CN109187380A - 一种水质探测器、水体污染排放源监测系统及方法 - Google Patents
一种水质探测器、水体污染排放源监测系统及方法 Download PDFInfo
- Publication number
- CN109187380A CN109187380A CN201810827149.5A CN201810827149A CN109187380A CN 109187380 A CN109187380 A CN 109187380A CN 201810827149 A CN201810827149 A CN 201810827149A CN 109187380 A CN109187380 A CN 109187380A
- Authority
- CN
- China
- Prior art keywords
- water
- pollution
- light
- pollution concentration
- sample
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Abstract
本发明实施例提供了一种水质探测器、水体污染排放源监测系统及方法,该水质探测器包括第一光路部分、样品池、参比池和第二光路部分,其中:第一光路部分,用于产生进行水样探测的平行光;样品池,包括采集污染水样的接口和盛装污染水样的容器,设置在第一光路部分之后,以供进行水样探测的平行光穿透样品池的污染水样;参比池,为盛装参考水样的容器,设置在第一光路部分之后,以供进行水样探测的平行光穿透参比池的参考水样;第二光路部分设置在样品池和参比池之后,用于对穿透污染水样和参考水样的光依次进行接收并处理,获取水体污染浓度数据。本发明提高了水质探测装置的集成度,也提高了水体污染排放源的监测及定位的准确率。
Description
技术领域
本发明实施例涉及环境污染水质监测技术领域,尤其涉及一种水质探测器、水体污染排放源监测系统及方法。
背景技术
近年来,水污染呈现事发突然、扩散迅速、危害严重及处置困难的特点,水体的污染,影响人民生活,破坏生态,直接危害人的健康,损害很大。所以能够对水源地进行水质状况进行快速检测、实现对污染源的定位与快速上报来应对日益严峻的水污染现状,实现水污染事件的快速预警响应,减少经济损失具有重要意义。
传统水质检测方法是实验化学检验,需经过人工取样、保存、化学反应、数据分析、上报的流程,试验流程繁琐、耗费试剂、容易造成二次污染,投入较大且周期较长。现有的水质监测技术可以通过搭载不同种类水质传感器的方式实现对水质的在线实时监测,利用布设的多个传感器节点测量的水体离子浓度,结合数学方法对污染源进行估计,从而实现污染源定位。
然而,现有技术对于水域的水质监测不能全面反映整体水质情况,特别是部分地下管道偷排的极端情况下,现有监测方法在出现水质污染的情况下,无法对污染排放源进行准确监测。
发明内容
本发明实施例为解决现有技术中的缺陷,提供了一种水质探测器、水体污染排放源监测系统及方法。
第一方面,本发明实施例提供了一种水质探测器,包括第一光路部分、样品池、参比池和第二光路部分,其中:所述第一光路部分,用于产生进行水样探测的平行光;所述样品池,包括采集污染水样的接口和盛装污染水样的容器,设置在所述第一光路部分之后,以供进行水样探测的平行光穿透所述样品池的污染水样;所述参比池,为盛装参考水样的容器,设置在所述第一光路部分之后,以供进行水样探测的平行光穿透所述参比池的参考水样;所述第二光路部分设置在所述样品池和所述参比池之后,用于对穿透所述污染水样和所述参考水样的光依次进行接收并处理,获取水体污染浓度数据。
本发明实施例提供的基于光谱技术的水质探测器,通过光学结构仿生鱼体内置及探测方法实现多参数检测,从而解决了现有技术中多种传感器独立、设备外挂负载以及集成程度低的问题。
第二方面,本发明实施例提供了一种水体污染排放源监测系统,包括:外壳、主控制器、系统控制器和根据第一方面所述水质探测器;所述主控制器、所述系统控制器和所述水质探测器设置在外壳内部,所述主控制器连接所述系统控制器和所述水质探测器;其中,所述水质探测器用于获取监测点的水体污染浓度数据;所述主控制器用于对水体污染浓度数据进行分析,获取水体污染排放源位置,所述系统控制器用于控制所述水体污染排放源监测系统运动。
本发明实施例提供的水体污染排放源监测系统,通过设置主控制器,并将第一方面所述水质探测器内置在水体污染排放源监测系统中,以仿生鱼的形态对水质进行动态监测,从而实现污染源定位。
第三方面,本发明实施例提供了一种基于第二方面所述的水体污染排放源监测系统的水体污染排放源监测方法,包括:
S1、获取第一序列初始监测点的水体污染浓度数据;
S2、获取第一平均污染浓度值,所述第一平均污染浓度值基于第一序列初始监测点的水体污染浓度数据得到;
S3、基于所述第一序列初始监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据;
S4、获取第二序列监测点的位置,所述第二序列监测点的位置根据整个水域所有监测点的水体污染浓度数据,基于目标函数最大化结合模型优化算法得到;
S5、获取第三序列监测点的水体污染浓度数据,所述第三序列监测点的水体污染浓度数据基于所述第一序列初始监测点的水体污染浓度数据和所述第二序列监测点的水体污染浓度数据合并得到;
S6、获取第二平均污染浓度值,所述第二平均污染浓度值基于第三序列监测点的水体污染浓度数据迭代得到;
S7、根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,其中,水体污染排放源的范围为平均污染浓度较大的监测点范围。
第四方面,本发明实施例提供一种主控制器,包括存储器、处理器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程序时实现如第三方面所述的水体污染排放源监测方法。
第五方面,本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如第三方面所述的水体污染排放源监测方法。
本发明实施例提供的水质探测器、水体污染排放源监测系统及方法,通过在水体污染排放源监测系统中设置基于光谱吸收技术的水质探测器,使得更加快速准确的获取水体污染浓度数据,同时将采集到的水体污染浓度数据进行克里金算法分析,从而推断水体污染排放源的准确位置,同步实现了水体污染动态监测和排放源的快速定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的水质探测器结构示意图;
图2为本发明实施例提供的光束选择器的结构示意图;
图3为本发明实施例提供的可变光路通道的结构示意图;
图4为本发明实施例提供的可变光路通道的剖面结构示意图;
图5为本发明实施例提供的水体污染排放源监测系统的结构示意图;
图6为本发明实施例提供的水体污染排放源监测方法的流程示意图;
图7为本发明实施例提供的主控制器结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
传统水质监测方法通过实验化学检验,需经过人工取样、保存、化学反应、数据分析的上报的流程,整个实验流程繁琐、耗费试剂、容易造成二次污染,投入成本较大且周期较长。现有的水质监测技术均通过搭载不同种类水质传感器的方式,实现对水质的在线实时监测,利用布设的多个传感器节点测量的水体离子浓度,结合数学方法对污染源进行估计从而实现污染源定位。
然而,采用系统搭载水质传感器方式,现场使用存在成本高、功耗限制及搭载配重以及传感器长期使用的校准问题;另一方面污染源定位依托传感器网络,实际使用需要布设大量传感器节点,投入高、不确定性大,不具有推广应用价值;另外,常规对于表层水域的水质监测不能全面反映整体水质情况,大多数探测都是在固定范围内的水质表层,导致很难定位污染点,特别是在部分地下管道偷排的极端情况下,现有技术方法在出现水质污染的情况下,无法对污染点源进行快速定位,而人工潜水探测的方式周期长以及取证慢,同时某些污染水域的污染物存在的有毒物质对人体造成伤害。
本发明实施例提供了一种基于光谱吸收技术的水质探测器,可以快速、准确的采集水体污染浓度数据,本发明实施例提供的水体污染排放源系统再通过采集的水体污染浓度数据,结合克里金算法,快速、准确的对水体污染排放源进行监测及定位。
图1为本发明实施例提供的水质探测器结构示意图,如图1所示,本发明实施例提供了一种水质探测器,包括第一光路部分101、样品池102、参比池103和第二光路部分104,其中:
所述第一光路部分101,用于产生进行水样探测的平行光;
所述样品池102,包括采集污染水样的接口和盛装污染水样的容器,设置在所述第一光路部分101之后,以供进行水样探测的平行光穿透所述样品池102的污染水样;
所述参比池103,为盛装参考水样的容器,设置在所述第一光路部分101之后,以供进行水样探测的平行光穿透所述参比池103的参考水样;
所述第二光路部分104设置在所述样品池102和所述参比池103之后,用于对穿透所述污染水样和所述参考水样的光依次进行接收并处理,获取水体污染浓度数据。
在本发明实施例中,水质探测器中第一光路部分101前端设置有光源设备,该光源设备可发射出特定辐射波段范围的光并通过光分路器将光源设备发射的一束光分为多束平行光,具体的光束数目可根据实际需求进行设定,本发明实施例对此不作具体限定。可选地,在本发明实施例中,光源设备发射出的光通过光分路器分为光强相同的四束平行光,其中一束平行光穿透盛装参考水样的参比池103,另外三束平行光分时利用穿透盛装污染水样的样品池102,第二光路部分104保证同一时刻只有一束光通过,从而获得水体污染浓度数据,以供进行水体污染排放源的定位。需要说明的是,样品池102的采集污染水样的接口由于设置成敞开式,因此在所述水质探测器监测点变化后,样品池102中的污染水样也随之更新为新的监测点水样。
另外,第二光路部分104将经过参考水样和污染水样吸收的光信号转换为电信号,再将转换后电信号中的水体污染浓度数据存储在所述水质探测器中,其中,水体污染浓度数据中还包括浊度和化学需氧量(Chemical Oxygen Demand,简称COD)等信息,通过多种类型的数据结合,更加全面的对待测水体进行分析。另外,在本发明实施例中,通过在水质探测器中设置存储装置,从而实现数据的存储。
基于光谱技术的水质探测器实现多参数同步测量,省去了多传感器搭载成本、配重及负载问题,可快速实时获取水体污染浓度数据,为后续水体污染排放源的监测和定位提供有效数据。
在上述实施例的基础上,可参考图1所示,所述第一光路部分101包括光源105、光源光纤接口106、光分路器107和第一准直透镜108,其中:
所述光源105,用于发出进行水样探测的光;
所述光源光纤接口106,用于连接所述光源105和所述光分路器107;
所述光分路器107,用于将接收到的光进行分光;
所述第一准直透镜108,用于将分光后的多束光调整成平行光;
所述光源光纤接口106通过第一光纤连接在所述光源105和所述光分路器107之间,所述光分路器107收光侧连接在所述光源光纤接口106出光侧,所述第一准直透镜108连接在所述光分路器107出光侧。
在本发明实施例中,可选地,光源105采用脉冲氙灯光源,可发出辐射波长范围为185-2000nm的单束光。光源105发光侧通过光纤连接光源光纤接口106的收光侧,当光源105发出光后,光通过第一光纤传输到光源光纤接口106,然后光通过第一光纤传输到设置在光源光纤接口106出口侧的光分路器107,由单束光分光为光强相同的多束光,紧接着,分光后的多束光经过设置在光分路器107后的第一准直透镜108调整成多束平行光。需要说明的是,光分路器107是可以进行更换的,在本发明实施例中对此不做具体限定,可根据实际需求,在不影响分光后的单束光强度要求的前提下,任意分光路数的光分路器107均可适用于本发明实施例,在本发明实施例中选用的是一分四的光分路器107进行说明,将光源105发出的光分成光强相同的四束平行光,另外,本发明实施例中第一光纤设置在第一光路部分中,用于连接第一光路部分中的各装置。
通过设置光分路器107和第一准直透镜108,使水质探测器操作起来更加灵活,在获取水体污染浓度数据的过程中,可以根据水体的污染情况,调节探测光的数量,增加待测污染水样的光样本,以使得水体污染浓度数据更加准确。
在上述实施例的基础上,可参考图1所示,所述第二光路部分104包括光束选择器109和光谱仪110,其中:
所述光束选择器109,用于通过旋转对穿透所述污染水样和所述参比水样的光进行选择,以使得每次仅有一束光穿过所述光束选择器109;
所述光谱仪110,用于将对接收的光信号进行检测,并将所述光信号转化为电信号;
其中,所述光束选择器109出光侧的出光孔和第二光纤对应设置,并通过第二光纤连接光谱仪110,以使得穿过所述光束选择器109的光通过所述第二光纤传输到所述光谱仪110,获取所述水体污染浓度数据。另外,在光束选择器109和光谱仪110之间也可以设置第二准直透镜111,通过第二准直透镜111将光束归集到连接光谱仪110的光纤中,使通过光速选择器109的光经过光纤传输到光谱仪110中。另外,本发明实施例中第二光纤设置在第二光路部分中,用于连接第二光路部分中的各装置。
图2为本发明实施例提供的光束选择器的结构示意图,如图2所示,在本发明实施例中,光束选择器201内部为一个圆形带90度缺口挡板,将这个90度缺口作为光路通口,挡板选用不透光的材质,即只有第1号位的光可以通过光束选择器201,第2至4号位的光照到挡板上而不能通过光束选择器201。通过控制微型步进电机实现对参比水样光束和污染水样光束的切换,当微型步进电机带动光束选择器201旋转时,使参比水样光束和污染水样光束通过光束选择器201上的光路通口穿过,实现选择性接收污染水样或参比水样的光,保证光谱仪在测量时,任意时刻通过光束选择器201到达光谱仪的光束有且仅有一束。
具体地,可参考图1所示,首先将光束选择器109的光路通口调整到参比池103的位置,当光源发出光后,穿透参比水样的光顺势通过光路通口穿过光束选择器109,再经过连接在光束选择器109出光侧的光纤传输到光谱仪110,光谱仪110再将穿透参比水样的光信号转换为电信号,紧接着,微型步进电机控制光束选择器109旋转,将光路通口的位置调整到样品池102位置,以使得穿透污染水样的光顺势通过光路通口穿过光束选择器109,再经过连接在光束选择器109出光侧的光纤传输到光谱仪110,光谱仪110再将穿透污染水样的光信号转换为电信号。光谱仪110将转换后的电信号作为水体污染浓度数据存储在内存中或直接发送到主控制器,方便数据导出及进行分析。
在本发明实施例中,通过设置光束选择器201,基于光谱吸收技术,使得水质探测器中的参比水样光束和污染水样光束依次到达光谱仪,实现多参数探测,省去了多传感器搭载成本、配重及负载问题,更加快速和准确的获取水体污染浓度数据。
在上述实施例的基础上,所述样品池设置有多个不同长度的光路通道,用于控制通过所述光路通道到达所述第二光路部分的平行光路径长度,以使得所述水质探测器适应不同水体污染物浓度。
在本发明实施例中,为适应不同的污染物浓度,可通过调整不同的光程实现对不同的污染物浓度进行检测。首先在样品池和光谱仪之间设置有扇形圆盘状的光束选择器,图3为本发明实施例提供的可变光路通道的结构示意图,如图3所示,通过转动光束选择器到不同的角度来控制光谱仪采样的光束,0°、90°、180°和360°分别对应不同的光程和光通路。图4为本发明实施例提供的可变光路通道的剖面结构示意图,如图4所示,当样品池中盛装污染水样后,由于每个样品池宽度不同,因此光穿过相应光路的污染水样浓度也不相同,根据水体污染物的性质,使光束选择器选择穿透相应污染浓度的光通过,避免到达光谱仪的光功率过强或过弱。例如,当水体污染物为固体颗粒时,光穿透此类污染水样时,光的强度衰减较大,可适当选择光路通道较短的样品池的光通过光束选择器。
通过在样品池中设置可变光路通道,使水质探测器更加适应污染物浓度变化,使探测的范围更加灵活,提高了水体污染浓度数据的准确性。
图5为本发明实施例提供的水体污染排放源监测系统的结构示意图,如图5所示,本发明实施例提供了一种水体污染排放源监测系统,包括:外壳501、主控制器502、系统控制器503和根据权利要求1至4中任一项所述水质探测器504;
所述主控制器502、所述系统控制器503和所述水质探测器设置504在外壳501内部,所述主控制器502连接所述系统控制器503和所述水质探测器504;
其中,所述水质探测器504用于获取监测点的水体污染浓度数据;
所述主控制器502用于对水体污染浓度数据进行分析,获取水体污染排放源位置,所述系统控制器503用于控制所述水体污染排放源监测系统在监测水体中运动。
在本发明实施例中,水体污染排放源监测系统的外壳502中内置主控制器502、系统控制器503和水质探测器504,主控制器502分别连接系统控制器503和水质探测器504,主控制器502用于控制水质探测器504进行水质数据的采集,并且对水质探测器504中的光路切换以及光谱仪的数据同步进行控制,并根据定位算法确定后续监测点位置,系统控制器503用于控制水体污染排放源监测系统在水中的运动路径和速度,以使得水体污染排放源监测系统可以对待测污染水体中的不同深度进行探测,以使得对整个水层进行多方位监测。同时,主控制器502根据水质探测器获取504的水体污染浓度进行分析后,获取新的监测点位置,紧接着和系统控制器503进行数据交互,通过系统控制器503使水体污染排放源监测系统到新的监测点再次获取水体污染浓度数据。另外,水体污染排放源监测系统内置GPS定位模块和无线通信模块,GPS定位模块将获取的监测点位置信息存储在主控制器502中,无线通信模块用于将微型摄像头从水中获取的环境图像和数据上传至水面的监控主机,水面上的监控主机可根据图像信息辅助水体污染排放源监测系统避障。另外,GPS定位模块和无线通信模块也可用于水体污染排放源系统的回收。
本发明实施例中的水体污染排放源监测系统中的主控制器502,通过将水质探测器获取的水体污染浓度数据进行分析,获取下一个水体污染排放源位置,同时对系统控制器503下达运动指令,使水体污染排放源监测系统到达下个监测点,使得操作更加灵活,省去了多传感器搭载成本、配重及负载问题,使水体污染的监测范围更广,监测空间更大,同时实现污染水质监测和污染源快速定位。
在上述实施例的基础上,所述外壳501装配有仿生鱼鳍505,所述仿生鱼鳍505连接所述系统控制器503,用于控制所述水体污染排放源监测系统在监测水体中运动。
在本发明实施例中,将水体污染排放源监测系统以仿生鱼的形态进行说明,但对于水体污染排放源监测系统的载体及形态不作具体限定。水体污染排放源监测系统具备仿生鱼鳍505,仿生鱼鳍505控制仿生鱼在水层中移动,使得水体污染排放源监测系统可模拟鱼类游动,配合供电系统和系统控制器503实现水下自由游动。
例如,当启动水体污染排放源监测系统后,仿生鱼浮于水面,此时GPS定位模块激活,获取水上地理位置坐标并记录在内存中,当初始化完成后,仿生鱼开始下潜,根据设置的采样时间间隔开始在水层中移动,从而获取水体污染浓度数据,并通过GPS定位模块记录监测点的位置信息,鱼身装载的微型摄像头可实时获取水下图像数据,并通过水面浮漂将图像和数据上传至水面监控主机,并根据上传的图像信息辅助避障。
在本发明实施例中,通过加入仿生鱼鳍505,使得水体污染排放源监测装置在待测污染水体中监测范围更加灵活,对水体中不同深度的水质均可进行监测,提高了污染源定位的准确性。
图6为本发明实施例提供的水体污染排放源监测方法的流程示意图,如图6所示,本发明实施例提供了一种水体污染排放源监测方法,包括:
S1、获取第一序列初始监测点的水体污染浓度数据;
S2、获取第一平均污染浓度值,所述第一平均污染浓度值基于第一序列初始监测点的水体污染浓度数据得到;
S3、基于所述第一序列初始监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据。
S4、获取第二序列监测点的位置,所述第二序列监测点的位置根据整个水域所有监测点的水体污染浓度数据,基于目标函数最大化结合模型优化算法得到;
S5、获取第三序列监测点水体污染浓度数据,所述第三序列监测点的水体污染浓度数据基于所述第一序列初始监测点的水体污染浓度数据和所述第二序列监测点的水体污染浓度数据合并得到。
S6、获取第二平均污染浓度值,所述第二平均污染浓度值基于第三序列监测点的水体污染浓度数据迭代得到;
S7、根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,其中,水体污染排放源的范围为平均污染浓度较大的监测点范围。
本发明实施例提供的所述水体污染排放源监测方法可通过上述实施例中提供的所述水体污染排放源监测系统实现,具体可通过所述水体污染排放源监测系统中的主控制器执行。
在本发明实施例中,首先通过水体污染排放源监测系统获取第一序列监测点的水体污染浓度数据,其中,水体污染浓度数据是通过水体污染排放源监测系统中的水质探测器采集到污染水样的光谱信息后,由水体污染排放源监测系统根据污染水样的光谱水样分析得出,水体污染浓度数据中还包括浊度和COD等信息。
然后通过公式
获取第一平均污染浓度数据,其中表示当前ITR次迭代使用的监测点位的平均浓度数据,表示当前迭代ITR开始时在待测污染水体区域的所有可用监测点观测到的污染物浓度值,ITR表示当前迭代次数,MITR表示当前ITR次迭代开始前总的监测点数量。
利用现有已知监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据。
再结合第一序列监测点的水体污染浓度数据,基于目标函数最大化
结合模型优化算法,例如,利用浓度测量的空间插值和模拟退火算法的组合,获取第二序列监测点的位置,其中,dx,dy表示i,j方向的网络尺寸,表示经克里金插值得到位置i,j处的浓度值,fi,j为决定变量,取值0或1,表示在位置i,j处时监测点是否有效,1表示有效,0表示无效。优化模型在每次监测序列点位迭代过程中求解,使目标函数值最大化。目标函数使得所有点位估计的的克里金插值浓度和梯度的乘积最大化,被选出的监测点位置被选择用于迭代寻优。这些浓度梯度是根据在设计迭代开始时从实施的监测网络获得的内插空间浓度计算的。水体污染排放源监测系统到达第二序列监测点的位置,获取第二序列监测点的水体污染浓度数据。
通过优化模型获取的第二序列监测点结合第一序列监测点,得出包含第二序列监测点和第一序列监测点所有监测点的水体污染浓度数据,即第三序列监测点的水体污染浓度数据。
然后,再将获取的第三序列监测点的水体污染浓度数据通过上述公式
获取第二平均污染浓度值。
最后,将获取的第二平均污染浓度值和第一平均污染浓度值进行比较,若第二平均污染浓度值小于第一平均污染浓度值,说明前一次迭代的监测点已经是污染浓度最高的位置,则停止继续寻找预测监测点,反之,则继续寻找新的监测点进行迭代。
在本发明实施例中,优化模型用于通过找到优化的监测点位置,目的是在每个序列中找到污染浓度高的点位,并最终隔离污染源的位置。最佳监测网络设计模型可以利用优化模型有效识别未知污染源位置。这个优化设计模型在网络设计序列的每一次迭代中求,优化模型使目标函数值最大化,但受限于在任何设计迭代中可以选择的监测点的最大数量是有限的。目标函数最大化所有监测位置处的估计浓度梯度和插值浓度乘积的总和,在特定设计迭代中被选为最优,这些浓度梯度是根据在设计迭代开始时从实施的监测网络获得的内插空间浓度计算得到的。优化模型利用目标函数,基于现有插值浓度数据利用优化模型估计新的监测点序列的位置,并保证新的监测点位置污染物浓度大于先前点位污染物浓度,再利用原有点和新的监测点构成的新的序列为基础,对区域污染物浓度进行插值,利用最大化目标函数进行迭代并运行优化模型继续选择新的监测点位置,直至找到污染源位置。另外,通过水体污染排放源监测系统,可在测试的污染水体的各个水层之间运动,以至监测的范围呈现一个立体空间,不再拘泥于只监测污染水体的表层水面,从而获得更加准确的和全方位的水体污染浓度数据,结合上述方法,对不同水层的局部监测点进行监测,从而找到水体污染排放源的具体位置。
本发明实施例通过将采集到的水体污染浓度数据运用优化模型和克里金算法进行分析,从而判断获取水体污染排放源的准确位置,提高了污染排放源定位的准确性,同步实现了水体污染排放源监测和快速定位。
在上述实施例的基础上,所述根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,包括:
若所述第二平均污染浓度值大于所述第一平均污染浓度值,则将所述第三序列监测点的水体污染浓度数据作为所述第一序列初始监测点的水体污染浓度数据再次执行步骤S2至步骤S6,直至所述第二平均污染浓度值小于或等于所述第一平均污染浓度值,则确定水体污染源的范围。
在本发明实施例中,逐步介绍水体污染排放源监测方法中步骤S2至步骤S6的具体方法:
步骤1,从随机定位的监测点获取污染物浓度数据Cobs,最初的可用点位数量为Mint;
步骤2,当前迭代次数ITR对应的总的监测点位数量用MITR表示,
MITR为初始点位数量与第一次迭代到第ITR-1次迭代过程中所有监测点数量的和,其中,ITR为当前的迭代次数,itr为迭代变量,每次迭代中使用的监测点数量用Mimp表示;
步骤3,当前ITR次迭代使用的监测点位的平均浓度数据用表示,
其中,是当前迭代ITR开始时在待测污染水体区域的所有可用监测点观测到的污染物浓度值;
步骤4,从当前所有可用探测点获取的污染物浓度通过克里金算法获取当前第ITR次迭代所有位置的浓度值浓度数据对应所有的网格位置,插值的浓度与用一一对应;
步骤5,当前迭代插值浓度的概率密度函数分数方差对所有的点位进行计算并标记为
步骤6,当概率密度函数的方差大于或等于1时,则将网格i,j位置的插值浓度设置为0;
步骤7,当任意迭代次数的开始后,通过
获取更新后的当前迭代次数ITR对应的总的监测点位数量,再通过
获取当前ITR次迭代使用的监测点位的平均浓度数据,再通过优化模型求解,找到新的监测点位置;
步骤8,将新的监测点的浓度数据和已有的监测点的数据一起被用作下一次迭代的输入;
步骤9,用步骤3的方法计算得到的当前迭代前的平均浓度值用于与前一次迭代使用的平均浓度进行比较,如果当前浓度大于上一次的浓度,则再次执行步骤4;
步骤10,如果当前浓度小于上一次的浓度,则插入的浓度值的所有的点位用于本次迭代,从而产生浓度轮廓线;
步骤11,对浓度等值线进行视觉分析,以确区域内另一不确定的污染源位置存在的可能性;
步骤12,如果没有其他明显的污染源,则终止该方法。否则,在监测的点位中删除对另一个可能的污染源没有任何影响的监测点后,再次计算平均污染物浓度;
步骤13,用于为所有i,j点位生成插值浓度数据和本次迭代中使用的平均浓度数据的点位总数量由
计算得出;
其中,Meli表示排除的点位数量;
步骤14,步骤3至13不断重复直到找不到其他可能的水体污染排放源而终止。
图7为本发明实施例提供的主控制器结构示意图,如图7所示,该主控制器可以包括:处理器(processor)71、通信接口(Communications Interface)72、存储器(memory)73和通信总线74,其中,处理器71,通信接口72,存储器73通过通信总线74完成相互间的通信。通信接口72可以用于主控制器与水质探测器之间的信息传输。处理器71可以调用存储器73中的逻辑指令,以执行如下方法:
S1、获取第一序列初始监测点的水体污染浓度数据;
S2、获取第一平均污染浓度值,所述第一平均污染浓度值基于第一序列初始监测点的水体污染浓度数据得到;
S3、基于所述第一序列初始监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据;
S4、获取第二序列监测点的位置,所述第二序列监测点的位置根据整个水域所有监测点的水体污染浓度数据,基于目标函数最大化结合模型优化算法得到;
S5、获取第三序列监测点的水体污染浓度数据,所述第三序列监测点的水体污染浓度数据基于所述第一序列初始监测点的水体污染浓度数据和所述第二序列监测点的水体污染浓度数据合并得到;
S6、获取第二平均污染浓度值,所述第二平均污染浓度值基于第三序列监测点的水体污染浓度数据迭代得到;
S7、根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,其中,水体污染排放源的范围为平均污染浓度较大的监测点范围。
此外,上述的存储器73中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述实施例所提供的水体污染排放源监测方法,例如包括:
S1、获取第一序列初始监测点的水体污染浓度数据;
S2、获取第一平均污染浓度值,所述第一平均污染浓度值基于第一序列初始监测点的水体污染浓度数据得到;
S3、基于所述第一序列初始监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据;
S4、获取第二序列监测点的位置,所述第二序列监测点的位置根据整个水域所有监测点的水体污染浓度数据,基于目标函数最大化结合模型优化算法得到;
S5、获取第三序列监测点的水体污染浓度数据,所述第三序列监测点的水体污染浓度数据基于所述第一序列初始监测点的水体污染浓度数据和所述第二序列监测点的水体污染浓度数据合并得到;
S6、获取第二平均污染浓度值,所述第二平均污染浓度值基于第三序列监测点的水体污染浓度数据迭代得到;
S7、根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,其中,水体污染排放源的范围为平均污染浓度较大的监测点范围。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种水质探测器,其特征在于,包括第一光路部分、样品池、参比池和第二光路部分,其中:
所述第一光路部分,用于产生进行水样探测的平行光;
所述样品池,包括采集污染水样的接口和盛装污染水样的容器,设置在所述第一光路部分之后,以供进行水样探测的平行光穿透所述样品池的污染水样;
所述参比池,为盛装参考水样的容器,设置在所述第一光路部分之后,以供进行水样探测的平行光穿透所述参比池的参考水样;
所述第二光路部分设置在所述样品池和所述参比池之后,用于对穿透所述污染水样和所述参考水样的光依次进行接收并处理,获取水体污染浓度数据。
2.根据权利要求1所述的水质探测器,其特征在于,所述第一光路部分包括光源、光源光纤接口、光分路器和第一准直透镜,其中:
所述光源,用于发出进行水样探测的光;
所述光源光纤接口,用于连接所述光源和所述光分路器;
所述光分路器,用于将接收到的光进行分光;
所述第一准直透镜,用于将分光后的多束光调整成平行光;
所述光源光纤接口通过第一光纤连接在所述光源和所述光分路器之间,所述光分路器收光侧连接在所述光源光纤接口出光侧,所述第一准直透镜连接在所述光分路器出光侧。
3.根据权利要求1所述的水质探测器,其特征在于,所述第二光路部分包括光束选择器和光谱仪,其中:
所述光束选择器,用于通过旋转对穿透所述污染水样和所述参比水样的光进行选择,以使得每次仅有一束光穿过所述光束选择器;
所述光谱仪,用于对接收的光信号进行检测,并将所述光信号转化为电信号;
其中,所述光束选择器出光侧的出光孔和第二光纤对应设置,以使得穿过所述光束选择器的光通过所述第二光纤传输到所述光谱仪,获取所述水体污染浓度数据。
4.根据权利要求3所述的水质探测器,其特征在于,所述样品池设置有多个不同长度的光路通道,用于控制通过所述光路通道到达所述第二光路部分的平行光的路径长度,以使得所述水质探测器适应不同水体污染物浓度。
5.一种水体污染排放源监测系统,其特征在于,包括:
外壳、主控制器、系统控制器和根据权利要求1至4中任一项所述水质探测器;
所述主控制器、所述系统控制器和所述水质探测器设置在外壳内部,所述主控制器连接所述系统控制器和所述水质探测器;
其中,所述水质探测器用于获取监测点的水体污染浓度数据;
所述主控制器用于对水体污染浓度数据进行分析,获取水体污染排放源位置,所述系统控制器用于控制所述水体污染排放源监测系统运动。
6.根据权利要求5所述的水体污染排放源监测系统,其特征在于,所述外壳装配有仿生鱼鳍,所述仿生鱼鳍连接所述系统控制器,用于控制所述水体污染排放源监测系统在监测水体中运动。
7.一种基于权利要求5或6所述的水体污染排放源监测系统的水体污染排放源监测方法,其特征在于,包括:
S1、获取第一序列初始监测点的水体污染浓度数据;
S2、获取第一平均污染浓度值,所述第一平均污染浓度值基于第一序列初始监测点的水体污染浓度数据得到;
S3、基于所述第一序列初始监测点的水体污染浓度数据,根据克里金插值算法插值得到整个水域所有其他监测点的水体污染浓度数据;
S4、获取第二序列监测点的位置,所述第二序列监测点的位置根据整个水域所有监测点的水体污染浓度数据,基于目标函数最大化结合模型优化算法得到;
S5、获取第三序列监测点的水体污染浓度数据,所述第三序列监测点的水体污染浓度数据基于所述第一序列初始监测点的水体污染浓度数据和所述第二序列监测点的水体污染浓度数据合并得到;
S6、获取第二平均污染浓度值,所述第二平均污染浓度值基于第三序列监测点的水体污染浓度数据迭代得到;
S7、根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,其中,水体污染排放源的范围为平均污染浓度较大的监测点范围。
8.根据权利要求7所述的水体污染排放源监测方法,其特征在于,所述根据所述第二平均污染浓度值和所述第一平均污染浓度值,确定水体污染排放源的范围,包括:
若所述第二平均污染浓度值大于所述第一平均污染浓度值,则将所述第三序列监测点的水体污染浓度数据作为所述第一序列初始监测点的水体污染浓度数据再次执行步骤S2至步骤S6,直至所述第二平均污染浓度值小于或等于所述第一平均污染浓度值,则确定水体污染源的范围。
9.一种主控制器,包括存储器、处理器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程序时实现如权利要求7至8任一项所述水体污染排放源监测方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求7至8任一项所述水体污染排放源监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810827149.5A CN109187380B (zh) | 2018-07-25 | 2018-07-25 | 一种水质探测器、水体污染排放源监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810827149.5A CN109187380B (zh) | 2018-07-25 | 2018-07-25 | 一种水质探测器、水体污染排放源监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109187380A true CN109187380A (zh) | 2019-01-11 |
CN109187380B CN109187380B (zh) | 2021-03-02 |
Family
ID=64936956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810827149.5A Active CN109187380B (zh) | 2018-07-25 | 2018-07-25 | 一种水质探测器、水体污染排放源监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109187380B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT521624A4 (de) * | 2019-01-17 | 2020-03-15 | Scan Messtechnik Gmbh | Vorrichtung und Verfahren zum Erfassen von Eigenschaften eines zu untersuchenden Fluids |
CN111678869A (zh) * | 2020-05-29 | 2020-09-18 | 山东省科学院海洋仪器仪表研究所 | 水质生态参数检测装置及检测方法 |
CN112665946A (zh) * | 2021-01-13 | 2021-04-16 | 浙江大学 | 便携式神经性贝类样品前处理及毒素检测一体化仪器 |
CN113310893A (zh) * | 2021-05-21 | 2021-08-27 | 环仪传感科技(苏州)有限公司 | 一种基于光谱法的可变光程多参数水质监测装置及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120154802A1 (en) * | 2010-12-17 | 2012-06-21 | Pyeong-Koo Lee | Method for verifying representativeness of sample collected in contaminated soil |
CN102831328A (zh) * | 2012-09-13 | 2012-12-19 | 中国环境科学研究院 | 基于水体污染底泥鉴别评估的环保疏浚范围的确定方法 |
KR101226103B1 (ko) * | 2011-03-31 | 2013-01-24 | 한국원자력연구원 | 가축 매몰지 침출수 유출 판별 방법 |
CN103776787A (zh) * | 2014-02-25 | 2014-05-07 | 杭州纳宏光电科技有限公司 | 一种双光谱水质分析仪 |
CN105334171A (zh) * | 2015-10-16 | 2016-02-17 | 北京农业智能装备技术研究中心 | 水体cod在线监测系统及采用该系统监测水体cod的方法 |
CN106198424A (zh) * | 2016-09-28 | 2016-12-07 | 深圳市七善科技有限公司 | 一种基于全光谱水质在线监测设备及其监测方法 |
CN106596436A (zh) * | 2016-12-30 | 2017-04-26 | 中国科学院西安光学精密机械研究所 | 一种基于光谱法的多参数水质实时在线监测装置 |
CN107525907A (zh) * | 2017-10-16 | 2017-12-29 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN107643260A (zh) * | 2017-11-06 | 2018-01-30 | 汉威科技集团股份有限公司 | 一种宽光谱多参数水质监测系统 |
CN108020501A (zh) * | 2017-11-15 | 2018-05-11 | 华南理工大学 | 一种大气腐蚀等级图绘制方法 |
CN108107176A (zh) * | 2018-01-12 | 2018-06-01 | 中国科学院合肥物质科学研究院 | 一种用于水质监测与污染源追踪的无人船及污染源追踪方法 |
-
2018
- 2018-07-25 CN CN201810827149.5A patent/CN109187380B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120154802A1 (en) * | 2010-12-17 | 2012-06-21 | Pyeong-Koo Lee | Method for verifying representativeness of sample collected in contaminated soil |
KR101226103B1 (ko) * | 2011-03-31 | 2013-01-24 | 한국원자력연구원 | 가축 매몰지 침출수 유출 판별 방법 |
CN102831328A (zh) * | 2012-09-13 | 2012-12-19 | 中国环境科学研究院 | 基于水体污染底泥鉴别评估的环保疏浚范围的确定方法 |
CN103776787A (zh) * | 2014-02-25 | 2014-05-07 | 杭州纳宏光电科技有限公司 | 一种双光谱水质分析仪 |
CN105334171A (zh) * | 2015-10-16 | 2016-02-17 | 北京农业智能装备技术研究中心 | 水体cod在线监测系统及采用该系统监测水体cod的方法 |
CN106198424A (zh) * | 2016-09-28 | 2016-12-07 | 深圳市七善科技有限公司 | 一种基于全光谱水质在线监测设备及其监测方法 |
CN106596436A (zh) * | 2016-12-30 | 2017-04-26 | 中国科学院西安光学精密机械研究所 | 一种基于光谱法的多参数水质实时在线监测装置 |
CN107525907A (zh) * | 2017-10-16 | 2017-12-29 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
CN107643260A (zh) * | 2017-11-06 | 2018-01-30 | 汉威科技集团股份有限公司 | 一种宽光谱多参数水质监测系统 |
CN108020501A (zh) * | 2017-11-15 | 2018-05-11 | 华南理工大学 | 一种大气腐蚀等级图绘制方法 |
CN108107176A (zh) * | 2018-01-12 | 2018-06-01 | 中国科学院合肥物质科学研究院 | 一种用于水质监测与污染源追踪的无人船及污染源追踪方法 |
Non-Patent Citations (3)
Title |
---|
VETRIMURUGAN ELUMALAI ET AL.: "Spatial interpolation methods and geostatistics for mapping groundwater contamination in a coastal area", 《ENVIRON SCI POLLUT RES》 * |
刘飞等: "水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析", 《光谱学与光谱分析》 * |
周脚根等: "土壤重金属污染风险预测研究进展", 《安徽农业科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT521624A4 (de) * | 2019-01-17 | 2020-03-15 | Scan Messtechnik Gmbh | Vorrichtung und Verfahren zum Erfassen von Eigenschaften eines zu untersuchenden Fluids |
AT521624B1 (de) * | 2019-01-17 | 2020-03-15 | Scan Messtechnik Gmbh | Vorrichtung und Verfahren zum Erfassen von Eigenschaften eines zu untersuchenden Fluids |
EP3683566A1 (de) | 2019-01-17 | 2020-07-22 | Scan Messtechnik Gesellschaft mbH | Vorrichtung und verfahren zum erfassen von eigenschaften eines zu untersuchenden fluids |
US11237116B2 (en) | 2019-01-17 | 2022-02-01 | Scan Messtechnik Gesellschaft Mbh | Device and method for detecting characteristics of a fluid |
CN111678869A (zh) * | 2020-05-29 | 2020-09-18 | 山东省科学院海洋仪器仪表研究所 | 水质生态参数检测装置及检测方法 |
CN112665946A (zh) * | 2021-01-13 | 2021-04-16 | 浙江大学 | 便携式神经性贝类样品前处理及毒素检测一体化仪器 |
CN113310893A (zh) * | 2021-05-21 | 2021-08-27 | 环仪传感科技(苏州)有限公司 | 一种基于光谱法的可变光程多参数水质监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109187380B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109187380A (zh) | 一种水质探测器、水体污染排放源监测系统及方法 | |
CN105103006B (zh) | 飞行去混叠的单个频率时间 | |
Ageron et al. | Performance of the first ANTARES detector line | |
CN109631787A (zh) | 透射式靶标图像的光斑中心检测方法及桥梁挠度图像式检测装置 | |
CN106568914B (zh) | 一种水域水质异常点探测和预警方法 | |
WO2007002367A3 (en) | Method of extracting intensity data from digitized image | |
CN104656100B (zh) | 一种行扫描高光谱实时异常探测方法与系统 | |
CN109738380B (zh) | 一种土壤盐渍化程度的高光谱遥感判断方法 | |
CN103003683A (zh) | 用于通过使用光分布来提高粒子成像设备中的测量精确度的装置、系统和方法 | |
Chen et al. | Vertical distribution of subsurface phytoplankton layer in South China Sea using airborne lidar | |
CN110969158A (zh) | 基于水下作业机器人视觉的目标检测方法、系统、装置 | |
Okamura et al. | Feasibility study of multi-pixel retrieval of optical thickness and droplet effective radius of inhomogeneous clouds using deep learning | |
Tachella et al. | 3D reconstruction using single-photon lidar data exploiting the widths of the returns | |
KR102271995B1 (ko) | 인공 신경망을 이용한 지표면 화학 작용제 탐지 시스템 | |
CN109211138A (zh) | 一种外形检测系统和方法 | |
JPWO2020255413A5 (ja) | データ解析装置、データ解析方法、及びプログラム | |
JP2005291881A (ja) | コンクリート構造物の劣化検出装置、及びコンクリート構造物の劣化検出方法 | |
RU2678950C1 (ru) | Способ оценки облачности ночной атмосферы и датчик ночной облачности для его осуществления | |
CN107330938B (zh) | 一种用于多个被测对象的视觉检测方法及其系统 | |
EP3289566A1 (en) | Method and apparatus for determining temporal behaviour of an object | |
CN106548487B (zh) | 用于检测和跟踪移动物体的方法和装置 | |
CN105719246B (zh) | 一种检测开敞水体的光谱成像可视化前处理方法 | |
US9596417B2 (en) | Event correlation using data having different time resolutions | |
WO2019107622A1 (ko) | 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 | |
EP4306937A1 (en) | Water turbidity evaluation using image sensor |
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 |