CN110544304B - 基于时空推理的场地污染数字化与图形化展示系统及方法 - Google Patents

Abstract

基于时空推理的场地污染数字化与图形化展示系统及方法，涉及信息化领域，解决了检测数据离散型、时间间断性、多项检测指标多维显示等问题。本发明由地质三维空间绘图模块、数据采集模块、数据蕴含关联分析模块、数据质量分析模块、数据处理模块和数据展示模块组成。本发明充分利用大数据分析方法，同时引入大数据时空推理方法，利用检测指标数据相干性和时间延续性的特点进行整理检测数据，剔除各种检测数据造假问题，结合不同的地质层结构进行插值，所插值的数据更加贴近场地污染扩散实际情况，并通过基于时空的数据矢量化，实现数据展示的直观效果，解决检测数据不准确，人为造假，检测无法随时、随地检测，检测结果无法直观显示问题。

Description

基于时空推理的场地污染数字化与图形化展示系统及方法

技术领域

本发明涉及信息化技术领域，具体涉及一种基于时空推理的场地污染数字化与图形化展示系统及方法。

背景技术

场地污染检测是控制污染的重要前提。近年来随着对污染检测的重视，针对水域污染和重大污染源检测已经形成了一套完整的检测体系，然而针对场地污染还没有形成有效的检测手段。

随着人类社会的发展，图形已经深入的融入到了人们生活的方方面面。从书籍杂志中的图片到街头小巷的广告海报，从互联网的视频图像到电子地图，从服装图饰到工业制图，图形在工业、医学、产业等领域起着至关重要的作用。

通过计算机技术与环境检测相结合，运用技术使得检测数据通过图形的方式展现出来，在流域检测上得到应用，对住进流域治理起到重大促进作用，大大提高了工作效率。同时，各检测数据由于受到自然条件的限制，只能以不同检测点，不同检测时间和不同的检测指标存在。然而，即使保存大量检测数据，也无法直观判断污染是否得到有效控制，势必会耗费大量人力物力。

现有的检测数据总体上采用图表的形式进行展示，数据展示不直观。也有一些采用图形化展示，例如天气的卫星云图，展示不同地区的温度、降水量等信息。目前针对场地污染检测情况还没有良好的显示手段，尤其是针对污染场地地下情况的直观显示，更没有针对时间变化过程中的动态展示。

基于数据的分析方法广泛应用于复杂系统建模中，完备的、准确的数据集是高精度建模的基础。然而在实际观测的气象、交通、环境等领域的数据集中，存在系统误差、随机误差或者数据缺失、数据异常的情况。对于数据缺失或异常的问题，最普遍的解决方法是在数据集中挑选具有连续性的数据子集，但该方法会对已知数据资源产生极大地浪费。同时，也会减少数据所记录的某些极端事件的周期，导致在后续的研究中增加对该极端事件的统计概率。还有一种方法就是对存在的数据缺失进行合理的推理得到一个完整的数据集，即数据插值。常采用的插值方法有：克里金法、反距离加权插值法、最小曲率法、线性插值三角网法、局部多项式法、距离倒数加权法、多元回归法、移动平均法\谢别德插值等。但是由于地质层存在，不同地质层其数据规律不同，不同的污染物其插值的方法也不同，因而无法完全引用上述插值方法用于特定的污染场地中。

发明内容

本发明的目的是提供一种基于时空推理的场地污染数字化与图形化展示系统及方法。本发明针对场地污染特征进行多检测指标采集，并根据采集仪器的检测项目、精度、地点坐标和时间，采用数据隐关联分析、时空推理插值和矢量化处理等方法，形成时空连续的检测数据，并在三维地图上展示污染的时间、空间检测数据变化情况，解决检测数据离散型、时间间断性、多项检测指标多维显示等问题，以此快速展示污染程度、传播范围、传播进程等信息。

本发明为解决技术问题所采用的技术方案如下：

本发明的基于时空推理的场地污染数字化与图形化展示系统，包括：

地质三维空间绘图模块，对检测场地在自然条件下进行检测，形成检测场地地下各个地质层的自然扩展指标以及各个地质层的结构图，并在三维图层上显示出来，同时形成污染物自然扩展指标数据库；

数据采集模块，采集检测场地的各类检测数据，通过转换和补充，汇总形成通用的场地污染检测原始数据；

数据蕴含关联分析模块，对场地污染检测原始数据进行关联分析，包括数据相关性指标值设定、数据矩阵分析、数据相干因子计算和相干数据检测指标提取；

数据质量分析模块，判定场地污染检测原始数据的质量，对数据异常值进行标识和剔除，形成场地污染检测一审数据；

数据处理模块，对场地污染检测一审数据按照时间、空间进行数据插值计算并矢量化，形成在矢量空间和时间均连续的场地污染检测矢量数据，然后将各项检测数据的检测点的位置进行矢量转换，赋予一个时间轴进行空间变换，为每种检测数据赋予一种色标，形成基于时空的矢量化数据；

数据展示模块，将各个检测数据以2.5D形式展示到时空图上，在三维地图上展示至少1种场地污染检测矢量数据。

本发明的基于时空推理的场地污染数字化与图形化展示方法，包括以下步骤：

(1)采用地质三维空间自然情况展示方法，对检测场地在自然条件下进行检测，形成检测场地地下各个地质层的自然扩展指标以及各个地质层的结构图，并在三维图层上显示出来，同时形成污染物自然扩展指标数据库；

(2)采集检测场地的各类检测数据，通过转换和补充，汇总形成通用的场地污染检测原始数据，要求各个检测点在地表按照抽样分布法、污染源检测法、边界检测法进行布局，同时还要求在地下各个地质层边界处增设检测点；

(3)采用数据蕴含关联分析方法对数据采集模块输出的场地污染检测原始数据进行关联分析，包括数据相关性指标值设定、数据矩阵分析、数据相干因子计算以及相干数据检测指标提取，通过数据蕴含关联分析模块找出不同检测指标下数据一致性的规律；

(4)采用系统中预存的检测数据质量处理方法判定场地污染检测原始数据的质量，对数据异常值进行标识，剔除误差较大的数据，形成场地污染检测一审数据；

(5)首先采用基于时空推理的场地污染检测数据插值方法，对场地污染检测一审数据按照时间、空间进行数据插值计算并矢量化，形成在矢量空间和时间均连续的场地污染检测矢量数据，然后采用数据时空矢量化方法将各项检测数据的点的位置进行矢量转换，并赋予一个时间轴，进行空间变换，并为每种检测数据赋予一种色标，形成基于时空的矢量化数据；

(6)通过2.5D三维图层展示方法将各个检测数据以2.5D形式展示到大屏幕或显示器的时空图上，在三维地图上展示1种或几种场地污染检测矢量数据。

进一步的，所述地质三维空间自然情况展示方法包括以下步骤：

步骤一、场地自然情况检测

根据检测场地，探测地表地形图，地表以下50米以内的各个地质层的结构图，地表部分采用直接探测法进行测绘，地表以下部分采用探孔探测、X光探测、微波探测方法，要求标识出各个地质层的厚度H，单位为米；

步骤二、地质层自然扩展指标

针对各个地质层的水渗透系数T_水和水吸收系数C_水进行探测；

水渗透系数T_水：每平方米特定地质层土壤在不同含水量条件下每小时透过水的质量曲线，单位：Kg/h.m³；

水吸收系数C_水：每平方米特定地质层土壤在不同含水量条件下每小时吸收水的质量曲线，单位：Kg/h.m³；

步骤三、污染物自然扩展指标数据库

针对已知的单个污染物在各个地质层的渗透系数T和吸收系数C进行试验，得出地质层、污染物浓度、渗透系数T和吸收系统干系图谱；

其中，污染物渗透系数T_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时透过污染物的质量曲线，单位：Kg/h.m³；

污染物吸收系数C_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时吸收污染物的质量曲线，单位：Kg/h.m³；

污染物水溶解度R_污：常温下，每立方米水中溶解该污染物的最大质量，单位：Kg/h.m³。

进一步的，若无法对各个污染物在各个地质层进行标定，用水的渗透系统和吸收系统进行近似计算，T_污＝E*T_水/R_污，C_污＝F*C_水*R_污，其中，E和F均为近似计算常量。

进一步的，所述数据蕴含关联分析方法包括以下步骤：

步骤一、数据准备

准备检测场地100个检测点以上的检测数据，每个检测指标所对应的检测数据量应大于100个；

步骤二、共线性检验

将各个检测指标及检测结果进行多元共线性计算，计算方差膨胀因子；

方差膨胀因子VIF计算公式如式1所示；

式(1)中，R_i是以检测指标i为因变量时对其它指标值回归的复测定系数，无单位；

当0<VIF<10，不存在多重共线性；

当10≤VIF<100，存在较强的多重共线性；

当VIF≥100，存在严重多重共线性；

将VIF大于100的检测项作为校验检测的检测指标；

步骤三、差异性标定

根据不同的地质层土壤条件下分别标定污染物的共线性检测指标。

进一步的，所述检测数据质量处理方法的具体包括以下步骤：

步骤一、数据提取

提取检测场地全部检测数据，按照检测指标、时间和空间坐标进行排序。

步二、检测数据判断

采用判断依据所列的条件，对检测指标进行判断，判断数据的合法性；对非法数据进行标识，对于边界的指标进行核实，核实后确定是保留还是调整；

步骤三、判断依据

依据1：检测数据在检测场地的数值空间上是连续的，时间上也为连续的；

依据2：检测数据以污染源为中心，向外级数梯次递减。因而除非有污染源，否则数据不会在空间上增加；

依据3：在每个非流体地质层中，污染物的吸收比率与浓度成反比，其扩散比率与浓度成正比；

依据4：除非有持续的污染源存在，否则随着时间的推移，污染物相关检测指标是随时间递减的；

依据5：对于有数据蕴含关联的检测指标，通过其关联相干性强度，判断数据变化的一致性，如果超出相干性范围，列为不可信指标。

进一步的，所述基于时空推理的场地污染检测数据插值方法具体包括以下步骤：

步骤一、数据分区

首先按照地质层对数据进行分区，形成多维空间；

步骤二、紧邻值查找

在多维空间维度选取需插值数据邻近空间的n个关联性最大的取样数据，对于一个多维空间需插值数据，计算该需插值数据邻近空间点的数据序列以及需插值数据点的数据序列之间的关联系数R(y_i，y₀)，y_i表示多维空间中需插值数据邻近空间点的数据序列；y₀表示需插值数据点的数据序列；

步骤三、空间插值计算

在空间维度，采用P-Bshade方法利用n个关联系数最大的空间周围采样数据，依据下式计算多维空间需插值数据的空间维度估值y′₀，如式2所示；

式(2)中，C_污为污染物吸收系数；M_i表示第i个空间邻近取样数据对需插值数据的空间贡献权重，即：

式(3)中，i∈n，[M₁，…，M_n，μ]表示待求解矩阵；

μ代表拉格朗日乘子，无单位；

C(y_i，y_i')表示第i个大数据中多维空间周围取样点的时间序列与第i'个空间邻近取样点的时间序列的协方差，无单位；

b_i和b_n分别代表大数据中第i、n个空间邻近取样点的时间序列与需插值数据的时间序列之间的期望比值，无单位；

C(y_n，y_n)代表第n个空间周围取样点的时间序列与需插值数据点的时间序列的协方差，无单位；

C_污i：为污染物i点的吸收系数；

T_污i：污染物在i点的渗透系数T_污；

步骤四、时间插值计算

在大数据时间维度上，采用上述的m个关联系数最大的时间周围采样数据，利用式(4)计算大数据中多维空间需插值数据的时间维度估值t′₀；

式(4)中，C(t_j，t_j')表示大数据中第j个邻近时间切片的空间点序列与第j'个邻近时间切片的空间点序列的协方差；

a_j和a_m分别表示多维空间第j、m个周围时间切片的空间点序列与需插值数据时间切片的空间点序列的期望比；

C(t_m，t_m)表示数据库中第m个邻近时间切片的空间数据点序列与需插值数据时间切片的空间点序列的协方差，j∈m；

T_污m：污染物m点的渗透系数；

步骤五、数据融合

采用线性加权方法对两种维度的估计值进行融合，利用下式计算多维空间需插值数据的最终时空估计结果：Y₀＝A*y′₀+B*t′₀，其中，A代表大数据中的多维空间维度权重，B代表多维空间数据时间维度权重，对于权重的确定过程，采用多维空间数据上下文中的关联系数进行计算：

式(5)中，R(t_j，t₀)表示多维空间数据序列t_j与需插值数据序列t₀之间的关联系数；

求解式(5)能够得到大数据中多维空间数据时空维度的贡献权重，式(5)在一定程度上考虑了大数据中多维空间数据时间维度和空间维度的贡献率，使得多维空间数据时空维度计算结果的融合较为合理，最后将多维空间数据时空维度估计结果和时空维度权重引入式(5)中即可获得多维空间需插值数据的时空估计结果。

进一步的，所述数据时空矢量化方法具体包括以下步骤：

步骤一、检测数据坐标化

首先，以检测场地地表面至高点为0点，以重力方向为Z轴正方向，以正北方与重力方向垂直为X轴正方向，以正东方向且与重力方向垂直方向为y轴正方向，将每个检测点的坐标进行坐标化；另外将每个检测点的检测时间的年、月、日、时、分、秒作为该检测数据的时间值；

步骤二、检测数据极坐标转变

首先找到场地检测点的坐标(x₁，y₁，z₁，t₁)，通过极坐标变换成(r₁，θ₁，φ₁，t₁)；

x₁，y₁，z₁为空间坐标，单位：米；

R为检测点到坐标原点距离，单位：米；

θ₁，φ₁为检测点的角度，单位：弧度；

t₁为检测时间；

步骤三、图像边缘确定

特征1为污染源处，为检测数值最高点；

特征2为不同地质层。

进一步的，所述2.5D三维图层展示方法包括以下步骤：

步骤一、基底图形加载

加载地质三维空间自然情况展示方法中的地质三维空间自然情况图形；

步骤二、检测数据选择

选择1到6个检测指标，并指定每种检测指标的显示颜色值，并为每种检测指标指定一个显示图层；

步骤三、显示数据插值

在每个图层上，进行数据插值，具体采用基于时空推理的场地污染检测数据插值方法进行数据插值；

步骤四、绘制等值线图

在图形显示型，在每个图层上，绘制该检测指标的等值线，等值线取值范围要求两条等值线在图形显示上最近线宽大于5mm；

步骤五、色值填充

等值线填充，在不同等值线之间，采用渐进色进行色值填充，在旁边图例上显示不同的色值深度所代表不同的检测数值；

步骤六、图层合并

根据选择的检测项目和基底图形，调整到最佳效果，用户确认后，合并等值线图、检测数据图和基底图；

步骤七、时间快进显示

以所选择进度频次的平均值为展示检测数据，重复步骤二到步骤六，进度频次以天、周、月为时间进程点，在2.5D图形上，展示检测检测数据时间变化图。

本发明的有益效果是：

本发明充分利用大数据分析方法，同时引入大数据时空推理方法，利用检测指标数据相干性和时间延续性的特点进行整理检测数据，剔除各种检测数据造假问题，结合不同的地质层结构进行插值，所插值的数据更加贴近场地污染扩散实际情况，并通过基于时空的数据矢量化，实现数据展示的直观效果，解决检测数据不准确，人为造假，检测无法随时、随地检测，检测结果无法直观显示问题。

本发明可以在三维地图上，直观的将各种检测数据显示出来，可以根据快速时空隧道模式将时间的变化展示2.5D污染物数值，模拟平台的动态-静态数据可视化融合和时空维度分析，使检测结果展示直观化，图形化。

本发明通过基于时空推理场地污染环境数字化与图形化展示方法，对检测数据的数字化、图形化转换，方便数据的保管再利用，加速场地污染检测事业升级发展具有很重要的意义。

附图说明

图1为本发明的基于时空推理的场地污染数字化与图形化展示系统的结构框图。

图2为地质三维空间自然情况展示方法流程图。

图3为数据蕴含关联分析方法流程图。

图4为检测数据质量处理方法流程图。

图5为基于时空推理的场地污染检测数据插值方法流程图。

图6为数据时空矢量化方法流程图。

图7为2.5D三维图层展示方法流程图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

本发明的基于时空推理的场地污染数字化与图形化展示系统主要由地质三维空间绘图模块、数据采集模块、数据蕴含关联分析模块、数据质量分析模块、数据处理模块和数据展示模块组成。

数据采集模块与数据蕴含关联分析模块相连，数据蕴含关联分析模块与数据质量分析模块相连，数据质量分析模块与数据处理模块相连，数据处理模块和地质三维空间绘图模块均与数据展示模块相连。

地质三维空间绘图模块采用地质三维空间自然情况展示方法，对检测场地在自然条件下进行检测，形成检测场地地下各个地质层的自然扩展指标以及各个地质层的结构图，如黑土层、黏土层、砂土层、地下水层、岩石层等，并在三维图层上显示出来，同时形成污染物自然扩展指标数据库。

如图2所示，地质三维空间自然情况展示方法具体包括以下步骤：

步骤一、场地自然情况检测

根据检测场地，探测地表地形图，地表以下50米以内的各个地质层的结构图，地表部分采用直接探测法进行测绘，地表以下部分主要采用探孔探测、X光探测、微波探测等方法，要求标识出各个地质层的厚度H(单位为米)，探测精度1米(厚度H)内应小于20cm，5米(厚度H)内应小于40cm，10米(厚度H)内应小于1米，50米(厚度H)内应小于2米。

步骤二、地质层自然扩展指标

主要针对各个地质层的水渗透系数T_水和水吸收系数C_水进行探测。

其中，水渗透系数T_水：每平方米特定地质层土壤在不同含水量条件下每小时透过水的质量曲线，单位：Kg/h.m³(千克/小时.立方米)；

水吸收系数C_水：每平方米特定地质层土壤在不同含水量条件下每小时吸收水的质量曲线，单位：Kg/h.m³(千克/小时.立方米)。

步骤三、污染物自然扩展指标数据库

针对已知的单个污染物在各个地质层的渗透系数T和吸收系数C进行试验，得出地质层、污染物浓度、渗透系数T和吸收系统干系图谱。

其中，污染物渗透系数T_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时透过污染物的质量曲线，单位：Kg/h.m³(千克/小时.立方米)；

污染物吸收系数C_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时吸收污染物的质量曲线，单位：Kg/h.m³(千克/小时.立方米)；

污染物水溶解度R_污：常温下，每立方米水中溶解该污染物的最大质量，单位：Kg/h.m³(千克/小时.立方米)。

如果无法对各个污染物在各个地质层进行标定，用水的渗透系统和吸收系统进行近似计算。即T_污＝E*T_水/R_污，C_污＝F*C_水*R_污，其中，E和F均为近似计算常量。近似常量通过具体检测场地的实际检测结果获得，以若干个检测点为计算点，通过该公式计算获得常量值。

数据采集模块主要由检测结果接口模块、排队线程管理模块、主动请求模块、伺服接收模块、活动检测模块、编码转换模块、格式转换模块、缺陷数据初级补充模块、检测注册模块和结果认证模块组成。排队线程管理模块用于提供接口线程轮询管理功能；主动请求模块用于系统主动向接口模块问询监测数据；伺服接收模块用于系统被动接收数据功能；活动检测模块用于检测各个线程是否处于工作状态；编码转换模块用于把不同监测数据的编码进行转化，使之变成统一编码；格式转换模块用于把不同监测数据的格式进行转化，变成统一格式；缺陷数据初级补充模块：对于不同检测数据，把数据不完整的字段按照系统设置规则进行填充；检测注册模块用于注册检测数据模块，维护检测规则；结果认证模块：对检测结果进行确认。通过离线或在线的数据采集模块采集检测场地的各类检测数据，通过转换和补充，汇总形成通用的场地污染检测原始数据，除了要求各个检测点在地表按照抽样分布法、污染源检测法、边界检测法进行布局外，还要求在地下各个地质层边界处增设检测点。

数据蕴含关联分析模块采用数据蕴含关联分析方法对数据采集模块输出的场地污染检测原始数据进行关联分析，包括数据相关性指标值设定、数据矩阵分析、数据相干因子计算以及相干数据检测指标提取，通过数据蕴含关联分析模块找出不同检测指标下数据一致性的规律。

如图3所示，数据蕴含关联分析方法具体包括以下步骤：

如果是明确的污染物，即该污染物的检测指标为确定的，那么直接对确定的检测指标进行分析；如果无法确定污染物，那么就采用数据蕴含关联分析方法进行判断，具体步骤如下：

步骤一、数据准备

准备检测场地100个检测点以上的检测数据，每个检测指标所对应的检测数据量应大于100个。

步骤二、共线性检验

将各个检测指标及检测结果进行多元共线性计算，计算方差膨胀因子。

方差膨胀因子(VIF)计算公式如式1所示。

式(1)中，R_i是以检测指标i为因变量时对其它指标值回归的复测定系数，无单位；其中：

当0<VIF<10，不存在多重共线性；

当10≤VIF<100，存在较强的多重共线性；

当VIF≥100，存在严重多重共线性。

将VIF大于100的检测项作为校验检测的检测指标。

步骤三、差异性标定

由于不同污染物，其共线性的检测指标不一致。因而，除非确定某一个场地的污染物，否则，需要根据不同的地质层土壤条件下分别标定共线性检测指标。

本发明通过数据蕴含关联分析方法，可以给出不同检测数据之间的内在关联性，一方面可以以此印证相关联检测数据的有效性，另一方面还可以剔除一些关联检测项目，降低检测成本。

数据质量分析模块采用系统中预存的检测数据质量处理方法，判定场地污染检测原始数据的质量，对数据异常值进行标识，剔除误差较大的数据，形成场地污染检测一审数据。

如图4所示，检测数据质量处理方法的具体包括以下步骤：

步骤一、数据提取

提取检测场地全部检测数据，按照检测指标、时间和空间坐标进行排序。

步二、检测数据判断

采用判断依据所列的条件，对检测指标进行判断，判断数据的合法性。对非法数据进行标识，对于边界的指标进行核实，核实后确定是保留还是调整。

步骤三、判断依据

依据1：检测数据在检测场地的数值空间上是连续的，时间上也为连续的。

依据2：检测数据以污染源为中心，向外级数梯次递减。因而除非有污染源，否则数据不会在空间上增加。

依据3：在每个非流体地质层中，污染物的吸收比率与浓度成反比，其扩散比率与浓度成正比。这个特征与水的吸收率与扩散率相似，因而以水的扩散和吸收为参照指标，判断污染相关检测指标的正确性。

依据4：除非有持续的污染源存在，否则随着时间的推移，污染物相关检测指标是随时间递减的。

依据5：对于有数据蕴含关联的检测指标，通过其关联相干性强度，判断数据变化的一致性，如果超出相干性范围，列为不可信指标。

本发明采用检测数据质量处理方法，通过数据时空连续性、污染源为中心的空间梯次递减、吸收与浓度的关系、污染时间递减性等数据误差判断，实现检测数据异常值标识以及数据异常值剔除功能。

数据处理模块首先采用基于时空推理的场地污染检测数据插值方法，对场地污染检测一审数据按照时间、空间进行数据插值计算并矢量化，形成在矢量空间和时间均连续的场地污染检测矢量数据，然后采用数据时空矢量化方法把各项检测数据的检测点的位置进行矢量转换，并赋予一个时间轴，进行空间变换，并为每种检测数据赋予一种色标，从而形成基于时空的矢量化数据。

如图5所示，基于时空推理的场地污染检测数据插值方法具体包括以下步骤：

步骤一、数据分区

首先按照地质层对数据进行分区，形成多维空间。

步骤二、紧邻值查找

在多维空间维度选取需插值数据邻近空间的n个关联性最大的取样数据，对于一个多维空间需插值数据，计算该需插值数据邻近空间点的数据序列以及需插值数据点的数据序列之间的关联系数R(y_i，y₀)，其中，y_i表示多维空间中需插值数据邻近空间点的数据序列；y₀表示需插值数据点的数据序列。

步骤三、空间插值计算

在空间维度，采用P-Bshade方法利用n个关联系数最大的空间周围采样数据，依据下式计算多维空间需插值数据的空间维度估值y′₀，如式2所示。

式(2)中，C_污为污染物吸收系数；M_i表示第i个空间邻近取样数据对需插值数据的空间贡献权重，即：

式(3)中，i∈n，[M₁，…，M_n，μ]表示待求解矩阵；

μ代表拉格朗日乘子，无单位；

C(y_i，y_i')表示第i个大数据中多维空间周围取样点的时间序列与第i'个空间邻近取样点的时间序列的协方差，无单位；

b_i和b_n分别代表大数据中第i、n个空间邻近取样点的时间序列与需插值数据的时间序列之间的期望比值，无单位；

C(y_n，y_n)代表第n个空间周围取样点的时间序列与需插值数据点的时间序列的协方差，无单位；

C_污i：为污染物i点的吸收系数；

T_污i：污染物在i点的渗透系数T_污。

步骤四、时间插值计算

在大数据时间维度上，采用上述的m个关联系数最大的时间周围采样数据，利用式(4)计算大数据中多维空间需插值数据的时间维度估值t′₀。

式(4)中，C(t_j，t_j')表示大数据中第j个邻近时间切片的空间点序列与第j'个邻近时间切片的空间点序列的协方差；

a_j和a_m分别表示多维空间第j、m个周围时间切片的空间点序列与需插值数据时间切片的空间点序列的期望比；

C(t_m，t_m)表示数据库中第m个邻近时间切片的空间数据点序列与需插值数据时间切片的空间点序列的协方差，j∈m；

T_污m：污染物m点的渗透系数。

步骤五、数据融合

采用线性加权方法对两种维度的估计值进行融合，利用下式计算多维空间需插值数据的最终时空估计结果：Y₀＝A*y′₀+B*t′₀，其中，A代表大数据中的多维空间维度权重，B代表多维空间数据时间维度权重，对于权重的确定过程，采用多维空间数据上下文中的关联系数进行计算

式(5)中，R(t_j，t₀)表示多维空间数据序列t_j与需插值数据序列t₀之间的关联系数。

求解式(5)可得到大数据中多维空间数据时空维度的贡献权重，式(5)在一定程度上考虑了大数据中多维空间数据时间维度和空间维度的贡献率，使得多维空间数据时空维度计算结果的融合较为合理，最后将多维空间数据时空维度估计结果和时空维度权重引入式(5)中即可获得多维空间需插值数据的时空估计结果。

如图6所示，数据时空矢量化方法具体包括以下步骤：

步骤一、检测数据坐标化

首先，以检测场地地表面至高点为0点，以重力方向为Z轴正方向，以正北方与重力方向垂直为X轴正方向，以正东方向且与重力方向垂直方向为y轴正方向，将每个检测点的坐标进行坐标化。另外将每个检测点的检测时间的年、月、日、时、分、秒作为该检测数据的时间值。

步骤二、检测数据极坐标转变

首先找到场地检测点的坐标(x₁，y₁，z₁，t₁)，通过极坐标变换成(r₁，θ₁，φ₁，t₁)。

x₁，y₁，z₁为空间坐标，单位：米；

R为检测点到坐标原点距离，单位：米；

θ₁，φ₁为检测点的角度，单位：弧度；

t₁为检测时间。

步骤三、图像边缘确定

由于污染的特点，有污染源为中心，向周围及地下逐渐扩散，因而边缘有两个特征：其特征1为污染源处，为检测数值最高点，其可能为点源，也可能为面源，但有其边界性，需要在检测过程中确定边界；特征2为不同地质层，其污染有一个变化明显的界限，其污染检测值通过检测点的实际测量值确定。

本发明采用基于大数据相干性的场地污染检测数据插值方法，该方法首先将检测场地的地质层图层进行分层处理，结合污染的吸收及扩散参数与临界点大数据相干性分析原理，形成插值数据。

本发明采用数据时空矢量化方法，可以使检测数据不仅仅具有检测采样地点的空间属性，同时也赋予时间属性。这样的效果既能展现污染随时间的变化曲线，也能展现空间扩散曲线。

数据展示模块通过2.5D三维图层展示方法，将各个检测数据以2.5D形式展示到大屏幕或显示器的时空图上，在三维地图上展示1种或几种场地污染检测矢量数据。展示方法主要有以下几种：第一种为时间快进展示，可以按天、周、月进行展示；第二种为空间无极缩放展示，可以对检测场地进行无极放大；第三种为多检测值组合展示，可以选择1到6种检测指标以不同颜色显示；第四种为连接点时空扩散展示，通过对数据等值线对时间变化时，空间位置的变化，展现污染物扩散的位移效果；第五种为二维等值线色值图展示，通过双元基色展示深度和检测值浓度，在一个平面上展示所检测场地污染情况。

如图7所示，2.5D三维图层展示方法具体包括以下步骤：

步骤一、基底图形加载

加载地质三维空间自然情况展示方法中的地质三维空间自然情况图形。

步骤二、检测数据选择

选择1到6个检测指标，并指定每种检测指标的显示颜色值，并为每种检测指标指定一个显示图层。

步骤三、显示数据插值

在每个图层上，进行数据插值，具体采用基于时空推理的场地污染检测数据插值方法进行数据插值。

步骤四、绘制等值线图

在图形显示型，在每个图层上，绘制该检测指标的等值线，等值线取值范围要求两条等值线在图形显示上最近线宽大于5mm，在显示界面上可以手动调节其线宽。

步骤五、色值填充

等值线填充，在不同等值线之间，采用渐进色进行色值填充，在旁边图例上显示不同的色值深度所代表不同的检测数值。

步骤六、图层合并

根据选择的检测项目和基底图形，调整到最佳效果，用户确认后，合并等值线图、检测数据图和基底图。可以单个检测数据输出，也可以选择两个及以上的检测数据一并输出。

步骤七、时间快进显示

以所选择进度频次的平均值为展示检测数据，重复步骤二到步骤六，进度频次以天、周、月为时间进程点，在2.5D图形上，展示检测检测数据时间变化图。

本发明采用时间快进展示、空间无极缩放展示、多检测值组合展示、连接点时空扩散展示或二维等值线色值图展示，将各个检测数据以2.5D形式展示到大屏幕或显示器的时空图上，在三维地图上展示1种或几种场地污染检测矢量数据。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.基于时空推理的场地污染数字化与图形化展示方法，其特征在于，包括以下步骤：

(1)采用地质三维空间自然情况展示方法，对检测场地在自然条件下进行检测，形成检测场地地下各个地质层的自然扩展指标以及各个地质层的结构图，并在三维图层上显示出来，同时形成污染物自然扩展指标数据库；

(2)采集检测场地的各类检测数据，通过转换和补充，汇总形成通用的场地污染检测原始数据，要求各个检测点在地表按照抽样分布法、污染源检测法、边界检测法进行布局，同时还要求在地下各个地质层边界处增设检测点；

(3)采用数据蕴含关联分析方法对数据采集模块输出的场地污染检测原始数据进行关联分析，包括数据相关性指标值设定、数据矩阵分析、数据相干因子计算以及相干数据检测指标提取，通过数据蕴含关联分析模块找出不同检测指标下数据一致性的规律；

所述数据蕴含关联分析方法包括以下步骤：

步骤一、数据准备

准备检测场地100个检测点以上的检测数据，每个检测指标所对应的检测数据量应大于100个；

步骤二、共线性检验

将各个检测指标及检测结果进行多元共线性计算，计算方差膨胀因子；

方差膨胀因子VIF计算公式如式1所示；

式(1)中，R_i是以检测指标i为因变量时对其它指标值回归的复测定系数，无单位；

当0<VIF<10，不存在多重共线性；

当10≤VIF<100，存在较强的多重共线性；

当VIF≥100，存在严重多重共线性；

将VIF大于100的检测项作为校验检测的检测指标；

步骤三、差异性标定

根据不同的地质层土壤条件下分别标定污染物的共线性检测指标；

(4)采用系统中预存的检测数据质量处理方法判定场地污染检测原始数据的质量，对数据异常值进行标识，剔除误差较大的数据，形成场地污染检测一审数据；

(5)首先采用基于时空推理的场地污染检测数据插值方法，对场地污染检测一审数据按照时间、空间进行数据插值计算并矢量化，形成在矢量空间和时间均连续的场地污染检测矢量数据，然后采用数据时空矢量化方法将各项检测数据的点的位置进行矢量转换，并赋予一个时间轴，进行空间变换，并为每种检测数据赋予一种色标，形成基于时空的矢量化数据；

所述基于时空推理的场地污染检测数据插值方法包括以下步骤：

步骤一、数据分区

首先按照地质层对数据进行分区，形成多维空间；

步骤二、紧邻值查找

在多维空间维度选取需插值数据邻近空间的n个关联性最大的取样数据，对于一个多维空间需插值数据，计算该需插值数据邻近空间点的数据序列以及需插值数据点的数据序列之间的关联系数R(y_i，y₀)，y_i表示多维空间中需插值数据邻近空间点的数据序列；y₀表示需插值数据点的数据序列；

步骤三、空间插值计算

在空间维度，采用P-Bshade方法利用n个关联系数最大的空间周围采样数据，依据下式计算多维空间需插值数据的空间维度估值y′₀，如式2所示；

式(2)中，C_污为污染物吸收系数；M_i表示第i个空间邻近取样数据对需插值数据的空间贡献权重，即：

式(3)中，i∈n，[M₁，…，M_n，μ]表示待求解矩阵；

μ代表拉格朗日乘子，无单位；

C(y_i，y_i')表示第i个大数据中多维空间周围取样点的时间序列与第i'个空间邻近取样点的时间序列的协方差，无单位；

b_i和b_n分别代表大数据中第i、n个空间邻近取样点的时间序列与需插值数据的时间序列之间的期望比值，无单位；

C(y_n，y_n)代表第n个空间周围取样点的时间序列与需插值数据点的时间序列的协方差，无单位；

C_污i：为污染物i点的吸收系数；

T_污i：污染物在i点的渗透系数T_污；

步骤四、时间插值计算

在大数据时间维度上，采用m个关联系数最大的时间周围采样数据，利用式(4)计算大数据中多维空间需插值数据的时间维度估值t′₀；

式(4)中，C(t_j，t_j')表示大数据中第j个邻近时间切片的空间点序列与第j'个邻近时间切片的空间点序列的协方差；

a_j和a_m分别表示多维空间第j、m个周围时间切片的空间点序列与需插值数据时间切片的空间点序列的期望比；

C(t_m，t_m)表示数据库中第m个邻近时间切片的空间数据点序列与需插值数据时间切片的空间点序列的协方差，j∈m；

T_污m：污染物m点的渗透系数；

步骤五、数据融合

采用线性加权方法对两种维度的估计值进行融合，利用下式计算多维空间需插值数据的最终时空估计结果：Y₀＝A*y′₀+B*t′₀，其中，A代表大数据中的多维空间维度权重，B代表多维空间数据时间维度权重，对于权重的确定过程，采用多维空间数据上下文中的关联系数进行计算：

式(5)中，R(t_j，t₀)表示多维空间数据序列t_j与需插值数据序列t₀之间的关联系数；

求解式(5)能够得到大数据中多维空间数据时空维度的贡献权重，式(5)在一定程度上考虑了大数据中多维空间数据时间维度和空间维度的贡献率，使得多维空间数据时空维度计算结果的融合较为合理，最后将多维空间数据时空维度估计结果和时空维度权重引入式(5)中即可获得多维空间需插值数据的时空估计结果；

(6)通过2.5D三维图层展示方法将各个检测数据以2.5D形式展示到大屏幕或显示器的时空图上，在三维地图上展示1种或几种场地污染检测矢量数据。

2.根据权利要求1所述的基于时空推理的场地污染数字化与图形化展示方法，其特征在于，所述地质三维空间自然情况展示方法包括以下步骤：

步骤一、场地自然情况检测

根据检测场地，探测地表地形图，地表以下50米以内的各个地质层的结构图，地表部分采用直接探测法进行测绘，地表以下部分采用探孔探测、X光探测、微波探测方法，要求标识出各个地质层的厚度H，单位为米；

步骤二、地质层自然扩展指标

针对各个地质层的水渗透系数T_水和水吸收系数C_水进行探测；

水渗透系数T_水：每平方米特定地质层土壤在不同含水量条件下每小时透过水的质量曲线，单位：Kg/h.m³；

水吸收系数C_水：每平方米特定地质层土壤在不同含水量条件下每小时吸收水的质量曲线，单位：Kg/h.m³；

步骤三、污染物自然扩展指标数据库

针对已知的单个污染物在各个地质层的渗透系数T和吸收系数C进行试验，得出地质层、污染物浓度、渗透系数T和吸收系统干系图谱；

其中，污染物渗透系数T_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时透过污染物的质量曲线，单位：Kg/h.m³；

污染物吸收系数C_污：每平方米特定地质层土壤在不同污染物浓度条件下每小时吸收污染物的质量曲线，单位：Kg/h.m³；

污染物水溶解度R_污：常温下，每立方米水中溶解该污染物的最大质量，单位：Kg/h.m³。

3.根据权利要求2所述的基于时空推理的场地污染数字化与图形化展示方法，其特征在于，若无法对各个污染物在各个地质层进行标定，用水的渗透系统和吸收系统进行近似计算，T_污＝E*T_水/R_污，C_污＝F*C_水*R_污，其中，E和F均为近似计算常量。

4.根据权利要求1所述的基于时空推理的场地污染数字化与图形化展示方法，其特征在于，所述检测数据质量处理方法的具体包括以下步骤：

步骤一、数据提取

提取检测场地全部检测数据，按照检测指标、时间和空间坐标进行排序。

步二、检测数据判断

采用判断依据所列的条件，对检测指标进行判断，判断数据的合法性；对非法数据进行标识，对于边界的指标进行核实，核实后确定是保留还是调整；

步骤三、判断依据

依据1：检测数据在检测场地的数值空间上是连续的，时间上也为连续的；

依据2：检测数据以污染源为中心，向外级数梯次递减。因而除非有污染源，否则数据不会在空间上增加；

依据3：在每个非流体地质层中，污染物的吸收比率与浓度成反比，其扩散比率与浓度成正比；

依据4：除非有持续的污染源存在，否则随着时间的推移，污染物相关检测指标是随时间递减的；

依据5：对于有数据蕴含关联的检测指标，通过其关联相干性强度，判断数据变化的一致性，如果超出相干性范围，列为不可信指标。

5.根据权利要求1所述的基于时空推理的场地污染数字化与图形化展示方法，其特征在于，所述数据时空矢量化方法具体包括以下步骤：

步骤一、检测数据坐标化

首先，以检测场地地表面至高点为0点，以重力方向为Z轴正方向，以正北方与重力方向垂直为X轴正方向，以正东方向且与重力方向垂直方向为y轴正方向，将每个检测点的坐标进行坐标化；另外将每个检测点的检测时间的年、月、日、时、分、秒作为该检测数据的时间值；

步骤二、检测数据极坐标转变

首先找到场地检测点的坐标(x₁，y₁，z₁，t₁)，通过极坐标变换成(r₁，θ₁，φ₁，t₁)；

x₁，y₁，z₁为空间坐标，单位：米；

R为检测点到坐标原点距离，单位：米；

θ₁，φ₁为检测点的角度，单位：弧度；

t₁为检测时间；

步骤三、图像边缘确定

特征1为污染源处，为检测数值最高点；

特征2为不同地质层。

6.根据权利要求1所述的基于时空推理的场地污染数字化与图形化展示方法，其特征在于，所述2.5D三维图层展示方法包括以下步骤：

步骤一、基底图形加载

加载地质三维空间自然情况展示方法中的地质三维空间自然情况图形；

步骤二、检测数据选择

选择1到6个检测指标，并指定每种检测指标的显示颜色值，并为每种检测指标指定一个显示图层；

步骤三、显示数据插值

在每个图层上，进行数据插值，具体采用基于时空推理的场地污染检测数据插值方法进行数据插值；

步骤四、绘制等值线图

在图形显示型，在每个图层上，绘制该检测指标的等值线，等值线取值范围要求两条等值线在图形显示上最近线宽大于5mm；

步骤五、色值填充

等值线填充，在不同等值线之间，采用渐进色进行色值填充，在旁边图例上显示不同的色值深度所代表不同的检测数值；

步骤六、图层合并

根据选择的检测项目和基底图形，调整到最佳效果，用户确认后，合并等值线图、检测数据图和基底图；

步骤七、时间快进显示

以所选择进度频次的平均值为展示检测数据，重复步骤二到步骤六，进度频次以天、周、月为时间进程点，在2.5D图形上，展示检测检测数据时间变化图。

Images