CN111596020B - 一种水质监测点智能选取位置的方法 - Google Patents

一种水质监测点智能选取位置的方法 Download PDF

Info

Publication number
CN111596020B
CN111596020B CN202010436517.0A CN202010436517A CN111596020B CN 111596020 B CN111596020 B CN 111596020B CN 202010436517 A CN202010436517 A CN 202010436517A CN 111596020 B CN111596020 B CN 111596020B
Authority
CN
China
Prior art keywords
monitoring
water quality
value
point
points
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.)
Active
Application number
CN202010436517.0A
Other languages
English (en)
Other versions
CN111596020A (zh
Inventor
明智强
王健红
张文相
赵万
张青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Mizhou Lianfa Testing Technology Co ltd
Original Assignee
Chongqing Mizhou Lianfa Testing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Mizhou Lianfa Testing Technology Co ltd filed Critical Chongqing Mizhou Lianfa Testing Technology Co ltd
Priority to CN202010436517.0A priority Critical patent/CN111596020B/zh
Publication of CN111596020A publication Critical patent/CN111596020A/zh
Application granted granted Critical
Publication of CN111596020B publication Critical patent/CN111596020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)

Abstract

本发明涉及水质监测技术领域，具体涉及一种水质监测点智能选取位置的方法，首先设置监测起点和终点，然后按照排水口顺序依次进行排序，并将监测点的水质划分等级，给每个排水口设置污染程度的预测值，测定监测点之间的水质等级偏差值，用偏差值除以所有预测值的和并得到平均值，最后计算平均值和逐个预测值乘积的和，再加上首节点，并与水质标准限值相比较，当累加到超越水质标准限值时，该点即为最佳监测点位置；本发明利用智能选取水质监测点的方法，能快速找到河道污染的监测点，从而快速找到污染的源头，提高河道征战的效率；利用该方法，可以准确判断河道监测点的位置，快速锁定污染的源头，从而加强河道的整治与管理。

Description

一种水质监测点智能选取位置的方法
技术领域
本发明涉及水质监测技术领域，具体涉及一种水质监测点智能选取位置的方法。
背景技术
江河湖泊具有非常重要的调节功能和经济功能。然而，一些地区河流开发利用不合理，废污水排放量居高不下，导致河流水质环境造成污染，严重危害了人民的生活环境。所以，如何加强水质监测，快速找出监测点，用最快的速度找出污染源，减少河道污染，保护水质环境起到了重要作用。
然而，传统的选取监测点主要是根据行政区边界的和用工人的方法去判断进行选取监测点的位置，缺少了科学的依据，速度较慢，也耗费了大量的时间，而且选取位置后，通过纸质的方法进行查看和保存，不够便捷，操作起来过于繁琐，而且只能解决眼前的问题，并不能找出河道污染的根源。
基于此，本发明设计了一种水质监测点智能选取位置的方法，以解决上述问题。
发明内容
本发明的目的在于提供一种水质监测点智能选取位置的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种水质监测点智能选取位置的方法，包括以下步骤：
S1：将河流的上游为监测的起点，下游为监测终点，并将监测点定义为节点N，监测的起点为N0，监测的终点N1；
S2：将所有排水口分两类，并将排水口标识在河流线状上，将排水口定义为伪节点W，而排水口的顺序把上游往下游顺序排序为W1-Wn；
S3：将监测点的水质评级划分等级，将每个等级水质标准限值设为S1～S6，并设置水质参数，这里的参数只是表示其中一种参数，其他参数也是以此类推，而监测点的实际值设定为Sn0-Sn1；
S4：将排水口的污染的程度设定一个预测值Yw，这个预测值是跟排水类型和排口的流量有关，排口流量越大，Yw值越大，而排水类型为污水的Yw比排雨水口的Yw值大好几倍；
S5：当节点N0与节点N1之间的水质评级等级出现较大偏差时，偏差值为SN1-SN0＝S差；
S6：将所有排水口的Yw值累加起来为∑Yw；
S7：求平均值M＝S差/∑Yw；
S8：计算SN0+Yw1*M+Yw2*M≥S，当SN0+Yw1*M+Yw2*M一直累加到值越出S的值时，该点即为最佳监测点位置；
S9：如果最佳监测点安装监测后，当监测数据越出S值，说明上游的预测值偏低，可能存在污染情况，便可直接去巡查每个污水排水口进行确定，如果N0到最佳监测点的距离相对较远，可以把最佳监测点设置N1进行，再从第一步循环推测最佳监测点。
进一步的，步骤S1中起点和终点为河流线状与行政区边界线相交的两个点。
进一步的，步骤S2中两类排水口一类为雨水排水口，另一类为污水排水口。
进一步的，步骤S3中水质的等级包括I类、II类、III类、IV类、V类和劣V类。
进一步的，步骤S3中的水质参数包括PH值、溶解氧值、高锰酸钾指数、氨氮值、总氮值和总磷值。
进一步的，排水口的Yw的值需要根据实际情况进行来设定。
进一步的，步骤S8中S为水质标准限值。
与现有技术相比，本发明的有益效果是：本发明利用智能选取水质监测点的方法，能快速找到河道污染的监测点，从而快速找到污染的源头，提高河道征战的效率；同时，能将河道排水口在地图上直观展示，清晰的呈现河道排水口的整体分布；利用该方法，可以准确判断河道监测点的位置，并分析河道的污染源头，结合地图周边的工业环境以及排水情况，快速锁定污染的源头，从而加强河道的整治与管理。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明流程图；
图2为本发明水质监测管理平台示意图。
具体实施方式
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，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供一种技术方案：一种水质监测点智能选取位置的方法，包括以下步骤：
S1：将河流的上游为监测的起点，下游为监测终点，并将监测点定义为节点N，监测的起点为N0，监测的终点N1；
S2：将所有排水口分两类，并将排水口标识在河流线状上，将排水口定义为伪节点W，而排水口的顺序把上游往下游顺序排序为W1-Wn；
S3：将监测点的水质评级划分等级，将每个等级水质标准限值设为S1～S6，并设置水质参数，这里的参数只是表示其中一种参数，其他参数也是以此类推，而监测点的实际值设定为Sn0-Sn1；
S4：将排水口的污染的程度设定一个预测值Yw，这个预测值是跟排水类型和排口的流量有关，排口流量越大，Yw值越大，而排水类型为污水的Yw比排雨水口的Yw值大好几倍；
S5：当节点N0与节点N1之间的水质评级等级出现较大偏差时，偏差值为SN1-SN0＝S差；
S6：将所有排水口的Yw值累加起来为∑Yw；
S7：求平均值M＝S差/∑Yw；
S8：计算SN0+Yw1*M+Yw2*M≥S，当SN0+Yw1*M+Yw2*M一直累加到值越出S的值时，该点即为最佳监测点位置；
S9：如果最佳监测点安装监测后，当监测数据越出S值，说明上游的预测值偏低，可能存在污染情况，便可直接去巡查每个污水排水口进行确定，如果N0到最佳监测点的距离相对较远，可以把最佳监测点设置N1进行，再从第一步循环推测最佳监测点。
步骤S1中起点和终点为河流线状与行政区边界线相交的两个点。
步骤S2中两类排水口一类为雨水排水口，另一类为污水排水口。
步骤S3中水质的等级包括I类、II类、III类、IV类、V类和劣V类。
步骤S3中的水质参数包括PH值、溶解氧值、高锰酸钾指数、氨氮值、总氮值和总磷值。
排水口的Yw的值需要根据实际情况进行来设定。
步骤S8中S为水质标准限值。
本发明能够通过水质监测可视化管理平台将行政区、河流、排水口的位置直观的展示在地图上，可以直观看到河流与行政区的交接处、排水口在河流的位置。然后再根据这些现有元素中通过计算获取监测点，再根据监测回来的数据的实时分析结果找出可能为污染源头的地方作为监测点，最终可以快速找出污染源头，最终解决污染问题。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种水质监测点智能选取位置的方法，其特征在于，包括以下步骤：
S1：将河流的上游为监测的起点，下游为监测终点，并将监测点定义为节点N，监测的起点为N 0，监测的终点N 1；
S2：将所有排水口分两类，并将排水口标识在河流线状上，将排水口定义为伪节点W，而排水口的顺序把上游往下游顺序排序为W 1-W n；
S3：将监测点的水质评级划分等级，将每个等级水质标准限值设为S 1~S 6，并设置水质参数，这里的参数只是表示其中一种参数，其他参数也是以此类推，而监测点的实际值设定为S N0-S N1；
S4：将排水口的污染的程度设定一个预测值Y w，这个预测值是跟排水类型和排口的流量有关，排口流量越大，Y w值越大，而排水类型为污水的Y w比排雨水口的Y w值大好几倍；排水口的Y w的值需要根据实际情况来进行设定；伪节点W 1、W 2、 …、 W n到排水口污染程度的预测值分别为Y w1、Y w2、 …、 Y wn；
S5：当节点N 0与节点N 1之间的水质评级等级出现较大偏差时，偏差值为S N1-S N0=S差；
S6：将所有排水口的Y w值累加起来为∑Y w；
S7：求平均值M= S 差/∑Y w；
S8：分别计算S N0+Y w1*M、S N0+Y w1*M+Y w2*M，并以此类推，当一直累加到值越出S时，该伪节点即为最佳监测点位置，S为水质标准限值；
S9：如果最佳监测点安装监测后，当监测数据越出S值，说明上游的预测值偏低，可能存在污染情况，便可直接去巡查每个污水排水口进行确定。
2.如权利要求1所述的一种水质监测点智能选取位置的方法，其特征在于：步骤S1中所述起点和终点为河流线状与行政区边界线相交的两个点。
3.如权利要求1所述的一种水质监测点智能选取位置的方法，其特征在于：步骤S2中两类所述排水口一类为雨水排水口，另一类为污水排水口。
4.如权利要求1所述的一种水质监测点智能选取位置的方法，其特征在于：步骤S3中所述水质的等级包括I类、II类、III类、IV类、V类和劣V类。
5.如权利要求1所述的一种水质监测点智能选取位置的方法，其特征在于：步骤S3中的水质参数包括pH值、溶解氧值、高锰酸钾指数、氨氮值、总氮值和总磷值。
CN202010436517.0A 2020-05-21 2020-05-21 一种水质监测点智能选取位置的方法 Active CN111596020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010436517.0A CN111596020B (zh) 2020-05-21 2020-05-21 一种水质监测点智能选取位置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010436517.0A CN111596020B (zh) 2020-05-21 2020-05-21 一种水质监测点智能选取位置的方法

Publications (2)

Publication Number Publication Date
CN111596020A CN111596020A (zh) 2020-08-28
CN111596020B true CN111596020B (zh) 2022-09-30

Family

ID=72186005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010436517.0A Active CN111596020B (zh) 2020-05-21 2020-05-21 一种水质监测点智能选取位置的方法

Country Status (1)

Country Link
CN (1) CN111596020B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113777256A (zh) * 2021-08-09 2021-12-10 力合科技（湖南）股份有限公司 环境监测点位的自动化布点方法及系统、设备、存储介质
CN115128229B (zh) * 2022-06-01 2024-07-12 福建健水工程有限公司 基于大数据的水环境治理污染源检测管理系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1834656A (zh) * 2006-03-20 2006-09-20 天津大学 河道沉积物监测点回归选择方法
JP2006274577A (ja) * 2005-03-28 2006-10-12 Toshiba Corp 水質予測装置および水質制御装置
CN102818884A (zh) * 2012-08-15 2012-12-12 长沙理工大学 一种违规排污口的定位方法
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
CN105278492A (zh) * 2014-06-26 2016-01-27 广东柯内特环境科技有限公司 一种区域排污的智能监控系统和方法
CN108197426A (zh) * 2018-01-31 2018-06-22 扬州大学 规划排污口任意多点概化下降解系数不确定的小型河道纳污能力估算方法
CN110189064A (zh) * 2019-07-03 2019-08-30 中国环境科学研究院 基于大数据的断面水质超标风险压力源的识别方法和系统
CN110531043A (zh) * 2019-08-29 2019-12-03 中水三立数据技术股份有限公司 一种流域水环境污染智能管理系统及其方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006274577A (ja) * 2005-03-28 2006-10-12 Toshiba Corp 水質予測装置および水質制御装置
CN1834656A (zh) * 2006-03-20 2006-09-20 天津大学 河道沉积物监测点回归选择方法
CN102818884A (zh) * 2012-08-15 2012-12-12 长沙理工大学 一种违规排污口的定位方法
CN105278492A (zh) * 2014-06-26 2016-01-27 广东柯内特环境科技有限公司 一种区域排污的智能监控系统和方法
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
CN108197426A (zh) * 2018-01-31 2018-06-22 扬州大学 规划排污口任意多点概化下降解系数不确定的小型河道纳污能力估算方法
CN110189064A (zh) * 2019-07-03 2019-08-30 中国环境科学研究院 基于大数据的断面水质超标风险压力源的识别方法和系统
CN110531043A (zh) * 2019-08-29 2019-12-03 中水三立数据技术股份有限公司 一种流域水环境污染智能管理系统及其方法

Also Published As

Publication number Publication date
CN111596020A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
WO2023087995A1 (zh) 一种分汊河道分流比与分污比及其演变规律的研究方法
CN111428972B (zh) 基于耦合模型的调蓄工程环境效应评估方法及装置
CN111596020B (zh) 一种水质监测点智能选取位置的方法
CN111695305B (zh) 一种无实测水文资料情况下雨源型河流的水面线计算方法
CN107315912B (zh) 一种中小树枝型河道污染物浓度预测及纳污能力计算方法
CN115375198B (zh) 区域河湖水系连通联合调度和水质安全保障方法及系统
CN109754025A (zh) 一种结合水文模拟和连续遥感影像的无资料小水库参数识别方法
CN113505471B (zh) 一种河流断面污染物浓度预测计算方法
CN115115262B (zh) 一种洪水风险灾害评估的方法
CN110838079A (zh) 一种智慧城市防洪排水远程监控系统及方法
CN114580793B (zh) 基于多源互补以及局部调控的水环境优化方法及系统
CN113902344A (zh) 一种基于模型的水环境水质目标管控方法
CN106447105A (zh) 基于连通性指数和图论的河网连通性量化及闸坝优化方法
CN111898250B (zh) 基于多源数据融合的河口尾闾段出汊预测方法及装置
CN113065744B (zh) 一种城市内河水环境承载力动态评估预警方法
CN104750936A (zh) 一种基于gis的城市水文径流计算方法及系统
CN113420512B (zh) 一种计算跨界河流水功能区水质达标率的方法
Venohr et al. Nitrogen retention in a river system and the effects of river morphology and lakes
JP2006184206A (ja) 分布型流出予測システム及び分布型流出予測プログラム
CN113158591A (zh) 一种确定流域土地开发利用承载力的方法
CN116126963B (zh) 非线性多源异构排水模型诊断入流入渗方法
CN117541110A (zh) 一种雨源型城市通江河道污染特征评价及污染源识别方法
CN115906359A (zh) 一种基于排水管网模型的管网溢流点分析方法
CN106978789A (zh) 一种基于河流能量的桥梁对河流阻水影响判别方法
CN114548559B (zh) 一种基于前期雨量的山洪灾害动态预警方法

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