CN104050388A - 一种基于云技术的突发性水环境风险预测系统及方法 - Google Patents
一种基于云技术的突发性水环境风险预测系统及方法 Download PDFInfo
- Publication number
- CN104050388A CN104050388A CN201410305829.2A CN201410305829A CN104050388A CN 104050388 A CN104050388 A CN 104050388A CN 201410305829 A CN201410305829 A CN 201410305829A CN 104050388 A CN104050388 A CN 104050388A
- Authority
- CN
- China
- Prior art keywords
- case
- module
- user
- pollutant
- river
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于流域突发水污染检测与预警领域，涉及到一种基于云技术的突发性水环境风险预测系统。本发明提出的技术方案内容包括建立模型设置模块，模型参数库、污染物样本数据库和排污过程经验模式，建立移动端的人机交互界面，引导用户进行河道概化、排污过程设定，建立动态演示模块，对污染事件的扩散过程进行动画影像和浓度曲线的模拟分析。建立演示厅和系统设置模块，实现用户对污染事件案例的管理和用户管理。区别于传统的复杂水质模拟，本发明可以让用户通过手机完成污染事件模拟，操作简单、携带方便、适用性强，能在数分钟内实现对突然污染事件的快速模拟，对处理突发水环境风险事件有显著的社会效益和经济效益。
Description
技术领域
本发明属于流域突发水污染检测与预警领域，涉及到一种基于云技术的突发性水环境风险预测系统。
背景技术
突发性水环境风险预测方法是流域突发水污染预警应急的关键技术。近几年来，随着环境管理定量化、系统化、信息化的发展，对水环境事故应急管理的技术要求越来越高。尤其是在发生突发性水环境污染事故时能快速模拟事故过程，并能进行紧急响应。利用网络、计算机仿真和数据库管理系统（DBMS）等先进的信息技术，建立突发性水污染事故影响预测预警技术体系是当前研究的热点问题。这种模型计算的优点是既能数值模拟分析水环境的物理化学条件，又能结合计算机仿真技术，直观展示事故模拟过程，为管理决策层进行紧急响应快速提供所急需的决策依据。
目前有关突发性水污染事故影响预测预警的技术研究及应用，一般针对确定河段开发定制，缺乏通用性和普适性；同时需要河底地形、水文资料、气象资料等大量数据支持，对缺乏相关资料的山区河流和中小型河流无能为力；发生水污染事故时，经常要在现场勘察和指挥，现有系统多为PC平台上使用，缺乏便携性和易用性。
发明内容
本发明主要是解决在缺乏水文、地形等资料数据的情况下，通过与云端河流特征数据库比对，对事故河道特征进行概化，形成适用于山区河流和广大中小型河流的预测技术；提供了一种在移动设备普及的情况下（如智能手机），用户通过比对云端样本数据库，调整河流特征、水文特征、污染物特征等参数，调用云端水环境数值模型，实现随时随地对任意河段进行突发性水污染事故风险进行预测。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于云技术的突发性水环境风险预测系统，其特征在于，包括：
服务端：采用J2EE架构，从样本数据库中提取污染物样本和河流样本数据，下发给用户，并根据用户上传的参数，动态生成网格数据和污染物排放过程数据，再调用水环境数值模型进行模拟计算，最后将预测结果提供给用户查看、分享和校核；所述服务端包括污染特征概化模块、河流特征概化模块、水环境数值模型模块、案例管理模块四个模块。
客户端：利用无线网络从服务端获取河流样本数据和污染物样本数据，发送用户修改后的参数到服务端，同时能接收服务端计算出的预测结果，并将其显示在所述客户端上；所述客户端包括通信模块、参数设置模块、案例演示模块、案例分享模块和案例校核模块五个模块。
在上述的一种基于云技术的突发性水环境风险预测系统，所述服务端的河流特征概化模块包括：
河流特征数据库：用于存储典型河流的样本参数，包括糙率、比降、剖面类型，具体为结构体数组；
动态网格生成子单元：根据用户提交的河道特征参数，生成水环境数值模型所需要的地形数据和网格数据；河道特征参数包括，河宽为dB，水深为dH，河长为length,比降为sloop，断面个数为n。
在上述的一种基于云技术的突发性水环境风险预测系统，所述河道特征参数中河长为剖面类型，具体分为V型、U型和W型，不同的剖面类型使用如下不同的建模方式，其中定义i为当前断面：
V型划分为3点网格，各控制点的长度和高程分别为，(0,(i*length/n)*sloop+dH)，(dB/2,(i*length/n)*sloop)，(dB,(i*length/n)*sloop+dH)。
U型为4点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)。
W型网格为5点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB/2,(i*length/n)*sloop+dH/2),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)。
在上述的一种基于云技术的突发性水环境风险预测系统，服务端的污染物特征概化模块包括：
排污过程生成子单元：用于根据用户设定的污染物特征参数，生成水环境数值模型所需要的排污序列数据。污染物特征参数包括，污染物总量m，污染物密度p，排放时间time，排污模式包括抛物线型、三角形、梯形、自定义4种。不同的排污方式预置了不同排污过程模板。
一个预设的污染物样本数据库：该预设的污染物样本数据库根据国家环保部颁布的《水体优先控制污染物》整理出四大类，126种污染物。从相关的化学品文献资料库中，整理每种污染物的名称、密度、降解系数、挥发系数、沉降系数等，以结构体数组存入数据库中；该污染物样本数据库涉及的相关类别和污染物种类均为公知常识。
在上述的一种基于云技术的突发性水环境风险预测系统，所述排污模式中，
抛物线模式包含7个排污控制点，其数据结构为：
{area:0.12,processList:[{time:0,q:0},{time:0.05,q:0.4},{time:0.1,q:0.8},{time:0.5,q:1},{time:0.9,q:0.8},{time:0.95,q:0.4},{time:1,q:0}]}；
三角形模式包含3个排污控制点数据结构为：
{area:0.5,processList:[{time:0,q:0},{time:0.5,q:1},{time:1,q:0}]}；
梯形模式包含4个排污控制点数据结构为：
{area:0.72,processList:[{time:0,q:0},
{time:0.1,q:0.8}, {time:0.9,q:0.8}, {time:1,q:0}]}；
通过q*m/(area*time)即能够换算出所设模式下，各个排污控制点的排污量，从而得到水环境数值模型所需要的排污序列数据。
在上述的一种基于云技术的突发性水环境风险预测系统，所述服务端的案例管理模块包括：
历史案例数据库：用于保存用户操作生成的突发性事故预测记录，包括污染物特征参数、河流特征参数、事故时间、地点、预测结果；
案例查询子单元：从历史案例数据库加载事故案例，提供给用户查看分析；
案例分享子单元：默认情况，用户生成的事故案例只能被自己看到，通过案例分享后，其他用户可以在自己的手机上看到此案例。
案例校核子单元：用于将突发性事故中实际的应急监测数据，替换上次预测案例的排污过程参数，调用水环境数值模型重新进行计算，生成一个新的预测案例。
在上述的一种基于云技术的突发性水环境风险预测系统，所述服务端的水环境数值模型模块用于计算污染物在水环境中的迁移和转化过程。采用Fortran语言开发，封装成exe后被其他模块调用。
在上述的一种基于云技术的突发性水环境风险预测系统，所述客户端的通信模块用于发送请求到服务端，及从服务端获取结果，具体实现为http通信方式；
所述客户端的参数设置模块用于引导用户根据样本数据，概化事故参数，组装后发送到服务端。
所述客户端的校核模块用于设定案例校核参数。用户通过此模块输入监测断面的距离（km），监测断面的污染物浓度值数组，组装后发送到服务端重新进行预测分析。
所述客户端的案例分享模块用于向其他用户分享此案例，用户通过此模块编辑案例标签信息，并提交到服务端标记案例为已分享状态。
在上述的一种基于云技术的突发性水环境风险预测系统，所述客户端的案例演示模块用于动态演示预测结果，包括：
浓度动画模拟子单元：用于对污染物扩散情况定性模拟分析，以污水颜色深浅程度来体现污染的严重程度；
浓度曲线模拟子单元：用于对污染物浓度的定量模拟分析，以河长为横轴，污染物浓度为纵轴，表示出污染物在河流不同位置的浓度分布。
一种使用基于云技术的突发性水环境风险预测系统的预测方法，其特征在于，包括以下步骤：
步骤1，用户通过客户端，根据发生事故的实际情况与从服务端获取的样本数据比对，设置事故特征参数。
步骤1.1，选择平原河流或者山区河流。平原河流初始糙率值为0.023，初始比降值为1‰，山区河流初始糙率值为0.045，初始比降值为5‰。
步骤1.2，选择河道剖面类型，V型、U型或者W型。
步骤1.3，设置水文参数，包括河长、河宽、比降、流量、水深以及糙率。
步骤1.4，选择污染物类别，分为农药、重金属/离子态、有机物、油类四个大类，其中有机物还需选择子类别。
步骤1.5，选择步骤1.4所选类别下污具体染物品种，共计126种，显示每种污染物的降解系数、挥发系数、沉降系数初始值，用户可在此基础上修改；
步骤1.6，设置排污过程，包括污染物总量t、污染物密度t/m3、排放时间min、排放模式；
步骤2，用户通过客户端提交事故特征参数到服务端，服务器调用河流特征概化模块和污染特征概化模块生成文本参数，启动水环境数值模型模块。
步骤3，水环境数值模型模块进行数学模拟，通过案例管理模块生成结果存储到历史案例库。
步骤4，案例管理模块从案例库中读取数据，提供给拥有访问权限的用户查看。
步骤5，用户在客户端通过案例演示模块查看事故预测结果。用户可以选择案例校核功能或案例分享功能，则分别执行步骤6或者步骤7；
步骤6，用户在客户端通过案例校核模块，输入实际监测的污染物浓度数据，重新提交到服务器模拟预测，重新跳转到步骤2。
步骤7，用户在客户端选择分享案例，服务端将此案例标记为“已分享”状态，其他用户便可以查看此案例。
因此，本发明具有如下优点：在移动设备（如智能手机）普及的情况下，通过迁移数据存储和模型计算功能到云端，引导用户根据样本数据概化事故特征，降低了预测系统使用门槛，形成了简单易用的基于云技术的突发性水环境风险预测系统。
附图说明
附图1是本发明的系统结构图。
附图2是本发明的客户端程序结构图。
附图3是河道剖面类型图。
附图4是排污模式类型图。
附图5是系统主要数据结构图。
附图6是系统使用流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
首先介绍一下本发明的主要技术背景涉及以下几个方面：（1）以新一代智能手机、平板电脑的移动互联平台设备已经相当普及。新一代智能操作系统如iphone OS、Android等开发已经形成了社区化，具有良好的软、硬件开发环境支持；（2）WCDMA、CDMAZ000、TD-SCDMA在内的第三代移动通信（3G）网络系统，已逐步取代GSM系统为主的2G移动通信网络体系。同时， 4G技术规范的研究制定，能够满足位置服务中“在任何时间、任何地点通过集成终端使用任意一种网络提供的业务”的通信需求；（3）水环境数值模型经过半个多世纪的发展，成为水环境研究的重要工具。以武汉大学为代表开发的水环境数值模型及相关研究成果，在国内获得广泛应用，为本发明提供技术支撑。
一、参见图1，一种基于云技术的突发性水环境风险预测系统，包括：
（1）服务端：采用J2EE架构，从样本数据库中提取污染物样本和河流样本数据，下发给用户，并根据用户上传的参数，调用河流特征概化模块生成动态网格，调用污染物特征概化模块排污过程，再调用水环境数值模型模块进行模拟计算，最后通过案例管理模块提供给用户查看、分享和校核，包括污染特征概化模块、河流特征概化模块、水环境数值模型模块、案例管理模块四个模块：
1、河流特征概化模块包括：
1.1河流特征数据库：用于存储典型河流的样本参数，包括糙率、比降、剖面类型，具体为结构体数组；
1.2、动态网格生成子单元：根据用户提交的河道特征参数，生成水环境数值模型所需要的地形数据和网格数据；河道特征参数包括，河宽为dB，水深为dH，河长为length,比降为sloop，断面个数为n。
1.21、河道特征参数中河长为剖面类型，具体分为V型、U型和W型，不同的剖面类型使用如下不同的建模方式，其中定义i为当前断面：
V型划分为3点网格，各控制点的长度和高程分别为，(0,(i*length/n)*sloop+dH)，(dB/2,(i*length/n)*sloop)，(dB,(i*length/n)*sloop+dH)。
U型为4点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)。
W型网格为5点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB/2,(i*length/n)*sloop+dH/2),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)。
2、污染物特征概化模块包括：
2.1排污过程生成子单元：用于根据用户设定的污染物特征参数，生成水环境数值模型所需要的排污序列数据。污染物特征参数包括，污染物总量m，污染物密度p，排放时间time，排污模式包括抛物线型、三角形、梯形、自定义4种。不同的排污方式预置了不同排污过程模板，排污模式中，
抛物线模式包含7个排污控制点，其数据结构为：
{area:0.12,processList:[{time:0,q:0},{time:0.05,q:0.4},{time:0.1,q:0.8},{time:0.5,q:1},{time:0.9,q:0.8},{time:0.95,q:0.4},{time:1,q:0}]}；
三角形模式包含3个排污控制点数据结构为：
{area:0.5,processList:[{time:0,q:0},{time:0.5,q:1},{time:1,q:0}]}；
梯形模式包含4个排污控制点数据结构为：
{area:0.72,processList:[{time:0,q:0},
{time:0.1,q:0.8}, {time:0.9,q:0.8}, {time:1,q:0}]}；
通过q*m/(area*time)即能够换算出所设模式下，各个排污控制点的排污量，从而得到水环境数值模型所需要的排污序列数据。
2.2一个预设的污染物样本数据库：该预设的污染物样本数据库根据国家环保部颁布的《水体优先控制污染物》整理出四大类，126种污染物。从相关的化学品文献资料库中，整理每种污染物的名称、密度、降解系数、挥发系数、沉降系数等，以结构体数组存入数据库中；该污染物样本数据库涉及的相关类别和污染物种类均为公知常识，在此不再赘述。
3、案例管理模块包括：
3.1、历史案例数据库：用于保存用户操作生成的突发性事故预测记录，包括污染物特征参数、河流特征参数、事故时间、地点、预测结果；
3.2、案例查询子单元：从历史案例数据库加载事故案例，提供给用户查看分析；
3.3、案例分享子单元：默认情况，用户生成的事故案例只能被自己看到，通过案例分享后，其他用户可以在自己的手机上看到此案例。
3.4、案例校核子单元：用于将突发性事故中实际的应急监测数据，替换上次预测案例的排污过程参数，调用水环境数值模型重新进行计算，生成一个新的预测案例。
4、水环境数值模型模块用于计算污染物在水环境中的迁移和转化过程。采用Fortran语言开发，封装成exe后被其他模块调用。
（2）客户端：利用无线网络从服务端获取河流样本数据和污染物样本数据，发送用户修改后的参数到服务端，同时能接收服务端计算出的预测结果，并将其显示在所述客户端上。
二、采用该系统进行操作模拟包括以下步骤：
步骤1，用户通过客户端，根据发生事故的实际情况与从服务端获取的样本数据比对，设置事故特征参数。
步骤1.1，选择平原河流或者山区河流。平原河流初始糙率值为0.023，初始比降值为1‰，山区河流初始糙率值为0.045，初始比降值为5‰。
步骤1.2，选择河道剖面类型，V型、U型或者W型。
步骤1.3，设置水文参数，包括河长、河宽、比降、流量、水深以及糙率。
步骤1.4，选择污染物类别，分为农药、重金属（离子态）、有机物、油类四个大类，其中有机物还需选择子类别。
步骤1.5，选择步骤1.4所选类别下污具体染物品种，共计126种，显示每种污染物的降级系数、挥发系数、沉降系数初始值，用户可在此基础上修改。
步骤1.6，设置排污过程，包括污染物总量（t）、污染物密度（t/m3）、排放时间（min）、排放模式（抛物线、三角形、梯形和自定义）。
步骤2，用户通过客户端提交事故特征参数到服务端，服务器调用河流特征概化模块和污染特征概化模块生成文本参数，启动水环境数值模型模块。
步骤3，水环境数值模型模块进行数学模拟，通过案例管理模块生成结果存储到历史案例库。
步骤4，案例管理模块从案例库中读取数据，提供给拥有访问权限的用户查看。
步骤5，用户在客户端通过案例演示模块查看事故预测结果。用户可以选择案例校核功能或案例分享功能，则分别执行步骤6或者步骤7
步骤6，用户在客户端通过案例校核模块，输入实际监测的污染物浓度数据，重新提交到服务器模拟预测，重新跳转到步骤2。
步骤7，用户在客户端选择分享案例，服务端将此案例标记为“已分享”状态，其他用户便可以查看此案例。
本发明实现了一种基于云技术的突发性水环境风险预测系统，通过河道特征概化技术将预测范围延伸到众多无资料地区的山区河流和中小型河流；同时通过云存储和云计算，将系统操作平台延伸到移动设备，用户可以随时随地预测发生在任意河流的突发性事故。本系统操作简单，携带方便，应用范围广，具有显著的经济经济和社会效益。
近年来，随着我国交通运输业以及工业化的不断发展，我国大部分地区交通状况与工业水平不断改善和提高，取得了较好的成绩。然而，这也给我国环境保护带来了重大的挑战，尤其是西部地区与广大乡镇地区，快速发展的交通业和工矿业成为造成区域局部环境变化的重要安全隐患，严重危险交通线附近与工矿企业附近的水域环境安全，频发的突发事件给此类区域带来了严重的损害。这些区域自然科学基础研究不足，历史基础资料不完善，环境管理应急水平薄弱，导致区域内突发事件的处置往往缺乏足够的数据资料支撑，管理应急部门无法有效应对突发的流域突发性水环境风险事故。一套成熟可靠、适用范围广地快速预测系统对有效管理突发事件、进行环境应急响应具有重要的意义。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于云技术的突发性水环境风险预测系统，其特征在于，包括：
服务端：采用J2EE架构，从样本数据库中提取污染物样本和河流样本数据，下发给用户，并根据用户上传的参数，动态生成网格数据和污染物排放过程数据，再调用水环境数值模型进行模拟计算，最后将预测结果提供给用户查看、分享和校核；所述服务端包括污染特征概化模块、河流特征概化模块、水环境数值模型模块、案例管理模块四个模块；
客户端：利用无线网络从服务端获取河流样本数据和污染物样本数据，发送用户修改后的参数到服务端，同时能接收服务端计算出的预测结果，并将其显示在所述客户端上；所述客户端包括通信模块、参数设置模块、案例演示模块、案例分享模块和案例校核模块五个模块。
2.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述服务端的河流特征概化模块包括：
河流特征数据库：用于存储典型河流的样本参数，包括糙率、比降、剖面类型，具体为结构体数组；
动态网格生成子单元：根据用户提交的河道特征参数，生成水环境数值模型所需要的地形数据和网格数据；河道特征参数包括，河宽为dB，水深为dH，河长为length,比降为sloop，断面个数为n。
3.根据权利要求2所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述河道特征参数中河长为剖面类型，具体分为V型、U型和W型，不同的剖面类型使用如下不同的建模方式，其中定义i为当前断面：
V型划分为3点网格，各控制点的长度和高程分别为，(0,(i*length/n)*sloop+dH)，(dB/2,(i*length/n)*sloop)，(dB,(i*length/n)*sloop+dH)；
U型为4点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)；
W型网格为5点网格，各控制点的长度和高程分别为(0,(i*length/n)*sloop+dH),(dB/4,(i*length/n)*sloop),(dB/2,(i*length/n)*sloop+dH/2),(dB*3/4,(i*length/n)*sloop),(dB,(i*length/n)*sloop+dH)。
4.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，服务端的污染物特征概化模块包括：
排污过程生成子单元：用于根据用户设定的污染物特征参数，生成水环境数值模型所需要的排污序列数据；污染物特征参数包括，污染物总量m，污染物密度p，排放时间time，排污模式包括抛物线型、三角形、梯形、自定义4种；不同的排污方式预置了不同排污过程模板；
一个预设的污染物样本数据库。
5.根据权利要求4所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述排污模式中，
抛物线模式包含7个排污控制点，其数据结构为：
{area:0.12,processList:[{time:0,q:0},{time:0.05,q:0.4},{time:0.1,q:0.8},{time:0.5,q:1},{time:0.9,q:0.8},{time:0.95,q:0.4},{time:1,q:0}]}；
三角形模式包含3个排污控制点数据结构为：
{area:0.5,processList:[{time:0,q:0},{time:0.5,q:1},{time:1,q:0}]}；
梯形模式包含4个排污控制点数据结构为：
{area:0.72,processList:[{time:0,q:0},
{time:0.1,q:0.8}, {time:0.9,q:0.8}, {time:1,q:0}]}；
通过q*m/(area*time)即能够换算出所设模式下，各个排污控制点的排污量，从而得到水环境数值模型所需要的排污序列数据。
6.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述服务端的案例管理模块包括：
历史案例数据库：用于保存用户操作生成的突发性事故预测记录，包括污染物特征参数、河流特征参数、事故时间、地点、预测结果；
案例查询子单元：从历史案例数据库加载事故案例，提供给用户查看分析；
案例分享子单元：默认情况，用户生成的事故案例只能被自己看到，通过案例分享后，其他用户可以在自己的手机上看到此案例；
案例校核子单元：用于将突发性事故中实际的应急监测数据，替换上次预测案例的排污过程参数，调用水环境数值模型重新进行计算，生成一个新的预测案例。
7.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述服务端的水环境数值模型模块用于计算污染物在水环境中的迁移和转化过程；采用Fortran语言开发，封装成exe后被其他模块调用。
8.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述客户端的通信模块用于发送请求到服务端，及从服务端获取结果，具体实现为http通信方式；
所述客户端的参数设置模块用于引导用户根据样本数据，概化事故参数，组装后发送到服务端；
所述客户端的校核模块用于设定案例校核参数；用户通过此模块输入监测断面的距离，监测断面的污染物浓度值数组，组装后发送到服务端重新进行预测分析；
所述客户端的案例分享模块用于向其他用户分享此案例，用户通过此模块编辑案例标签信息，并提交到服务端标记案例为已分享状态。
9.根据权利要求1所述的一种基于云技术的突发性水环境风险预测系统，其特征在于，所述客户端的案例演示模块用于动态演示预测结果，包括：
浓度动画模拟子单元：用于对污染物扩散情况定性模拟分析，以污水颜色深浅程度来体现污染的严重程度；
浓度曲线模拟子单元：用于对污染物浓度的定量模拟分析，以河长为横轴，污染物浓度为纵轴，表示出污染物在河流不同位置的浓度分布。
10.一种使用权利要求1所述的基于云技术的突发性水环境风险预测系统的预测方法，其特征在于，包括以下步骤：
步骤1，用户通过客户端，根据发生事故的实际情况与从服务端获取的样本数据比对，设置事故特征参数；
步骤1.1，选择平原河流或者山区河流；平原河流初始糙率值为0.023，初始比降值为1‰，山区河流初始糙率值为0.045，初始比降值为5‰；
步骤1.2，选择河道剖面类型，V型、U型或者W型；
步骤1.3，设置水文参数，包括河长、河宽、比降、流量、水深以及糙率；
步骤1.4，选择污染物类别，分为农药、重金属/离子态、有机物、油类四个大类，其中有机物还需选择子类别；
步骤1.5，选择步骤1.4所选类别下污具体染物品种，共计126种，显示每种污染物的降解系数、挥发系数、沉降系数初始值，用户可在此基础上修改；
步骤1.6，设置排污过程，包括污染物总量t、污染物密度t/m3、排放时间min、排放模式；
步骤2，用户通过客户端提交事故特征参数到服务端，服务器调用河流特征概化模块和污染特征概化模块生成文本参数，启动水环境数值模型模块；
步骤3，水环境数值模型模块进行数学模拟，通过案例管理模块生成结果存储到历史案例库；
步骤4，案例管理模块从案例库中读取数据，提供给拥有访问权限的用户查看；
步骤5，用户在客户端通过案例演示模块查看事故预测结果；用户可以选择案例校核功能或案例分享功能，则分别执行步骤6或者步骤7；
步骤6，用户在客户端通过案例校核模块，输入实际监测的污染物浓度数据，重新提交到服务器模拟预测，重新跳转到步骤2；
步骤7，用户在客户端选择分享案例，服务端将此案例标记为已分享状态，其他用户便可以查看此案例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410305829.2A CN104050388B (zh) | 2014-06-27 | 2014-06-27 | 一种基于云技术的突发性水环境风险预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410305829.2A CN104050388B (zh) | 2014-06-27 | 2014-06-27 | 一种基于云技术的突发性水环境风险预测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104050388A true CN104050388A (zh) | 2014-09-17 |
| CN104050388B CN104050388B (zh) | 2016-10-26 |
Family
ID=51503210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410305829.2A Active CN104050388B (zh) | 2014-06-27 | 2014-06-27 | 一种基于云技术的突发性水环境风险预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104050388B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751242A (zh) * | 2015-03-27 | 2015-07-01 | 北京奇虎科技有限公司 | 预测空气质量指数的方法与装置 |
| CN105302777A (zh) * | 2015-09-25 | 2016-02-03 | 福建四创软件有限公司 | 基于网格动态播放的水环境信息展示方法及系统 |
| CN105651336A (zh) * | 2016-01-25 | 2016-06-08 | 无锡点创科技有限公司 | 一种污染源动态数据监控系统及方法 |
| CN106525132A (zh) * | 2016-11-26 | 2017-03-22 | 福州微启迪物联科技有限公司 | 基于NB‑IoT的水资源网格化监管系统及其实施方法 |
| CN106599557A (zh) * | 2016-12-02 | 2017-04-26 | 武汉大学 | 一种面向过程的空气污染事件建模方法 |
| CN107526342A (zh) * | 2016-06-22 | 2017-12-29 | 董栋 | 一种基于网络通讯平台的黄河坝岸险情高效管理方法 |
| CN108956498A (zh) * | 2018-08-07 | 2018-12-07 | 叶福达 | 一种土壤重金属污染检测系统 |
| CN110362948A (zh) * | 2019-07-23 | 2019-10-22 | 河北省交通规划设计院 | 一种基于云模型的岩溶地面塌陷的治理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102117383A (zh) * | 2011-02-28 | 2011-07-06 | 河海大学 | 一种河流污染实时诊断的方法 |
| CN102708245A (zh) * | 2012-05-09 | 2012-10-03 | 浙江大学 | 一种突发性水质污染事故模拟仿真及可视化服务系统 |
| CN103177303A (zh) * | 2013-04-18 | 2013-06-26 | 清华大学 | 一种基于河流生态监测的数据管理系统 |
| CN103489053A (zh) * | 2013-05-13 | 2014-01-01 | 湖南云控科技有限公司 | 一种基于云计算与专家系统的智能水资源管控平台 |
-
2014
- 2014-06-27 CN CN201410305829.2A patent/CN104050388B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102117383A (zh) * | 2011-02-28 | 2011-07-06 | 河海大学 | 一种河流污染实时诊断的方法 |
| CN102708245A (zh) * | 2012-05-09 | 2012-10-03 | 浙江大学 | 一种突发性水质污染事故模拟仿真及可视化服务系统 |
| CN103177303A (zh) * | 2013-04-18 | 2013-06-26 | 清华大学 | 一种基于河流生态监测的数据管理系统 |
| CN103489053A (zh) * | 2013-05-13 | 2014-01-01 | 湖南云控科技有限公司 | 一种基于云计算与专家系统的智能水资源管控平台 |
Non-Patent Citations (1)
| Title |
|---|
| 姜国强等: "《流域突发性水环境事故污染态势预测系统研究》", 《中国环境科学学会学术年会论文集》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104751242A (zh) * | 2015-03-27 | 2015-07-01 | 北京奇虎科技有限公司 | 预测空气质量指数的方法与装置 |
| CN105302777A (zh) * | 2015-09-25 | 2016-02-03 | 福建四创软件有限公司 | 基于网格动态播放的水环境信息展示方法及系统 |
| CN105302777B (zh) * | 2015-09-25 | 2018-05-04 | 福建四创软件有限公司 | 基于网格动态播放的水环境信息展示方法及系统 |
| CN105651336A (zh) * | 2016-01-25 | 2016-06-08 | 无锡点创科技有限公司 | 一种污染源动态数据监控系统及方法 |
| CN107526342A (zh) * | 2016-06-22 | 2017-12-29 | 董栋 | 一种基于网络通讯平台的黄河坝岸险情高效管理方法 |
| CN106525132A (zh) * | 2016-11-26 | 2017-03-22 | 福州微启迪物联科技有限公司 | 基于NB‑IoT的水资源网格化监管系统及其实施方法 |
| CN106599557A (zh) * | 2016-12-02 | 2017-04-26 | 武汉大学 | 一种面向过程的空气污染事件建模方法 |
| CN108956498A (zh) * | 2018-08-07 | 2018-12-07 | 叶福达 | 一种土壤重金属污染检测系统 |
| CN110362948A (zh) * | 2019-07-23 | 2019-10-22 | 河北省交通规划设计院 | 一种基于云模型的岩溶地面塌陷的治理方法 |
| CN110362948B (zh) * | 2019-07-23 | 2023-07-18 | 河北省交通规划设计研究院有限公司 | 一种基于云模型的岩溶地面塌陷的治理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104050388B (zh) | 2016-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104050388A (zh) | 一种基于云技术的突发性水环境风险预测系统及方法 | |
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| CN109523144B (zh) | 一种流域水环境业务化运行管理系统及方法 | |
| CN102156413B (zh) | 城市多水源原水系统应急调度方法和系统 | |
| CN102184487A (zh) | 基于gis技术和一维水质模型的污染源管理系统及其运作方法 | |
| CN110597932B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
| CN103489036B (zh) | 基于混合空间关联分析的应急预警网格划分系统及方法 | |
| Wang et al. | A fast mobile early warning system for water quality emergency risk in ungauged river basins | |
| CN106651074A (zh) | 一种地下管线智能管理系统 | |
| CN108256249B (zh) | 一种三峡库区efdc模型集成方法 | |
| Ashraf et al. | Geological storage of CO2: Application, feasibility and efficiency of global sensitivity analysis and risk assessment using the arbitrary polynomial chaos | |
| Ye et al. | The system architecture of smart water grid for water security | |
| Wang et al. | Non-stationarity analysis of extreme water level in response to climate change and urbanization in the Taihu Basin, China | |
| CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
| CN109376209B (zh) | 污染场地数据库3d模型展示系统 | |
| KR102383842B1 (ko) | Gis기반 지하수 양수-주입 통합 운영 시스템 | |
| Whiteaker et al. | From a NEXRAD rainfall map to a flood inundation map | |
| Erturk et al. | Application of watershed modeling system (WMS) for integrated management of a watershed in Turkey | |
| Collet et al. | Future year ozone source attribution modeling studies for the eastern and western United States | |
| Liao et al. | River environmental decision support system development for Suzhou Creek in Shanghai | |
| CN117034614A (zh) | 一种变电站洪涝灾害综合防治预警系统 | |
| Wang et al. | The architecture and application of an automatic operational model system for basin scale water environment management and design making supporting | |
| CN204406148U (zh) | 生成数控机床加工控制数据的系统 | |
| Chen et al. | Development and application of a multi-centre cloud platform architecture for water environment management | |
| CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220830 Address after: Room 401, Building A1, Zhongan Chuanggu Science and Technology Park, Wangjiang West Road, High-tech Zone, Hefei City, Anhui Province, 230000 Patentee after: Luojia Haojing Digital Technology (Hefei) Co.,Ltd. Address before: 430072 Hubei Province, Wuhan city Wuchang District of Wuhan University Luojiashan Patentee before: WUHAN University |
|
| TR01 | Transfer of patent right |