测井;
具体的,最远污染监测井的确定逻辑如下:
提取最大交叉污染监测井坐标,以及基于最大交叉污染监测井对Q个污染井进行划分,以得到K个方向的污染井和污染井坐标;
需要说明的是:对Q个污染井进行划分的逻辑为:以最大交叉污染监测井为基准建立方向坐标系,将落入每个方向区间内的污染井划分进对应方向内;
举例说明就是:如图3(标注后的工业园区地图)所示,包含第一象限、第二象限、第三象限和第四象限,每个象限对应有一个方向,分别为东北方向、西北方向、西南方向和东南方向,若污染井落入第一象限,则将该象限内的所有污染井划分进东北方向;同理,对于西北方向、西南方向和东南方向的划分也是如此,在此不做过多赘述;
基于每个方向的污染井坐标和最大交叉污染监测井坐标,分别计算出最大交叉污染监测井与每个方向的污染井的距离,将最大交叉污染监测井与每个方向的污染井的距离作为位置间距,得到K个方向的D个位置间距;
按照数值大小对每个方向的D个位置间距进行排序,获取每个方向排序第一位置间距的污染井,将每个方向排序第一位置间距的污染井作为每个方向的最远污染监测井;
针对上述实施内容进行示例性说明就是:如图3(标注后的工业园区地图)所示,A0为最大交叉污染监测井,通过针对A0进行方向坐标系构建,接着通过计算,则得到A1、A2、A3和A4四个最远污染监测井;需要说明的是:所述位置间距基于两点距离公式计算得到;
b.基于最大交叉污染监测井的坐标,并按预设搜索距离条件进行搜索,获取最大交叉污染监测井的相邻污染监测井;
需要说明的是:预设搜索距离条件是指预设搜索半径,其根据实验人为确定;进一步示例性说明,若预设搜索距离条件预设为5米,当在以最大交叉污染监测井为基准中心时,若最大交叉污染监测井半径5米内存在污染井,则将其作为最大交叉污染监测井的相邻污染监测井;
c.在工业园区地图中,对最大交叉污染监测井和最大交叉污染监测井的相邻污染监测井进行线路连接;
d.将相邻污染监测井作为目标污染监测井,以目标污染监测井为基准,搜索目标污染监测井的相邻污染监测井,将目标污染监测井与目标污染监测井的相邻污染监测井进行线路连接;
需要说明的是:搜索目标污染监测井的相邻污染监测井的逻辑同上述获取最大交叉污染监测井的相邻污染监测井,对此不再过多赘述;
e.重复上述步骤d,直至目标污染监测井的相邻污染监测井为最远污染监测井,将目标污染监测井与最远污染监测井进行线路连接,得到L条疑似污染线路;
示例性说明就是,如图3(标注后的工业园区地图)所示,当依据上述逻辑重复获取相邻污染监测井,直至目标污染监测井的相邻污染监测井为最远污染监测井时,即得到L1、L2、L3和L4四条疑似污染线路;
污染企业排查模块240,用于确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
需要说明的是:每条疑似污染线路的周边园内企业的确定逻辑为:获取每个园内企业到疑似污染线路的距离,将每个园内企业到疑似污染线路的距离作为线路间距,将线路间距与预设线路间距阈值进行比较,若线路间距大于等于预设线路间距阈值,则判定对应园内企业为疑似污染线路的周边园内企业,相反,若线路间距小于预设线路间距阈值,则判定对应园内企业为非疑似污染线路的周边园内企业;
还需要说明的是:每个周边园内企业的生产信息由人为事先调查搜集得到,并事先预存于***数据库;且每隔一个预设时间周期进行重新采集,并更新到***数据库中;
具体的,基于每个周边园内企业的生产信息进行分析,包括:
将水质元素集EA分别与生产信息中产品原料的元素集和工业废料的元素集进行相似度计算,以获得第一相似度和第二相似度;
对第一相似度和第二相似度求均值,以得到相似度均值;
将相似度均值与预设相似度均值阈值进行比较,若相似度均值大于预设相似度均值阈值,则判定对应周边园内企业为疑似偷排企业,若相似度均值小于等于预设相似度均值阈值,则判定对应周边园内企业为非疑似偷排企业;
需要说明的是:所述相似度计算采用余弦相似度算法,进一步解释说明的是:将水质元素集EA与生产信息中产品原料的元素集进行相似度计算,得到第一相似度,将水质元素集EA与工业废料的元素集进行相似度计算,得到第二相似度,对第一相似度和第二相似度求均值,得到相似度均值,通过对相似度均值进行比较,确定S个疑似偷排企业;简单来说就是,通过分析企业的生产信息和地下水污染信息从而确定疑似偷排企业;
污染溯源模块250,用于计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业;
具体的,计算每条疑似污染线路的斜率系数,包括:
获取每条疑似污染线路中污染井的水质元素集EA,提取每个水质元素集EA的元素数量;
按最大交叉污染监测井到最远污染监测井方向,对疑似污染线路中的每个污染井进行标号;
以每个污染井的标号作为横轴,以每个污染井对应的元素数量作为纵轴,构建数量折线图,将每个横轴和纵轴对应的数据点作为节点;
计算每两个相邻节点的斜率,将每两个相邻节点的斜率作为斜率系数,得到H个斜率系数,H为大于零的正整数集;
具体的,根据斜率系数确定污染路线,包括:将每个斜率系数与预设斜率系数阈值进行比较;若斜率系数大于等于预设斜率系数阈值,则判定对应疑似污染线路为污染线路;若斜率系数小于预设斜率系数阈值,则判定对应疑似污染线路为非污染线路;
针对上述内容进行示例性说明就是:如图4(为数量折线图)所示,图4中的(a)为一条疑似污染线路的元素数量分布情形,其中,点(1,7)表示最大交叉污染监测井(标号1)的元素数量为7,点(2,6)表示污染井(标号2)的元素数量为6,点(3,5)表示污染井(标号3)的元素数量为5,……,点(6,2)表示污染井(标号6)的元素数量为2,假设预设斜率系数阈值为零,通过计算图4中的(a)这一情况疑似污染线路的斜率系数可知,图4中的(a)对应的疑似污染线路确定为污染线路,相反,参照图4中的(b)为另一条疑似污染线路的元素数量分布情形,若计算图4中的(b)对应疑似污染线路的斜率系数,根据为零的预设斜率系数阈值进行判断,即可知,图4中的(b)对应的疑似污染线路为非污染线路;
具体的,确定至少一个偷排企业,包括:
获取污染线路上每个疑似偷排企业周边的污染土壤信息;所述污染土壤信息包括污染元素数量、污染元素类型、污染区域面积和土壤污染深度;
以及获取污染线路中距离最小污染井的污染浓度;
需要说明的是:污染线路中距离最小污染井是指在污染线路中且距离疑似偷排企业最小的污染井;所述污染浓度基于浓度传感器采集得到,所述浓度传感器包括但不限于电化学传感器、光学传感器或离子选择电极传感器中的一种;
利用皮尔逊相关系数对污染土壤信息和污染浓度进行相关性计算,得到相关系数;
具体的,皮尔逊相关系数的计算公式为: ;式中:r为皮尔逊相关系数;/>表示向量化的污染浓度,/>是/>的均值;/>表示向量化的污染元素数量、污染元素类型、污染区域面积和土壤污染深度,/>是/>的均值,/>表示数据个数;
将相关系数与相关系数阈值进行比较,若相关系数大于相关系数阈值,则判定对应疑似偷排企业为偷排企业;若相关系数小于等于相关系数阈值,则判定对应疑似偷排企业为非偷排企业;
在确定污染路线的基础上确定偷排企业,本发明能在复杂背景下的工业园区内进行地下水污染溯源,通过获悉污染线路和污染企业,从而有利于进行及时的污染修复、污染追责和污染控制。
实施例2
请参阅图1所示,本实施例公开提供了一种基于工业物联网的环保数据采集与监视控制方法,所述方法包括:
S101:获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
应当了解的是:工业园区内的M个监测井根据工业园区的地下水分布范围预先设置得到,每个监测井按预设间距分布于工业园区内,如30米间距;在每个监测井内均基于工业物联网技术预设置有一个水质原位检测装置,所述水质原位检测装置上搭设有多个传感器,所述传感器包括但不限于VOCs传感器、持久性有机污染物(POPs)传感器、重金属传感器、氯化物传感器、放射性物质传感器和酸碱度传感器等等,所述水质原位检测装置的传感器类型和数量可人为根据工业园区的污染情况确定,对此不做过多限定;
需要说明的是:T-N为历史时刻, N的取值可人为确定,对此不做过多限定;另外,应当明白的是:所述第二水质污染监测数据预存于***数据库中,所述第一水质污染监测数据和第二水质污染监测数据中水质元素集的具体数量根据监测井的数量确定,每个所述水质元素集中均包含若干污染元素(如:铅、镉、铬、汞等等);其中,第一水质污染监测数据中的每个水质元素集为,第二水质污染监测数据中的每个水质元素集为/>, />为大于零整数集;
还需要说明的是:第一水质污染监测数据中的水质元素集EA与第二水质污染监测数据中的水质元素集EB基于预设集合关系相互绑定,进一步说明就是,第一水质污染监测数据中的一个水质元素集EA均与第二水质污染监测数据中的一个水质元素集EB一一对应;举例说明就是:假设存在三个监测井,分别为、/>和/>,当获取T时刻下每个监测井的第一水质污染监测数据时,则存在/>、/>和/>;其中,/>对应/>,/>对应/>,/>对应/>;此时,提取T-N时刻下每个监测井的第二水质污染监测数据时,则有/>、和/>三个水质元素集与之对应,即对应于/>,/>对应于/>,/>对应于/>,但需要注意的是,/>并不一定等于/>,/>并不一定等于/>,/>并不一定等于/>,这是由于数据采集时间和污染源的差异,导致对应监测井在不同时间采集到的水质元素和数量可能存在不同;
S102:根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
在实施中,确定Q个污染井,包括:
提取第一水质污染监测数据中每个水质元素集EA的元素数量;
将每个水质元素集EA的元素数量与预设元素数量阈值进行比较,若水质元素集EA的元素数量小于等于预设元素数量阈值,则判定对应监测井为未污染监测井,若水质元素集EA的元素数量大于预设元素数量阈值,则判定对应监测井为污染监测井,统计污染监测井的数量,则得到Q个污染井;
在一个具体实施方式,确定一个最大交叉污染监测井,包括:
提取第一水质污染监测数据中的R个水质元素集EA,以及提取第二水质污染监测数据中的R个水质元素集EB;
基于预设集合关系计算每个水质元素集EA与对应水质元素集EB的差值,将每个水质元素集EA与对应水质元素集EB的差值标记为集合元素差,得到U个集合元素差,U为大于零的正整数集;
需要说明是:关于预设集合关系的解释,详情参照上文叙述,在此不再重复赘述;
按照差值从大到小对U个集合元素差进行排序,提取排序第一集合元素差;
基于排序第一集合元素差提取对应的水质元素集EA或水质元素集EB,根据对应的水质元素集EA或水质元素集EB,确定对应的监测井作为最大交叉污染监测井;
需要说明的是:基于上述描述可知,集合元素差基于水质元素集EA与水质元素集EB进行差值计算得到,因此,根据排序第一集合元素差,则获取对应的水质元素集EA或水质元素集EB,进一步地,由于水质元素集EA或水质元素集EB均通过一个相同监测井获取得到,因此,根据水质元素集EA或水质元素集EB,则可获取对应关联的监测井;
应当了解的是:排序第一集合元素差对应的监测井为最大交叉污染监测井;
在另一个具体实施方式,确定一个最大交叉污染监测井,还包括:
获取Q个污染井的水质元素集EA,以及获取每个污染井水质元素集EA中的元素数量;
按照元素数量值从大到小对每个污染井的水质元素集EA进行排序,提取排序第一水质元素集EA;
根据排序第一水质元素集EA获取对应污染井,确定对应的污染井作为最大交叉污染监测井;
应当了解的是:排序第一水质元素集EA对应的污染井为最大交叉污染监测井;
S103:获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
需要说明的是:工业园区地图预存于***数据库中,所述工业园区地图中标记有若干监测井和园内企业的区位;还需要说明的是:在工业园区地图进行标注后,则可获取若干污染监测井和一个最大交叉污染监测井在工业园区地图中的区位(如图3(标注后的工业园区地图)所示);
在实施中,L条疑似污染线路的筛选逻辑具体如下:
a.获取最大交叉污染监测井在工业园区地图中的坐标,以及确定在工业园区地图中的最远污染监测井;
具体的,最远污染监测井的确定逻辑如下:
提取最大交叉污染监测井坐标,以及基于最大交叉污染监测井对Q个污染井进行划分,以得到K个方向的污染井和污染井坐标;
需要说明的是:对Q个污染井进行划分的逻辑为:以最大交叉污染监测井为基准建立方向坐标系,将落入每个方向区间内的污染井划分进对应方向内;
举例说明就是:如图3(标注后的工业园区地图)所示,包含第一象限、第二象限、第三象限和第四象限,每个象限对应有一个方向,分别为东北方向、西北方向、西南方向和东南方向,若污染井落入第一象限,则将该象限内的所有污染井划分进东北方向;同理,对于西北方向、西南方向和东南方向的划分也是如此,在此不做过多赘述;
基于每个方向的污染井坐标和最大交叉污染监测井坐标,分别计算出最大交叉污染监测井与每个方向的污染井的距离,将最大交叉污染监测井与每个方向的污染井的距离作为位置间距,得到K个方向的D个位置间距;
按照数值大小对每个方向的D个位置间距进行排序,获取每个方向排序第一位置间距的污染井,将每个方向排序第一位置间距的污染井作为每个方向的最远污染监测井;
针对上述实施内容进行示例性说明就是:如图3(标注后的工业园区地图)所示,A0为最大交叉污染监测井,通过针对A0进行方向坐标系构建,接着通过计算,则得到A1、A2、A3和A4四个最远污染监测井;需要说明的是:所述位置间距基于两点距离公式计算得到;
b.基于最大交叉污染监测井的坐标,并按预设搜索距离条件进行搜索,获取最大交叉污染监测井的相邻污染监测井;
需要说明的是:预设搜索距离条件是指预设搜索半径,其根据实验人为确定;进一步示例性说明,若预设搜索距离条件预设为5米,当在以最大交叉污染监测井为基准中心时,若最大交叉污染监测井半径5米内存在污染井,则将其作为最大交叉污染监测井的相邻污染监测井;
c.在工业园区地图中,对最大交叉污染监测井和最大交叉污染监测井的相邻污染监测井进行线路连接;
d.将相邻污染监测井作为目标污染监测井,以目标污染监测井为基准,搜索目标污染监测井的相邻污染监测井,将目标污染监测井与目标污染监测井的相邻污染监测井进行线路连接;
需要说明的是:搜索目标污染监测井的相邻污染监测井的逻辑同上述获取最大交叉污染监测井的相邻污染监测井,对此不再过多赘述;
e.重复上述步骤d,直至目标污染监测井的相邻污染监测井为最远污染监测井,将目标污染监测井与最远污染监测井进行线路连接,得到L条疑似污染线路;
示例性说明就是,如图3(标注后的工业园区地图)所示,当依据上述逻辑重复获取相邻污染监测井,直至目标污染监测井的相邻污染监测井为最远污染监测井时,即得到L1、L2、L3和L4四条疑似污染线路;
S104:确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
需要说明的是:每条疑似污染线路的周边园内企业的确定逻辑为:获取每个园内企业到疑似污染线路的距离,将每个园内企业到疑似污染线路的距离作为线路间距,将线路间距与预设线路间距阈值进行比较,若线路间距大于等于预设线路间距阈值,则判定对应园内企业为疑似污染线路的周边园内企业,相反,若线路间距小于预设线路间距阈值,则判定对应园内企业为非疑似污染线路的周边园内企业;
还需要说明的是:每个周边园内企业的生产信息由人为事先调查搜集得到,并事先预存于***数据库;且每隔一个预设时间周期进行重新采集,并更新到***数据库中;
具体的,基于每个周边园内企业的生产信息进行分析,包括:
将水质元素集EA分别与生产信息中产品原料的元素集和工业废料的元素集进行相似度计算,以获得第一相似度和第二相似度;
对第一相似度和第二相似度求均值,以得到相似度均值;
将相似度均值与预设相似度均值阈值进行比较,若相似度均值大于预设相似度均值阈值,则判定对应周边园内企业为疑似偷排企业,若相似度均值小于等于预设相似度均值阈值,则判定对应周边园内企业为非疑似偷排企业;
需要说明的是:所述相似度计算采用余弦相似度算法,进一步解释说明的是:将水质元素集EA与生产信息中产品原料的元素集进行相似度计算,得到第一相似度,将水质元素集EA与工业废料的元素集进行相似度计算,得到第二相似度,对第一相似度和第二相似度求均值,得到相似度均值,通过对相似度均值进行比较,确定S个疑似偷排企业;简单来说就是,通过分析企业的生产信息和地下水污染信息从而确定疑似偷排企业;
S105:计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业;
具体的,计算每条疑似污染线路的斜率系数,包括:
获取每条疑似污染线路中污染井的水质元素集EA,提取每个水质元素集EA的元素数量;
按最大交叉污染监测井到最远污染监测井方向,对疑似污染线路中的每个污染井进行标号;
以每个污染井的标号作为横轴,以每个污染井对应的元素数量作为纵轴,构建数量折线图,将每个横轴和纵轴对应的数据点作为节点;
计算每两个相邻节点的斜率,将每两个相邻节点的斜率作为斜率系数,得到H个斜率系数,H为大于零的正整数集;
具体的,根据斜率系数确定污染路线,包括:将每个斜率系数与预设斜率系数阈值进行比较;若斜率系数大于等于预设斜率系数阈值,则判定对应疑似污染线路为污染线路;若斜率系数小于预设斜率系数阈值,则判定对应疑似污染线路为非污染线路;
针对上述内容进行示例性说明就是:如图4(为数量折线图)所示,图4中的(a)为一条疑似污染线路的元素数量分布情形,其中,点(1,7)表示最大交叉污染监测井(标号1)的元素数量为7,点(2,6)表示污染井(标号2)的元素数量为6,点(3,5)表示污染井(标号3)的元素数量为5,……,点(6,2)表示污染井(标号6)的元素数量为2,假设预设斜率系数阈值为零,通过计算图4中的(a)这一情况疑似污染线路的斜率系数可知,图4中的(a)对应的疑似污染线路确定为污染线路,相反,参照图4中的(b)为另一条疑似污染线路的元素数量分布情形,若计算图4中的(b)对应疑似污染线路的斜率系数,根据为零的预设斜率系数阈值进行判断,即可知,图4中的(b)对应的疑似污染线路为非污染线路;
具体的,确定至少一个偷排企业,包括:
获取污染线路上每个疑似偷排企业周边的污染土壤信息;所述污染土壤信息包括污染元素数量、污染元素类型、污染区域面积和土壤污染深度;
以及获取污染线路中距离最小污染井的污染浓度;
需要说明的是:污染线路中距离最小污染井是指在污染线路中且距离疑似偷排企业最小的污染井;所述污染浓度基于浓度传感器采集得到,所述浓度传感器包括但不限于电化学传感器、光学传感器或离子选择电极传感器中的一种;
利用皮尔逊相关系数对污染土壤信息和污染浓度进行相关性计算,得到相关系数;
具体的,皮尔逊相关系数的计算公式为: ;式中:r为皮尔逊相关系数;/>表示向量化的污染浓度,/>是/>的均值;/>表示向量化的污染元素数量、污染元素类型、污染区域面积和土壤污染深度,/>是/>的均值,/>表示数据个数;
将相关系数与相关系数阈值进行比较,若相关系数大于相关系数阈值,则判定对应疑似偷排企业为偷排企业;若相关系数小于等于相关系数阈值,则判定对应疑似偷排企业为非偷排企业;
在确定污染路线的基础上确定偷排企业,本发明能在复杂背景下的工业园区内进行地下水污染溯源,通过获悉污染线路和污染企业,从而有利于进行及时的污染修复、污染追责和污染控制。
实施例3
请参阅图5所示,本实施例公开提供了一种电子设备,包括存储器、处理器以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计算机程序时实现上述各方法所提供的任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
由于本实施例所介绍的电子设备为实施本申请实施例中一种基于工业物联网的环保数据采集与监视控制方法所采用的电子设备,故而基于本申请实施例中所介绍的一种基于工业物联网的环保数据采集与监视控制方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中一种基于工业物联网的环保数据采集与监视控制方法所采用的电子设备,都属于本申请所欲保护的范围。
实施例4
本实施例公开提供了一种计算机可读存储介质,包括存储器、处理器以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计算机程序时实现上述各方法所提供的任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数、权重以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一 种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,所述方法包括:
获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业。
2.根据权利要求1所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,确定Q个污染井,包括:
提取第一水质污染监测数据中每个水质元素集EA的元素数量;
将每个水质元素集EA的元素数量与预设元素数量阈值进行比较,若水质元素集EA的元素数量小于等于预设元素数量阈值,则判定对应监测井为未污染监测井,若水质元素集EA的元素数量大于预设元素数量阈值,则判定对应监测井为污染监测井,统计污染监测井的数量,则得到Q个污染井。
3.根据权利要求2所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,确定一个最大交叉污染监测井,包括:
提取第一水质污染监测数据中的R个水质元素集EA,以及提取第二水质污染监测数据中的R个水质元素集EB;
基于预设集合关系计算每个水质元素集EA与对应水质元素集EB的差值,将每个水质元素集EA与对应水质元素集EB的差值标记为集合元素差,得到U个集合元素差,U为大于零的正整数集;
按照差值从大到小对U个集合元素差进行排序,提取排序第一集合元素差;
基于排序第一集合元素差提取对应的水质元素集EA或水质元素集EB,根据对应的水质元素集EA或水质元素集EB,确定对应的监测井作为最大交叉污染监测井。
4.根据权利要求3所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,确定一个最大交叉污染监测井,还包括:
获取Q个污染井的水质元素集EA,以及获取每个污染井水质元素集EA中的元素数量;
按照元素数量值从大到小对每个污染井的水质元素集EA进行排序,提取排序第一水质元素集EA;
根据排序第一水质元素集EA获取对应污染井,确定对应的污染井作为最大交叉污染监测井。
5.根据权利要求4所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,L条疑似污染线路的筛选逻辑具体如下:
a.获取最大交叉污染监测井在工业园区地图中的坐标,以及确定在工业园区地图中的最远污染监测井;
b.基于最大交叉污染监测井的坐标,并按预设搜索距离条件进行搜索,获取最大交叉污染监测井的相邻污染监测井;
c.在工业园区地图中,对最大交叉污染监测井和最大交叉污染监测井的相邻污染监测井进行线路连接;
d.将相邻污染监测井作为目标污染监测井,以目标污染监测井为基准,搜索目标污染监测井的相邻污染监测井,将目标污染监测井与目标污染监测井的相邻污染监测井进行线路连接;
e.重复上述步骤d,直至目标污染监测井的相邻污染监测井为最远污染监测井,将目标污染监测井与最远污染监测井进行线路连接,得到L条疑似污染线路。
6.根据权利要求5所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,最远污染监测井的确定逻辑如下:
提取最大交叉污染监测井坐标,以及基于最大交叉污染监测井对Q个污染井进行划分,以得到K个方向的污染井和污染井坐标;
基于每个方向的污染井坐标和最大交叉污染监测井坐标,分别计算出最大交叉污染监测井与每个方向的污染井的距离,将最大交叉污染监测井与每个方向的污染井的距离作为位置间距,得到K个方向的D个位置间距;
按照数值大小对每个方向的D个位置间距进行排序,获取每个方向排序第一位置间距的污染井,将每个方向排序第一位置间距的污染井作为每个方向的最远污染监测井。
7.根据权利要求6所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,基于每个周边园内企业的生产信息进行分析,包括:
将水质元素集EA分别与生产信息中产品原料的元素集和工业废料的元素集进行相似度计算,以获得第一相似度和第二相似度;
对第一相似度和第二相似度求均值,以得到相似度均值;
将相似度均值与预设相似度均值阈值进行比较,若相似度均值大于预设相似度均值阈值,则判定对应周边园内企业为疑似偷排企业,若相似度均值小于等于预设相似度均值阈值,则判定对应周边园内企业为非疑似偷排企业。
8.根据权利要求7所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,计算每条疑似污染线路的斜率系数,包括:
获取每条疑似污染线路中污染井的水质元素集EA,提取每个水质元素集EA的元素数量;
按最大交叉污染监测井到最远污染监测井方向,对疑似污染线路中的每个污染井进行标号;
以每个污染井的标号作为横轴,以每个污染井对应的元素数量作为纵轴,构建数量折线图,将每个横轴和纵轴对应的数据点作为节点;
计算每两个相邻节点的斜率,将每两个相邻节点的斜率作为斜率系数,得到H个斜率系数,H为大于零的正整数集。
9.根据权利要求8所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,根据斜率系数确定污染路线,包括:将每个斜率系数与预设斜率系数阈值进行比较;若斜率系数大于等于预设斜率系数阈值,则判定对应疑似污染线路为污染线路;若斜率系数小于预设斜率系数阈值,则判定对应疑似污染线路为非污染线路。
10.根据权利要求9所述的一种基于工业物联网的环保数据采集与监视控制方法,其特征在于,确定至少一个偷排企业,包括:
获取污染线路上每个疑似偷排企业周边的污染土壤信息;所述污染土壤信息包括污染元素数量、污染元素类型、污染区域面积和土壤污染深度;
以及获取污染线路中距离最小污染井的污染浓度;
利用皮尔逊相关系数对污染土壤信息和污染浓度进行相关性计算,得到相关系数;
将相关系数与相关系数阈值进行比较,若相关系数大于相关系数阈值,则判定对应疑似偷排企业为偷排企业;若相关系数小于等于相关系数阈值,则判定对应疑似偷排企业为非偷排企业。
11.一种基于工业物联网的环保数据采集与监视控制***,其特征在于,包括:
数据获取模块,用于获取T时刻下M个监测井的第一水质污染监测数据,以及提取T-N时刻下每个监测井的第二水质污染监测数据;所述第一水质污染监测数据包含R个水质元素集EA,所述第二水质污染监测数据包含R个水质元素集EB,M、N、R均为大于零整数集;
污染确定模块,用于根据第一水质污染监测数据和第二水质污染监测数据确定Q个污染井,以及确定一个最大交叉污染监测井,Q为大于零的正整数集;
污染线路筛选模块,用于获取工业园区地图,在工业园区地图中对交叉污染监测井和污染井进行标注,基于标注后的工业园区地图筛选出L条疑似污染线路,L为大于零的正整数集;
污染企业排查模块,用于确定每条疑似污染线路的周边园内企业,提取每个周边园内企业的生产信息,基于每个周边园内企业的生产信息进行分析,以确定S个疑似偷排企业;所述生产信息包括产品原料的元素集和工业废料的元素集;
污染溯源模块,用于计算每条疑似污染线路的斜率系数,根据斜率系数确定污染路线,以及确定污染路线上的至少一个偷排企业。
12.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至10任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至10任一项所述一种基于工业物联网的环保数据采集与监视控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311340348.0A CN117094473B (zh) | 2023-10-17 | 2023-10-17 | 一种基于工业物联网的环保数据采集与监视控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311340348.0A CN117094473B (zh) | 2023-10-17 | 2023-10-17 | 一种基于工业物联网的环保数据采集与监视控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094473A true CN117094473A (zh) | 2023-11-21 |
CN117094473B CN117094473B (zh) | 2024-01-26 |
Family
ID=88781505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311340348.0A Active CN117094473B (zh) | 2023-10-17 | 2023-10-17 | 一种基于工业物联网的环保数据采集与监视控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094473B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231241A (zh) * | 2008-02-20 | 2008-07-30 | 中南民族大学 | 烟气污染物的实时在线检测装置及其检测方法 |
CN104360667A (zh) * | 2014-11-28 | 2015-02-18 | 山东省环境保护信息中心 | 一种污染源在线监控平台及污染源监控数据防造假方法 |
CN108918815A (zh) * | 2018-04-04 | 2018-11-30 | 华南农业大学 | 一种土壤重金属风险预测方法 |
TWI679614B (zh) * | 2019-02-20 | 2019-12-11 | 統一精工股份有限公司 | 加油站地下油管零污染警示設備 |
CN112633724A (zh) * | 2020-12-29 | 2021-04-09 | 中节能中咨华瑞科技有限公司 | 一种***性开展矿区环境风险管控的方法 |
CN113449956A (zh) * | 2021-04-23 | 2021-09-28 | 合肥学院 | 一种水污染快速溯源方法及*** |
CN114371260A (zh) * | 2022-01-17 | 2022-04-19 | 上海蓝科石化环保科技股份有限公司 | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 |
CN115508255A (zh) * | 2022-09-27 | 2022-12-23 | 贵州地矿基础工程有限公司 | 一种垃圾填埋场地环境的监控方法及*** |
CN116625433A (zh) * | 2023-05-24 | 2023-08-22 | 江苏省环境工程技术有限公司 | 一种适用于危废焚烧急冷塔监测的***及方法 |
-
2023
- 2023-10-17 CN CN202311340348.0A patent/CN117094473B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231241A (zh) * | 2008-02-20 | 2008-07-30 | 中南民族大学 | 烟气污染物的实时在线检测装置及其检测方法 |
CN104360667A (zh) * | 2014-11-28 | 2015-02-18 | 山东省环境保护信息中心 | 一种污染源在线监控平台及污染源监控数据防造假方法 |
CN108918815A (zh) * | 2018-04-04 | 2018-11-30 | 华南农业大学 | 一种土壤重金属风险预测方法 |
TWI679614B (zh) * | 2019-02-20 | 2019-12-11 | 統一精工股份有限公司 | 加油站地下油管零污染警示設備 |
CN112633724A (zh) * | 2020-12-29 | 2021-04-09 | 中节能中咨华瑞科技有限公司 | 一种***性开展矿区环境风险管控的方法 |
CN113449956A (zh) * | 2021-04-23 | 2021-09-28 | 合肥学院 | 一种水污染快速溯源方法及*** |
CN114371260A (zh) * | 2022-01-17 | 2022-04-19 | 上海蓝科石化环保科技股份有限公司 | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 |
CN115508255A (zh) * | 2022-09-27 | 2022-12-23 | 贵州地矿基础工程有限公司 | 一种垃圾填埋场地环境的监控方法及*** |
CN116625433A (zh) * | 2023-05-24 | 2023-08-22 | 江苏省环境工程技术有限公司 | 一种适用于危废焚烧急冷塔监测的***及方法 |
Non-Patent Citations (4)
Title |
---|
WANG CHAO等: "A cruise route design of robot-fish for the pollution source location", 《PROCEEDINGS OF THE 33RD CHINESE CONTROL CONFERENCE》, pages 8650 - 8656 * |
XIANSHENG LIU等: "Integration of air pollution data collected by mobile measurement to derive a preliminary spatiotemporal air pollution profile from two neighboring German-Czech border villages", 《SCIENCE OF THE TOTAL ENVIRONMENT》, pages 1 - 11 * |
曾健华: "广西环境在线监控***的设计及建设", 《中国环保产业》, no. 07, pages 66 - 69 * |
饶宝文: "重金属在尾矿库岩土渗流场中的迁移模拟及污染防治研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, pages 027 - 640 * |
Also Published As
Publication number | Publication date |
---|---|
CN117094473B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Machiwal et al. | A review of GIS-integrated statistical techniques for groundwater quality evaluation and protection | |
CN111461167A (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
Koo et al. | Innovative method for assessment of underground sewer pipe condition | |
CN102235575B (zh) | 用于检查管道泄露的数据处理方法及*** | |
Stevenazzi et al. | Groundwater vulnerability maps derived from a time-dependent method using satellite scatterometer data | |
CN103106347A (zh) | 一种基于土壤属性空间分布的农业面源磷污染估算方法 | |
CN105203599A (zh) | 一种场地污染土的快速诊断方法 | |
CN111157688B (zh) | 评价污染源对空气质量监测站影响的方法和装置 | |
CN112697849B (zh) | 动态污染源定位方法 | |
CN114184750A (zh) | 地下水污染物的监控方法、装置、设备及存储介质 | |
CN115789527A (zh) | 一种基于水环境信息化治理的分析***及方法 | |
CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及*** | |
Stevenazzi et al. | Groundwater vulnerability assessment: from overlay methods to statistical methods in the Lombardy Plain area= La valutazione della vulnerabilità degli acquiferi: dai metodi a zonazione omogenea ai metodi statistici nell’area di pianura lombarda | |
CN116934102B (zh) | 一种用于工业园区的环境风险管控*** | |
CN117094473B (zh) | 一种基于工业物联网的环保数据采集与监视控制方法及*** | |
MacDonald et al. | Designing monitoring programs for water quality based on experience in Canada I. Theory and framework | |
CN115933003A (zh) | 一种平原地形垃圾填埋场地下水污染状况获取方法 | |
CN115936192A (zh) | 一种土壤环境污染物风险预测方法及*** | |
Lin et al. | Simulated annealing and kriging method for identifying the spatial patterns and variability of soil heavy metal | |
CN116045903A (zh) | 一种采煤区地面形变识别与评价方法 | |
CN113378380A (zh) | 一种基于数值模拟的地下水中污染物溯源方法 | |
Liu et al. | Optimization of spatial prediction and sampling strategy of site contamination based on Thiessen polygon coupling interpolation | |
Zhao et al. | Correcting correlation quality of portable X-ray fluorescence to better map heavy metal contamination by spatial co-kriging interpolation | |
CN117709594A (zh) | 一种地理信息感知与分析方法 | |
CN116413318B (zh) | 一种基于井盖的有毒气体联合检测方法及*** |
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 |