CN111832792A - 一种基于突发污染事件管网水质监测点的布置方法及系统 - Google Patents

一种基于突发污染事件管网水质监测点的布置方法及系统 Download PDF

Info

Publication number
CN111832792A
CN111832792A CN202010025127.4A CN202010025127A CN111832792A CN 111832792 A CN111832792 A CN 111832792A CN 202010025127 A CN202010025127 A CN 202010025127A CN 111832792 A CN111832792 A CN 111832792A
Authority
CN
China
Prior art keywords
water quality
quality monitoring
pollution
pipe network
monitoring 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.)
Granted
Application number
CN202010025127.4A
Other languages
English (en)
Other versions
CN111832792B (zh
Inventor
林英姿
刘根
宋成果
李昂
林涣
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.)
Jilin Jianzhu University
Original Assignee
Jilin Jianzhu University
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 Jilin Jianzhu University filed Critical Jilin Jianzhu University
Priority to CN202010025127.4A priority Critical patent/CN111832792B/zh
Publication of CN111832792A publication Critical patent/CN111832792A/zh
Application granted granted Critical
Publication of CN111832792B publication Critical patent/CN111832792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及一种基于突发污染事件管网水质监测点的布置方法。该方法包括：获取水质监测点的个数和所有水质监测点的位置；获取多个污染事件；根据每一个污染事件，确定每一个水质监测点监测到污染物的时间；获取水质监测点的个数阈值；以水质监测点监测到污染物的时间最短为目标，以水质监测点的个数及每一所述水质监测点的位置为决策变量，以水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型；采用迪杰斯特拉算法对模型进行求解，确定管网中的最优水质监测点的个数及每一最优水质监测点的位置，并进行水质监测点的布置。本发明提供的上述方法及系统解决了现有技术中水质监测点不能快速、准确的监测到污染事件的发生的问题。

Description

一种基于突发污染事件管网水质监测点的布置方法及系统
技术领域
本发明涉及供水水质监测领域，特别是涉及一种基于突发污染事件管网水质监测点的布置方法及系统。
背景技术
一个完善的供水水质监测系统应当包括水源水质监测系统、水厂水质监测系统和管网水质监测系统。总的来说，根据供水管网中不同的水质变化原因和监测目的，可将水质监测点的布置分为常规水质监测点的布置和对突发污染事件的水质监测点的布置。
常规水质监测点的布置主要根据水龄法布置，即利用管网拓扑结构的特性，在管网中不同水龄的节点处梯度布置监测点，定期对管网进行常规水质采样检测，以研究供水管网中水质随水龄的变化规律。通过常规水质监测点的监测数据可以研究余氯等物质在管网的传输过程中由于自身扩散、稀释以及与管道发生的物理、化学及生物变化等原因衰减而使水质变差的规律。
突发污染事件水质监测点是为应付突发事件而设置的监测设备，主要依靠管网水质动态模型进行布置，在管网遭受外界污染物侵入并使水质发生恶化的情况时，通过分析管网中污染物质的传播规律，计算管网中各节点对可能发生的污染事件的监测效率。它的目的是当供水管网因为爆管、二次污染或恶意投毒等意外事故或人为蓄意毁坏引发的突发污染事件，使管网系统遭受污染物质污染时，通过在线监测点的实时监测信息，能够用较短的时间迅速监测到污染事件的发生及其影响范围，并展开相应的应急措施，尽可能地降低污染事件对饮用水安全的影响。而近年来，大部分城市的供水管网水质预警系统的建设仍处在起步阶段，仍采用直接由经验来确定管网水质监测点的布置，并没有形成一套可行的方法。随意性明显，导致管网水质监测点普遍存在分布不合理，不能快速、准确的监测到污染事件的发生。
发明内容
本发明的目的是提供一种基于突发污染事件管网水质监测点的布置方法及系统，解决现有技术中水质监测点不能快速、准确的监测到污染事件的发生的问题。
为实现上述目的，本发明提供了如下方案：
一种基于突发污染事件管网水质监测点的布置方法，包括：
获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点；
获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点；
根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间；
获取所述水质监测点的个数阈值；
以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型；
采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置；
根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
可选的，所述获取水质监测点的个数和所有所述水质监测点的位置，之前还包括：
获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置；
利用公式
Figure BDA0002362175710000021
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
可选的，所述根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间，具体包括：
利用公式
Figure BDA0002362175710000031
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
可选的，所述获取多个污染事件，具体包括：
通过管网平差软件EPANET2获得管网的多个污染事件。
一种基于突发污染事件管网水质监测点的布置系统，包括：
水质监测点获取模块，获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点；
污染事件获取模块，用于获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点；
监测时间确定模块，用于根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间；
个数阈值获取模块，用于获取所述水质监测点的个数阈值；
管网水质监测点优化布置模型确定模块，用于以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型；
最优水质监测点确定模块，用于采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置；
水质监测点的布置模块，用于根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
可选的，其特征在于，还包括：
节点数据获取模块，用于获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置；
监测概率确定模块，用于利用公式
Figure BDA0002362175710000041
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
可选的，所述监测确定时间具体包括：
监测平均时间确定单元，用于利用公式
Figure BDA0002362175710000042
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
可选的，所述污染事件获取模块具体包括：
污染事件获取单元，用于通过管网平差软件EPANET2获得管网的多个污染事件。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种基于突发污染事件管网水质监测点的布置方法及系统，本发明以水质监测点监测到污染物的时间最短为目标，以水质监测点个数及每一水质监测点的位置为决策变量，以水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型，通过构建管网水质监测点优化布置模型实现对水质监测点的合理布置，避免了传统的由经验来确定管网水质监测点的布置导致管网水质监测点普遍存在分布不合理和不能快速、准确的监测到污染事件的发生的缺陷，能够对水质监测点进行合理的布置，从而快速、准确地监测到污染事件的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种基于突发污染事件管网水质监测点的布置方法流程示意图；
图2为本发明所提供的一种基于突发污染事件管网水质监测点的布置系统结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于突发污染事件管网水质监测点的布置方法及系统，解决现有技术中水质监测点不能快速、准确的监测到污染事件的发生的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种基于突发污染事件管网水质监测点的布置方法流程示意图，如图1所示，本发明所提供的一种基于突发污染事件管网水质监测点的布置方法，包括：
S101，获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点。
在S101之前，还需获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置。
其中，利用公式
Figure BDA0002362175710000051
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
为了保证管网中的水质监测点组合能够监测到任意污染事件，本发明所提供的一种基于突发污染事件管网水质监测点的布置方法，将每一水质监测点监测到污染事件的概率确定为100％。
S102，获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点。
通过管网平差软件EPANET2获得管网的多个污染事件。
注污节点为管网节点中的任意节点，并且水质监测点也可为注污节点。
通过管网平差软件EPANET2随机选取管网中的节点作为注污点，污染事件为网管中节点的个数。并且，每次污染事件的历时、用水量模式、用水量类型、水力模拟步长和水质模拟步长相同。
采用管网中的质量注入方式从注污点向管网中注入污染物，每次污染事件的注入时间点、持续时间和注入质量速率相同；
S103，根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间。
利用公式
Figure BDA0002362175710000061
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
S104，获取所述水质监测点的个数阈值。
水质监测点监测到污染事故所需的时间随着监测点数量的增加而逐步减少，且减少的幅度逐渐减小，因此，为了减少运行成本，每个网管中的水质监测点对应的存在一个水质监测点的个数阈值。
S105，以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型。
S106，采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置。
迪杰斯特拉算法为计算最短路径类的问题时的基础理论。迪杰斯特拉算法采用广度优先搜索的方式以及分治和贪心(动态规划的特殊形式)的思想进行搜索全局最优解，有效地解决了有向图中求解最短路径的问题。迪杰斯特拉算法主要特点是以起始点为中心向外逐层逐点扩展，直到经历所有节点为止。该算法由于经历了起始点和目标点节之间所有的节点，求解问题时具有成功率高和鲁棒性好等特点。
迪杰斯特拉算法首次设G＝(V，E)一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合(用S表示)，第二组为其余未确定最短路径的顶点集合(用U表示)，初始时，S中只有起点s；U中是除s之外的顶点，并且U中顶点的路径是"起点s到该顶点的路径"。然后，从U中找出路径最短的顶点，并将其加入到S中，在加入的过程中，总保持从源点到S中各顶点的最短路径长度小于等于从源点到U中任何顶点的最短路径长度。接着，更新U中的顶点和顶点对应的路径。然后，再从U中找出路径最短的顶点，并将其加入到S中；接着，更新U中的顶点和顶点对应的路径。重复该操作，按最短路径长度的递增次序依次把第二组U中的顶点加入S中。算法的终止条件是集合U为空集，即集合U的顶点全部加入到集合S中。
该算法步骤的基本步骤为：
A、初始时，S只包含源点s，即S＝{s}，s的距离为0。U包含除s外的其它顶点，即:U＝{其余顶点}，若s与U中顶点u有边，则<s，v>正常有权值，若s不是u的出边邻接点，则<s，u>权值为∞。
B、从U中选取一个距离s最小的顶点k，把k加入S中(该选定的距离就是s到k的最短路径长度)并从U中去除该点。
C、以k为新考虑的中间点，修改U中各顶点的距离；若从源点s到顶点u的距离(经过顶点k)比原来距离(不经过顶点k)短，则修改顶点u的距离值，修改后的距离值的顶点k的距离加上边上的权。
D、重复步骤B和C直到所有顶点都包含在S中。
S107，根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
对应本发明所提供的一种基于突发污染事件管网水质监测点的布置方法，本发明还提供一种基于突发污染事件管网水质监测点的布置系统，如图2所示，本发明所提供的一种基于突发污染事件管网水质监测点的布置系统包括：水质监测点获取模块201、污染事件获取模块202、监测时间确定模块203、个数阈值获取模块204、管网水质监测点优化布置模型确定模块205、最优水质监测点确定模块206和水质监测点的布置模块207。
水质监测点获取模块201获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点。
污染事件获取模块202用于获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点。
监测时间确定模块203用于根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间。
个数阈值获取模块204用于获取所述水质监测点的个数阈值。
管网水质监测点优化布置模型确定模块205用于以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型。
最优水质监测点确定模块206用于采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置。
水质监测点的布置模块207用于根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
本发明所提供的一种基于突发污染事件管网水质监测点的布置系统还包括：节点数据获取模块和监测概率确定模块。
节点数据获取模块用于获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置。
监测概率确定模块用于利用公式
Figure BDA0002362175710000091
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
所述监测确定时间203具体包括：监测平均时间确定单元。
监测平均时间确定单元用于利用公式
Figure BDA0002362175710000092
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
所述污染事件获取模块202具体包括：污染事件获取单元。
污染事件获取单元用于通过管网平差软件EPANET2获得管网的多个污染事件。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于突发污染事件管网水质监测点的布置方法，其特征在于，包括：
获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点；
获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点；
根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间；
获取所述水质监测点的个数阈值；
以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型；
采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置；
根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
2.根据权利要求1所述的一种基于突发污染事件管网水质监测点的布置方法，其特征在于，所述获取水质监测点的个数和所有所述水质监测点的位置，之前还包括：
获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置；
利用公式
Figure FDA0002362175700000011
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
3.根据权利要求2所述的一种基于突发污染事件管网水质监测点的布置方法，其特征在于，所述根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间，具体包括：
利用公式
Figure FDA0002362175700000021
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
4.根据权利要求1所述的一种基于突发污染事件管网水质监测点的布置方法，其特征在于，所述获取多个污染事件，具体包括：
通过管网平差软件EPANET2获得管网的多个污染事件。
5.一种基于突发污染事件管网水质监测点的布置系统，其特征在于，包括：
水质监测点获取模块，获取水质监测点的个数和所有所述水质监测点的位置；所述水质监测点为监测到污染事件的概率为100％的节点；
污染事件获取模块，用于获取多个污染事件；多个所述污染事件的注污节点的位置不同；所述注污节点为管网中的任意一个节点；
监测时间确定模块，用于根据每一个所述污染事件，确定每一个所述水质监测点监测到污染物的时间；
个数阈值获取模块，用于获取所述水质监测点的个数阈值；
管网水质监测点优化布置模型确定模块，用于以所述水质监测点监测到污染物的时间最短为目标，以所述水质监测点的个数及每一所述水质监测点的位置为决策变量，以所述水质监测点的个数阈值为约束条件，构建管网水质监测点优化布置模型；
最优水质监测点确定模块，用于采用迪杰斯特拉算法对所述管网水质监测点优化布置模型进行求解，确定管网中的最优水质监测点的个数及每一所述最优水质监测点的位置；
水质监测点的布置模块，用于根据所述最优水质监测点的个数及每一所述最优水质监测点的位置进行管网水质监测点的布置。
6.根据权利要求5所述的一种基于突发污染事件管网水质监测点的布置系统，其特征在于，还包括：
节点数据获取模块，用于获取管网中的节点数据；所述节点数据包括节点个数、节点标号和节点位置；
监测概率确定模块，用于利用公式
Figure FDA0002362175700000031
确定第j个水质监测点监测到n个污染事件的概率；n为节点个数，di为第j个水质监测点监测到第i个污染事件的概率；所述第i个污染事件为以第i个节点为注污节点的污染事件，f1为水质监测点监测到污染事件的概率，xj为第j个水质监测点，i为节点的标号，j为水质监测点的标号。
7.根据权利要求6所述的一种基于突发污染事件管网水质监测点的布置系统，其特征在于，所述监测确定时间具体包括：
监测平均时间确定单元，用于利用公式
Figure FDA0002362175700000032
确定第j个水质监测点监测到p个污染事件的污染物的平均时间；p为污染事件的个数，ti为第j个水质监测点监测到第i个污染事件的污染物的时间，f2为水质监测点监测到污染事件污染物的平均时间。
8.根据权利要求5所述的一种基于突发污染事件管网水质监测点的布置系统，其特征在于，所述污染事件获取模块具体包括：
污染事件获取单元，用于通过管网平差软件EPANET2获得管网的多个污染事件。
CN202010025127.4A 2020-01-10 2020-01-10 一种基于突发污染事件管网水质监测点的布置方法及系统 Active CN111832792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010025127.4A CN111832792B (zh) 2020-01-10 2020-01-10 一种基于突发污染事件管网水质监测点的布置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010025127.4A CN111832792B (zh) 2020-01-10 2020-01-10 一种基于突发污染事件管网水质监测点的布置方法及系统

Publications (2)

Publication Number Publication Date
CN111832792A true CN111832792A (zh) 2020-10-27
CN111832792B CN111832792B (zh) 2022-05-06

Family

ID=72913385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010025127.4A Active CN111832792B (zh) 2020-01-10 2020-01-10 一种基于突发污染事件管网水质监测点的布置方法及系统

Country Status (1)

Country Link
CN (1) CN111832792B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000298096A (ja) * 1999-04-14 2000-10-24 Shimadzu Corp 水質分析計
CN102467605A (zh) * 2010-11-08 2012-05-23 同济大学 供水管网突发污染事故的污染源追踪定位信息处理方法
CN102903014A (zh) * 2012-09-06 2013-01-30 戴会超 江湖交汇水系水环境质量监测站点的优化布置方法
CN105426984A (zh) * 2015-10-26 2016-03-23 中国地质大学（武汉） 基于多粒子群优化算法的给水管网传感器布置优化方法
CN107122519A (zh) * 2017-03-27 2017-09-01 华南理工大学 一种城市供水管网压力监测点的优化布置方法
KR20190078212A (ko) * 2017-12-26 2019-07-04 (주)아이오티솔루션 저영향 개발 시설 성능평가를 위한 유출수 분산식 관리방법
CN110570005A (zh) * 2018-06-06 2019-12-13 浙江大学 一种提高供水管网水质污染监测效率的工程优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000298096A (ja) * 1999-04-14 2000-10-24 Shimadzu Corp 水質分析計
CN102467605A (zh) * 2010-11-08 2012-05-23 同济大学 供水管网突发污染事故的污染源追踪定位信息处理方法
CN102903014A (zh) * 2012-09-06 2013-01-30 戴会超 江湖交汇水系水环境质量监测站点的优化布置方法
CN105426984A (zh) * 2015-10-26 2016-03-23 中国地质大学（武汉） 基于多粒子群优化算法的给水管网传感器布置优化方法
CN107122519A (zh) * 2017-03-27 2017-09-01 华南理工大学 一种城市供水管网压力监测点的优化布置方法
KR20190078212A (ko) * 2017-12-26 2019-07-04 (주)아이오티솔루션 저영향 개발 시설 성능평가를 위한 유출수 분산식 관리방법
CN110570005A (zh) * 2018-06-06 2019-12-13 浙江大学 一种提高供水管网水质污染监测效率的工程优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JULIAN WARDLAW 等: "18. Water quality and pollution monitoring in Poole Harbour", 《PROCEEDINGS IN MARINE SCIENCE》 *
林英姿 等: "数学模型在城市供水管网中的应用", 《长春工程学院学报（自然科学版）》 *
陶涛 等: "基于突发污染事件的管网水质监测点优化布置", 《同济大学学报（自然科学版）》 *

Also Published As

Publication number Publication date
CN111832792B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
Song et al. Modeling and probabilistic reasoning of population evacuation during large-scale disaster
Chen et al. Development of a relative risk model for evaluating ecological risk of water environment in the Haihe River Basin estuary area
Kim et al. An index-based robust decision making framework for watershed management in a changing climate
CN115545678A (zh) 一种基于水环境画像与污染物溯源的水质监测方法
CN105915402A (zh) 工业控制网络安全防护系统
CN109100468A (zh) 一种污染源环境自动监测平台的异常数据预警系统及方法
CN116029884B (zh) 一种基于河道水质污染溯源模型的河流污染溯源方法
Ishak et al. Mining temporal reservoir data using sliding window technique
Yang et al. Towards optimal recovery scheduling for dynamic resilience of networked infrastructure
CN111832792B (zh) 一种基于突发污染事件管网水质监测点的布置方法及系统
CN113284354B (zh) 一种基于强化学习的交通弹性调控方法及系统
Abed-Elmdoust et al. River water quality management under incomplete information: application of an N-person iterated signaling game
Roveda et al. Development of a water quality index using a fuzzy logic: A case study for the Sorocaba river
Mujumdar et al. A stochastic dynamic programming model for stream water quality management
CN111027758B (zh) 一种针对供水管网水质监测系统的全局韧性高效评估方法
Chen et al. Connectivity evaluation and planning of a river-lake system in east China based on graph theory
Streftaris et al. Modeling probability of blockage at culvert trash screens using Bayesian approach
Li et al. Environmental impact evaluation model of dam breach-considering the uncertainty feature of environment
Mughal et al. WaterGrid: A wireless sensor grid for riverine water management
Zhang et al. Critical traffic control locations for emergency evacuation
CN111260213B (zh) 针对梯级水库群的多风险源的水资源风险评估方法
Runtuk et al. Flood Disaster Relief Operation: A Systematic Literature Review
CN113051728B (zh) 一种交通网络抗震鲁棒性评估方法
Andric et al. Risk assessment of bridges using fuzzy logic controller
Lee Heterogeneous Data and Probabilistic System Model Analyses for Enhanced Situational Awareness and Resilience of Critical Infrastructure Systems

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