CN103018418A - 景观水体水质在线预警系统 - Google Patents

Abstract

本发明公开了一种景观水体水质在线预警系统，由景观水体水质在线监测系统、数据中心和主控计算机组成；景观水体水质在线监测系统用于监测景观水体的水质数据并与数据中心进行数据传输，数据中心用于控制景观水体水质在线监测系统，并存储其发回的水体水质数据；主控计算机通过调用并运行其中的功能模块，随时处理数据库中的数据，实现在线监测水质数据的分析与管理；当水体水质发生恶化时，进行预测预警，并依据预警警情提出应急预案。通过本发明可以掌握水体水质变化趋势，及时对水质恶化趋势进行预警，保证城市景观水体的水环境质量，并对景观水体运行过程中水质数据的有效分析与管理提供科学依据与技术支持。

Description

景观水体水质在线预警系统

技术领域

本发明属于水污染控制领域,涉及水污染控制与防治方法，具体说涉及景观水体水质监测以及预警系统的设计应用。

背景技术

随着近年来城市化进程的不断深入，景观水体在城市中大量涌现，因其具有调节局部气候、吸尘降噪、美化环境等功能，对改善城市生态环境起到了重要作用。然而景观水体多为静止或流动性差的封闭缓流水体,其自我调节机能薄弱。以往由于缺乏有效的监控与预测手段，在景观水体的运行过程中无法全面了解其水质情况，水体水质容易发生恶化。本预警系统的建立，旨在掌握景观水体的水质变化规律，及早对水质恶化趋势进行预警预报，并指导运行管理者及时采取应急措施防止水质污染事故，避免水质恶化对城市生态环境产生不良影响。

发明内容

针对上述现有技术，本发明提供一种景观水体水质在线预警系统，掌握水体水质变化趋势，及时对水质恶化趋势进行预警，保证城市景观水体的水环境质量，并对景观水体运行过程中水质数据的有效分析与管理提供科学依据与技术支持。

为了解决上述技术问题，本发明景观水体水质在线预警系统予以实现的技术方案是：该系统由景观水体水质在线监测系统、数据中心和主控计算机组成；所述景观水体水质在线监测系统，用于监测景观水体的水质数据并与数据中心进行数据传输，包括设置在水质在线监测点处的若干个遥测远传终端和数据传输系统；所述若干个遥测远传终端分别位于景观水体中水质监测点上，用于在线测量景观水体的水质数据，并按约定的时间将采集的水质数据以有线或无线方式定时发送给数据中心；所述数据传输系统用于遥测远传终端与数据中心的信息传输；所述数据中心用于控制景观水体水质在线监测系统，并存储其发回的水体水质数据，包括服务器和存储在该服务器中的数据库；所述服务器用于监控所述遥测远传终端采集到的景观水体的水质数据，并与数据传输系统进行数据传输；所述数据库用来存储按时序监测的景观水体水质在线监测数据；所述主控计算机通过调用并运行下述功能模块，随时处理数据库中的数据，实现在线监测水质数据的分析与管理；当水体水质发生恶化时，进行预测预警，并依据预警警情提出应急预案；

所述主控计算机中存储有以下功能模块：

1）数据存储模块，用于存储景观水体水质在线预警的相关数据和信息；

2）在线监测控制模块，用于控制水质在线监测系统按设定的时间对水体水质进行循环监测；

3）水质预测模块，用于读取数据库中按时序监测的水质数据，并将其作为输入数据代入神经网络模型进行景观水体水质预测；

4）水质预警模块，读取水质预测结果，用于分析水质监测与预测结果，分别对每项水质参数异常监测值进行预警,并进行预警警级的确定；

5）专家应急预案模块：用于针对各项水质指标的预警警情提出应急预案。

与现有技术相比，本发明的有益效果是：

本发明由于采用了以上的技术方案，实现了景观水体水质在线分析与预警。第1步通过景观水体水质在线监测系统对水体水质进行测定，并将监测数据传输到数据中心的服务器中进行存储与分析；第2步利用神经网络模型技术，建立当前水体水质情况和未来水质变化之间的非线性关系模型，用来预测景观水体水质变化趋势；第3步在设定水质参数的预警警级、警限后，对景观水体水质变化情况进行预警分析；第4步针对水质指标的警情报告采取专家应急预案以保证景观水体水质达标。

由上所述，本发明可以准确和迅速地对景观水体的水质变化情况进行分析和预警，预警的精度较高，具有较高的实用价值，提高了对水体水质变化异常情况的应对能力，同时实现了景观水体运行情况相关数据的有效管理。

附图说明

图1是本发明的景观水体水质在线预警系统的原理结构图；

图中：1-水质在线监测系统，2-数据中心，3-主控计算机，4-遥测远传终端(RTU），5-数据传输系统，6-服务器，7-数据库；

图2是BP神经网络模型拓扑结构图；

图3是本发明的景观水体水质在线预警系统的运行流程图。

具体实施方式

下面结合具体实施方式对本发明作进一步详细地描述。

如图1所示，本发明景观水体水质在线预警系统，由景观水体水质在线监测系统1、数据中心2和主控计算机3组成。

所述景观水体水质在线监测系统1用于监测景观水体的水质数据并与数据中心2进行数据传输，主要包括设置在水质在线监测点处的若干个遥测远传终端4和数据传输系统5；所述若干个遥测远传终端4分别位于景观水体中水质监测点上，用于在线测量景观水体的水质数据，所述水质数据至少包括水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla水质参数。并按约定的时间将采集的水质数据以有线或无线方式定时发送给数据中心2；所述数据传输系统5用于遥测远传终端4与数据中心2的水质数据传输，可采用有线或无线方式。

所述数据中心2用于控制景观水体水质在线监测系统，并存储其发回的水体水质数据，主要包括服务器6和存储在该服务器中的数据库7；所述服务器6用于监控所述遥测远传终端4采集到的景观水体的水质数据，并与数据传输系统5进行数据传输；所述数据库7用来存储按时序监测的景观水体水质在线监测数据；

所述主控计算机3中存储有景观水体水质在线预警程序，通过运行该景观水体水质在线预警程序及随时处理数据库中的数据，实现在线监测水质数据的分析与管理；当水体水质发生恶化时，进行预测预警，并依据预警警情提出应急预案，该景观水体水质在线预警程序包含以下功能模块：

1）数据存储模块，用于存储景观水体水质在线预警的以下数据和信息，主要包括：景观水体的基础情况与数据，例如景观水体的地图信息以及水文、水质等基础数据等；景观水体的在线监测水质数据，包括水温T、溶解氧DO、化学需氧量COD、氨氮N、叶绿素aChla五项水质参数。

2）在线监测控制模块，用于控制水质在线监测系统按设定的时间对水体水质进行循环监测；

3）水质预测模块，基于上述景观水体在线监测水质数据建立的历史水质数据库，并利用已建数据库的数据样本训练神经网络模型，水质预测模块读取数据库中的实时水质数据，并代入神经网络模型中进行景观水体水质预测；

所述神经网络模型是指建立BP神经网络模型，该BP神经网络模型是一个包括输入层、隐含层和输出层的三层神经网络；其中，需要输入到BP神经网络模型模型中的数据为水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla五项水质参数，输入层节点为5；网络结构的传递函数采用tansig函数，输出层传递函数选用purelin函数，输出结果为五项水质参数的预测值，输出层节点为5；该BP神经网络模型利用数据库中的水质监测数据为样本训练BP神经网络模型，然后将预测时刻之前某一连续时间段内的水质监测数据输入到已训练好的BP神经网络模型进行预测，即得到预测时刻的水体水质参数；网络训练函数采用trainlm函数，网络学习函数采用BP学习规则learngd；BP神经网络模型的拓扑结构如图2所示，该BP神经网络模型由一个输入层、一个隐含层、一个输出层组成，输入层、输出层分别包含5个节点，各层之间由传递函数连接；模型运行过程中向输入层输入水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla五项水质参数的实测数据，输出层输出该五项水质参数的预测值；；

所述水质预测模型的表达式为：

Q_预测(t)=F(Q(t-1)，Q(t-2)，…，Q(t-n))

其中，Q_预测(t)是t时刻水体水质参数的预测值向量，该向量包含水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla五项水质参数；Q(t-n)是(t-n)时刻水体水质参数的实测值向量，该向量包含水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla五项水质参数；n为连续时间段内水质监测的时间步长；F为由神经网络确定的输入-输出映射关系。

4）水质预警模块，读取水质预测结果，用于分析水质监测与预测结果，分别对每项水质参数异常监测值（即对发生异常变化的水质指标按照其波动程度）进行预警,并进行预警警级的确定；所述预警警级包括：

无警警级，水质参数在历史监测数据同期月份平均值的±15%范围内波动；

轻警警级，水质参数波动值超出历史监测数据同期月份平均值的±15%范围，但未超出±30%范围，且未超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，还不足以影响水体水质总体情况；

中警警级，水质参数波动值已经超出历史监测数据同期月份平均值的±30%范围，但未超出±40%范围，且未超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，，有可能导致水体水质恶化；

重警警级，水质参数波动值超出历史监测数据同期月份平均值的±40%范围，或超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，表明水体发生水质恶化。

5）专家应急预案模块：用于针对各项水质指标的预警警情提出应急预案，即针对水质指标的预警警级，提出相应的专家应急预案，保证景观水体的水质达标；所述专家应急预案根据警级采取下列水质监测和水质保持措施：

预警警级为无警时，进行常规水质监测；

预警警级为轻警时，表明水质参数波动有异常倾向，需采取密切监控措施，监测密度增加为平时的二倍，及时掌握水质变化情况；

预警警级为中警时，对景观水体运行方案进行调整，即增加新鲜水源补充、暂停再生水、雨水等含有污染物的水源补充，同时对景观水体进行污染源排查，并继续密切监控水质变化情况；

预警警级为重警时，查找可能的超标排污污染源，对景观水体采取人工强化水质净化措施。

例如，某景观水体在进行在线水质预警过程中，若系统对水体化学需氧量COD发出警报：轻警情况时，可暂时不采取措施，通过密切监控监测点化学需氧量COD及时掌握水质变化趋势；中警情况时，暂停再生水补水，通知景观水体维护部门对水体周边进行污染源排查，同时继续监控水质变化情况；重警情况时通知景观水体维护部门进行超标排污污染源排查，可开启或增设景观水体曝气增氧装置以消减化学需氧量COD浓度，改善水体水质。

下面结合图3进一步详细说明本发明景观水体水质在线预警系统的实际操作步骤。

景观水体水质在线预警程序流程图如图3所示，实现在线预警的过程包括以下步骤：

（1）启动主控计算机3，开始运行景观水体水质在线预警系统；

（2）系统定时读取服务器数据库7中存储的水体监测点处水质在线监测数据。

（3）系统读取离当前最近的水质参数监测数据并与设定好的警级、警限数据进行对比分析，评价当前的水质情况。

（4）系统将水质在线监测数据输入到已训练好的BP神经网络模型，进行水质预测，该BP神经网络模型输出结果为水温T、溶解氧DO、化学需氧量COD、氨氮N和叶绿素a Chla五项水质参数的预测值；将预测得到的水体水质变化情况与警级、警限数据进行对比分析，评价未来水质的情况。

（5）系统根据当前水质和未来水质的评价情况，判断是否做出水质预警；若无警情则继续进行水质监测，系统自动返回上述步骤(2)，等待下一次获取水质在线监测数据并对其进行分析预警；反之，若某项水质参数偏离允许波动范围，意味着景观水体存在不同程度的水质异常，判断需要预警，并进行下一步操作。

（6）系统根据设定好的警级、警限数据进行预警分级操作，将警情分为无警、轻警、中警和重警，并报告警情。

（7）系统根据警情分析提出专家应急预案。针对不同警级采取不同水体水质保持应急措施。系统自动形成专家应急预案报告，通知预警警级和专家应急预案内容，并及时发送或打印下发到相关景观水体管理及运行维护部门。

（8）水质在线监测系统对水质参数进行循环采集，即按照指定时间间隔自动对监测点进行水质监测。

（9）水质在线监测系统的监测数据随时传送到服务器数据库中，数据库存储实时数据和历史数据，可通过图表方式显示历史和趋势数据，且控制中心可随时对数据库中的数据进行查看、修改、添加、删除等操作。

（10）根据用户需求判断系统是否继续进行。

尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，这些均属于本发明的保护之内。

Claims (6)

1.一种景观水体水质在线预警系统，由景观水体水质在线监测系统、数据中心和主控计算机组成；其特征在于：

所述景观水体水质在线监测系统，用于监测景观水体的水质数据并与数据中心进行数据传输，包括设置在水质在线监测点处的若干个遥测远传终端和数据传输系统；所述若干个遥测远传终端分别位于景观水体中水质监测点上，用于在线测量景观水体的水质数据，并按约定的时间将采集的水质数据以有线或无线方式定时发送给数据中心；所述数据传输系统用于遥测远传终端与数据中心的信息传输；

所述数据中心用于控制景观水体水质在线监测系统，并存储其发回的水体水质数据，包括服务器和存储在该服务器中的数据库；所述服务器用于监控所述遥测远传终端采集到的景观水体的水质数据，并与数据传输系统进行数据传输；所述数据库用来存储按时序监测的景观水体水质在线监测数据；

所述主控计算机通过调用并运行下述功能模块，随时处理数据库中的数据，实现在线监测水质数据的分析与管理；当水体水质发生恶化时，进行预测预警，并依据预警警情提出应急预案；

所述主控计算机中存储有以下功能模块：

1）数据存储模块，用于存储景观水体水质在线预警的相关数据和信息；

2）在线监测控制模块，用于控制水质在线监测系统按设定的时间对水体水质进行循环监测；

3）水质预测模块，用于读取数据库中按时序监测的水质数据，并将其作为输入数据代入神经网络模型进行景观水体水质预测；

4）水质预警模块，读取水质预测结果，用于分析水质监测与预测结果，分别对每项水质参数异常监测值进行预警,并进行预警警级的确定；

5）专家应急预案模块：用于针对各项水质指标的预警警情提出应急预案。

2.根据权利要求1所述景观水体水质在线预警系统，其特征在于：所述水质数据至少包括水温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）和叶绿素a（Chla）水质参数。

3.根据权利要求1所述景观水体水质在线预警系统，其特征在于：所述相关数据至少包括：景观水体的地图信息以及水文、水质基础数据，景观水体的在线监测水质数据，包括温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）、叶绿素a（Chla）五项水质参数。

4.根据权利要求1或2所述景观水体水质在线预警系统，其特征在于：所述神经网络模型是指建立BP神经网络模型，该BP神经网络模型是一个包括输入层、隐含层和输出层的三层神经网络；其中，该BP神经网络模型需要输入的数据为水温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）和叶绿素a（Chla）五项水质参数，输入层节点为5；网络结构的传递函数采用tansig函数，输出层传递函数选用purelin函数，输出结果为五项水质参数的预测值，输出层节点为5；该BP神经网络模型利用数据库中的水质监测数据为样本训练BP神经网络模型，然后将预测时刻之前某一连续时间段内的水质监测数据输入到已训练好的BP神经网络模型进行预测，即得到预测时刻的水体水质参数；网络训练函数采用trainlm函数，网络学习函数采用BP学习规则learngd；BP神经网络模型的拓扑结构由一个输入层、一个隐含层、一个输出层组成，输入层、输出层分别包含5个节点，各层之间由传递函数连接；模型运行过程中向输入层输入水温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）和叶绿素a（Chla）五项水质参数的实测数据，输出层输出该五项水质参数的预测值；

所述水质预测模型的表达式为：

Q_预测(t)=F(Q(t-1)，Q(t-2)，…，Q(t-n))

其中，Q_预测(t)是t时刻水体水质参数的预测值向量，该向量包含水温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）和叶绿素a（Chla）五项水质参数；Q(t-n)是(t-n)时刻水体水质参数的实测值向量，该向量包含水温（T）、溶解氧（DO）、化学需氧量（COD）、氨氮（N）和叶绿素a（Chla）五项水质参数；n为连续时间段内水质监测的时间步长；F为由神经网络确定的输入-输出映射关系。

5.根据权利要求4所述景观水体水质在线预警系统，其特征在于：所述预警警级包括：

无警警级，水质参数在历史监测数据同期月份平均值的±15%范围内波动；

轻警警级，水质参数波动值超出历史监测数据同期月份平均值的±15%范围，但未超出±30%范围，且未超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，还不足以影响水体水质总体情况；

中警警级，水质参数波动值已经超出历史监测数据同期月份平均值的±30%范围，但未超出±40%范围，且未超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，，有可能导致水体水质恶化；

重警警级，水质参数波动值超出历史监测数据同期月份平均值的±40%范围，或超出地面水环境质量标准（GB 3838-2002）中V类水体有关要求，表明水体发生水质恶化。

6.根据权利要求5所述景观水体水质在线预警系统，其特征在于：所述专家应急预案根据警级采取下列水质监测和水质保持措施：

预警警级为无警时，进行常规水质监测；

预警警级为轻警时，表明水质参数波动有异常倾向，需采取密切监控措施，监测密度增加为平时的二倍，及时掌握水质变化情况；

预警警级为中警时，对景观水体运行方案进行调整，即增加新鲜水源补充、暂停再生水、雨水和含有污染物的水源补充，同时对景观水体进行污染源排查，并继续密切监控水质变化情况；

预警警级为重警时，查找可能的超标排污污染源，对景观水体采取人工强化水质净化措施。

Images