CN110487750B - 一种河道的水污染检测方法和系统 - Google Patents

Abstract

本申请公开了一种河道的水污染检测方法，方法包括：服务器获取来自浊度检测设备的散射光强度和来自气味传感器的水面上各空气组分的浓度；在散射光强度和/或至少一个空气组分的浓度超过阈值时，服务器向浊度检测设备或气味传感器对应的水质检测设备发送启动指令，以便得到水质检测设备获取到的河道水质信息，河道水质信息包括：多个河水组分的浓度；服务器根据河道水质信息、散射光强度和各空气组分的浓度中的至少一个，确定是否出现河水污染；水质检测设备设置在排污口的河面下；浊度检测设备悬浮于排污口的河水中，且浊度检测设备的水样采集通道的位置不低于水质检测设备；气味传感器漂浮于排污口的河面上。本申请能够提高水污染的检测效率。

Description

一种河道的水污染检测方法和系统

技术领域

本申请涉及河水检测领域，尤其涉及一种河道的水污染检测方法和系统。

背景技术

长期以来，水污染始终是国内外大多数城市水源地安全的重要威胁。水污染的原因包括工业污水排放、生活废水排放、面源污染等。

目前，人们通常在河道中设置传感器，以检测河水中各组分的浓度，当河水中某一组分的浓度超标时，判定河水污染，再通知相关部门处理河水污染。

然而，通常传感器是固定设置在水中的，只能对溶解在河水中的污染物进行检测，而对于不溶于河水或在河水中不稳定的污染物，传感器不能及时检测到其存在于河水中，从而降低了水污染的控制效率。

发明内容

为了解决上述问题，本申请提出了一种河道的水污染检测方法和系统，能够对不溶于河水或在河水中不稳定的污染物进行实时检测，从而提高了水污染的检测效率。

第一方面，本申请实施例提供了一种河道的水污染检测方法，所述方法包括：

服务器获取来自浊度检测设备的散射光强度和来自气味传感器的水面上各空气组分的浓度；

在所述散射光强度和/或至少一个所述空气组分的浓度超过阈值时，所述服务器向所述浊度检测设备或气味传感器对应的水质检测设备发送启动指令，以便得到所述水质检测设备获取到的河道水质信息，所述河道水质信息包括：河水多个组分的浓度；

所述服务器根据所述河道水质信息、所述散射光强度和各所述空气组分的浓度中的至少一个，确定是否出现河水污染；

其中，所述水质检测设备设置在排污口的河面下；所述浊度检测设备悬浮于所述排污口的河水中，且所述浊度检测设备的水样采集通道的位置不低于所述水质检测设备；所述气味传感器漂浮于所述排污口的河面上。

在一个示例中，所述服务器在确定出现河水污染的情况下，基于所述河道水质信息、所述散射光强度和各所述空气组分的浓度中的至少一个，确定河水污染组分和/或空气污染组分；

所述服务器根据所述河水污染组分和/或所述空气污染组分，确定污染类型，所述污染类型至少包括工业污染和生活污染。

在一个示例中，在确定出现河水污染时，所述服务器获取所述水质检测设备标识，从而得到所述水质检测设备所处的地理位置信息，以及所述服务器接收由所述水质检测设备获取的水文信息，其中，水文信息包括：河水流速、河水含沙量、河水流量、降水量、河水蒸发量、河水温度中的一个或多个；

根据所述河道水质信息、所述地理位置信息和所述水文信息，确定所述河水污染组分的浓度扩散梯度和/或所述空气污染组分的浓度变化信息；其中，所述空气污染组分的浓度变化信息由所述河水污染组分浓度变化数据计算而得到。

在一个示例中，所述服务器根据所述河道水质信息，确定所述河水污染组分在所述检测设备所在区域的组分浓度；

所述服务器根据所述地理位置信息和所述水文信息，建立流体力学的连续性方程和动量方程；

所述服务器根据所述流体力学的连续性方程和动量方程，确定所述河水污染组分的迁移模型；

所述服务器将所述河水污染组分的浓度带入所述迁移模型，得到所述河水污染组分在所述水质检测设备所在区域的浓度扩散梯度；

所述服务器根据所述浓度扩散梯度，基于亨利定律，确定水面上所述空气污染组分的浓度变化信息。

在一个示例中，所述服务器将所述多个河水组分的浓度分别与预存的所述各河水组分的浓度阈值进行对比，确定当前河水中浓度变化超出第一阈值的河水组分；其中，所述浓度变化是指河水组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值；

所述服务器根据所述确定的河水中浓度变化超出第一阈值的河水组分，确定至少一个目标河水组分，所述目标河水组分是与所述确定的河水组分生成沉淀的河水组分；

所述服务器确定所述目标河水组分的浓度变化超出第二阈值时，所述目标河水组分为河水污染组分。

在一个示例中，在存在至少一个所述空气组分的浓度超过阈值的情况下，所述服务器将所述至少一个空气组分的浓度分别与预存的各所述空气组分的浓度阈值进行对比，确定当前空气中浓度相对变化最大的空气组分；其中，所述相对变化最大是指气体组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值与当前时刻的浓度比值最大；

所述服务器确定所述空气组分的浓度相对变化最大的空气组分为所述空气污染组分；

所述服务器根据所述空气污染组分，确定所述河水污染组分。

在一个示例中，所述服务器确定所述河道水质信息中各所述河水各组分的浓度均不超过预设阈值时，获取当前时刻河水的含沙量；

所述服务器在确定所述含沙量未超过预设阈值时，确定河水发生污染；

所述服务器在确定所述含沙量超过预设阈值时，计算所述含沙量对应的浊度与所述浊度检测设备获取的浊度的差值是否在预设范围内；

在所述差值不在预设范围内时，所述服务器确定发生污染。

在一个示例中，所述服务器确定所述河道水质信息中各所述河水各组分的浓度均不超过预设阈值时，根据所述超过阈值的空气污染组分的浓度，基于亨利定律，确定所述超过阈值的空气污染组分在河水中的浓度；

在所述空气污染组分在河水中的浓度超过预设阈值时，所述服务器确定河水发生污染。

在一个示例中，所述服务器获取所述水质检测设备所在河道的历史水文信息、历史污染事件信息和历史排污信息；

所述服务器将所述历史水文信息、所述历史污染事件信息和所述历史排污信息作为训练样本，训练神经网络模型；

所述服务器根据获取到的水面上所述气体组分的浓度，所述散射光强度、所述河道水质信息，所述检测设备的地理位置信息、所述水文信息，生成输入向量；

所述服务器将所述输入向量输入所述训练后的神经网络模型；

所述服务器根据所述神经网络模型输出的所述污染类型、所述河水组分的浓度分布模型和所述气体组分的浓度分布模型，确定所述河水污染组分的扩散信息和/或所述水面上空气污染组分的浓度变化信息。

第二方面本申请实施例提供了一种河道的水污染检测系统，包括：服务器、至少一个浊度检测设备，至少一个气味传感器和至少一个水质检测设备；

所述浊度检测设备用于检测河水的浊度；

所述气味传感器用于检测水面上各空气组分的浓度；

所述水质检测设备用于获取河道水质信息，所述河道水质信息包括：多个河水组分的浓度；

所述服务器用于根据所述浊度检测设备、所述气味传感器和所述水质检测设备获取到的数据或数据，判断是否出现水污染。

本申请实施例通过在河水中设置浊度检测设备，以实时检测不溶于水的河水组分，如不溶于水的有机物，或容易在水中进行生成沉淀的反应的河水组分，如Ba²⁺可与河水中的碳酸根离子生成沉淀。通过在水面上设置气味传感器，以实时检测易挥发的河水组分，如苯等，或容易在水中分解的河水组分，如尿素，或容易与在水中进行生成气体的反应的河水组分，如S^2-容易与H⁺反应生成硫化氢。

由于河水具有流动性，河水中不溶物质除了因重力向下运动外，还会随河水流动，这意味着距离河水表面越近，不溶物质的含量越少。此外，不溶物质向河底扩散需要一段时间，因此浊度检测设备不能漂浮在河面上或在河水中的深度低于水质检测设备，避免采集到不准确的河水浊度。通常情况下，距离河水表面越近，污染气体的浓度越大，因此气味传感器漂浮在水面上，可以有效地检测出河水组分产生的气体，从而提高获取到的数据的准确性。

综上所述，本申请实施例提供的技术方案通过浊度检测设备、水质检测设备和气味传感器构建一个多维度的检测体系，能提高获取到的数据的准确性，并实时检测不溶于河水或在河水中不稳定的污染物，从而提高了水污染的检测效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种河道的水污染检测方法的流程图；

图2为本申请实施例提供的一种河道的水污染检测系统的结构示意图。

具体实施方式

为了更清楚的阐释本申请的整体构思，下面结合说明书附图以示例的方式进行详细说明。

需要说明的是，在本申请实施例中，河水组分可以为具体的化合物及其同系物如苯、苯类化合物，也可以为溶解在水中的离子，如钙离子。而空气组分只能为化合物及其同系物，如氨气，醛类化合物。

本申请的实施例公开了一种河道的水污染检测方法，如图1所示，包括以下步骤：

步骤101、服务器获取来自浊度检测设备的散射光强度和来自气味传感器的水面上各空气组分的浓度。

浊度检测设备可以是现有的任意一种浊度检测仪，其悬浮于排污口的河水中，且浊度检测设备的水样采集通道的位置不低于水质检测设备，主要用于检测河水中是否出现浑浊，引发浑浊的物质可以是泥土、粉砂、有机物、无机物、浮游生物等悬浮物和胶体物。可以理解的是，如果浊度检测设备漂浮于水面上，则检测区域为水面附近，由于河水的流动性和重力作用，导致该区域固体颗粒的浑浊程度不明显；如果悬浮位置低于水质检测设备，监测区域在水质检测设备的下方，由于固体颗粒下沉需要时间，因此该区域固体颗粒数量较少，再加上河水的流动性，导致该区域的浑浊程度不明显，甚至可能不出现浑浊。综上，浊度检测设备的在河水中的位置，既不能太高也不能太低。在本申请实施例中，浊度检测设备基于散射光法来检测河水的浑浊度。需要说明的是，对于碳原子个数为6到12的烷烃、烯烃等，这些有机化合物一般不容易挥发，会在河水中形成乳浊液，进而使得河水浑浊，上述情况也可以用浊度检测设备进行检测。

气味传感器可以是现有的任意一种气味传感器，其漂浮于排污口的河面上，主要用于检测河水表面各空气组分的浓度，河水表面的气体包括：河水组分发生化学反应后生成的气体和挥发性有机化合物。其中，河水组分发生化学反应后生成的气体主要包括：氨气、硫化氢、二氧化碳和氯化氢。挥发性有机物主要包括：烃类、醛类、酮类、苯类、酚类、胺类等有机化合物。

步骤102、在散射光强度和/或至少一个空气组分的浓度超过阈值时，服务器向所述浊度检测设备或气味传感器对应的水质检测设备发送启动指令。

在本申请实施例中，水质检测设备可以是现有的任意一种检测河水中离子浓度的传感器，其设置在排污口的河面下，主要用于检测河道水质信息，河道水质信息主要指可溶性离子化合物在河水中解离出的离子浓度，以便于服务器根据各离子浓度确定用于评价河水水质的评价指标。例如，通常用氰化物作为评价指标来评价河水的毒性，则水质检测设备在水中获取氰离子的离子浓度，服务器根据氰离子的离子浓度，确定河水中氰化物的含量。

步骤103、服务器根据河道水质信息、散射光强度和各空气组分的浓度中的至少一个，确定是否出现河水污染。

河水为开放环境，这意味着河水流经某一区域时，该区域内的化学物质会进入河水，成为河水组分，例如河水导致岩石风化，因此大部分河水中会含有碳酸氢根离子。同时，河道两岸的工厂也会将不含污染物的废水排入河流，这些工业废水中会含有大量的可溶性离子，例如，纯碱和碳酸钾作为重要的化工原料被广泛应用，两者的水溶液中含有碳酸根离子，而碳酸根离子不属于河水污染物，因此含有碳酸根的工业废水会被排入河道会，使得河水中含有大量碳酸根离子。

上述原因会导致河水的组分复杂，因而当含有污染物的工业废水进入河道后，工业废水中的河水污染组分可能与河水中的一些组分发生化学反应生成沉淀或气体，使得河水污染组分的浓度变化不明显，以至于服务器不能通过水质检测设备确定河水已经出现污染。例如，当含有镉离子的污水排入水中含有大量碳酸根离子的河道时，工业废水中的镉离子会与碳酸根发生化学反应生成碳酸镉沉淀，这会导致河水中的镉离子浓度不会发生很大变化，镉离子浓度也不会超过阈值，然而沉淀后的镉离子依然会对河水造成污染，只是污染程度不如水中游离的镉离子，但此时服务器无法根据水质检测设备的检测结果确定污染已发生。

在一般情况下，水质检测设备的检测结与浊度检测设备或气味传感器的检测结果是一致的，此时很容易确定河水是否发生污染。在本申请实施例中，仅对水质检测设备的检测结与浊度检测设备或气味传感器的检测结果不一致的情况进行阐述。具体地，对于河水中出现浑浊的情况，服务器首先确定是否存在河水组分的浓度均超过预设阈值，如果所有河水组分均没有超过阈值，还不能确定河水是否污染，因为浊度有可能因为河水含沙量过高导致的。因此接下来服务器获取当前河水的含沙量，并确定含沙量是否超过阈值，如果含沙量量没有超过阈值，则说明河水中的浑浊为河水污染组分引起的。如果含沙量超过阈值，服务器需要确定含沙量对应的浊度与浊度检测设备获取的浊度的差值是否在预设范围内，如果在预设范围内说明河水浑浊是含沙量过高引起的，如果超出预设范围，说明河水浑浊的部分原因是含沙量过高引起的，另一部分原因则是河水污染组分造成的。

对于河水表面出现气体组分的浓度异常的情况，如果气体组分来自于河水组分的化学反应，如氨气、硫化氢和二氧化碳。那么说明河水肯定被污染了，但对于易挥性有机物而言，其在空气中的浓度与河水中的浓度有数量关系，如公式一所示：

P_A＝K×P_B

其中，P_A表征易挥性有机物的空气组分的浓度，K为亨利系数，P_B表征易挥性有机物的河水组分浓度。K的取值与温度、压力以及溶质和溶剂的本性有关。因此仅获取易挥性有机物的空气组分的浓度，不能确定易挥性有机物的河水组分的浓度是否超过预设阈值，即不能确定河水是否发生污染。根据易挥性有机物的空气组分的浓度，确定河水是否发生污染，具体过程如下：

服务器确定河道水质信息中各河水各组分的浓度均不超过预设阈值时，根据超过阈值的空气污染组分的浓度，基于亨利定律，确定超过阈值的空气污染组分在河水中的浓度。在空气污染组分在河水中的浓度超过预设阈值时，确定河水发生污染。可以理解的是，大部分水质检测设备的基本原理为检测水中特定的离子浓度，而很多挥发性有机物难溶于水或不融于水，有些挥发性有机物难即便溶于水也不会在水中解离。因此，河水污染组分或气体污染组分为有机物时，水质检测设备很难监测到河水中的有机物，需要气体传感器来确定相应的河水污染组分或气体污染组分。

步骤104、服务器在确定出现河水污染的情况下，基于河道水质信息、散射光强度和各空气组分的浓度中的至少一个，确定河水污染组分和/或空气污染组分。

在本申请实施例中，基于河道水质信息、散射光强度，确定河水污染组分的过程具体如下：服务器将多个河水组分的浓度分别与预存的河水无污染时的各河水组分的浓度阈值进行对比，确定当前河水中浓度变化超出阈值的河水组分。其中，浓度变化是指河水组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值。根据确定的河水组分，确定至少一个目标河水组分，目标河水组分能与确定的河水组分生成沉淀。确定浓度发生变化的目标河水组分的为河水污染组分。

例如，氯化钡，在水中以钡离子和氯离子的形式存在，其中钡离子为重金属离子。如果河水中存在碳酸根离子，那么碳酸根离子会和钡离子形成碳酸钡沉淀，假设前一刻钠离子浓度为2，钡离子浓度为0.1，钙离子浓度为0.1，碳酸根离子浓度为1，氯离子浓度为0,4，排入的氯离子浓度为2.5，排入的钡离子浓度为1.2、排入的钠离子浓度为0.1。则当前钡离子浓度为0.3，当前时刻碳酸根离子浓度为0，氯离子浓度为2.9，钠离子浓度为2.1，钙离子浓度为0.1。其中，氯离子浓度变化为2.5，碳酸根离子变化为1均超过阈值，而在河水中能与氯离子或碳酸根离子产生沉淀的只有钡离子和钙离子，因此确定钡离子和钙离子为目标河水组分。又因为钙离子的浓度没有发生变化，因此确定污染组分为钡离子。

基于河道水质信息、各空气组分的浓度，确定河水污染组分和空气污染组分的过程具体如下：在存在至少一个空气组分的浓度超过阈值时，与预存的空气无污染时的各空气组分的浓度阈值进行对比，确定当前空气中浓度相对变化最大的空气组分；其中，相对变化最大是指空气组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值与当前时刻的浓度比值最大。确定空气组分的浓度相对变化最大的空气组分为空气污染组分。根据空气污染组分，确定河水污染组分。

在本申请实施例中，空气污染组分有两种，一种为无机气体，例如氨气、硫化氢、二氧化碳和氯化氢，另一种为有机物的蒸汽，例如烃类、醛类、酮类、苯类、酚类、胺类等有机化合物。在没有被污染的空气中，上述两种气体除二氧化碳以外，其余组分的浓度可以视为0。污水进入河道后，会改变河水中一些空气组分的浓度，例如氧气，此时空气中的氧气会扩散至水中，从而导致水面空气中，某一气体的浓度相对变大，其浓度可能会超过阈值。此外，由于大部分空气污染组分在没有被污染的空气中的浓度可以视为0，空气污染组分的浓度阈值设计的比较小，在空气污染组分进行水面空气时，空气污染组分的浓度也很容易超过阈值。如此河水一旦出现污染，相应的气体从无穷小的浓度增加至超过阈值，根据相对变化的定义，污染气体组分的相对变化必然是最大的。与出现浑浊不同，气味传感器可以直接确定气体组分的浓度和气体组分对应的种类，因此，可以直接根据空气污染组分，确定河水污染组分。例如空气污染组分为硫化氢，则河水污染组分必定包括氢离子和负二价硫离子。

步骤105、服务器根据河水污染组分和/或空气污染组分，确定污染类型，污染类型至少包括工业污染和生活污染。

工业废水按废水中所含污染物的主要成分分类，主要包括：酸性废水、碱性废水、含氰废水、含铬废水、含镉废水、含汞废水、含酚废水、含醛废水、含油废水、含硫废水、含有机磷废水等。上述每一种废水都对应一种标识性的离子或化合物，例如酸性废水、碱性废水、含氰废水、含铬废水、含油废水分别对应氢离子、氢氧根离子、氰离子、铬离子、与石油相关的有机物。

生活污水的氮磷含量比较高，且容易被微生物分解成氨气、二氧化碳、硫化氢等气体。因此，根据检测到河水污染组分，确定是工业污染和生活污染。例如，服务器检测到河水中的重金属离子超标，则此次污染为工业污染，如果检测到河水中氮磷含量偏高，同时氨气和硫化氢气体超标，则确定此次污染为生活污染。

在本申请的一个实施例中，为了能够更好的预测河水污染组分在河水中扩散，服务器根据河道水质信息，确定河水污染组分在检测设备所在区域的浓度。

服务器根据地理位置信息和水文信息，建立流体力学的连续性方程和动量方程。流体力学的连续性方程如公式二所示：

其中，ρ表征河水密度，u_x，y，z河水在x，y，z三个方向上的速度分量，t表征时间。

流体力学的连续性方程如公式三所示：

P为河水中微元体处的压力，υ为运动粘度系数，B为单位体积的体积力。

不同的地理环境会对流速产生不同的影响，例如河道的地势会影响河水流速，因此建立流体力学的连续性方程和动量方程时，需要考虑检测设备地理位置信息。

服务器根据流体力学的连续性方程和动量方程，确定河水污染组分的迁移模型。如公式四所示：

其中，c表征污染物浓度，E_x表征污染物沿河水流向上的扩散系数，K为污染物降解系数。

服务器将河水污染组分的浓度带入迁移模型，得到河水污染组分在水质检测设备所在区域的浓度扩散梯度。服务器根据浓度扩散梯度，基于亨利定律，确定水面上空气污染组分的浓度变化信息。

由于河水组分、污水组分比较复杂，因此在污水进入河道后可能会发生复杂的化学反应，单纯依靠化学知识很难确定河水污染组分和空气污染组分。在本申请的一个实施例中，获取水质检测设备所在河道的历史水文信息、历史污染事件信息和历史排污信息。将历史水文信息、历史污染事件信息和历史排污信息作为训练样本，训练神经网络模型。服务器可以从历史污染事件信息和历史排污信息获取污水中含有的化学成分、散射光强度和各空气组分浓度，从历史水文信息中获取河道水质信息，以训练神经网络模型以河道水质信息、散射光强度和各空气组分浓度为输入，污染类型为输出。

此外，服务器还可以从历史污染事件信息中，获取河水污染组分和空气污染组分的扩散情况，以训练神经网络模型以河道水质信息、散射光强度和各空气组分浓度为输入，以河水组分的浓度分布模型和气体组分的浓度分布模型，确定河水污染组分的扩散信息和/或水面上空气污染组分的浓度变化信息为输出。

在训练完成后并实际用于检测水质时，服务器根据获取的河水组分的浓度、水面上气体组分的浓度，散射光强度、河道水质信息，检测设备的地理位置信息、水文信息，生成输入向量。之后，将输入向量输入训练后的神经网络模型，最后根据神经网络模型输出的污染类型、河水组分的浓度分布模型和气体组分的浓度分布模型，确定河水污染组分的扩散信息和/或水面上空气污染组分的浓度变化信息。

如图2所示，本申请实施例提供的一种河道的水污染检测系统，包括：服务器201、浊度检测设备202，气味传感器203和水质检测设备204，其中浊度检测设备202，气味传感器203和水质检测设备204的数量可以是一个或多个；

浊度检测设备202悬浮于所述排污口的河水中，且悬浮位置不低于水质检测设备，用于检测河水的浊度。在本申请实施例中，浊度检测设备202适用各种水体的浊度检测，如悬浊液、乳浊液。

气味传感器203漂浮于排污口的河面上，用于水面上各空气组分的浓度。

水质检测设备204设置在河水中，用于获取河道水质信息，河道水质信息包括：多个河水组分的浓度。

服务器通201过网络与浊度检测设备202，气味传感器203和水质检测设备204相连，用于根据浊度检测设备、气味传感器和水质检测设备获取到的数据或信息，判断是否出现水污染。

通过上述水污染检测系统，工作人员可以对河水经多层次，多维度的检测，以及时发现河水被污染并及早开展治污行动。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (5)

1.一种河道的水污染检测方法，其特征在于，所述方法包括：

服务器获取来自浊度检测设备的散射光强度和来自气味传感器的水面上各空气组分的浓度；

在所述散射光强度和/或至少一个所述空气组分的浓度超过阈值时，所述服务器向所述浊度检测设备或气味传感器对应的水质检测设备发送启动指令，以便得到所述水质检测设备获取到的河道水质信息，所述河道水质信息包括：多个河水组分的浓度；

所述服务器根据所述河道水质信息，以及所述散射光强度和各所述空气组分的浓度中的至少一个，确定是否出现河水污染；

所述根据所述河道水质信息和所述散射光强度，确定是否发生污染，包括：

所述服务器确定所述河道水质信息中各所述河水各组分的浓度均不超过预设阈值时，获取当前时刻河水的含沙量；

所述服务器在确定所述含沙量未超过预设阈值时，确定河水发生污染；

所述服务器在确定所述含沙量超过预设阈值时，计算所述含沙量对应的浊度与所述浊度检测设备获取的浊度的差值是否在预设范围内；

在所述差值不在预设范围内时，所述服务器确定发生污染；

所述服务器根据所述河道水质信息和各所述空气组分的浓度，确定是否发生污染，包括：

所述服务器确定所述河道水质信息中各所述河水各组分的浓度均不超过预设阈值时，根据所述超过阈值的空气污染组分的浓度，基于亨利定律，确定所述超过阈值的空气污染组分在河水中的浓度；

在所述空气污染组分在河水中的浓度超过预设阈值时，所述服务器确定河水发生污染；

其中，所述水质检测设备设置在排污口的河面下；所述浊度检测设备悬浮于所述排污口的河水中，且所述浊度检测设备的水样采集通道的位置不低于所述水质检测设备；所述气味传感器漂浮于所述排污口的河面上。

2.根据权利要求1所述的一种河道的水污染检测方法，其特征在于，在所述确定是否出现河水污染之后，所述方法还包括：

所述服务器在确定出现河水污染的情况下，基于所述河道水质信息和所述散射光强度，确定河水污染组分，以及基于所述河道水质信息和各所述空气组分的浓度，确定河水污染组分和空气污染组分；

所述服务器基于所述河道水质信息和所述散射光强度，确定河水污染组分，包括：

所述服务器将所述多个河水组分的浓度分别与预存的所述各河水组分的浓度阈值进行对比，确定当前河水中浓度变化超出第一阈值的河水组分；其中，所述浓度变化是指河水组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值；

所述服务器根据所述确定的河水中浓度变化超出第一阈值的河水组分，确定至少一个目标河水组分，所述目标河水组分是与所述确定的河水组分生成沉淀的河水组分；

所述服务器确定所述目标河水组分的浓度变化超出第二阈值时，所述目标河水组分为河水污染组分；

所述服务器基于所述河道水质信息和各所述空气组分的浓度，确定河水污染组分和空气污染组分，包括：

在存在至少一个所述空气组分的浓度超过阈值的情况下，所述服务器将所述至少一个空气组分的浓度分别与预存的各所述空气组分的浓度阈值进行对比，确定当前空气中浓度相对变化最大的空气组分；其中，所述相对变化最大是指气体组分中的一个组分在当前时刻的浓度与前一时刻的浓度差值与当前时刻的浓度比值最大；

所述服务器确定所述空气组分的浓度相对变化最大的空气组分为所述空气污染组分；

所述服务器根据所述空气污染组分，确定所述河水污染组分；

所述服务器根据所述河水污染组分和/或所述空气污染组分，确定污染类型，所述污染类型至少包括工业污染和生活污染；

所述服务器获取所述水质检测设备所在河道的历史水文信息、历史污染事件信息和历史排污信息；

所述服务器将所述历史水文信息、所述历史污染事件信息和所述历史排污信息作为训练样本，训练神经网络模型；

所述服务器从所述历史污染事件和所述历史排污信息中获取污水中含有的化学成分、散射光强度和各空气组分浓度，从所述历史人文信息中获取河道水质信息，以训练所述河道水质信息、所述散射光强度和所述各空气组分浓度为输入，所述污染类型为输出的神经网络模型。

3.根据权利要求2所述的一种河道的水污染检测方法，其特征在于，所述方法还包括：

在确定出现河水污染时，所述服务器获取所述水质检测设备标识，从而得到所述水质检测设备所处的地理位置信息，以及所述服务器接收由所述水质检测设备获取的水文信息，其中，水文信息包括：河水流速、河水含沙量、河水流量、降水量、河水蒸发量、河水温度中的一个或多个；

所述服务器根据所述河道水质信息、所述地理位置信息和所述水文信息，确定所述河水污染组分的浓度扩散梯度和/或所述空气污染组分的浓度变化信息；其中，所述空气污染组分的浓度变化信息由所述河水污染组分浓度变化数据计算而得到；

所述服务器根据所述河道水质信息、所述地理位置信息和所述水文信息，确定所述河水污染组分的扩散信息和/或水面上空气污染组分的浓度变化信息，包括：

所述服务器根据所述河道水质信息，确定所述河水污染组分在所述检测设备所在区域的组分浓度；

所述服务器根据所述地理位置信息和所述水文信息，建立流体力学的连续性方程和动量方程；

所述服务器根据所述流体力学的连续性方程和动量方程，确定所述河水污染组分的迁移模型；

所述服务器将所述河水污染组分的浓度带入所述迁移模型，得到所述河水污染组分在所述水质检测设备所在区域的浓度扩散梯度；

所述服务器根据所述浓度扩散梯度，基于亨利定律，确定水面上所述空气污染组分的浓度变化信息。

4.根据权利要求1至3任意一项所述的一种河道的水污染检测方法，其特征在于，所述方法还包括：

所述服务器获取所述水质检测设备所在河道的历史水文信息、历史污染事件信息和历史排污信息；

所述服务器将所述历史水文信息、所述历史污染事件信息和所述历史排污信息作为训练样本，训练神经网络模型；

所述服务器根据获取到的水面上气体组分的浓度，所述散射光强度、所述河道水质信息，所述检测设备的地理位置信息、所述水文信息，生成输入向量；

所述服务器将所述输入向量输入所述训练后的神经网络模型；

所述服务器根据所述神经网络模型输出的所述污染类型、所述河水组分的浓度分布模型和所述气体组分的浓度分布模型，确定所述河水污染组分的扩散信息和/或所述水面上空气污染组分的浓度变化信息。

5.一种河道的水污染检测系统，其特征在于，所述河道的水污染检测系统应用于权利要求1-4任一项所述的一种河道的水污染检测方法，所述河道的水污染检测系统包括：服务器、至少一个浊度检测设备，至少一个气味传感器和至少一个水质检测设备；

所述浊度检测设备用于检测河水的浊度；

所述气味传感器用于检测水面上各空气组分的浓度；

所述水质检测设备用于获取河道水质信息，所述河道水质信息包括：多个河水组分的浓度；

所述服务器用于根据所述浊度检测设备、所述气味传感器和所述水质检测设备获取到的数据或数据，判断是否出现水污染。

Images