CN117273221B - 基于邻间断面特征分析的河段异常排放预警方法及装置 - Google Patents
基于邻间断面特征分析的河段异常排放预警方法及装置 Download PDFInfo
- Publication number
- CN117273221B CN117273221B CN202311226612.8A CN202311226612A CN117273221B CN 117273221 B CN117273221 B CN 117273221B CN 202311226612 A CN202311226612 A CN 202311226612A CN 117273221 B CN117273221 B CN 117273221B
- Authority
- CN
- China
- Prior art keywords
- section
- data
- upstream
- time
- abnormal emission
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 129
- 238000004458 analytical method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 82
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 40
- 231100000719 pollutant Toxicity 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000009795 derivation Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000008602 contraction Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 2
- 102100034523 Histone H4 Human genes 0.000 description 1
- 101001067880 Homo sapiens Histone H4 Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 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
- 238000012216 screening Methods 0.000 description 1
- 238000013519 translation Methods 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
- 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
- G01N33/1826—Organic contamination in 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Food Science & Technology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种基于邻间断面特征分析的河段异常排放预警方法及装置,该方法包括:获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度。本发明能够对河段异常排放进行更加及时、更加准确的预警。
Description
技术领域
本发明涉及水质监测技术领域,特别是涉及一种基于邻间断面特征分析的河段异常排放预警方法及装置。
背景技术
现有的河段异常排放预警技术主要基于历史数据的经验值与实时监测值之间简单做一些差值计算来判断是否出现了河段异常排放事件。通常情况下一个河段的上下游断面之间会有一定的距离,现有技术大多使用的是低频采样方法,会出现在河段上某个点异常排放后很长时间之后才在下游断面发现异常的情况。另外,随着水流从上游断面流向下游断面,在异常排放量不大或者受其他环境因素影响,现有异常排放预警技术简单差值计算并没有发现异常,则不会进行异常排放预警,导致准确性相对不高,因此现有技术在及时性上和准确性上都有待提升。
现有技术往往只考虑单断面污染物浓度数据对比分析,会忽略到很多其他有用信息,在无异常排放情况下,上下游断面之间将会保持一种维稳的平衡状态,当发生异常排放时将会打破这种平衡,两断面差异信息有所变化也将有助于对异常排放进行预警,因此现有技术在断面选择方面也有所欠缺。因此市场上需要一种兼顾多信息要素有效提取筛选对比和准确性时效性的河段异常排放预警方法。
发明内容
提供了本发明以解决现有技术中存在的上述问题。因此,需要一种基于邻间断面特征分析的河段异常排放预警方法,以能够对河段异常排放进行更加及时、更加准确的预警。
根据本发明的第一方案,提供了一种基于邻间断面特征分析的河段异常排放预警方法,所述方法包括:
获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;
根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;
根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;
根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度。
进一步地,通过如下方法计算单断面历史数据变化率分布:
对所述断面污染物历史数据进行数据清理,得到原始数据;
基于所述原始数据,进行特征衍生,得到断面的每个历史节点的1~i阶导数,其中i为大于等于2的自然数;
根据历史节点的各阶导数的数据情况,将数据信息转化成信号信息,利用小波分析构建历史数据频谱图IncreaseRapidly-h。
进一步地,令i=3,通过如下公式计算得到断面的每个历史节点的三阶导数:
式中,t为当前监测时间点,t-1为上一个监测时间点,Δt为时间间隔,m表示当前断面。
进一步地,小波分析的小波函数表示为:
式中,a为尺度,τ为平移量,尺度a控制小波函数的伸缩,平移量τ控制小波函数的平移,尺度对应于频率/反比,平移量τ对应于时间。
进一步地,通过如下方法计算单断面实时数据变化率:
使用导数公式计算实时数据连续时间节点的1~i阶导数,其中i为大于等于2的自然数;
基于小波分析方法将实时数据处理成实时数据数据频谱图IncreaseRapidly-c。
进一步地,所述根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放具体包括:
将实时数据数据频谱图与历史数据频谱图进行频率对比;
当有异常波存在时,则确定存在单断面异常排放。
进一步地,通过如下方法分析河流上下游断面历史数据差异信息分布:
基于各个断面污染物历史数据,按照断面所属流域分组,对流域内断面从上游到下游开始排序,每相邻两个断面构成一个河流上下游断面组合;
对每个组合的原始数据进行特征衍生;
分析每个组合衍生数据的分布情况,使用小波分析方法将其转换成历史时变频谱图ConnDiff-h,所述历史时变频谱图体现上下游断面差异信息。
进一步地,所述根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放,具体包括:
根据断面污染物实时监测数据,得到实时时变频谱图ConnDiff-c;
将实时时变频谱图与历史时变频谱图进行波谱频率比对,在频率差异大于预设的频率差异阈值时,确定存在河流上下游断面异常排放。
进一步地,所述根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度,具体包括:
根据IncreaseRapidly-c与IncreaseRapidly-h频率偏离程度设定阈值划分出单断面信息偏离等级Hi(i=1,2,3,4),其中H1表示基本无偏离,H2表示低度偏离,H3表示中度偏离,H4表示高度偏离;
根据ConnDiff-c与ConnDiff-h频率偏离程度设定阈值划分出两断面差异信息偏离等级Ci(i=1,2,3,4),其中C1表示基本无偏离,C2表示低度偏离,C3表示中度偏离,C4表示高度偏离;
对Hi(i=1,1,3,4)和Ci(i=1,2,3,4)进行交叉组合综合判断,得到异常排放预警级别。
根据本发明的第二技术方案,提供一种基于邻间断面特征分析的河段异常排放预警装置,所述装置包括:
数据获取模块,被配置为获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;
单断面异常排放确定模块,被配置为根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;
河流上下游断面异常排放确定模块,被配置为根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;
异常排放程度确定模块,被配置为根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度。
根据本发明各个方案的基于邻间断面特征分析的河段异常排放预警方法,其至少具有以下技术效果:
本发明利用特征衍生思想充分挖掘数据潜在信息,判断出单断面污染物浓度激增情况,在较早的时间及时发现河段中的异常排放污染物浓度变化,及时预警;采用高频采样技术也会减少受水流、周边环境等方面影响,污染物指标浓度没有明显变化而漏掉预警的情况;结合上下游断面信息综合分析,为判断异常排放提供更加全面的依据;采用小波分析技术判别异常波,使得预警更加精准。具体体现为:
1)使用特征衍生技术
现有技术只使用了原始数据,忽略了数据潜在的信息,本发明引入特征衍生的思想,充分挖掘数据潜在信息。
2)采用高频采样技术
增加采样频率,保证数据信息获取及时性,在污染物还未大范围扩散之前更加及时和准确地判断出异常。
3)结合河段上下游断面综合分析
现有技术只根据单个断面数据信息判断异常,本发明结合整个河段上下游断面信息综合判断,使用相关算法提取河段上下游断面的差异性信息,当实时数据差异信息打破历史数据差异性信息稳态,则可以判断该河段有异常排放的可能。
4)采用小波分析技术对衍生特征进行分析
小波分析对异常信号判断有较好的敏感性,可以使得衍生的特征得到更好的应用,更加清晰准确做出预警。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候,在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1示出了根据本发明实施例的一种基于邻间断面特征分析的河段异常排放预警方法的流程图。
图2示出了根据本发明实施例的计算单断面历史数据变化率分布的流程图。
图3示出了根据本发明实施例的计算单断面实时数据变化率的流程图。
图4示出了根据本发明实施例的分析河流上下游断面历史数据差异信息分布的流程图。
图5示出了根据本发明实施例的确定河流上下游断面异常排放的流程图。
图6示出了根据本发明实施例的确定异常排放程度的流程图。
图7示出了根据本发明实施例的历史数据分析流程图。
图8示出了根据本发明实施例的实时数据异常判断流程图。
图9示出了根据本发明实施例的一种基于邻间断面特征分析的河段异常排放预警装置的结构图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述,但不作为对本发明的限定。本文中所描述的各个步骤,如果彼此之间没有前后关系的必要性,则本文中作为示例对其进行描述的次序不应视为限制,本领域技术人员应知道可以对其进行顺序调整,只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。
本发明实施例提供一种基于邻间断面特征分析的河段异常排放预警方法,如图1所示,该方法包括如下步骤:
步骤S100,获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据。
步骤S200,根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放。
在一些实施例中,如图2所示,通过如下方法计算单断面历史数据变化率分布:
步骤S201,对所述断面污染物历史数据进行数据清理,得到原始数据。
其中数据清理包括异常值处理、缺失值处理等操作。
步骤S202,基于所述原始数据,进行特征衍生,得到断面的每个历史节点的1~i阶导数,其中i为大于等于2的自然数。
该步骤为特征衍生方法,本文以用导数理论进行特征衍生的思想为例进行介绍,断面的每个时间节点都计算出过去连续几个时间节点的导数值,这样每个历史节点都能得到其对应的一阶导数、二阶导数、三阶导数数据(以计算至三阶导数为例,可根据数据实际情况调整导数阶数),公式(i)i=1,2,3为第i阶导数计算公式,其中t为当前监测时间点,t-1为上一个监测时间点,Δt为时间间隔,m表示当前断面;
需要说明的是,本实施例中示出了三阶导数的计算方法,但在实际运用中,还可以计算历史节点的更高阶导数。
步骤S203,根据历史节点的各阶导数的数据情况,将数据信息转化成信号信息,利用小波分析构建历史数据频谱图IncreaseRapidly-h。
具体说来,分别分析下每阶导数的数据分布情况,并将数据信息转化成信号信息,使用小波分析构建导数分布时变频谱图。公式(4)中a为尺度,τ为平移量,尺度a控制小波函数的伸缩,平移量τ控制小波函数的平移,尺度就对应于频率(反比),平移量τ就对应于时间。这种方式能够有效地从信号中提取信息,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,获得历史数据每阶导数数据对应的小波分析时变频谱图即历史数据频谱图(记作IncreaseRapidly-h),作为判断异常的依据。
在一些实施例中,如图3所示,通过如下方法计算单断面实时数据变化率:
步骤S2001,使用导数公式计算实时数据连续时间节点的1~i阶导数,其中i为大于等于2的自然数。
该步骤与在先的对原始数据(断面污染物历史数据进行数据清理得到的数据)进行特征衍生的方法相同,此处不再赘述。
步骤S2002,基于小波分析方法将实时数据处理成实时数据数据频谱图IncreaseRapidly-c。
同样的,该步骤与在先的对断面污染物历史数据所应用的方法是相同的,目的是为了获得实时数据数据频谱图来进行断面异常排放的确定。
在一些实施例中,将实时数据数据频谱图与历史数据频谱图进行频率对比;当有异常波存在时,则确定存在单断面异常排放,可以结合后续的步骤进行进一步地异常判断。
步骤S300,根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放。
在一些实施例中,如图4所示,通过如下方法分析河流上下游断面历史数据差异信息分布:
步骤S301,基于各个断面污染物历史数据,按照断面所属流域分组,对流域内断面从上游到下游开始排序,每相邻两个断面构成一个河流上下游断面组合。
步骤S302,对每个组合的原始数据进行特征衍生,为后续分析差异信息提供数据支撑。
步骤S303,分析每个组合衍生数据的分布情况,使用小波分析方法将其转换成历史时变频谱图ConnDiff-h,所述历史时变频谱图体现上下游断面差异信息。
在一些实施例中,如图5所示,所述根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放,具体包括:
步骤S3001,根据断面污染物实时监测数据,得到实时时变频谱图ConnDiff-c。
该步骤得到实时时变频谱图的方式与通过断面污染物历史数据得到历史时变频谱图的方式相同,此处不再赘述。
步骤S3002,将实时时变频谱图与历史时变频谱图进行波谱频率比对,在频率差异大于预设的频率差异阈值时,确定存在河流上下游断面异常排放。
具体的,若频率差异在可接受的一定范围内(在预设的阈值范围内)则表明相邻断面差异信息变化不明显,若有较大差异(不在预设的阈值范围内)则存在异常排放的可能,将与单断面自身污染物浓度波谱变化分析综合考虑。
最后在步骤S400中,根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度。
在一些实施例中,如图6所示,所述根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度,具体包括:
步骤S401,根据IncreaseRapidly-c与IncreaseRapidly-h频率偏离程度设定阈值划分出单断面信息偏离等级Hi(i=1,2,3,4),其中H1表示基本无偏离,H2表示低度偏离,H3表示中度偏离,H4表示高度偏离;
步骤S402,根据ConnDiff-c与ConnDiff-h频率偏离程度设定阈值划分出两断面差异信息偏离等级Ci(i=1,2,3,4),其中C1表示基本无偏离,C2表示低度偏离,C3表示中度偏离,C4表示高度偏离;
步骤S403,对单断面信息偏离等级Hi(i=1,2,3,4)和两断面差异信息偏离等级Ci(i=1,2,3,4)进行交叉组合综合判断,得到异常排放预警级别。
示例性的,最终得到异常排放预警级别可以是HiCi,如H1C1,则表示无异常排放,H2C2则表示低概率存在异常排放,H4C4表示大概率存在异常排放。
本发明在具体实施时,并不一定按照如上所描述的步骤进行。示例性的,本发明在具体实现时,整体包括有两个步骤,分别为历史数据分析步骤以及实时数据异常判断步骤。
如图7所示,历史数据分析步骤具体包括:
步骤1:获取断面污染物历史数据;
步骤2:利用断面污染物历史数据,对单断面数据进行特征衍生,并存储单断面特征衍生方法;
步骤3:利用断面污染物历史数据,对河段上下游断面特征衍生,并存储河段上下游数据特征衍生方法;
步骤4:对单断面特征数据进行统计学分析及小波分析,然后存储单断面小波分析时变频谱图;
步骤5:对河段上下游断面特征数据进行统计学分析及小波分析,然后存储上下游断面小波分析时变频谱图;
步骤6:综合分析两者特征及其时变频波谱图,为后续判断实时监测数据是否异常提供参考。
如图8所示,实时数据异常判断步骤具体包括:
步骤1:获取断面实时监测污染物数据;
步骤2:根据已获取的单断面实时数据,并利用单断面历史数据特征衍生方法,对单断面实时数据进行特征衍生;
步骤3:根据已获取的河段上下游断面实时数据,并利用河段上下游断面历史数据特征衍生方法,对河段上下游断面实时数据进行特征衍生;
步骤4:根据步骤2单断面实时数据特征衍生结果,结合单断面历史信息相关小波分析时变频谱图,与历史信息对比分析监测单断面波谱频率偏离程度;
步骤5:根据步骤3河段上下游断面实时数据特征衍生,结合河段上下游断面历史差异性信息相关小波分析时变频谱图,与历史信息对比分析监测单断面波谱频率偏离程度;
步骤6:综合分析两波谱频率偏离程度,判断是否该河段是否有异常排放。
综上所述,本发明利用特征衍生思想充分挖掘数据潜在信息,判断出单断面污染物浓度激增情况,在较早的时间及时发现河段中的异常排放污染物浓度变化,及时预警;采用高频采样技术也会减少受水流、周边环境等方面影响,污染物指标浓度没有明显变化而漏掉预警的情况;结合上下游断面信息综合分析,为判断异常排放提供更加全面的依据;采用小波分析技术判别异常波,使得预警更加精准。
本发明实施例还提供一种基于邻间断面特征分析的河段异常排放预警装置,如图9所示,该装置900包括:
数据获取模块901,被配置为获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;
单断面异常排放确定模块902,被配置为根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;
河流上下游断面异常排放确定模块903,被配置为根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;
异常排放程度确定模块904,被配置为根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度。
在一些实施例中,所述单断面异常排放确定模块被进一步配置为通过如下方法计算单断面历史数据变化率分布:
对所述断面污染物历史数据进行数据清理,得到原始数据;
基于所述原始数据,进行特征衍生,得到断面的每个历史节点的1~i阶导数,其中i为大于等于2的自然数;
根据历史节点的各阶导数的数据情况,将数据信息转化成信号信息,利用小波分析构建历史数据频谱图IncreaseRapidly-h。
在一些实施例中,所述单断面异常排放确定模块被进一步配置为令i=3,通过如下公式计算得到断面的每个历史节点的三阶导数:
式中,t为当前监测时间点,t-1为上一个监测时间点,Δt为时间间隔,m表示当前断面。
在一些实施例中,小波分析的小波函数表示为:
式中,a为尺度,τ为平移量,尺度a控制小波函数的伸缩,平移量τ控制小波函数的平移,尺度对应于频率/反比,平移量τ对应于时间。
在一些实施例中,所述单断面异常排放确定模块被进一步配置为通过如下方法计算单断面实时数据变化率:
使用导数公式计算实时数据连续时间节点的1~i阶导数,其中i为大于等于2的自然数;
基于小波分析方法将实时数据处理成实时数据数据频谱图IncreaseRapidly-c。
在一些实施例中,所述单断面异常排放确定模块被进一步配置为:
将实时数据数据频谱图与历史数据频谱图进行频率对比;
当有异常波存在时,则确定存在单断面异常排放。
在一些实施例中,所述河流上下游断面异常排放确定模块被进一步配置为通过如下方法分析河流上下游断面历史数据差异信息分布:
基于各个断面污染物历史数据,按照断面所属流域分组,对流域内断面从上游到下游开始排序,每相邻两个断面构成一个河流上下游断面组合;
对每个组合的原始数据进行特征衍生;
分析每个组合衍生数据的分布情况,使用小波分析方法将其转换成历史时变频谱图ConnDiff-h,所述历史时变频谱图体现上下游断面差异信息。
在一些实施例中,所述河流上下游断面异常排放确定模块被进一步配置为:
根据断面污染物实时监测数据,得到实时时变频谱图ConnDiff-c;
将实时时变频谱图与历史时变频谱图进行波谱频率比对,在频率差异大于预设的频率差异阈值时,确定存在河流上下游断面异常排放。
在一些实施例中,所述异常排放程度确定模块被进一步配置为:
根据IncreaseRapidly-c与IncreaseRapidly-h频率偏离程度设定阈值划分出单断面信息偏离等级Hi(i=1,2,3,4),其中H1表示基本无偏离,H2表示低度偏离,H3表示中度偏离,H4表示高度偏离;
根据ConnDiff-c与ConnDiff-h频率偏离程度设定阈值划分出两断面差异信息偏离等级Ci(i=1,2,3,4),其中C1表示基本无偏离,C2表示低度偏离,C3表示中度偏离,C4表示高度偏离;
对Hi(i=1,2,3,4)和Ci(i=1,2,3,4)进行交叉组合综合判断,得到异常排放预警级别。
需要说明的是,该基于邻间断面特征分析的河段异常排放预警装置与在先阐述的方法属于同一技术思路,其能起到同样的有益效果,此处不赘述。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的发明的特征对于任一权利要求是必要的意图。相反,本发明的主题可以少于特定的发明的实施例的全部特征。从而,以下权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
Claims (8)
1.一种基于邻间断面特征分析的河段异常排放预警方法,其特征在于,所述方法包括:
获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;
根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;
根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;
根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度;
通过如下方法计算单断面历史数据变化率分布:
对所述断面污染物历史数据进行数据清理,得到原始数据;
基于所述原始数据,进行特征衍生,得到断面的每个历史节点的1~i阶导数,其中i为大于等于2的自然数;
根据历史节点的各阶导数的数据情况,将数据信息转化成信号信息,利用小波分析构建历史数据频谱图IncreaseRapidly-h;
令i=3,通过如下公式计算得到断面的每个历史节点的三阶导数:
式中,t为当前监测时间点,t-1为上一个监测时间点,Δt为时间间隔,m表示当前断面。
2.根据权利要求1所述的方法,其特征在于,小波分析的小波函数表示为:
式中,a为尺度,τ为平移量,尺度a控制小波函数的伸缩,平移量τ控制小波函数的平移,尺度对应于频率/反比,平移量τ对应于时间。
3.根据权利要求1所述的方法,其特征在于,通过如下方法计算单断面实时数据变化率:
使用导数公式计算实时数据连续时间节点的1~i阶导数,其中i为大于等于2的自然数;
基于小波分析方法将实时数据处理成实时数据数据频谱图IncreaseRapidly-c。
4.根据权利要求3所述的方法,其特征在于,所述根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放具体包括:
将实时数据数据频谱图与历史数据频谱图进行频率对比;
当有异常波存在时,则确定存在单断面异常排放。
5.根据权利要求3所述的方法,其特征在于,通过如下方法分析河流上下游断面历史数据差异信息分布:
基于各个断面污染物历史数据,按照断面所属流域分组,对流域内断面从上游到下游开始排序,每相邻两个断面构成一个河流上下游断面组合;
对每个组合的原始数据进行特征衍生;
分析每个组合衍生数据的分布情况,使用小波分析方法将其转换成历史时变频谱图ConnDiff-h,所述历史时变频谱图体现上下游断面差异信息。
6.根据权利要求5所述的方法,其特征在于,所述根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放,具体包括:
根据断面污染物实时监测数据,得到实时时变频谱图ConnDiff-c;
将实时时变频谱图与历史时变频谱图进行波谱频率比对,在频率差异大于预设的频率差异阈值时,确定存在河流上下游断面异常排放。
7.根据权利要求6所述的方法,其特征在于,所述根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度,具体包括:
根据IncreaseRapidly-c与IncreaseRapidly-h频率偏离程度设定阈值划分出单断面信息偏离等级Hi(i=1,2,3,4),其中H1表示基本无偏离,H2表示低度偏离,H3表示中度偏离,H4表示高度偏离;
根据ConnDiff-c与ConnDiff-h频率偏离程度设定阈值划分出两断面差异信息偏离等级Ci(i=1,2,3,4),其中C1表示基本无偏离,C2表示低度偏离,C3表示中度偏离,C4表示高度偏离;
对Hi(i=1,2,3,4)和Ci(i=1,2,3,4)进行交叉组合综合判断,得到异常排放预警级别。
8.一种基于邻间断面特征分析的河段异常排放预警装置,其特征在于,所述装置包括:
数据获取模块,被配置为获取监测数据,所述监测数据包括断面污染物历史数据和断面污染物实时监测数据;
单断面异常排放确定模块,被配置为根据单断面历史数据变化率分布和单断面实时数据变化率来确定单断面异常排放;
河流上下游断面异常排放确定模块,被配置为根据河流上下游断面历史数据差异信息分布和上下游断面实时数据差异信息分布来确定河流上下游断面异常排放;
异常排放程度确定模块,被配置为根据所述单断面异常排放和所述河流上下游断面异常排放来确定异常排放程度;
所述单断面异常排放确定模块被进一步配置为通过如下方法计算单断面历史数据变化率分布:
对所述断面污染物历史数据进行数据清理,得到原始数据;
基于所述原始数据,进行特征衍生,得到断面的每个历史节点的1~i阶导数,其中i为大于等于2的自然数;
根据历史节点的各阶导数的数据情况,将数据信息转化成信号信息,利用小波分析构建历史数据频谱图IncreaseRapidly-h;
所述单断面异常排放确定模块被进一步配置为令i=3,通过如下公式计算得到断面的每个历史节点的三阶导数:
式中,t为当前监测时间点,t-1为上一个监测时间点,Δt为时间间隔,m表示当前断面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226612.8A CN117273221B (zh) | 2023-09-21 | 2023-09-21 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226612.8A CN117273221B (zh) | 2023-09-21 | 2023-09-21 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117273221A CN117273221A (zh) | 2023-12-22 |
CN117273221B true CN117273221B (zh) | 2024-06-07 |
Family
ID=89215354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311226612.8A Active CN117273221B (zh) | 2023-09-21 | 2023-09-21 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273221B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052147A1 (zh) * | 2018-09-11 | 2020-03-19 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、***、终端及介质 |
WO2023025329A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 一种基于数字流域时空模型的污染排放确定方法和装置 |
CN116166669A (zh) * | 2023-03-03 | 2023-05-26 | 深圳博沃智慧科技有限公司 | 水污染溯源方法、装置、设备及存储介质 |
-
2023
- 2023-09-21 CN CN202311226612.8A patent/CN117273221B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052147A1 (zh) * | 2018-09-11 | 2020-03-19 | 清华大学合肥公共安全研究院 | 监测设备故障检测方法及装置 |
CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、***、终端及介质 |
WO2023025329A1 (zh) * | 2021-08-26 | 2023-03-02 | 中国环境科学研究院 | 一种基于数字流域时空模型的污染排放确定方法和装置 |
CN116166669A (zh) * | 2023-03-03 | 2023-05-26 | 深圳博沃智慧科技有限公司 | 水污染溯源方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117273221A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109655298B (zh) | 一种大跨度金属屋面的故障实时预警方法及装置 | |
CN113344134B (zh) | 一种低压配电监控终端数据采集异常检测方法及*** | |
CN111275307A (zh) | 一种水质自动在线站高频连续观测数据质量控制方法 | |
CN118051863B (zh) | 一种基于数字计量技术的健康数据采集***及方法 | |
CN117556714B (zh) | 一种用于铝金属冶炼的预热管路温度数据异常分析方法 | |
CN111458149B (zh) | 一种滚动轴承性能及使用寿命的预测方法及*** | |
CN110287827B (zh) | 一种基于数据关联性的桥梁应变数据异常值识别方法 | |
CN110598265A (zh) | 基于小波分析的桥梁健康数据异常修正方法及*** | |
CN111444233B (zh) | 基于复制器神经网络模型发现环境监测异常数据的方法 | |
Berenguer et al. | Inspection and maintenance planning: An application of semi-Markov decision processes | |
CN116357396A (zh) | 一种瓦斯曲线关联波动异常识别方法、装置及相关组件 | |
CN114019139B (zh) | 一种农用地土壤重金属异常数据的探测方法 | |
CN117273221B (zh) | 基于邻间断面特征分析的河段异常排放预警方法及装置 | |
Zhang et al. | Real-time burst detection based on multiple features of pressure data | |
CN113837591A (zh) | 一种面向多工况运行条件的装备健康评估方法 | |
CN116132337B (zh) | 一种基于服务网格技术的接口流量异常检测方法 | |
CN112215307A (zh) | 一种应用机器学习自动检测地震仪器信号异常的方法 | |
CN115235676B (zh) | 一种矿井液压支架压力异常自动报警方法 | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN113408383B (zh) | 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法 | |
CN112699609B (zh) | 一种基于振动数据的柴油机可靠性模型构建方法 | |
KR102428867B1 (ko) | 시계열 데이터의 변화 추세를 고려한 유사도 분석 방법 | |
CN104808643B (zh) | 一种基于改进的倒双谱分析的控制回路非线性检测方法 | |
CN111027719B (zh) | 多组件***状态机会维护优化方法 | |
CN118130744B (zh) | 排水管网监测方法及装置、电子设备和存储介质 |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 100096 no.258, 2nd floor, building 2, Xisanqi building materials City, Haidian District, Beijing Applicant after: China Energy Conservation Digital Technology Co.,Ltd. Address before: 100096 no.258, 2nd floor, building 2, Xisanqi building materials City, Haidian District, Beijing Applicant before: CECEP TALROAD TECHNOLOGY CO.,LTD. Country or region before: China |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant |