CN111707792A - 基于人工智能的污染在线监测与溯源系统及方法 - Google Patents
基于人工智能的污染在线监测与溯源系统及方法 Download PDFInfo
- Publication number
- CN111707792A CN111707792A CN202010436013.9A CN202010436013A CN111707792A CN 111707792 A CN111707792 A CN 111707792A CN 202010436013 A CN202010436013 A CN 202010436013A CN 111707792 A CN111707792 A CN 111707792A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- sample
- monitoring
- pollutants
- water area
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 103
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 94
- 239000002351 wastewater Substances 0.000 claims abstract description 42
- 239000000126 substance Substances 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000011835 investigation Methods 0.000 claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 9
- 239000010865 sewage Substances 0.000 claims abstract description 9
- 238000012795 verification Methods 0.000 claims abstract description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 115
- 231100000719 pollutant Toxicity 0.000 claims description 114
- 238000005070 sampling Methods 0.000 claims description 50
- 239000013598 vector Substances 0.000 claims description 48
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 30
- 238000009792 diffusion process Methods 0.000 claims description 27
- -1 fluoride ions Chemical class 0.000 claims description 25
- 239000000356 contaminant Substances 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 21
- PAYRUJLWNCNPSJ-UHFFFAOYSA-N Aniline Chemical compound NC1=CC=CC=C1 PAYRUJLWNCNPSJ-UHFFFAOYSA-N 0.000 claims description 20
- YNQLUTRBYVCPMQ-UHFFFAOYSA-N Ethylbenzene Chemical compound CCC1=CC=CC=C1 YNQLUTRBYVCPMQ-UHFFFAOYSA-N 0.000 claims description 20
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 20
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 claims description 20
- MVPPADPHJFYWMZ-UHFFFAOYSA-N chlorobenzene Chemical compound ClC1=CC=CC=C1 MVPPADPHJFYWMZ-UHFFFAOYSA-N 0.000 claims description 20
- VZGDMQKNWNREIO-UHFFFAOYSA-N tetrachloromethane Chemical compound ClC(Cl)(Cl)Cl VZGDMQKNWNREIO-UHFFFAOYSA-N 0.000 claims description 20
- 238000004445 quantitative analysis Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000006731 degradation reaction Methods 0.000 claims description 11
- OCJBOOLMMGQPQU-UHFFFAOYSA-N 1,4-dichlorobenzene Chemical compound ClC1=CC=C(Cl)C=C1 OCJBOOLMMGQPQU-UHFFFAOYSA-N 0.000 claims description 10
- CZGCEKJOLUNIFY-UHFFFAOYSA-N 4-Chloronitrobenzene Chemical compound [O-][N+](=O)C1=CC=C(Cl)C=C1 CZGCEKJOLUNIFY-UHFFFAOYSA-N 0.000 claims description 10
- CPELXLSAUQHCOX-UHFFFAOYSA-M Bromide Chemical compound [Br-] CPELXLSAUQHCOX-UHFFFAOYSA-M 0.000 claims description 10
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 10
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 10
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 10
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 10
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 claims description 10
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 10
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 claims description 10
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 10
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims description 10
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 10
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 10
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 10
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 10
- 229910052782 aluminium Inorganic materials 0.000 claims description 10
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 10
- 239000003945 anionic surfactant Substances 0.000 claims description 10
- 229910052787 antimony Inorganic materials 0.000 claims description 10
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 claims description 10
- 229910052788 barium Inorganic materials 0.000 claims description 10
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 claims description 10
- SXDBWCPKPHAZSM-UHFFFAOYSA-M bromate Inorganic materials [O-]Br(=O)=O SXDBWCPKPHAZSM-UHFFFAOYSA-M 0.000 claims description 10
- 229910052793 cadmium Inorganic materials 0.000 claims description 10
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 claims description 10
- XTEGARKTQYYJKE-UHFFFAOYSA-M chlorate Inorganic materials [O-]Cl(=O)=O XTEGARKTQYYJKE-UHFFFAOYSA-M 0.000 claims description 10
- 229960001701 chloroform Drugs 0.000 claims description 10
- 229910052804 chromium Inorganic materials 0.000 claims description 10
- 239000011651 chromium Substances 0.000 claims description 10
- 229910017052 cobalt Inorganic materials 0.000 claims description 10
- 239000010941 cobalt Substances 0.000 claims description 10
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 claims description 10
- 229910052802 copper Inorganic materials 0.000 claims description 10
- 239000010949 copper Substances 0.000 claims description 10
- 229940117389 dichlorobenzene Drugs 0.000 claims description 10
- 229910001385 heavy metal Inorganic materials 0.000 claims description 10
- 229910052742 iron Inorganic materials 0.000 claims description 10
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims description 10
- 229910052753 mercury Inorganic materials 0.000 claims description 10
- 229910052750 molybdenum Inorganic materials 0.000 claims description 10
- 239000011733 molybdenum Substances 0.000 claims description 10
- 229910052759 nickel Inorganic materials 0.000 claims description 10
- 229910052758 niobium Inorganic materials 0.000 claims description 10
- 239000010955 niobium Substances 0.000 claims description 10
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 claims description 10
- 239000002957 persistent organic pollutant Substances 0.000 claims description 10
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 claims description 10
- 229910052709 silver Inorganic materials 0.000 claims description 10
- 239000004332 silver Substances 0.000 claims description 10
- 229910052718 tin Inorganic materials 0.000 claims description 10
- 229910052720 vanadium Inorganic materials 0.000 claims description 10
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 claims description 10
- 239000008096 xylene Substances 0.000 claims description 10
- 229910052725 zinc Inorganic materials 0.000 claims description 10
- 239000011701 zinc Substances 0.000 claims description 10
- 150000002632 lipids Chemical class 0.000 claims description 9
- 150000001450 anions Chemical class 0.000 claims description 6
- 229910002651 NO3 Inorganic materials 0.000 claims description 5
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 5
- 229940006460 bromide ion Drugs 0.000 claims description 5
- 229940005989 chlorate ion Drugs 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 5
- 229940085991 phosphate ion Drugs 0.000 claims description 5
- 229910052698 phosphorus Inorganic materials 0.000 claims description 5
- 239000011574 phosphorus Substances 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 claims description 4
- 125000000129 anionic group Chemical group 0.000 claims description 4
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 claims 1
- 239000011737 fluorine Substances 0.000 claims 1
- 229910052731 fluorine Inorganic materials 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明公开了一种基于人工智能的污染在线监测与溯源系统及方法,属于环境保护领域。包括建立污染废水化学指纹库;在线监测、实时收集污染风险数据;事故风险定性和筛选;定量分析、对比数据确定事故发生可能地;开展事故发生可能地的现场调查、取证及验证五个步骤。本发明通过对目标水域内工厂的排污情况进行摸底调查,建立污水排放指纹库,然后通过反演法确定对监测数据与实际数据之间的不确定度,然后通过对比相似度和不确定度之间的大小,确定污染源发生地。解决了传统污染事故污染源溯源方法的主观性、滞后性、设备要求高、工作量大的问题,降低数据检测的难道,提高了溯源方法的可行性。
Description
技术领域
本发明属于环境保护领域,尤其是一种基于人工智能的污染在线监测与溯源系统及方法。
背景技术
作为典型发展中国家,我国河流等水域一直受到化学品泄露事故的威胁,经常会有少部分工厂存在夜间偷排行为造成的水污染事件。其它发展中国家和发达国家也面临类似的困扰和挑战相同的河流污染事件的发生,因此,需要开发基于监测数据对污染源进行污染溯源,确定污染排放信息开展应急处置和风险防控的前提。
目前,较为有效的污染源溯源方法通常是利用同位素分析,红外光谱等高精密设备进行化学特征分析,以此实现风险源的排查的,但是此方法更多的适用于一类特征污染物。而对于小流域的水体污染,由于国内地方环保部门根本不具有同位素分析,红外光谱的能力,因此需要将样本送至三方检测机构进行定量检测,然进一步对数据进行分析和处理,不具有时效性,以至于及时获得相关证据,缺乏切实可行性。另外,对于事故化学品和风险源污染物之间的关联性更多的采用经验数据进行推断,尚未形成规范和标准。现阶段当前国内的地方外环保部门更多的依靠经验法逐一检查来排查事故涉嫌风险源,因此如何通过人工智能、大数据等方式科学、合理、可行的排查事故涉嫌风险源成为国内地方环保部门迫切需要解决的问题。
发明内容
发明目的:提供一种基于人工智能的污染在线监测与溯源系统及方法,以解决上述背景所涉及的问题。
技术方案:一种基于人工智能的污染在线监测与溯源系统及方法,包括如下步骤:
步骤一、建立污染废水化学指纹库;
步骤二、在线监测、实时收集污染风险数据;
步骤三、事故风险定性和筛选;
步骤四、定量分析、对比数据确定事故发生可能地;
步骤五、开展事故发生可能地的现场调查、取证及验证。
作为一个优选方案,所述建立风险化学指纹库包括如下步骤:
S11、基于人工智能记录监测水源内所有工厂排污口坐标和受纳水体样本;
S12、通过工厂定期上报、不定期现场检查获得、建立、更新受纳水体样本;
S13、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取铝、钒、铬、锰、铁、钴、镍、铜、锌、铌、钼、银、镉、锑、锡、钡、汞、铅18种重金属污染物元素在排出时占污染废水的平均浓度作为指标,形成一个18维向量;
S14、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取氟离子、氯离子、溴离子、氯酸根离子、溴酸根离子、硝酸根离子、磷酸根离子、硫酸根离子8种稳定的阴离子污染物在排出时占污染废水的平均浓度作为指标,形成一个8维向量;
S15、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占污染废水的平均浓度作为指标,形成一个15维向量;
S16、以S13~S15中的三个向量作为基本指标,建立污染废水的化学指纹库。
作为一个优选方案,所述在线监测、实时收集污染风险数据包括如下步骤:通过设置在间隔预定距离的固定监测点,以预定频率对水域内的污染物在线检测,当确定存在污染物后,采用移动式人工智能在线检测平台对预定位置的水域进行在线检测、实时收集。
作为一个优选方案,所述事故风险定性和筛选包括如下步骤:
S31、确定污染物事件的发生,在该水域中某个断层检测出污染物高出环境保护要求或多种污染物同时高出该水域的背景指标;
S32、若固定监测点检测的污染物浓度随时间变化曲线近似为正态分布,可视为污染物瞬时排放;若固定监测点检测的污染物浓度随时间变化曲线近似为直线,可视为连续化排放;
S33、对水域内污染物进行定量分析,以第一时间检测到污染物风险的监测点取样的水域样本作为第一样本,同时其上游的监测点取样的水域样本作为第二样本,并第一样本和第二样本的具体组分进行定量分析:
选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占第一样本的平均浓度作为指标,形成一个15维向量;占第二样本的平均浓度作为指标,形成一个15维向量;
S34、计算不确定度,引入系统不确定度,其中,为污染物在水域中扩散所引起的不确定度分量;为监测点取样所引起的不去确定度分量;为实验误差所引起的不确定度分量,与实验方法有关;为工厂生产过程中所引起的不确定度分量;k为降解速率;
S35、对比监测点水域污染物组成与数据库组成的相似度测量,当满足如下条件时,
即可认为为可能风险点。
其中,为在第i个采样点处的污染物浓度检测数据;为多次测量中污染物的平均浓度;同时,可以多次取样,扩大取样间隔,剔除部分不可信数据,以减小的取值,具体的,当取样间隔大于0.5米,样本数量大于12时,监测点取样所引起的不确定度分量小于1.0%。
作为一个优选方案,污染物瞬时排放一维河道污染物扩散模型:
其中,为污染物排放总量,可利用监测点间距反演得到;、为污染物在水体中纵向、横向的扩散系数;、为一维水域的在纵向的平均流速和横向水流的平均流速;为污染物排放时到监测点所花时长;、为监测点距离风险点的纵向距离和横向距离;k为降解速率;
作为一个优选方案,污染物连续化排放的一维河道污染物扩散模型:
本发明还提供一种基于人工智能的污染在线监测与溯源系统,其特征在于,包括:
第一模块,用于建立污染废水化学指纹库;
第二模块,用于在线监测、实时收集污染风险数据;
第三模块,用于事故风险定性和筛选;
第四模块,用于定量分析、对比数据确定事故发生可能地;
第五模块,用于开展事故发生可能地的现场调查、取证及验证。
作为一个优选方案,所述第一模块,通过
S11、基于人工智能记录监测水源内所有工厂排污口坐标和受纳水体样本;
S12、通过工厂定期上报、不定期现场检查获得、建立、更新受纳水体样本;
S13、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取铝、钒、铬、锰、铁、钴、镍、铜、锌、铌、钼、银、镉、锑、锡、钡、汞、铅18种重金属污染物元素在排出时占污染废水的平均浓度作为指标,形成一个18维向量;
S14、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取氟离子、氯离子、溴离子、氯酸根离子、溴酸根离子、硝酸根离子、磷酸根离子、硫酸根离子8种稳定的阴离子污染物在排出时占污染废水的平均浓度作为指标,形成一个8维向量;
S15、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占污染废水的平均浓度作为指标,形成一个15维向量;
S16、以S13~S15中的三个向量作为基本指标,建立污染废水的化学指纹库;
所述第二模块,通过设置在间隔预定距离的固定监测点,以预定频率对水域内的污染物在线检测,当确定存在污染物后,采用移动式人工智能在线检测平台对预定位置的水域进行在线检测、实时收集,实现在线监测、实时收集污染风险数据;
作为一个优选方案,所述第二模块,通过
S31、确定污染物事件的发生,在该水域中某个断层检测出污染物高出环境保护要求或多种污染物同时高出该水域的背景指标;
S32、若固定监测点检测的污染物浓度随时间变化曲线近似为正态分布,可视为污染物瞬时排放;若固定监测点检测的污染物浓度随时间变化曲线近似为直线,可视为连续化排放;
S33、对水域内污染物进行定量分析,以第一时间检测到污染物风险的监测点取样的水域样本作为第一样本,同时其上游的监测点取样的水域样本作为第二样本,并第一样本和第二样本的具体组分进行定量分析:
选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占第一样本的平均浓度作为指标,形成一个15维向量;占第二样本的平均浓度作为指标,形成一个15维向量;
S34、计算不确定度,引入系统不确定度,其中,为污染物在水域中扩散所引起的不确定度分量;为监测点取样所引起的不去确定度分量;为实验误差所引起的不确定度分量,与实验方法有关;为工厂生产过程中所引起的不确定度分量;k为降解速率;
S35、对比监测点水域污染物组成与数据库组成的相似度测量,当满足如下条件时,
即可认为为可能风险点。
其中,为在第i个采样点处的污染物浓度检测数据;为多次测量中污染物的平均浓度;同时,可以多次取样,扩大取样间隔,剔除部分不可信数据,以减小的取值,具体的,当取样间隔大于0.5米,样本数量大于12时,监测点取样所引起的不确定度分量小于1.0%。
有益效果:本发明涉及一种基于人工智能的污染在线监测与溯源系统及方法,通过对目标水域内工厂的排污情况进行摸底调查,建立污水排放指纹库,然后通过反演法确定对监测数据与真实值之间的不确定度,然后通过对比相似度和不确定度之间的大小,确定污染源发生地。解决了传统污染事故污染源溯源方法的主观性、滞后性、设备要求高、工作量大的问题,降低数据检测的难道,提高了溯源方法的可行性。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
一种基于人工智能的污染在线监测与溯源系统及方法,包括如下步骤:
步骤一、建立污染废水化学指纹库。
步骤二、在线监测、实时收集污染风险数据。
步骤三、事故风险定性和筛选。
步骤四、定量分析、对比数据确定事故发生可能地。
步骤五、开展事故发生可能地的现场调查、取证及验证。
在进一步实施例中,所述建立风险化学指纹库包括如下步骤:
S11、基于人工智能记录监测水源内所有工厂排污口坐标和受纳水体样本;
S12、通过工厂定期上报、不定期现场检查获得、建立、更新受纳水体样本;
S13、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取铝、钒、铬、锰、铁、钴、镍、铜、锌、铌、钼、银、镉、锑、锡、钡、汞、铅18种重金属污染物元素在排出时占污染废水的平均浓度作为指标,形成一个18维向量;
S14、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取氟离子、氯离子、溴离子、氯酸根离子、溴酸根离子、硝酸根离子、磷酸根离子、硫酸根离子8种稳定的阴离子污染物在排出时占污染废水的平均浓度作为指标,形成一个8维向量;
S15、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占污染废水的平均浓度作为指标,形成一个15维向量;
S16、以S13~S15中的三个向量作为基本指标,建立污染废水的化学指纹库。
在进一步实施例中,所述在线监测、实时收集污染风险数据包括如下步骤:通过设置在间隔预定距离的固定监测点,以预定频率对水域内的污染物在线监测,当确定存在污染物后,采用移动式人工智能在线检测平台对预定位置的水域进行在线监测、实时收集。
在进一步实施例中,所述事故风险定性和筛选包括如下步骤:
S31、确定污染物事件的发生,在该水域中某个断层检测出污染物高出环境保护要求或多种污染物同时高出该水域的背景指标;
S32、若固定监测点检测的污染物浓度随时间变化曲线近似为正态分布,可视为污染物瞬时排放;若固定监测点检测的污染物浓度随时间变化曲线近似为直线,可视为连续化排放。
S33、对水域内污染物进行定量分析,以第一时间检测到污染物风险的监测点取样的水域样本作为第一样本,同时其上游的监测点取样的水域样本作为第二样本,并第一样本和第二样本的具体组分进行定量分析:
选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占第一样本的平均浓度作为指标,形成一个15维向量;占第二样本的平均浓度作为指标,形成一个15维向量。
S34、计算不确定度,引入系统不确定度,其中,为污染物在水域中扩散所引起的不确定度分量;为监测点取样所引起的不去确定度分量;为实验误差所引起的不确定度分量,与实验方法有关,在此不做进一步计算;为工厂生产过程中所引起的不确定度分量;当工厂生产备案产品时,其副产物的所占比例相对稳定,而且只有当未处理废水的排放量较大时,才会构成污染事故,因此工厂生产过程中所引起的不确定度分量具有较高的稳定性,一般小于3%;k为降解速率。
其中,污染物瞬时排放一维河道污染物扩散模型:
其中,为污染物排放总量,可利用监测点间距反演得到;、为污染物在水体中纵向、横向的扩散系数;、为一维水域的在纵向的平均流速和横向水流的平均流速;为污染物排放时到监测点所花时长;、为监测点距离风险点的纵向距离和横向距离;k为降解速率。
作为一个优选方案,污染物连续化排放的一维河道污染物扩散模型:
其中,为在第i个采样点处的污染物浓度检测数据;为多次测量中污染物的平均浓度;同时,可以多次取样,扩大取样间隔,剔除部分不可信数据,以减小的取值,具体的,当取样间隔大于0.5米,样本数量大于12时,监测点取样所引起的不确定度分量小于1.0%。
S35、对比监测点水域污染物组成与数据库组成的相似度测量,当满足如下条件时,
即可认为为可能风险点。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (10)
1.一种基于人工智能的污染在线监测与溯源方法,其特征在于,包括如下步骤:
步骤一、建立污染废水化学指纹库;
步骤二、在线监测、实时收集污染风险数据;
步骤三、事故风险定性和筛选;
步骤四、定量分析、对比数据确定事故发生可能地;
步骤五、开展事故发生可能地的现场调查、取证及验证。
2.根据权利要求1所述的基于人工智能的污染在线监测与溯源方法,其特征在于,所述建立风险化学指纹库包括如下步骤:
S11、基于人工智能记录监测水源内所有工厂排污口坐标和受纳水体样本;
S12、通过工厂定期上报、不定期现场检查获得、建立、更新受纳水体样本;
S13、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取铝、钒、铬、锰、铁、钴、镍、铜、锌、铌、钼、银、镉、锑、锡、钡、汞、铅18种重金属污染物元素在排出时占污染废水的平均浓度作为指标,形成一个18维向量;
S14、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取氟离子、氯离子、溴离子、氯酸根离子、溴酸根离子、硝酸根离子、磷酸根离子、硫酸根离子8种稳定的阴离子污染物在排出时占污染废水的平均浓度作为指标,形成一个8维向量;
S15、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占污染废水的平均浓度作为指标,形成一个15维向量;
S16、以S13~S15中的三个向量作为基本指标,建立污染废水的化学指纹库。
3.根据权利要求1所述的基于人工智能的污染在线监测与溯源系统及方法,其特征在于,所述在线监测、实时收集污染风险数据包括如下步骤:通过设置在间隔预定距离的固定监测点,以预定频率对水域内的污染物在线检测,当确定存在污染物后,采用移动式人工智能在线检测平台对预定位置的水域进行在线检测、实时收集。
4.根据权利要求1所述的基于人工智能的污染在线监测与溯源方法,其特征在于,所述事故风险定性和筛选包括如下步骤:
S31、确定污染物事件的发生,在该水域中某个断层检测出污染物高出环境保护要求或多种污染物同时高出该水域的背景指标;
S32、若固定监测点检测的污染物浓度随时间变化曲线近似为正态分布,可视为污染物瞬时排放;若固定监测点检测的污染物浓度随时间变化曲线近似为直线,可视为连续化排放;
S33、对水域内污染物进行定量分析,以第一时间检测到污染物风险的监测点取样的水域样本作为第一样本,同时其上游的监测点取样的水域样本作为第二样本,并第一样本和第二样本的具体组分进行定量分析:
选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占第一样本的平均浓度作为指标,形成一个15维向量;占第二样本的平均浓度作为指标,形成一个15维向量;
S34、计算不确定度,引入系统不确定度,其中,为污染物在水域中扩散所引起的不确定度分量;为监测点取样所引起的不去确定度分量;为实验误差所引起的不确定度分量,与实验方法有关;为工厂生产过程中所引起的不确定度分量;k为降解速率;
S35、对比监测点水域污染物组成与数据库组成的相似度测量,当满足如下条件时,
即可认为为可能风险点。
8.一种基于人工智能的污染在线监测与溯源系统,其特征在于,包括:
第一模块,用于建立污染废水化学指纹库;
第二模块,用于在线监测、实时收集污染风险数据;
第三模块,用于事故风险定性和筛选;
第四模块,用于定量分析、对比数据确定事故发生可能地;
第五模块,用于开展事故发生可能地的现场调查、取证及验证。
9.根据权利要求8所述的基于人工智能的污染在线监测与溯源系统,其特征在于:所述第一模块,通过
S11、基于人工智能记录监测水源内所有工厂排污口坐标和受纳水体样本;
S12、通过工厂定期上报、不定期现场检查获得、建立、更新受纳水体样本;
S13、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取铝、钒、铬、锰、铁、钴、镍、铜、锌、铌、钼、银、镉、锑、锡、钡、汞、铅18种重金属污染物元素在排出时占污染废水的平均浓度作为指标,形成一个18维向量;
S14、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取氟离子、氯离子、溴离子、氯酸根离子、溴酸根离子、硝酸根离子、磷酸根离子、硫酸根离子8种稳定的阴离子污染物在排出时占污染废水的平均浓度作为指标,形成一个8维向量;
S15、将工厂每个生产线所产生、排出的污染废水进行定量分析,选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占污染废水的平均浓度作为指标,形成一个15维向量;
S16、以S13~S15中的三个向量作为基本指标,建立污染废水的化学指纹库;
所述第二模块,通过设置在间隔预定距离的固定监测点,以预定频率对水域内的污染物在线检测,当确定存在污染物后,采用移动式人工智能在线检测平台对预定位置的水域进行在线检测、实时收集,实现在线监测、实时收集污染风险数据;
所述第二模块,通过
S31、确定污染物事件的发生,在该水域中某个断层检测出污染物高出环境保护要求或多种污染物同时高出该水域的背景指标;
S32、若固定监测点检测的污染物浓度随时间变化曲线近似为正态分布,可视为污染物瞬时排放;若固定监测点检测的污染物浓度随时间变化曲线近似为直线,可视为连续化排放;
S33、对水域内污染物进行定量分析,以第一时间检测到污染物风险的监测点取样的水域样本作为第一样本,同时其上游的监测点取样的水域样本作为第二样本,并第一样本和第二样本的具体组分进行定量分析:
选取阴离子表面活性剂、氰化物、硫化物、苯胺类、有机磷、三氯甲烷、四氯化碳、苯、二甲苯、乙苯、氯苯、二氯苯、对硝基氯苯、苯酚、脂类15种稳定的有机物污染物在排出时占第一样本的平均浓度作为指标,形成一个15维向量;占第二样本的平均浓度作为指标,形成一个15维向量;
S34、计算不确定度,引入系统不确定度,其中,为污染物在水域中扩散所引起的不确定度分量;为监测点取样所引起的不去确定度分量;为实验误差所引起的不确定度分量,与实验方法有关;为工厂生产过程中所引起的不确定度分量;k为降解速率;
S35、对比监测点水域污染物组成与数据库组成的相似度测量,当满足如下条件时,
即可认为为可能风险点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010436013.9A CN111707792A (zh) | 2020-05-21 | 2020-05-21 | 基于人工智能的污染在线监测与溯源系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010436013.9A CN111707792A (zh) | 2020-05-21 | 2020-05-21 | 基于人工智能的污染在线监测与溯源系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111707792A true CN111707792A (zh) | 2020-09-25 |
Family
ID=72538000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010436013.9A Withdrawn CN111707792A (zh) | 2020-05-21 | 2020-05-21 | 基于人工智能的污染在线监测与溯源系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111707792A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112520793A (zh) * | 2020-09-29 | 2021-03-19 | 广州市天驰测绘技术有限公司 | 一种黑臭水体电性溯源方法 |
CN112685522A (zh) * | 2020-12-25 | 2021-04-20 | 广东奥博信息产业股份有限公司 | 一种河涌健康管理方法及系统 |
CN115114352A (zh) * | 2022-08-25 | 2022-09-27 | 深圳市华云中盛科技股份有限公司 | 一种用于典型污染物快速分析管理系统 |
-
2020
- 2020-05-21 CN CN202010436013.9A patent/CN111707792A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112520793A (zh) * | 2020-09-29 | 2021-03-19 | 广州市天驰测绘技术有限公司 | 一种黑臭水体电性溯源方法 |
CN112685522A (zh) * | 2020-12-25 | 2021-04-20 | 广东奥博信息产业股份有限公司 | 一种河涌健康管理方法及系统 |
CN115114352A (zh) * | 2022-08-25 | 2022-09-27 | 深圳市华云中盛科技股份有限公司 | 一种用于典型污染物快速分析管理系统 |
CN115114352B (zh) * | 2022-08-25 | 2023-01-31 | 深圳市华云中盛科技股份有限公司 | 一种用于典型污染物快速分析管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111707792A (zh) | 基于人工智能的污染在线监测与溯源系统及方法 | |
Prasad et al. | Evaluation of the heavy metal pollution index for surface and spring water near a limestone mining area of the lower Himalayas | |
CN107677614B (zh) | 一种水中重金属污染风险在线预警系统及方法 | |
Liu et al. | Concentrations, distribution, sources, and ecological risk assessment of heavy metals in agricultural topsoil of the Three Gorges Dam region, China | |
CN112505189A (zh) | 一种基于地下水特征污染物的自动溯源方法 | |
CN210895538U (zh) | 水质智能监管装置和设备 | |
Li et al. | Heavy metals in soil of an urban industrial zone in a metropolis: risk assessment and source apportionment | |
CN108108336A (zh) | 一种面向工业园区的大气污染物溯源方法 | |
CN112198144B (zh) | 一种快速污水溯源的方法及系统 | |
CN106600509A (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
Poshtegal et al. | The heavy metals pollution index and water quality monitoring of the Zarrineh river, Iran | |
Fan et al. | Water quality characteristics, sources, and assessment of surface water in an industrial mining city, southwest of China | |
CN207516235U (zh) | 一种水中重金属污染风险在线预警系统 | |
Andarani et al. | Study of zinc pollution in river water: Average mass balance based on irrigation schedule | |
Chen et al. | A hybrid methodology to quantitatively identify inorganic aerosol of PM2. 5 source contribution | |
RU2413220C1 (ru) | Способ экологического мониторинга опасных производственных объектов | |
CN117151557A (zh) | 一种基于工业废水监测数据的质量监控方法及系统 | |
CN112309506A (zh) | 一种基于排序和概率的层次化生态风险评价方法 | |
de Castro Barcellos et al. | The role of the Arroio Pavuna river in the transport of particulate heavy metals to Jacarepagua lagoon, Brazil | |
CN113516288A (zh) | 河流水质巡查监督方法、装置、设备及存储介质 | |
Shivkumar et al. | Statistical approach for the assessment of water pollution around industrial areas: A case study from Patancheru, Medak district, India | |
CN116662919B (zh) | 水体逆流识别方法及装置、电子设备和存储介质 | |
CN117151471B (zh) | 一种矿井水处理检测方法及系统 | |
CN117037448A (zh) | 一种用于地下水污染防控的污染预警方法及系统 | |
CN114266404B (zh) | 一种化工园区场地污染预警系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200925 |
|
WW01 | Invention patent application withdrawn after publication |