CN112561307A - 流域水环境大数据画像系统及方法 - Google Patents
流域水环境大数据画像系统及方法 Download PDFInfo
- Publication number
- CN112561307A CN112561307A CN202011459281.9A CN202011459281A CN112561307A CN 112561307 A CN112561307 A CN 112561307A CN 202011459281 A CN202011459281 A CN 202011459281A CN 112561307 A CN112561307 A CN 112561307A
- Authority
- CN
- China
- Prior art keywords
- water environment
- pollutant
- pollution
- watershed water
- source
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 56
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000004140 cleaning Methods 0.000 claims abstract description 9
- 238000002372 labelling Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims abstract description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 103
- 231100000719 pollutant Toxicity 0.000 claims description 103
- 238000003384 imaging method Methods 0.000 claims description 11
- 239000010865 sewage Substances 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000003911 water pollution Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 229910052698 phosphorus Inorganic materials 0.000 description 6
- 239000011574 phosphorus Substances 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003673 groundwater Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000010775 animal oil Substances 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011261 inert gas Substances 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 235000015112 vegetable and seed oil Nutrition 0.000 description 2
- 239000008158 vegetable oil Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000004851 dishwashing Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000013316 zoning Methods 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水资源监控技术领域,具体涉及一种流域水环境大数据画像系统,包括:获取单元,用于获取画像所需的各类数据,并对数据进行归一化处理与清洗;指标单元,用于建立流域水环境画像指标体系;评估单元,用于建立流域水环境评估体系;计算单元,用于计算评价结果及贴标签,并对评价结果进行综合应用。本发明解决了现有技术不能客观、综合、全面地反映流域水环境状况,也不能准确地对流域水环境进行评估的技术问题。
Description
技术领域
本发明涉及水资源监控技术领域,具体涉及一种流域水环境大数据画像系统及方法。
背景技术
随着工业化的加快,水资源的污染也日益严重,在流域污染防治领域,污染防治工作不断地开展,而如何快速、实时地识别流域的污染状态,是污染防治工作的关键。目前,大多采用人工监测的方式,通过人工比对水体颜色以及水体中污染物的含量得到水污染状态分析结果,这种方式耗时耗力、可靠性不高、时效性低,不能为流域污染防治工作提供高效、准确的参考。
对此,中国专利CN111144237A公开了一种基于AI的水污染识别方法,包括步骤:S1、建立水域图像数据库,将水污染图像按照污染等级分类存储;S2、获取目标水域图像,并进行预处理;S3、提取预处理后的目标水域图像中的特征数据;S4、将目标水域图像中的特征数据与水域图像数据库中的每个水污染图像的特征数据进行比对,分析目标水域图像与水域图像数据库中图像的相似性;S5、判断是否匹配到水污染图像,若未匹配到水污染图像,返回步骤S2,若匹配到水污染图像,则进行下一步;S6、根据匹配到的水污染图像分析得到目标水域的污染状态。
对目标流域图像进行处理,运用AI技术将目标水域图像与数据库中的图像数据进行比对分析,得到污染状态分析结果。通过这样的方式,将计算机视觉技术与人工智能技术有机结合,提高了水污染识别的时效性和有效性。但是,忽略了实际定位污染源过程中存在不同的要素叠加影响,从而导致定位污染源精准率低,不能客观、综合、全面地反映流域水环境状况,也不能准确地对流域水环境进行评估。
发明内容
本发明提供一种流域水环境大数据画像系统及方法,解决了现有技术不能客观、综合、全面地反映流域水环境状况,也不能准确地对流域水环境进行评估的技术问题。
本发明提供的基础方案为:流域水环境大数据画像系统,包括:
获取单元,用于获取画像所需的各类数据,并对数据进行归一化处理与清洗;
指标单元,用于建立流域水环境画像指标体系;
评估单元,用于建立流域水环境评估体系;
计算单元,用于计算评价结果及贴标签,并对评价结果进行综合应用。
本发明的工作原理及优点在于:首先,收集画像所需各类数据,建立画像数据库,并对数据进行归一化处理和数据清洗;然后,建立流域水环境画像指标体系,按照水环境质量、水环境期望值、水环境利用程度、政府监管行为四个类别建立流域水环境画像指标体系;接着,建立流域水环境评估体系,在流域水环境画像指标体系基础上,筛选出重要程度高、可量化指标,设定指标的评估标准和方法;最后,计算评价结果及贴标签,并对评价结果综合应用,也即,按照评价体系,对获取的流域画像数据进行计算,得出单指标评价结果和流域总体评价结果,并对单指标评价结果打上评估标签,对流域进行整体扫描,利用统计图表、空间渲染、点位分布、热力图等图形化表现方式,结合不同指标、不同类别的评价结果及整个流域的综合评价结果,全方位的绘制一幅流域的“肖像画”,从而便于工作人员对流域产生立体的感知。通过这样的方式,按照流域水环境特征指标体系,从多个维度、指标对流域水环境状况进行数据刻画,从而能够客观、综合、全面地反映流域水环境状况,并准确地对流域水环境进行评估。
本发明按照流域水环境特征指标体系,从多个维度、指标对流域水环境状况进行数据刻画,解决了现有技术不能客观、综合、全面地反映流域水环境状况,也不能准确地对流域水环境进行评估的技术问题。
进一步,获取单元用于获取在预置时长范围内对目标河段区域进行监测并采集的数据,并得到多个排污口对应的监测数据,监测数据包括多个类型的污染物以及污染物浓度。
有益效果在于:通过这样的方式,能够得到在预置时长范围内采集到的多个排污口对应的监测数据,这些监测数据中包括了多个类型的污染物以及污染物浓度,从而有利于查找污染源头。
进一步,指标单元还用于基于预置分类模型对多个类型的污染物进行分类,得到对应的污染源,污染源包括工业源、生活源和面源。
有益效果在于:通过这样的方式,采用预置分类模型污染物进行分类,得到对应的污染源,也即工业源、生活源和面源,有利于工作人员采取相应的预防或者治理的措施与方法。
进一步,评估单元还用于根据污染物浓度计算污染源对应的污染物排放量,污染物排放量包括工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量。
有益效果在于:通过这样的方式,可以根据污染物浓度定量地计算出工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量,从而有利于对工业源、生活源和面源的污染进行定量的评价。
进一步,计算单元还用于通过预置算法计算污染物排放量与监测数据的相关性,得到污染源对应的排污规律画像,并在污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源。
有益效果在于:通过这样的方式,可以得到污染源对应的排污规律画像,并在污染物浓度超标时匹配到目标污染源,从而有利于查处相关的污染水环境的行为。
本发明还提供一种流域水环境大数据画像方法,包括步骤:
S1、获取画像所需的各类数据,并对数据进行归一化处理与清洗;
S2、建立流域水环境画像指标体系;
S3、建立流域水环境评估体系;
S4、计算评价结果及贴标签,并对评价结果进行综合应用。
本发明的工作原理及优点在于:首先,收集画像所需各类数据,建立画像数据库,并对数据进行归一化处理和数据清洗;然后,按照水环境质量、水环境期望值、水环境利用程度、政府监管行为四个类别建立流域水环境画像指标体系;接着,在流域水环境画像指标体系基础上,筛选出重要程度高、可量化指标,设定指标的评估标准和方法;最后,计算评价结果及贴标签,并对评价结果综合应用。通过这样的方式,按照流域水环境特征指标体系,从多个维度、指标对流域水环境状况进行数据刻画,从而能够客观、综合、全面地反映流域水环境状况,并准确地对流域水环境进行评估。
进一步,S1中,还获取在预置时长范围内对目标河段区域进行监测并采集的数据,并得到多个排污口对应的监测数据,监测数据包括多个类型的污染物以及污染物浓度。
有益效果在于:这样能够得到在预置时长范围内采集到的多个排污口对应的监测数据,从而有利于查找污染源头。
进一步,S2中,还基于预置分类模型对多个类型的污染物进行分类,得到对应的污染源,污染源包括工业源、生活源和面源。
有益效果在于:这样采用预置分类模型污染物进行分类得到对应的污染源,有利于工作人员采取相应的预防或者治理的措施与方法。
进一步,S3中,还根据污染物浓度计算污染源对应的污染物排放量,污染物排放量包括工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量。
有益效果在于:这样根据污染物浓度定量地计算出工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量,有利于对工业源、生活源和面源的污染进行定量的评价。
进一步,S4中,还通过预置算法计算污染物排放量与监测数据的相关性,得到污染源对应的排污规律画像,并在污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源。
有益效果在于:这样可以得到污染源对应的排污规律画像,并在污染物浓度超标时匹配到目标污染源,有利于查处相关的污染水环境的行为。
附图说明
图1为本发明流域水环境大数据画像系统实施例的系统结构框图。
图2为本发明流域水环境大数据画像系统实施例3的用于地下水的采样装置的结构示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
说明书附图中的附图标记包括:底座1、支杆2、外筒3、内筒4、引流口41、丝杆5、螺母6、细线7、气囊8、弹簧9、压力传感器10、挡块11。
实施例1
本发明流域水环境大数据画像系统实施例基本如附图1所示,包括:
获取单元,用于获取画像所需的各类数据,并对数据进行归一化处理与清洗;
指标单元,用于建立流域水环境画像指标体系;
评估单元,用于建立流域水环境评估体系;
计算单元,用于计算评价结果及贴标签,并对评价结果进行综合应用。
在本实施例中,获取单元、指标单元、评估单元和计算单元均集成在服务器上,通过软件/程序/代码实现其功能。
具体实施过程如下:
流域水环境画像按照流域水环境特征指标体系,从水质、水环境期望值、水环境利用程度、政府监管行为等多个维度,用各项指标对流域水环境状况进行数据刻画;并建立水环境评估体系,对流域水环境评分,从而得出流域水环境评估结果。
S1、获取画像所需的各类数据,并对数据进行归一化处理与清洗。
就具体计算而言,首先收集画像所需各类数据,通过数据接口、录入等方式汇集所需画像数据,建立画像数据库,并做数据初始化入库工作;与此同时,对数据进行归一化处理和数据清洗。比如说,通过摄像头或者摄像机24小时实时地采集目标流域画像,也即河流某个河段的画像,采集完毕后,将目标流域画像发送到服务器。
S2、建立流域水环境画像指标体系。
按照水环境质量、水环境期望值、水环境利用程度、政府监管行为四个类别建立流域水环境画像指标体系。其中,水环境质量指标,包括流域范围内地表水、饮用水、黑臭水及地下水的监测断面整体达标情况、存在风险、恶化、临界超标的断面水质情况等相关指标;水环境期望值指标,包括饮用水源地数量、水功能区划、生态红线、水环境质量底线等表现流域水环境质量定位的相关指标;水环境利用程度指标,包括单位面积和流量的人口、GDP等社会经济数据以及单位面积和流量的工业、农业、生活污染等表征污染状况的指标;政府监管行为指标,包括各类断面数量、许可证覆盖工业企业入园情况、污水处理量和治理措施、各类问题数量等表现政府监管程度及效果的指标。
S3、建立流域水环境评估体系。
首先,在流域水环境画像指标体系基础上,筛选出重要程度高、可量化指标,设定指标的评估标准和方法;然后,设定总分为100分,对每个指标设定响应的权重,得出每个指标的权重分值;最后,对单个河流所有权重分值进行加和,得出单个河流的流域水环境画像评估结果总分。
S4、计算评价结果及贴标签,并对评价结果进行综合应用。
首先,按照评价体系,对获取的流域画像数据进行计算,得出单指标评价结果和流域总体评价结果,并对单指标评价结果打上评估标签。
然后,对各流域的指标计算结果进行比对排名,得出每个流域每个指标的全市排名情况;并为每个指标赋予不同权重,结合每个指标的计算结果,最终计算得出流域的综合评价结果,按照优、良、中、差四个等级体现。其中,参与计算排名的数据主要为各种比率、数量等可以量化的指标。不参与计算排名的数据主要为各种描述性指标。
最后,根据建立的流域特征指标,对流域进行整体扫描,利用统计图表、空间渲染、点位分布、热力图等图形化表现方式,结合不同指标、不同类别的评价结果及整个流域的综合评价结果,全方位的绘制一幅流域的“肖像画”,让不同角色的用户打开流域画像模块,对流域有一个立体的感知;所有参与流域画像的指标值及评价结果,根据管理频率及模板,并结合人工修正编辑,定期自动生成流域画像报告产品,且为可导出状态;同时,流域画像作为流域数学模型的一部分,所有的数据根据管理频率动态变化,在不断进行AI机器学习训练后,模型更接近于监管现实,最终实现智能流域画像,为管理提供支撑。
实施例2
与实施例1不同之处仅在于,
S1中,还获取在预置时长范围内对目标河段区域进行监测并采集的数据,并得到多个排污口对应的监测数据,监测数据包括多个类型的污染物以及污染物浓度。比如,预置时长范围可以为一天、一周或者一个月,排污口与目标企业存在对应关系,多个类型的污染源主要包括工业源的污水排放、生活源的污水直接排放,以及城市面源、农业面源、农业化肥的污水径流排放。
S2中,还基于预置分类模型对多个类型的污染物进行分类,得到对应的污染源,污染源包括工业源、生活源和面源。其中,预置分类模型为预先训练好的分类模型,生活源的主要污染物为氨氮和总磷,工业源和面源的主要污染物包括重金属、无机悬浮物、有机物、氨、氮、磷以及类卤化合物。
S3中,还根据污染物浓度计算污染源对应的污染物排放量,污染物排放量包括工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量。比如说,根据工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量各自不同的计算方式,结合各自对应的污染物浓度确定污染物排放量;其中,污染物排放量是指污染源排入环境或其它设施的某种污染物的数量,包括排入水环境的各类型的污染物的污染排放量;污染物浓度是指单位体积内所含污染物的量,根据污染物浓度与废水排放量进行乘法运算,就可以得到工业源的污染物排放量。
S4中,还通过预置算法计算污染物排放量与监测数据的相关性,得到污染源对应的排污规律画像,并在污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源。其中,相关性包括按照时段对各类污染源进行分类,比如说,在居民生活的高峰期,用水量会增加,会排放各种污染物,也即生活源对应的污染物浓度会上升,导致污染物排放量上升。通过结合水质标准,确定各类污染源的污染排放正常区间,确保目标河段区域的河流水质不超标,各类污染源的污染排放正常区间为时序动态的,最终生成多个污染源的排污规律画像。
当监测到目标河段区域中污染物浓度超标时,确定超标的污染物,通过排污规律画像对超标的污染物进行分析提取,得到污染物对应的目标污染源;如果得到的污染物对应的目标污染源的数量大于、等于两个,就从这些目标污染源中选取污染物浓度最大的目标污染源为最终的目标污染源。比如说,对于生活源的污染物主要来源于淘菜水、洗碗水和清洁卫生用水而言,包括动植物油、蛋白质、纤维素和磷,对应的污染物可划分为动植物油、氨氮、总磷,当污染物为氨氮和总磷并且氨氮和总磷的浓度超标时,通过排污规律画像就可以确定污染物对应的目标污染源为生活源。
实施例3
与实施例2不同之处仅在于,还包括用于地下水的采样装置,如附图2所示,采样装置包括底座1、支杆2、外筒3、内筒4、引流口41、丝杆5、螺母6、细线7、气囊8、弹簧9、压力传感器10、挡块11。支杆2共有两根,分别焊接在底座1的左、右两侧,外筒3的底端焊接在支杆2上。
外筒3与内筒4均为圆柱状的圆筒,外筒3的内壁面与内筒4的外壁面加工有相配的螺纹;内筒4位于外筒3内部,与外筒3螺纹连接,也即内筒4可以在旋转外力的作用下进、出外筒3;内筒4的壁面上加工有引流口41,引流口41为长方形状。
丝杆5一端焊接在内筒4的顶壁,另一端与螺母6转动连接,也即螺母6可以带动丝杆5转动,具体结构与工作原理可参照丝杠螺母,此处不再赘述。气囊8位于螺母6的上方,细线7位于螺母6与气囊8之间,一端固定在气囊8上,另一端固定在螺母6上。弹簧9共有四根,弹簧9一端焊接在螺母上,另一端固定在气囊8上;四根弹簧9倾斜设置,相对于细线7对称且均匀分布;弹簧9均有两段,均通过压力传感器10连接,压力传感器10也有四个。细线7、丝杆5与内筒4的轴线位于同一直线上,挡块11共有两块,焊接在外筒3内壁的左、右两侧。
具体实施过程如下:
初始时,气囊8内装有惰性气体,处于漂浮状态,会使得细线7处于拉直状态;由于四根弹簧9倾斜设置,相对于细线7对称且均匀分布,弹簧9不会产生应力,此时压力传感器10不会采集到数据;而且,此时的引流口41位于外筒3底面之下。
将整个采集装置放入到地下水中,使地下水将整个采集装置完全淹没,地下水会从引流口41进入到内筒4中,直到地下水装满内筒4下部分的空间为止。同时,气囊8淹没在地下水中,由于惰性气体的密度小于地下水的密度,气囊8会在浮力的作用下产生向上的运动趋势,从而使得细线7出现拉力。在向上的拉力的作用下,螺母6带动丝杆5转动,丝杆5带动内筒4转动,从而内筒4逐渐旋转进入到外筒3中,直到内筒4的上端被挡块11卡住为止;当引流口41最下端进入外筒3以后,地下水就不能在进入内筒4,内筒4中的地下水也不能流出。通过这样的方式,实现了对地下水的密封,避免了地下水被空气氧化。
如果地下水没有流动,处于静止状态,那么弹簧9就不会受到拉伸或者压缩,压力传感器10就不会采集到数据;如果地下处于流动状态,比如说,从左往右流动,气囊8就会向右漂浮、运动,那么左侧的弹簧9就会受到拉伸,右侧的弹簧9就会受到压缩。由于压力传感器10只能检测压力、不能检测拉力,左侧的压力传感器10就不会采集到数据,只有右侧的两个压力传感器10会采集到数据,压力传感器10会将采集的数据发送到服务器,通过这些数据就可以分析地下水的流动方向,分析的具体过程可参照力学的矢量作图法,此处不再赘述。通过这样的方式,得到四个压力传感器10采集的数据,可便捷地分析出地下水的流动方向;为便于记录数据,可对四个压力传感器10依次进行编号。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.流域水环境大数据画像系统,其特征在于,包括:
获取单元,用于获取画像所需的各类数据,并对数据进行归一化处理与清洗;
指标单元,用于建立流域水环境画像指标体系;
评估单元,用于建立流域水环境评估体系;
计算单元,用于计算评价结果及贴标签,并对评价结果进行综合应用。
2.如权利要求1所述的流域水环境大数据画像系统,其特征在于,获取单元用于获取在预置时长范围内对目标河段区域进行监测并采集的数据,并得到多个排污口对应的监测数据,监测数据包括多个类型的污染物以及污染物浓度。
3.如权利要求2所述的流域水环境大数据画像系统,其特征在于,指标单元还用于基于预置分类模型对多个类型的污染物进行分类,得到对应的污染源,污染源包括工业源、生活源和面源。
4.如权利要求3所述的流域水环境大数据画像系统,其特征在于,评估单元还用于根据污染物浓度计算污染源对应的污染物排放量,污染物排放量包括工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量。
5.如权利要求4所述的流域水环境大数据画像系统,其特征在于,计算单元还用于通过预置算法计算污染物排放量与监测数据的相关性,得到污染源对应的排污规律画像,并在污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源。
6.流域水环境大数据画像方法,其特征在于,包括步骤:
S1、获取画像所需的各类数据,并对数据进行归一化处理与清洗;
S2、建立流域水环境画像指标体系;
S3、建立流域水环境评估体系;
S4、计算评价结果及贴标签,并对评价结果进行综合应用。
7.如权利要求6所述的流域水环境大数据画像方法,其特征在于,S1中,还获取在预置时长范围内对目标河段区域进行监测并采集的数据,并得到多个排污口对应的监测数据,监测数据包括多个类型的污染物以及污染物浓度。
8.如权利要求7所述的流域水环境大数据画像方法,其特征在于,S2中,还基于预置分类模型对多个类型的污染物进行分类,得到对应的污染源,污染源包括工业源、生活源和面源。
9.如权利要求8所述的流域水环境大数据画像方法,其特征在于,S3中,还根据污染物浓度计算污染源对应的污染物排放量,污染物排放量包括工业源的污染物排放量、生活源的污染物排放量和面源的污染物排放量。
10.如权利要求9所述的流域水环境大数据画像方法,其特征在于,S4中,还通过预置算法计算污染物排放量与监测数据的相关性,得到污染源对应的排污规律画像,并在污染物浓度超标时,根据排污规律画像对超标的污染物进行匹配分析,得到目标污染源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011459281.9A CN112561307B (zh) | 2020-12-11 | 2020-12-11 | 流域水环境大数据画像系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011459281.9A CN112561307B (zh) | 2020-12-11 | 2020-12-11 | 流域水环境大数据画像系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561307A true CN112561307A (zh) | 2021-03-26 |
CN112561307B CN112561307B (zh) | 2024-04-09 |
Family
ID=75062263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011459281.9A Active CN112561307B (zh) | 2020-12-11 | 2020-12-11 | 流域水环境大数据画像系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561307B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958717A (zh) * | 2023-09-20 | 2023-10-27 | 山东省地质测绘院 | 基于机器学习的地质大数据智能清洗方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831320A (zh) * | 2012-08-29 | 2012-12-19 | 江苏省环境监测中心 | 流域水环境有机污染物监测全过程质控指标评价方法系统 |
CN105512797A (zh) * | 2015-11-26 | 2016-04-20 | 浙江省环境监测中心 | 一种控制断面污染风险溯源及风险程度展示方法 |
CN106845750A (zh) * | 2016-11-04 | 2017-06-13 | 南大(常熟)研究院有限公司 | 一种淮河流域水生态健康状况评价方法 |
-
2020
- 2020-12-11 CN CN202011459281.9A patent/CN112561307B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831320A (zh) * | 2012-08-29 | 2012-12-19 | 江苏省环境监测中心 | 流域水环境有机污染物监测全过程质控指标评价方法系统 |
CN105512797A (zh) * | 2015-11-26 | 2016-04-20 | 浙江省环境监测中心 | 一种控制断面污染风险溯源及风险程度展示方法 |
CN106845750A (zh) * | 2016-11-04 | 2017-06-13 | 南大(常熟)研究院有限公司 | 一种淮河流域水生态健康状况评价方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958717A (zh) * | 2023-09-20 | 2023-10-27 | 山东省地质测绘院 | 基于机器学习的地质大数据智能清洗方法 |
CN116958717B (zh) * | 2023-09-20 | 2023-12-12 | 山东省地质测绘院 | 基于机器学习的地质大数据智能清洗方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112561307B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Global meta-analysis of microplastic contamination in reservoirs with a novel framework | |
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN108509954A (zh) | 一种实时交通场景的多车牌动态识别方法 | |
Ye et al. | Diagnosis of sewer pipe defects on image recognition of multi-features and support vector machine in a southern Chinese city | |
Myrans et al. | Automated detection of faults in wastewater pipes from CCTV footage by using random forests | |
CN113658174B (zh) | 基于深度学习和图像处理算法的微核组学图像检测方法 | |
CN112418737A (zh) | 一种区域水环境管理平台 | |
CN116362570B (zh) | 一种基于大数据平台的多维度污染分析方法及系统 | |
CN111898677A (zh) | 一种基于深度学习的浮游生物自动检测方法 | |
CN111460611A (zh) | 水环境污染分析方法、装置、设备及存储介质 | |
CN111914767A (zh) | 一种基于多源遥感数据的散乱污企业检测方法及系统 | |
CN114943917A (zh) | 一种视觉识别污水厂好氧池曝气量的算法 | |
CN115308101A (zh) | 水质监测管理方法及系统 | |
CN112561307A (zh) | 流域水环境大数据画像系统及方法 | |
CN115147011A (zh) | 一种地表水与林地损害鉴定评估方法及装置、设备和介质 | |
CN116805416A (zh) | 排水管道缺陷识别模型训练方法、排水管道缺陷识别方法 | |
CN114005064A (zh) | 一种基于机器视觉技术的生物式水体污染预警方法及装置 | |
CN117974404A (zh) | 一种水陆协同的陆域污染源分析方法及系统 | |
CN112967335A (zh) | 气泡尺寸监测方法及装置 | |
CN117726978A (zh) | 基于化工区域排放废水的水体检测方法及装置 | |
CN111104976B (zh) | 一种基于时间序列图像的蓝藻覆盖率计算方法 | |
CN112309506A (zh) | 一种基于排序和概率的层次化生态风险评价方法 | |
CN216669729U (zh) | 水质监控装置 | |
CN111144221A (zh) | 一种通过图像识别技术对曝气池运行情况评价的方法、装置 | |
Yu et al. | Simultaneously monitoring the particle size distribution, morphology and suspended solids concentration in wastewater applying digital image analysis (DIA) |
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 |