CN111027893A - 一种河湖水环境健康智能评估预警系统及方法 - Google Patents
一种河湖水环境健康智能评估预警系统及方法 Download PDFInfo
- Publication number
- CN111027893A CN111027893A CN201911405361.3A CN201911405361A CN111027893A CN 111027893 A CN111027893 A CN 111027893A CN 201911405361 A CN201911405361 A CN 201911405361A CN 111027893 A CN111027893 A CN 111027893A
- Authority
- CN
- China
- Prior art keywords
- data
- river
- health
- early warning
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 230000036541 health Effects 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 239000000523 sample Substances 0.000 claims abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000013523 data management Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000013136 deep learning model Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 229910001385 heavy metal Inorganic materials 0.000 claims description 4
- 230000036284 oxygen consumption Effects 0.000 claims description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- 239000003651 drinking water Substances 0.000 claims description 3
- 235000020188 drinking water Nutrition 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 230000005802 health problem Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008827 biological function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000020095 red wine Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明为一种河湖水环境健康智能评估预警系统及方法，包括数据采集系统，利用部署在河湖水环境的多探头传感器采集相应的水质水文指标数据；供电系统，为数据采集系统供电；数据传输系统、数据管理系统以及模拟仿真系统，所采集的数据由数据传输系统汇总到传输装置，再传给数据管理系统以及模拟仿真系统，模拟仿真系统对采集数据进行模拟分析；结果展示系统，将模拟分析结果进行展示；自动建议报告生成系统，将根据模拟分析结果自动生成河湖健康评估报告；健康评估预警系统，根据LSTM模型的预测结果对重大健康问题进行报警；还包括后台管理系统。本发明可以实现快速、智能评估河湖水环境健康情状况并对重大问题进行预警。
Description
技术领域
本发明属于河湖健康评估领域，具体涉及一种河湖水环境健康智能评估预警系统及方法。
背景技术
河湖健康评估是要了解河湖的生态状况，进而了解导致河湖健康出现问题的原因，掌握河湖健康变化规律。
国家层面上存在一个全国河湖健康评估技术文件《河湖健康评估指标、标准与方法》，但其评估方法异常繁琐且主观性较强，目前大部分学者是从水质方面评估河湖健康状况，但是单从水质方面分析不能得出完善的水生态、河岸带等情况，所以有的学者提出从五个方面进行科学评估，其评估方法是从物理结构，化学完整性、生物完整性和生物功能完整性以及社会满意度来评估。但是这五个方面数据搜集难度较大，并且五个方向的指标之间存在着相关关系和重复性。
同时目前实际操作中，没有一款真正落地到实际使用的智能化河湖健康评估预警系统，基本处在实验室中、科研和理论阶段，水质指标的检测基本采用人工取样的方式进行检测，效检的频率和测率低，成本高。
发明内容
本发明所要解决的技术问题是：提供一种河湖水环境健康智能评估预警系统及方法，以解决目前从物理结构，化学完整性、生物完整性和生物功能完整性以及社会满意度来评估河湖水健康存在的数据搜集难度较大，并且五个方向指标之间存在着相关关系和重复性的技术问题以及目前人工检测方式效率低、成本高的技术问题，以实现快速、智能的检测河湖水健康情况并做出评估以及预警的技术效果。
本发明具体的技术方案如下：
一种河湖水环境健康智能评估预警系统，其特征在于，包括：
数据采集系统，所述数据采集系统包括：若干组传感器，若干组所述传感器分别设置于待检测河湖水中；传输装置，所述传输装置通过485总线与所述传感器相连接；
供电系统，与所述数据采集系统相连接；
数据传输系统，与所述数据采集系统相连接；
数据管理系统，通过所述数据传输系统与所述数据采集系统相连接；
模拟仿真系统，与所述数据传输系统相连接，用于分析所述数据采集系统采集到的数据；
评估预警系统，利用LSTM模型对数据进行预测分析、对问题进行报警；
数据结果展示系统，用于展示原始数据和所述模拟仿真系统的评估结果；
自动建议报告生成系统，与所述模拟仿真系统以及数据管理系统相连接，根据所述模拟仿真系统的分析结果自动生成河湖健康评估报告。
进一步，所述多探头传感器包括水温多探头传感器，溶氧量多探头传感器，化学需氧量多探头传感器，五日生化需氧量多探头传感器，氨氮多探头传感器。
进一步，还包括后台管理系统，用于管理，发布，维护系统的内容。
进一步，所述供电系统采用风能和太阳能发电。
一种基于上述河湖水环境健康智能评估预警系统的方法，包括以下步骤：
指标的选择，包括水文方面以及水质方面两方面的指标，水文方面选取的指标为天然月径流量、日径流量，水质方面选取的指标为水温变异状况、DO水质状况、耗氧有机污染状况、重金属污染状况；
河段的划分，根据河流的特点和监控的需要把河流分成待评估的多段；
传感器的布设，将多探头传感器布设在待评估河段的相应位置；
供电设施的施工，采用风能、太阳能双重供电；
传输装置的安装，采用4G/5G网络传输；
模拟预警系统的搭建：采用LSTM深度学习模型进行模拟预警系统的搭建；
模型结果展示：将上述所述模拟预警系统模拟分析结果和评估预测的健康状况运用二维、三维图形和GIS地图上进行展示；
建议报告的生成：自动生成月报、季报和年报，可以直接打印装订发表。
进一步，多探头传感器的布设方法如下：
(1)离支流入河口1-5m处；
(2)点源排放口处附件；
(3)面源污染集中的河边；
(4)水土流失严重的河边；
(5)不同行政区划的边界处，要求到较小的单位如自然村之间，以便明确责任、更好的解决纠纷；
(6)不同的水功能区按实际情况确定，如水库等饮用水源地至少在入水口、库中和取水口附件等处；
(7)大河主干考虑现有水文站基础上，设立1-2km部署一组多探头传感器；
(8)采用样点一般设置于水面下0.5m处，水深不足0.5m时，应设置在水深的1/2处；
(9)深水处，每个监测断面按上中下、左中右部署9组多探头传感器。
进一步，所述模拟预警系统的搭建具体包括以下步骤：
(a)数据规划阶段：利用以下公式将传输至模拟仿真系统的数据归一化到[0，1]之间；
其中xt表示当前实时输入数据，min(x)表示原始数据最小值，max(x)表示原始数据最大值。
(b)忘记阶段：此阶段是对上一循环节点得到的状态参数ht-1，进行有选择性忘记，忘记不重要的，记住重要的，通过实时数据计算得到ft来作为遗忘门控制。
ft＝σ(XtWxf+ht-1Whf+bf)
其中sigmoid函数的计算方式如下：
其中，Wxf表示遗忘门输入权重，Whf表示遗忘门隐藏状态权重，bf表示遗忘门偏置。
(c)选择记忆阶段：主要是将此阶段的输入Xt有选择性地进行记忆，重要的需要重记录，不重要的则记录少一些，具体通过数据规划阶段以及忘记阶段计算得到的参数通过以下计算公式得到it作为输入门控制。
it＝σ(XtWxi+ht-1Whi+bi)
其中，Wxi表示输入门输入权重，Whi表示输入门隐藏状态权重，bi表示输入偏置。
将忘记阶段得到的参数ft与选择记忆阶段得到的参数it通过以下公式进行相加运算，即得到了传输给下一个状态的ct。
ct＝ct-1ft+ittanh(XtWxc+ht-1Whc+bc)
其中，tanh函数计算的方式如下：
其中，ct-1表示上一节点得到的激活状态参数，ht-1上一节点得到的隐藏状态参数，Wxc表示当前细胞状态的输入权重，Whc表示当前细胞状态隐藏权重，bc表示状态偏置。
(d)输出阶段：通过以下公式计算ot作为输出门控制，决定哪些被作为当前状态的输出。
ot＝σ(XtWxo+ht-1Who+bo)
其中，Wxo表示输出门输出偏置，Who表示输出门隐藏状态权重，bo表示输出偏置。
通过输出步骤得到传输给下一个节点的激活状态参数ct值以及输出门控制ot后，通过以下公式计算得到传输给下一节点的隐藏状态参数ht，具体计算如下：
ht＝ot tanh(ct)
通过上述计算过程得到传输给下一节点的隐藏状态参数ht后，即可得到该模拟系统的输出状态参数yt，进行结果的显示。
yt＝σtanh(Wyht)
其中，Wy表示输入权重。
本发明的实施例至少具有以下有益效果：
本发明实施例包括“所述数据采集系统利用部署在河湖水环境选定水域的传感器采集相应的水质水文指标数据，在供电系统的保障下可以实现在郊外利用太阳能风能供电运行，所采集的数据由数据传输系统汇总到传输装置，再经过无线网络实时传输给数据管理系统，其中模拟仿真系统对数据进行模拟分析，结果展示系统将所分析结果通过二维和三维图形进行展示，自动评估建议生成系统根据模拟分析结果生成河湖健康评估报告，评估预警系统，利用LSTM模型对数据进行预测分析、对问题进行报警”等技术方案，解决目前人工检测频率和效率低、成本高的技术问题，能够快速的采集数据，对数据流进行即时的处理分析，建立智能LSTM深度学习模型，达到对水环境健康状况进行评估和预测，对可能出现的重大健康问题及时报警，并且可以达到真正落地使用的河湖健康智能评估系统的技术效果。
2.本发明实施例包括“指标的选择，包括水文方面以及水质方面两方面的指标，水文方面选取的指标为天然月径流量、日径流量，水质方面选取的指标为水温变异状况、DO水质状况、耗氧有机污染状况、重金属污染状况”等技术方案，通过从水文水资源和水质两方面来选择适当的指标，解决了从物理结构，化学完整性、生物完整性和生物功能完整性以及社会满意度来评估河湖水健康存在的数据搜集难度较大，并且五个方向指标的存在着相关关系和重复性的技术问题，实现能够较好的反映以上五个方面的综合评估结果的技术效果。
附图说明
图1为本发明的系统示意图；
图2为本发明的系统工作流程示意图；
图3为LSTM深度学习模型进行模拟预警系统的搭建步骤示意图。
具体实施方式
本发明提供了一种河湖水环境健康智能评估预警系统及方法，包括以下9个模块：数据采集系统、供电系统、数据传输系统、数据管理系统、模拟仿真系统、评估预警系统、数据结果展示系统、自动评估建议生成系以及后台管理系统。
所述数据采集系统利用部署在河湖水环境选定水域的多探头传感器采集相应的水质水文指标数据，在供电系统的保障下可以实现在郊外利用太阳能风能供电运行，所采集的数据由数据通过485总线与传输装置相连接，再经过4G/5G无线网络和SOCKET通讯协议实时传输给数据管理系统和模拟仿真系统，数据管理系统将数据进行处理和存储，模拟仿真系统将所需数据进行模拟分析，数据结果展示系统将模拟和分析结果通过二维和三维图进行展示，自动评估建议生成模块根据模拟和分析结果生成河湖健康评估报告，评估预警系统根据LSTM模型对预测到的重大健康问题进行提取报警。所有的模拟分析和预警结果通过系统平台后台和Socket IO通信，实时呈现于系统平台的web前端，继而显示在终端显示设备上，如台式机、移动电脑、手机或者LED大屏上。
以下结合附图及实施例对本发明的技术方案进行详细叙述：
本发明为一种河湖水环境健康智能评估预警系统及方法，如图1至图2所示，一种河湖水环境健康智能评估预警系统包括：
数据采集系统，所述数据采集系统包括若干组多探头传感器，所述多探头传感器的类型对应于需要采集的水质和水文数据，具体的多探头传感器包括水温传感器，溶氧量传感器，化学需氧量传感器，五日生化需氧量传感器，氨氮传感器，若干组所述多探头传感器分别设置于待检测河湖水中。
传输装置，所述传输装置通过485数据通信与所述多探头传感器相连接，将所述多探头传感器的数据通过所述传输装置传输。
供电系统，与所述数据采集系统相连接，为数据采集系统供电，所述供电系统设置有风能、太阳能两种供电方式，便于切换。
数据传输系统，与所述数据采集系统相连接，通过SOCKET通讯协议和4G/5G无线网络实时传输数据。
数据管理系统，通过所述数据传输系统与所述数据采集系统相连接；用于数据的储存、查询等。
模拟仿真系统，与所述数据传输系统相连接，用于综合分析实时数据；模拟分析的结果在网页端显示。实时展示和提前展示预报水质和水文情况，如污染事件和洪水的形成和蔓延过程和受灾区域。所述模拟仿真系统的数据除了来自采集系统的多探头传感器，还通过网络爬虫技术自动获取官方的有关数据，特别是地方的天气预报网的数据，作为水文预测、洪涝灾害、节水灌溉等模型的确定变量，以及实地调研和调查问卷等方式。
评估预警系统，根据LSTM模型对数据进行处理的结果基于LSTM深度学习模型进行评估预警系统的搭建，并通过实时数据进行计算分析。
数据结果展示系统，用于展示所述模拟仿真系统的评估结果。
自动建议报告生成系统，专家建议报告系统，可根据系统监测所得的各项数据分析处理，形成专业的文字报告，对异常情况，以及即将出现的趋势等进行分析讲解。并根据时间可选择日报、周报、月报、季报及年报等，所生成的报告可直接导出PDF文档及在线打印。
后台管理系统，用于管理，发布，维护系统的内容。
本发明还公开了一种河湖水环境健康智能评估预警方法，主要包括以下步骤：
S01指标的选择：主要从水文水资源和水质两方面进行指标的选择，其中水文水资源方面，选取天然月径流量以及日径流量作为评估指标，主要通过流量过程变异程度，评估河段评估年内实测月径流过程与天然月径流过程的差异，反映评估河段监测断面以上流域水资源开发利用对评估河段河流水文情势的影响程度。水质方面主要选取水温变异状况、DO水质状况、耗氧有机污染状况、重金属污染状况等几方面指标进行评估。
S02河段的划分：根据河流的特点和监控的需要把河流分成多段。
S03多探头传感器的布设：将所述数据采集系统中的多探头传感器进行布设。根据河网的构成、不同水体功能区、周围污染源的分布状况、DEM高程、行政区划等，合理科学的部署监测点，从而有效的对点源和面源污染以及各控区域的产流和汇流点进行多探头传感器的合理科学的部署。本发明技术方案采取以下多探头传感器的部署方案：
(1)离支流入河口1-5m处；
(2)点源排放口处附件；
(3)面源污染集中的河边；
(4)水土流失严重的河边；
(5)不同行政区划的边界处，要求到较小的单位如自然村之间，以便明确责任、更好的解决纠纷；
(6)不同的水功能区按实际情况确定，如水库等饮用水源地至少在入水口、库中和取水口附件等处；
(7)大河主干考虑现有水文站基础上，设立1-2km部署一组多探头传感器；
(8)采用样点一般设置于水面下0.5m处，水深不足0.5m时，应设置在水深的1/2处；
(9)深水处，每个监测断面按上中下、左中右部署9组多探头传感器。
S04供电设施的施工：本发明技术方案采用风能、太阳能双重供电，避免阳光不足的时发生供电不足的问题。
S05传输装置的安装：采用4G/5G网络进行数据的传输。
S06评估预警系统的搭建：所述评估预警系统基于LSTM深度学习模型进行评估预警系统的搭建，并利用实时数据进行计算分析，如附图3所示，具体步骤如下：
(a)数据规划阶段：利用以下公式将传输至模拟仿真系统的数据归一化到[0，1]之间；
其中xt表示当前实时输入数据，min(x)表示原始数据最小值，max(x)表示原始数据最大值。
(b)忘记阶段：此阶段是对上一循环节点得到的状态参数ht-1，进行有选择性忘记，忘记不重要的，记住重要的，通过实时数据计算得到ft来作为遗忘门控制。
ft＝σ(XtWxf+ht-1Whf+bf)
其中sigmoid函数的计算方式如下：
其中，Wxf表示遗忘门输入权重，Whf表示遗忘门隐藏状态权重，bf表示遗忘门偏置。
(c)选择记忆阶段：主要是将此阶段的输入Xt有选择性地进行记忆，重要的需要重记录，不重要的则记录少一些，具体通过数据规划阶段以及忘记阶段计算得到的参数通过以下计算公式得到it作为输入门控制。
it＝σ(XtWxi+ht-1Whi+bi)
其中，Wxi表示输入门输入权重，Whi表示输入门隐藏状态权重，bi表示输入偏置。
将忘记阶段得到的参数ft与选择记忆阶段得到的参数it通过以下公式进行相加运算，即得到了传输给下一个状态的ct。
ct＝ct-1ft+it tanh(XtWxc+ht-1Whc+bc)
其中，tanh函数计算的方式如下：
其中，ct-1表示上一节点得到的激活状态参数，ht-1上一节点得到的隐藏状态参数，Wxc表示当前细胞状态的输入权重，Whc表示当前细胞状态隐藏权重，bc表示状态偏置。
(d)输出阶段：通过以下公式计算ot作为输出门控制，决定哪些被作为当前状态的输出。
ot＝σ(XtWxo+ht-1Who+bo)
其中，Wxo表示输出门输出偏置，Who表示输出门隐藏状态权重，bo表示输出偏置。
通过输出步骤得到传输给下一个节点的激活状态参数ct值以及输出门控制ot后，通过以下公式计算得到传输给下一节点的隐藏状态参数ht，具体计算如下：
ht＝ot tanh(ct)
通过上述计算过程得到传输给下一节点的隐藏状态参数ht后，即可得到该模拟系统的输出状态参数yt，进行结果的显示。
yt＝σtanh(Wyht)
其中，Wy表示输入权重。
如图3所示，上述三个阶段的计算过程是循环进行的，该节点得到的ht和ct将作为下一节点的输入，随着实数据的更新不断得都实时结果yt。
S07模型结果展示：所述S06步骤运算后得到的yt输出状态参数运用二维三维图形将评估和预测的健康状况在模拟仿真系统的GIS地图上进行展示。本申请将健康状况通过以下方式进行显示：
(1)健康状况分为五类：理想状况、健康、亚健康、不健康、病态，河湖健康等级、类型、颜色代码如下表所示。
| 等级 | 类型 | 颜色 | 赋分范围 | 说明 |
| 1 | 理想状况 | 蓝 | 80-100 | 接近参考状况或预期目标 |
| 2 | 健康 | 绿 | 60-80 | 与参考状况或预期目标有较小差异 |
| 3 | 亚健康 | 黄 | 40-60 | 与参考状况或预期目标有中度差异 |
| 4 | 不健康 | 橙 | 20-40 | 与参考状况或预期目标有较大差异 |
| 5 | 病态 | 红 | 0-20 | 与参考状况或预期目标有显著差异 |
(2)各个河段评估的健康情况作为一层加载到GIS河系地图。
S08建议报告的生成：自动生成月报、季报和年报，可以直接打印装订发表。
本发明利用大数据技术实时对多探头传感器采集的河湖健康指标数据进行处理，并根据数据结果进行预警预测，触发预设方案，生成河湖水环境评估报告。
本发明能够快速的采集数据，利用大数据技术对数据流进行即时的处理分析，建立智能LSTM深度学习模型，达到对水环境健康状况进行评估和预测，对可能出现的重大健康问题及时报警，生成河湖水环境评估报告，并且可以真正落地使用的河湖健康智能评估系统。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种河湖水环境健康智能评估预警系统，其特征在于，包括：
数据采集系统，所述数据采集系统包括：
若干组传感器，若干组所述传感器分别设置于待检测河湖水中；
传输装置，所述传输装置通过485总线与所述传感器相连接；
供电系统，与所述数据采集系统相连接；
数据传输系统，与所述数据采集系统相连接；
数据管理系统，通过所述数据传输系统与所述数据采集系统相连接；
模拟仿真系统，与所述数据传输系统相连接，用于分析所述数据采集系统采集到的数据；
评估预警系统，利用LSTM模型对数据进行预测分析、对问题进行报警；
数据结果展示系统，用于展示原始数据和所述模拟仿真系统的评估结果；
自动建议报告生成系统，与所述模拟仿真系统以及数据管理系统相连接，根据所述模拟仿真系统的分析结果自动生成河湖健康评估报告。
2.如权利要求1所述的河湖水环境健康智能评估预警系统，其特征在于：所述多探头传感器包括水温多探头传感器，溶氧量多探头传感器，化学需氧量多探头传感器，五日生化需氧量多探头传感器，氨氮多探头传感器。
3.如权利要求1所述的河湖水环境健康智能评估预警系统，其特征在于：还包括后台管理系统，用于管理，发布，维护系统的内容。
4.如权利要求2或3所述的河湖水环境健康智能评估预警系统，其特征在于：所述供电系统采用风能和太阳能发电。
5.一种基于如权利要求1-4所述的河湖水环境健康智能评估预警系统的方法，其特征在于，包括以下步骤：
指标的选择，包括水文方面以及水质方面两方面的指标，水文方面选取的指标为天然月径流量、日径流量，水质方面选取的指标为水温变异状况、DO水质状况、耗氧有机污染状况、重金属污染状况；
河段的划分，根据河流的特点和监控的需要把河流分成待评估的多段；
多探头传感器的布设，将多探头传感器布设在待评估河段的相应位置；
供电设施的施工，采用风能、太阳能双重供电；
传输装置的安装，采用4G/5G网络传输；
模拟预警系统的搭建：采用LSTM深度学习模型进行模拟预警系统的搭建；
模型结果展示：将上述所述模拟预警系统模拟分析结果和评估预测的健康状况运用二维、三维图形和GIS地图上进行展示；
建议报告的生成：自动生成月报、季报和年报，可以直接打印装订发表。
6.一种基于如权利要求5所述的河湖水环境健康智能评估预警系统的方法，其特征在于，多探头传感器的布设方法如下：
(1)离支流入河口1-5m处；
(2)点源排放口处附件；
(3)面源污染集中的河边；
(4)水土流失严重的河边；
(5)不同行政区划的边界处，要求到较小的单位如自然村之间，以便明确责任、更好的解决纠纷；
(6)不同的水功能区按实际情况确定，如水库等饮用水源地至少在入水口、库中和取水口附件等处；
(7)大河主干考虑现有水文站基础上，设立1-2km部署一组多探头传感器；
(8)采用样点一般设置于水面下0.5m处，水深不足0.5m时，应设置在水深的1/2处；
(9)深水处，每个监测断面按上中下、左中右部署9组多探头传感器。
7.如权利要求5或6所述的河湖水环境健康智能评估预警系统的方法，所述模拟预警系统的搭建具体包括以下步骤：
(a)数据规划阶段：利用以下公式将传输至模拟仿真系统的数据归一化到[0，1]之间；
其中xt表示当前实时输入数据，min(x)表示原始数据最小值，max(x)表示原始数据最大值。
(b)忘记阶段：此阶段是对上一循环节点得到的状态参数ht-1，进行有选择性忘记，忘记不重要的，记住重要的，通过实时数据计算得到ft来作为遗忘门控制。
ft＝σ(XtWxf+ht-1Whf+bf)
其中sigmoid函数的计算方式如下：
其中，Wxf表示遗忘门输入权重，Whf表示遗忘门隐藏状态权重，bf表示遗忘门偏置。
(c)选择记忆阶段：主要是将此阶段的输入Xt有选择性地进行记忆，重要的需要重记录，不重要的则记录少一些，具体通过数据规划阶段以及忘记阶段计算得到的参数通过以下计算公式得到it作为输入门控制。
it＝σ(XtWxi+ht-1Whi+bi)
其中，Wxi表示输入门输入权重，Whi表示输入门隐藏状态权重，bi表示输入偏置。
将忘记阶段得到的参数ft与选择记忆阶段得到的参数it通过以下公式进行相加运算，即得到了传输给下一个状态的ct。
ct＝ct-1ft+it tanh(XtWxc+ht-1Whc+bc)
其中，tanh函数计算的方式如下：
其中，ct-1表示上一节点得到的激活状态参数，ht-1上一节点得到的隐藏状态参数，Wxc表示当前细胞状态的输入权重，Whc表示当前细胞状态隐藏权重，bc表示状态偏置。
(d)输出阶段：通过以下公式计算ot作为输出门控制，决定哪些被作为当前状态的输出。
ot＝σ(XtWxo+ht-1Who+bo)
其中，Wxo表示输出门输出偏置，Who表示输出门隐藏状态权重，bo表示输出偏置。
通过输出步骤得到传输给下一个节点的激活状态参数ct值以及输出门控制ot后，通过以下公式计算得到传输给下一节点的隐藏状态参数ht，具体计算如下：
ht＝ot tanh(ct)
通过上述计算过程得到传输给下一节点的隐藏状态参数ht后，即可得到该模拟系统的输出状态参数yt，进行结果的显示。
yt＝σtanh(Wyht)
其中，Wy表示输入权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911405361.3A CN111027893A (zh) | 2019-12-31 | 2019-12-31 | 一种河湖水环境健康智能评估预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911405361.3A CN111027893A (zh) | 2019-12-31 | 2019-12-31 | 一种河湖水环境健康智能评估预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111027893A true CN111027893A (zh) | 2020-04-17 |
Family
ID=70200059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911405361.3A Pending CN111027893A (zh) | 2019-12-31 | 2019-12-31 | 一种河湖水环境健康智能评估预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027893A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861193A (zh) * | 2020-07-16 | 2020-10-30 | 浙江省生态环境低碳发展中心 | 一种平原河网水环境承载力评估及预警指标体系构建方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107450368A (zh) * | 2017-08-24 | 2017-12-08 | 无锡南理工科技发展有限公司 | 基于无线传感器的河流环境控制与管理方法 |
| CN109615011A (zh) * | 2018-12-14 | 2019-04-12 | 河海大学 | 一种基于lstm的中小河流短期洪水预报方法 |
| CN110175416A (zh) * | 2019-05-30 | 2019-08-27 | 三峡大学 | 基于主成分分析和神经网络的三峡水库水温预测方法 |
-
2019
- 2019-12-31 CN CN201911405361.3A patent/CN111027893A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107450368A (zh) * | 2017-08-24 | 2017-12-08 | 无锡南理工科技发展有限公司 | 基于无线传感器的河流环境控制与管理方法 |
| CN109615011A (zh) * | 2018-12-14 | 2019-04-12 | 河海大学 | 一种基于lstm的中小河流短期洪水预报方法 |
| CN110175416A (zh) * | 2019-05-30 | 2019-08-27 | 三峡大学 | 基于主成分分析和神经网络的三峡水库水温预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘晶晶: "水质数据融合平台的研究与设计" * |
| 左岗岗: "基于机器学习的渭河流域径流预测系统研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861193A (zh) * | 2020-07-16 | 2020-10-30 | 浙江省生态环境低碳发展中心 | 一种平原河网水环境承载力评估及预警指标体系构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
| Bizzi et al. | Characterizing physical habitats in rivers using map-derived drivers of fluvial geomorphic processes | |
| CN102567635B (zh) | 一种定量区分水循环演变过程中不同因素贡献的方法 | |
| CN110597932B (zh) | 一种基于遥感影像的环境综合评估预测方法 | |
| CN105243435A (zh) | 一种基于深度学习元胞自动机模型的土壤含水量预测方法 | |
| CN108304536A (zh) | 一种耦合地缘环境要素的地缘环境模拟与预测平台 | |
| CN104270773B (zh) | 基于遗传算法多目标优化的流域传感器覆盖网优化方法 | |
| Zheng et al. | An eiot system designed for ecological and environmental management of the xianghe segment of china’s grand canal | |
| CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
| CN115965246B (zh) | 一种岩溶塌陷灾害的预警分析方法 | |
| Atabati et al. | Modeling groundwater nitrate concentrations using spatial and non-spatial regression models in a semi-arid environment | |
| CN117788218B (zh) | 一种碳排放评估方法及系统 | |
| CN117688844B (zh) | 一种基于深度神经网络的城市内涝实时模拟方法及系统 | |
| CN111027893A (zh) | 一种河湖水环境健康智能评估预警系统及方法 | |
| Huang et al. | Towards better environmental software for spatio-temporal ecological models: lessons from developing an intelligent system supporting phytoplankton prediction in lakes | |
| Zanella et al. | Sensor networks, data processing, and inference: the hydrology challenge | |
| Khazaei et al. | Development of hydrodynamic and sediment transport model for Green Bay, Lake Michigan | |
| Guo et al. | Automatic setting of urban drainage pipe monitoring points based on scenario simulation and fuzzy clustering | |
| Feng et al. | The application of fuzzy risk in researching flood disasters | |
| Detenbeck et al. | Watershed-based survey designs | |
| Chai et al. | Population management in an urban center using the dynamic integrated solution for an adequate atmospheric environmental quality | |
| Bathi et al. | Computer tools for urban hydrology and water quality management | |
| CN102226332A (zh) | 一种基于环境监测反馈的调水方法 | |
| Jagtap et al. | Monitoring of Groundwater level and Development of Control Mechanism based on Machine Learning Algorithm | |
| Guo et al. | Application of GIS and remote sensing techniques for water resources management |
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: 20200417 |