CN110097232A - 一种智慧水务水体污染物消解预测方法 - Google Patents
一种智慧水务水体污染物消解预测方法 Download PDFInfo
- Publication number
- CN110097232A CN110097232A CN201910384438.7A CN201910384438A CN110097232A CN 110097232 A CN110097232 A CN 110097232A CN 201910384438 A CN201910384438 A CN 201910384438A CN 110097232 A CN110097232 A CN 110097232A
- Authority
- CN
- China
- Prior art keywords
- water body
- water
- pollution
- prediction
- section
- 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.)
- Pending
Links
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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种智慧水务水体污染物消解预测方法,包括有以下步骤:S1.将待检测水体分为若干段;S2.在每一段水体上设立检测站;S3.检测站将检测到每一段水体的数据通过无线传输传递到后台终端上;S4.根据反馈到后台终端上的数据,每1‑2小时计算出对应分段水体具体的预测污染浓度值。本发明能够实时检测不同段水体的污染程度,并将检测到的数据实时传送到后台终端上进行水体消解预测,使工作人员能够尽快的了解到每一处水体的预测污染值,掌握每一处水体何时能够达到规定的标准。
Description
技术领域
本发明涉及水体污染物预测技术领域,特别是一种智慧水务水体污染物消解预测方 法。
背景技术
在水体发生污染事故以后,如何实时反应河道中污染物的变化情况(例如浓度值的变化情况)成为当今社会急需解决的问题。
当前的水体污染预测方法重点突出其预测功能,由于受水体的流动性、流速、流量、水深及断面宽度的影响,导致污染预测方法仅仅停留在理论阶段,与实际的污染 物扩散相差甚远。
此外,现有的预测方法仅针对污染源处进行检测、预测,由于水体是流动性的, 所以污染源会随着水流扩散,进而将未污染的水体被污染;那么至上而下每一处的水 体何时会被污染、扩散后每一处水体的污染值为多少、扩散后何时能够达到固定标准 都是急需解决的问题。
发明内容
为解决上述不足,本发明的目的就是提供一种智慧水务水体污染物消解预测方法,能够实时检测不同段水体的污染程度,并将检测到的数据实时传送到后台终端上 进行水体消解预测,使工作人员能够尽快的了解到每一处水体的预测污染值,掌握每 一处水体何时能够达到规定的标准。
本发明的目的是通过这样的技术方案实现的,它包括有以下步骤:
S1.将待检测水体分为若干段;
S2.在每一段水体上设立检测站;
S3.检测站将检测到每一段水体的数据通过无线传输传递到后台终端上;
S4.根据反馈到后台终端上的数据,每1-2小时计算出对应分段水体具体的预测污染浓度值。
进一步,所述步骤S4包括有以下步骤:
S411.接受所有分段水体的实时检测数据;
S412.将以上得到的数据布置在后台终端与其对应的地图上;
S413.根据污染标准值判断接受到的实时检测数据中是否存在污染源;
S414.若不存在污染源,则实时检测的数据即为预测污染浓度值;若存在污染源,找出污染源的具体位置将该位置记为第一段水体,并至上而下找到与第一段水体邻近 的一段水体,将该段水体记为第二段水体,结合第二段水体的流速、流量、水深及断 面宽度并根据第一段水体和第二段水体检测到的实时数据作为水动力模型的输入,水 动力模型输出第一段水体与第二段水体之间的数值,该数值即为其间的预测污染浓度 值。
进一步,每一段水体及其其间的预测污染浓度值均会实时发生变化,得出的预测污染浓度值在后台终端上进行实时的数据修正。
进一步,所述步骤S4包括有以下步骤:
S421.根据污染标准值来判断是否存在污染源,并提取其中一段被污染的水体的实时检测数据;
S422.将以上得到的数据布置在后台终端与其对应的地图上;
S423.将以上水体作为新的污染源,并以该段水体的流速、流量、水深及断面宽 度作为水动力模型的输入,水动力模型的输出至上而下其他每段水体的污染值,该污 染值为预测污染浓度值。
进一步,每一段水体的预测污染浓度值在预测过程中会随时间发生变化,每次得出的预测污染浓度值在后台终端上进行无限的数据修正。
进一步,所述水动力模型为EFDC。
由于采用了上述技术方案,本发明具有如下的优点:将水体先分段处理,检测站实时检测每段水体的污染情况,能够使后台工作人员快速的了解到污染源处于何处, 便于工作人员进行降污处理;并且将实时检测的数据发送到后台终端上进行水体的消 解预测分析,从而便于后台工作人员及时的了解到污染源扩散情况、每一段水体(将 会)扩散到何种程度、在扩散同时每段水体何时、何地能够达到规定的标准水体污染 值,从而使工作人员能够在对应段水体位置做出相应的补救措施。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或 者可以从本发明的实践中得到教导。
具体实施方式
下面结合实施例对本发明作进一步说明。
实施例1:
一种智慧水务水体污染物消解预测方法包括有以下步骤:
S1.视情况而定,将待检测水体分为若干段;便于工作人员及时了解到对应段水体是否存在污染的情况;
S2.在每一段水体上设立检测站;检测站中安装有检测各种物质含量、浓度的检测装置(需要检测的物质参照表1);
S3.检测站将检测到每一段水体的数据通过无线传输传递到后台终端上;检测到的数据由显示屏显示出来;
S4.根据反馈到后台终端上的数据,每1-2小时计算出对应分段水体具体的预测污染浓度值。
步骤S4包括有以下步骤:
S411.接受所有分段水体的实时检测数据;
S412.将以上得到的数据布置在后台终端与其对应的地图上;通过显示屏展示出来;
S413.根据污染标准值判断接受到的实时检测数据中是否存在污染源(该标准与水体功能有关,即:I类主要适用于源头水、国家自然保护区;Ⅱ类主要适用于集 中式生活饮用水地表水源地一级保护区、珍稀水生生物栖息地、鱼虾类产卵场、仔稚 幼鱼的索饵场等;Ⅲ类主要适用于集中式生活饮用水地表水源地二级保护区、鱼虾 类越冬场、泅游通道、水产养殖区等渔业水域及游泳区;IV类主要适用于一般工业 用水区及人体非直接接触的娱乐用水区;V类主要适用于农业用水区及一般景观要 求水域。根据不同水体功能比较各种物质含量比与标准之间的关系);
S414.根据表1中提供的数据进行大小比较,在对应分类当中,若不存在污染源,则实时检测的数据即为对应段的预测污染浓度值,该水体未出现被污染的情况;若存 在污染源,在显示屏中找出污染源的具体位置将该位置记为第一段水体,由于水体是 从高处往低处流动的,所以至上而下找到与第一段水体邻近的一段水体,将该段水体 记为第二段水体,结合第二段水体的流速、流量、水深及断面宽度并根据第一段水体 和第二段水体检测到的实时数据作为水动力模型的输入,水动力模型输出第一段水体 与第二段水体之间的数值,该数值即为其间的预测污染浓度值,这样就能够得出实时 的第一段水体、第二段水体以及其间水体的详细的预测污染浓度值,使工作人员判断 出哪块区域已经被污染了,哪块区域处于即将被污染,并且能够根据水体的流速来判 断出何时下一段的水体将会被污染,然后工作人员该做出如何的动作才能制止污染源 不断的扩散出去,污染源需要扩散到哪一步才能达到表1中的标准。
每一段水体及其其间的预测污染浓度值均会实时发生变化,得出的预测污染浓度值在后台终端上进行实时的数据修正。修正的数据实时的显示在后台的显示屏上,便 于工作人员查看、实时更新数据。
表1水体质量标准限值单位:mg/L
本实施例能够实时收集到处于每一段水体的相应的数据值,然后根据反馈的数据预测出两段水体之间的污染情况,便于工作人员及时的了解到污染源处于何地、扩散 的情况及其影响程度,并且实时反馈数据,能够使工作人员在第一时间发现问题,并 作出相应的动作来制止水体污染。再者,本实施例是一个连续性的,一旦发现污染源 就会不停计算、预测并修正数据。如果污染源从某一段水体流入到另一段水体,由于 水体的流动性,那么某一段水体很有可能会出现污染值降低、另一段水体污染值升高 的情况,那么利用本方法就可以达到实时消解预测的目的,能够直观的看到每一段水 体污染情况(是否已被污染、污染源是否被带离并恢复标准、仍然存在污染源等)
实施例2:
步骤S4包括有以下步骤:
S421.根据污染标准值(表1)来判断是否存在污染源,并提取其中一段被污染 的水体的实时检测数据(一般提取的数据为值最大的数据,因为浓度最大的就是污染 最严重的地方);
S422.将以上得到的数据布置在后台终端与其对应的地图上;利用显示屏显示出来;
S423.将以上水体作为新的污染源,并以该段水体的流速、流量、水深及断面宽 度作为水动力模型的输入,水动力模型的输出至上而下其他每段水体的污染值,该污 染值为预测污染浓度值。计算出的污染值应该是至上而下呈逐渐降低的状态,当污染 源扩散到下一段水体时,检测到的下一段的水体的数据相较于之间将会升高,那么将 该段水体作为最新的污染源进行计算其下的每一段水体的污染值,在水体流动的同时 不断更新污染源的源头。因为水体是一直处于流动状态,那么最开始的那个新的污染 源会被源源不断来的未污染的水淡化,从而使其达到表1中的标准,然而含有污染源 的水体继续流入下一段水体,使下一段水体被污染,从而使下一段水体作为最新的污 染源进行计算,这样不断的更新计算,能够达到对未被污染段的水体的预测(何时将 会被污染、污染程度以及扩散影响程度等)。
每一段水体的预测污染浓度值在预测过程中会随时间发生变化,每次得出的预测污染浓度值在后台终端上进行无限的数据修正。当更新的新的污染源时,其下面的水 体预测值就会发生变化,那么将变化后的数据进行修正,便于工作人员查看、了解水 体污染物消解情况。
本实施例仅收集一个污染最严重的值,然后不断更新污染源,进而预测出相对应的不同段水体的污染情况和扩散情况,了解到污染物何时、何地会被消解,达到规定 的标准水体污染值,能够使工作人员能够直观的看出整个水体的污染情况,便于采取 相应的补救措施。
以上两个实施例均用到水动力模型,该水动力模型为EFDC。EFDC模型的结构其 主要由三部分组成:包括水动力、水质、泥沙-有毒污染物迁移。可以通过控制输入 文件进行不同模块的模拟。EFDC水动力学模块包括有淡水流、大气作用、水深、表 面高程、底摩擦力、流速、湍流混合、盐度、水温等9大部分,可以计算,流速、示 踪剂、温度、盐度、近岸羽流和漂流。水动力学模型输出变量可直接与水质,底层泥 沙迁移和毒性物质等模块耦合,作为物质运移的驱动条件。
EFDC的水质模块结合了21种水质变量,模型能够从空间和时间的分布上模拟 水质参数,其中包括溶解氧、悬浮藻类、碳的各种组成、氮、磷、硅氧循环以及大肠 杆菌等。沉积物模块和水质模块的耦合不仅增强了模型水质参数的预测能力,还可以 模拟水质条件跟随营养盐负荷变化相应的情况。
EFDC泥沙模块可进行多组分泥沙的模拟,根据在水体里面的迁移特征把泥沙分为悬移质和推移质,悬移质根据粒径大小分为粘性泥沙和非粘性泥沙,进而还可细分 为若干组。模型可根据物理或经验模型模拟泥沙的沉降、沉积、冲刷及再悬浮等过程。
EFDC有毒污染物模块可以模拟各类型污染物在水体中的迁移转化过程,该模块需要研究者针对特定有毒污染物提供具体反应过程设定反应系数,反应底质模块模拟 沉积物与水体之间的物质交换过程。结合业务化运行中的模型使用场景,在EFDC模 型实地训化前提下,将复杂的水质模型输入参数凝练为网格配置、水库调度、情景选 择、预测指标等五大类核心参数,将原来20余个参数精简为3个,平台可操作性强、 用户界面友好,将专家模拟系统变为管理者能够使用的科学决策工具,大大加快了科 研成果的转化效率,推动了管理业务数据的深度分析和有效利用,使本系统真正成为 管理者决策的科学依据,极大提高科学研究成果转化的效率、深度和广度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明 的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖 在本发明的权利要求范围当中。
Claims (6)
1.一种智慧水务水体污染物消解预测方法,其特征在于,具体包括有以下步骤:
S1.将待检测水体分为若干段;
S2.在每一段水体上设立检测站;
S3.检测站将检测到每一段水体的数据通过无线传输传递到后台终端上;
S4.根据反馈到后台终端上的数据,每1-2小时计算出对应分段水体具体的预测污染浓度值。
2.根据权利要求1所述的智慧水务水体污染物消解预测方法,其特征在于:所述步骤S4包括有以下步骤:
S411.接受所有分段水体的实时检测数据;
S412.将以上得到的数据布置在后台终端与其对应的地图上;
S413.根据污染标准值判断接受到的实时检测数据中是否存在污染源;
S414.若不存在污染源,则实时检测的数据即为预测污染浓度值;若存在污染源,找出污染源的具体位置将该位置记为第一段水体,并至上而下找到与第一段水体邻近的一段水体,将该段水体记为第二段水体,结合第二段水体的流速、流量、水深及断面宽度并根据第一段水体和第二段水体检测到的实时数据作为水动力模型的输入,水动力模型输出第一段水体与第二段水体之间的数值,该数值即为其间的预测污染浓度值。
3.根据权利要求1或2所述的智慧水务水体污染物消解预测方法,其特征在于:每一段水体及其其间的预测污染浓度值均会实时发生变化,得出的预测污染浓度值在后台终端上进行实时的数据修正。
4.根据权利要求1所述的智慧水务水体污染物消解预测方法,其特征在于:所述步骤S4包括有以下步骤:
S421.根据污染标准值来判断是否存在污染源,并提取其中一段被污染的水体的实时检测数据;
S422.将以上得到的数据布置在后台终端与其对应的地图上;
S423.将以上水体作为新的污染源,并以该段水体的流速、流量、水深及断面宽度作为水动力模型的输入,水动力模型的输出至上而下其他每段水体的污染值,该污染值为预测污染浓度值。
5.根据权利要求1或4所述的智慧水务水体污染物消解预测方法,其特征在于:每一段水体的预测污染浓度值在预测过程中会随时间发生变化,每次得出的预测污染浓度值在后台终端上进行无限的数据修正。
6.根据权利要求2或4所述的智慧水务水体污染物消解预测方法,其特征在于:所述水动力模型为EFDC。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384438.7A CN110097232A (zh) | 2019-05-09 | 2019-05-09 | 一种智慧水务水体污染物消解预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910384438.7A CN110097232A (zh) | 2019-05-09 | 2019-05-09 | 一种智慧水务水体污染物消解预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110097232A true CN110097232A (zh) | 2019-08-06 |
Family
ID=67447431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910384438.7A Pending CN110097232A (zh) | 2019-05-09 | 2019-05-09 | 一种智慧水务水体污染物消解预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097232A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392100A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于水质在线监测系统的污染源扩散预警方法 |
CN104615885A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊藻源性湖泛的短期预报方法 |
US20170276660A1 (en) * | 2016-03-22 | 2017-09-28 | International Business Machines Corporation | Dynamic water quality prediction |
CN109711107A (zh) * | 2019-02-18 | 2019-05-03 | 河南省水文水资源局 | 水资源突发水污染物扩散仿真系统 |
-
2019
- 2019-05-09 CN CN201910384438.7A patent/CN110097232A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392100A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于水质在线监测系统的污染源扩散预警方法 |
CN104615885A (zh) * | 2015-02-04 | 2015-05-13 | 中国科学院南京地理与湖泊研究所 | 一种富营养化浅水湖泊藻源性湖泛的短期预报方法 |
US20170276660A1 (en) * | 2016-03-22 | 2017-09-28 | International Business Machines Corporation | Dynamic water quality prediction |
CN109711107A (zh) * | 2019-02-18 | 2019-05-03 | 河南省水文水资源局 | 水资源突发水污染物扩散仿真系统 |
Non-Patent Citations (2)
Title |
---|
曹永琳: "《江西省突发性环境污染事故应急监测技术》", 31 December 2005, 江西科学技术出版社 * |
王金南: "《环境规划学》", 30 November 2014, 中国环境出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103487561B (zh) | 基于生物种群组块识别突发性水污染的预警装置及方法 | |
Fang et al. | Environmental assessment of heavy metal transport and transformation in the Hangzhou Bay, China | |
Wojtkowska et al. | Assessment of the hazard posed by metal forms in water and sediments | |
Witt | Occurrence and transport of polycyclic aromatic hydrocarbons in the water bodies of the Baltic Sea | |
Sun Loh et al. | Evaluating relationships between sediment chemistry and anoxic phosphorus and iron release across three different water bodies | |
Zhu et al. | Phosphorus fractions and release potential of ditch sediments from different land uses in a small catchment of the upper Yangtze River | |
CN102831328A (zh) | 基于水体污染底泥鉴别评估的环保疏浚范围的确定方法 | |
Todorova et al. | Contamination and ecological risk assessment of long-term polluted sediments with heavy metals in small hydropower cascade | |
Zhao et al. | Making global river ecosystem health assessments objective, quantitative and comparable | |
Metzger et al. | Benthic response to shellfish farming in Thau lagoon: pore water signature | |
CN110675034A (zh) | 一种基于cim和gis的生态清淤智慧管控系统及方法 | |
CN116152748B (zh) | 基于蓝藻识别的河湖监管方法及其系统 | |
CN105629722B (zh) | 基于模糊规则自适应控制的多池污水动态分配方法及系统 | |
Wazne et al. | Microplastics in freshwater sediments impact the role of a main bioturbator in ecosystem functioning | |
Li et al. | Modeling total maximum allocated loads for heavy metals in Jinzhou Bay, China | |
Cao et al. | Source emissions and climate change impacts on the multimedia transport and fate of persistent organic pollutants, Chaohu watershed, eastern China | |
CN110097232A (zh) | 一种智慧水务水体污染物消解预测方法 | |
Nguyen et al. | Organic carbon transfers in the subtropical Red River system (Viet Nam): insights on CO 2 sources and sinks | |
Lung et al. | A water quality model for the Patuxent estuary: Current conditions and predictions under changing land-use scenarios | |
Kamarainen et al. | Phosphorus sources and demand during summer in a eutrophic lake | |
Dedieu et al. | Coupling of carbon, nitrogen and oxygen cycles in sediments from a Mediterranean lagoon: a seasonal perspective | |
Agunbiade et al. | Seasonal and spatial variations analysis of pollution status of Ondo coastal environment Nigeria using principal component analysis | |
Chen et al. | Research on Marine Disaster Prevention and Mitigation Information Platform System Based on Big Data | |
CN115028269A (zh) | 区域水体污染处理方法 | |
CN216669729U (zh) | 水质监控装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |
|
RJ01 | Rejection of invention patent application after publication |