CN108254518A - 密集分布式水质监测系统及方法 - Google Patents

Abstract

本发明涉及一种密集分布式水质监测系统及方法，所述水质监测系统包括：第一检测子系统，所述第一检测子系统包括探头型传感器和化学型分析仪，分布在待监测水体的重点监测位置和/或具有代表性的位置，检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；第二检测子系统，所述第二检测子系统包括探头型传感器，密集地分布在待监测水体的各个区划位置，检测获得第二探头型传感器监测数据并传输至上位信息平台；上位信息平台，所述上位信息平台处理监测数据，获得待监测水体的水质参数浓度分布场。本发明具有成本低、全面监测等优点。

Description

密集分布式水质监测系统及方法

技术领域

本发明涉及水质监测领域，特别涉及一种监测点密集分布的水质监测系统及方法。

背景技术

近年来，伴随着城市化、工业化的快速发展，环境水体不断恶化，城市河道发黑发臭，湖泊水库水华频发。各级政府高度重视水环境保护和受污染水体的修复工作，水质监测是水环境保护工作的重中之重，如果没有一个有效的水质监测手段，就无法及时、精确识别水环境污染现状、成因、发展趋势，水环境保护工作也将无从针对性开展。

近年来水质自动监测技术发展快速，仪器设备应用也呈现爆发式增长，大量基于化学法在线分析仪和自动监测系统被广泛应用于水污染排放监测和江河湖库水质监测。但目前基于化学法的水质在线分析仪成本高、运行维护投入大，难以满足平原河网型水体、大流域水体的网格化高覆盖度监测应用的需要。

发明内容

为了解决上述现有技术方案中的不足，本发明提供了一种成本低、高覆盖度监测水体，实现水环境精细化管理的密集分布式水质监测系统。

本发明的目的是通过以下技术方案实现的：

一种密集分布式水质监测系统，所述水质监测系统包括：

第一检测子系统，所述第一检测子系统包括探头型传感器和化学型分析仪，分布在待监测水体的重点监测位置和/或具有代表性的位置，检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

第二检测子系统，所述第二检测子系统包括探头型传感器，密集地分布在待监测水体的各个区划位置，检测获得第二探头型传感器监测数据并传输至上位信息平台；

上位信息平台，所述上位信息平台根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

根据上述的水质监测系统，可选地，所述映射关系由第一检测子系统计算获得，并传输至第二检测子系统；第二检测子系统根据所述映射关系计算获得第二化学型分析仪监测数据并传输至上位信息平台。

本发明还提供一种密集分布式水质监测方法，所述水质监测方法包括以下步骤：

(A1)第一检测子系统在待监测水体的重点监测位置和/或具有代表性的位置检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

(A2)第二检测子系统在密集分布的待监测水体各个区划位置检测获得第二探头型传感器监测数据并传输至上位信息平台；

(A3)根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；

(A4)上位信息平台根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

根据上述的水质监测方法，优选地，所述上位信息平台将待监测水体进行网格划分，将携带有位置信息的第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据插值到待监测水体的网格内，采用插值算法计算获得待监测水体的水质参数浓度分布场。

根据上述的水质监测方法，优选地，所述水质参数浓度分布场可在GIS系统中做可视化展示。

根据上述的水质监测方法，可选地，所述映射关系由第一检测子系统或上位信息平台计算获得。

根据上述的水质监测方法，可选地，所述第二化学型分析仪监测数据由第二检测子系统或上位信息平台计算获得。

根据上述的水质监测方法，优选地，所述映射关系采用神经网络模型建立。

根据上述的水质监测方法，优选地，第一检测子系统实时或定时将第一探头型传感器监测数据和第一化学型分析仪监测数据输入所述神经网络模型，优化所述映射关系。

根据上述的水质监测方法，可选地，所述插值算法为KNN插值算法。

与现有技术相比，本发明具有的有益效果为：

1、本发明通过建立探头型传感器检测参数与化学型分析仪检测参数的映射关系，采用少量包含探头型传感器和化学型分析仪的第一检测子系统和大量密集分布在待监测水体各个区划位置的只包含探头型传感器的第二检测子系统，高空间密度自动监测水体，大大降低设备成本、减少后期维护。

2、本发明借助数字网格化技术和插值算法计算得到水质参数浓度分布场数据，可掌握水体全局水质，适用于流域型水体和河网型水体；同时，管理部门可进行污染溯源、污染源解析、水质预测预警、环境容量和环境承载力核算、河长考核等，实现水环境精细化管理。

实施方式

以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此，本发明并不局限于下述可实施方式，而仅由权利要求和它们的等同物限定。

实施例1

本实施例提供了一种密集分布式水质监测系统，所述水质监测系统包括：

第一检测子系统，所述第一检测子系统包括探头型传感器和化学型分析仪，分布在待监测水体的重点监测位置和/或具有代表性的位置，检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

第二检测子系统，所述第二检测子系统包括探头型传感器，密集地分布在待监测水体的各个区划位置，检测获得第二探头型传感器监测数据并传输至上位信息平台；

上位信息平台，所述上位信息平台根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

所述探头型传感器为pH探头、电导率探头、盐度探头、氧化还原电位探头、溶解氧探头、透明度探头、浊度探头、铵离子选择探头、硝酸根离子选择探头、磷酸根离子选择探头、化学需氧量探头、生化需氧量探头、叶绿素a探头、蓝绿藻探头、水中油探头、石油类探头中的一种或者多种；

所述化学型分析仪为高锰酸盐指数分析仪、化学需氧量分析仪、生化需氧量分析仪、氨氮分析仪、硝酸根分析仪、总氮分析仪、磷酸盐分析仪、总磷分析仪、重金属分析仪、阴离子表面活性剂分析仪、氟化物分析仪、硫化物分析仪、氰化物分析仪、挥发酚分析仪中的一种或者多种。

本实施例还提供上述水质监测系统的监测方法，所述监测方法包括以下步骤：

(A1)第一检测子系统在待监测水体的重点监测位置和/或具有代表性的位置检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

(A2)第二检测子系统在密集分布的待监测水体各个区划位置检测获得第二探头型传感器监测数据并传输至上位信息平台；

(A3)根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；

(A4)上位信息平台根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

为了全面反映待监测水体的水质情况，实现水环境的精细化管理，故：

进一步地，所述上位信息平台将待监测水体进行网格划分，将携带有位置信息的第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据插值到待监测水体的网格内，采用插值算法计算获得待监测水体的水质参数浓度分布场，所述水质参数浓度分布场可在GIS系统中做可视化展示。

为了提高映射关系的准确性，故：

进一步地，对第一探头型传感器监测数据和第一化学型分析仪监测数据进行校正，将校正后的第一探头型传感器监测数据和第一化学型分析仪监测数据作为建立所述映射关系的数据来源。

进一步地，所述映射关系采用神经网络模型建立，所述神经网络模型为现有技术，或由本领域技术人员在现有神经网络模型的基础上进行参数的修改，所述参数的修改为常规技术手段，在此不再赘述。

在系统使用过程中，环境因素或水体情况的变化会引起映射关系的改变，为了提高映射关系的可靠性与监测结果的准确性，故：

进一步地，第一检测子系统实时或定时将第一探头型传感器监测数据和第一化学型分析仪监测数据输入所述神经网络模型，优化所述映射关系。

本实施例的益处在于：采用大量低成本的探头型传感器和少量高成本的化学型分析仪实现高覆盖度的水体监测，大大降低成本。

实施例2

本实施例提供了一种密集分布式水质监测系统，与实施例1不同的是，探头型传感器监测数据和化学型分析仪监测数据之间的映射关系由第一检测子系统计算获得，并传输至第二检测子系统；第二检测子系统根据所述映射关系计算获得第二化学型分析仪监测数据并传输至上位信息平台。

实施例3

本发明实施例1的密集分布式水质监测系统在城市河网型水体中的应用。

在该应用例中，第一检测子系统、第二检测子系统与上位信息平台之间通过光纤通讯，进行数据与控制指令的传送；第一检测子系统包括浊度、溶解氧、电导率、氧化还原电位探头和高锰酸盐指数、氨氮、总磷、总氮化学型分析仪，第二检测子系统包括浊度、溶解氧、电导率、氧化还原电位探头；根据城市河网结构、水环境功能区划、入水体污染源分布、现场勘察结果、历史监测数据以及采样检测数据，将少量第一检测子系统安装在重点监测位置，大量第二检测子系统密集地分布在城市河网的各个区划位置。

上位信息平台根据历史监测数据与第一检测子系统中浊度、溶解氧、电导率、氧化还原电位和高锰酸盐指数、氨氮、总磷、总氮的监测数据，使用小波神经网络-H耦合模型，建立浊度、溶解氧、电导率、氧化还原电位与高锰酸盐指数、氨氮、总磷、总氮的映射关系；

利用所述映射关系，将第二检测子系统直接测得的浊度、溶解氧、电导率、氧化还原电位数据换算为高锰酸盐指数、氨氮、总磷、总氮的数据；将第一检测子系统监测到的数据输入神经网络-H耦合模型，不断优化所述映射关系；

上位信息平台根据第一检测子系统直接测得的浊度、溶解氧、电导率、氧化还原电位、高锰酸盐指数、氨氮、总磷、总氮数据，第二检测子系统直接测得的浊度、溶解氧、电导率、氧化还原电位数据，间接计算获得的高锰酸盐指数、氨氮、总磷、总氮数据，利用数字网格化技术将水体划分为多个计算网格，采用KNN插值算法，将所有水质参数浓度值插值到全水体的计算网格上，得到水质参数浓度分布场。

Claims (9)

1.一种密集分布式水质监测系统，其特征在于：所述水质监测系统包括：

第一检测子系统，所述第一检测子系统包括探头型传感器和化学型分析仪，分布在待监测水体的重点监测位置和/或具有代表性的位置，检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

第二检测子系统，所述第二检测子系统包括探头型传感器，密集地分布在待监测水体的各个区划位置，检测获得第二探头型传感器监测数据并传输至上位信息平台；

上位信息平台，所述上位信息平台根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

2.根据权利要求1所述的水质监测系统，其特征在于：所述映射关系由第一检测子系统计算获得，并传输至第二检测子系统；第二检测子系统根据所述映射关系计算获得第二化学型分析仪监测数据并传输至上位信息平台。

3.一种密集分布式水质监测方法，其特征在于：所述水质监测方法包括以下步骤：

(A1)第一检测子系统在待监测水体的重点监测位置和/或具有代表性的位置检测获得第一探头型传感器监测数据和第一化学型分析仪监测数据并传输至上位信息平台；

(A2)第二检测子系统在密集分布的待监测水体各个区划位置检测获得第二探头型传感器监测数据并传输至上位信息平台；

(A3)根据第一探头型传感器监测数据和第一化学型分析仪监测数据计算获得探头型传感器监测数据和化学型分析仪监测数据之间的映射关系：y＝f(x)，并根据所述映射关系获得第二化学型分析仪监测数据；

(A4)上位信息平台根据第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据获得待监测水体的水质参数浓度分布场。

4.根据权利要求3所述的水质监测方法，其特征在于：所述上位信息平台将待监测水体进行网格划分，将携带有位置信息的第一探头型传感器监测数据、第一化学型分析仪监测数据、第二探头型传感器监测数据和第二化学型分析仪监测数据插值到待监测水体的网格内，采用插值算法计算获得待监测水体的水质参数浓度分布场。

5.根据权利要求3所述的水质监测方法，其特征在于：所述映射关系由第一检测子系统或上位信息平台计算获得。

6.根据权利要求5所述的水质监测方法，其特征在于：所述第二化学型分析仪监测数据由第二检测子系统或上位信息平台计算获得。

7.根据权利要求3所述的水质监测方法，其特征在于：所述映射关系采用神经网络模型建立。

8.根据权利要求7所述的水质监测方法，其特征在于：第一检测子系统实时或定时将第一探头型传感器监测数据和第一化学型分析仪监测数据输入所述神经网络模型，优化所述映射关系。

9.根据权利要求4所述的水质监测方法，其特征在于：所述插值算法为KNN插值算法。