CN113256037B - 非稳态废水排放预测方法、装置、计算机设备和存储介质 - Google Patents
非稳态废水排放预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113256037B CN113256037B CN202110792558.8A CN202110792558A CN113256037B CN 113256037 B CN113256037 B CN 113256037B CN 202110792558 A CN202110792558 A CN 202110792558A CN 113256037 B CN113256037 B CN 113256037B
- Authority
- CN
- China
- Prior art keywords
- target
- drainage
- water
- production
- coefficient
- 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
Links
- 239000002351 wastewater Substances 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 429
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 379
- 238000004364 calculation method Methods 0.000 claims abstract description 58
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000012546 transfer Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 23
- 238000012544 monitoring process Methods 0.000 description 29
- 239000007788 liquid Substances 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008020 evaporation Effects 0.000 description 6
- 238000001704 evaporation Methods 0.000 description 6
- 239000007921 spray Substances 0.000 description 6
- 238000007599 discharging Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- 239000002920 hazardous waste Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000010842 industrial wastewater Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003933 environmental pollution control Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000013456 study Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004065 wastewater treatment 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
- G06Q10/04—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种非稳态废水排放预测方法、装置、计算机设备和存储介质。所述方法包括：确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数；获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放。采用本方法能够提高了废水排放的预测准确度以及检测效率。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种非稳态废水排放预测方法、装置、计算机设备和存储介质。
背景技术
随着工业社会的发展，出现了大量的工厂，工厂在日常生产活动中，经常需要利用水资源进行生产。然而，存在部分工厂为了节省成本，而将废水偷偷排放的问题，导致环境污染。
目前，对于大量排放“小废水”的生产企业，还未建立起一套污染源监管体系。主要是通过相关工作人员对工厂进行检查，以确认工厂是否存在偷排的情况，然而，这种方法检测效率比较低。
发明内容
基于此，有必要针对上述技术问题，提供一种非稳态废水排放预测方法、装置、计算机设备和存储介质。
一种非稳态废水排放预测方法，所述方法包括：确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，所述预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放。
一种非稳态废水排放预测装置，所述装置包括：目标排水相关参数获取模块，用于确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；预设计算关系获取模块，用于获取预设计算关系，所述预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；目标产水系数获取模块，用于基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；对比结果得到模块，用于获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；废水排放预测结果获取模块，用于当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放。
在一些实施例中，所述目标排水相关参数包括单位新增进水量系数、无排水期的长度、无排水期内的有效水量传递系数、隐形排水的有效水量占进水水量的比例以及显性排水的平均周期，所述目标产水系数获取模块用于：基于所述无排水期内的有效水量传递系数以及所述无排水期的长度得到第一系数；基于所述隐形排水的有效水量占进水水量的比例以及所述显性排水的平均周期得到第二系数；基于所述第一系数以及所述第二系数得到目标系数；将所述目标系数与所述单位新增进水量系数相乘，得到所述目标生产对象在所述目标生产周期的目标产水系数。
在一些实施例中，所述预设计算关系为：
其中，R0表示目标产水系数，β表示单位新增进水量系数，ε表示无排水期内的有效水量传递系数，1/k表示无排水期的长度，p表示隐形排水的有效水量占进水水量的比例，1/α表示显性排水的平均周期，q表示模型校正系数，1/γ表示显性排水从实施到被上报的延迟时长，δ表示隐形排水的有效水量传递系数，1/η表示隐形排水的平均周期。
在一些实施例中，得到所述无排水期的长度的模块用于：获取所述目标生产对象在所述目标生产周期的通电时间信息；基于所述通电时间信息确定所述无排水期的长度。
在一些实施例中，对比结果得到模块用于：计算所述目标产水系数与所述参考产水系数之间的差值绝对值；将所述差值绝对值除以所述参考产水系数，得到目标比值，将所述目标比值作为对比结果。
在一些实施例中，所述装置还包括：生产相关数据获取模块，用于当确定所述目标生产对象的废水排放预测结果为存在异常排放时，获取所述目标生产对象所对应的生产相关数据；提示模块，用于向监管终端发送所述目标生产对象对应的异常排放提示信息，所述异常排放提示信息包括所述生产相关数据以及所述目标生产对象的生产对象信息。
在一些实施例中，对比结果得到模块用于：获取所述目标生产对象所对应的对象类型，基于所述对象类型获取初始产水系数；获取所述目标生产对象所对应的生产相关信息，基于所述生产相关信息对所述初始产水系数进行调整，得到所述目标生产对象所对应的参考产水系数。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，所述预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，所述预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放。
上述非稳态废水排放预测方法、装置、计算机设备和存储介质，确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放，由于目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数，因此目标排水相关参数能从不同角度反映一个企业的排水情况，而预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的，因此能够基于预设计算关系以及目标排水相关参数得到反映目标生产对象在目标生产周期内的进水与出水之间的隐形比例的产水系数，故将目标产水系数与参考产水系数进行对比，能够得出生产对象是否存在异常的排放，故提高了废水排放的预测准确度以及检测效率。
附图说明
图1为一些实施例中非稳态废水排放预测方法的应用环境图；
图2为一些实施例中非稳态废水排放预测方法的流程示意图；
图3为一些实施例中得到目标产水系数步骤的流程示意图；
图4为一些实施例中非稳态废水排放预测方法的流程示意图；
图5为一些实施例中排放预测系统的架构示意图；
图6为一些实施例中非稳态废水排放预测装置的结构框图；
图7为一些实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的非稳态废水排放预测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端可以设置在生产对象中，例如工厂的水管以及储水设备中，用于对水量相关参数进行检测，终端102可以将所检测到的水量相关参数发送至服务器104，服务器104执行本申请实施例提供的非稳态废水排放预测方法。当确定目标生产对象的废水排放预测结果为存在异常排放时，则服务器104可以向监管终端发送异常排放提示信息，以提示监管终端的工作人员该目标生产对象存在异常排放，需要进行核实。
其中，终端102可以但不限于是各种可以检测水量的设备，例如水位检测仪以及智能水表等。终端102还可以是响应于用户操作，上报目标排水相关参数的设备，例如手机。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本申请实施例提供的方法可以应用于对排放“小废水”的生产企业进行监控。在工业企业的生产过程中，成规模的重点污染源企业已逐步建立起一套污染源监管体系。但是，废水管理中存在大量排放“小废水”的生产企业（指未列入国家危险废物名录或者根据国家规定的危险废物鉴别标准和鉴别方法认定不属于危险废物的生产废水，且生产过程中日均产生量≤1吨/日），此类低、小、散废水产生不连续或无规律，具有污染物浓度高、成分复杂、处理难度大、处理费用高等特点，企业在生产过程中，自身无处理设施或无处理能力，采用先收集起来集中贮存，后续再通过有资质的处置单位拉运处理。但在小废水处理的过程中由于很多企业受利益驱使，收集池建设不规范，通过私接暗管、雨污混排等方式，将未处理的工业废水偷排入雨水管道，从而进入河流、湖泊，造成严重水环境污染。
目前“小废水”企业呈现数量众多、分布广、排放浓度高、取证困难等现状，环保部门运用传统手段对“小废水”企业进行管理时面临人力资源不足、全面监管周期长、效能低，不能及时动态掌握各“小废水”企业排放变化情况等难题，难以对“小废水”企业形成有效的监督管理。为解决“小废水”企业监管面临的困境，本申请实施例提供的方法可以针对“小废水”企业提供智能化监管技术服务，引入科学、专业的技术手段，建设数字化、信息化的“小废水”企业智能监管平台，形成常态化、规范化的智能监管模式，提高环保部门监管效能，督促“小废水”企业规范经营，能够降低对河流的环境污染风险，保障河流水质稳定达标。
在一些实施例中，如图2所示，提供了一种非稳态废水排放预测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数。
其中，非稳态是相对于连续性排放废水的情况而言的，除了连续性排放废水的情况外，明显存在几类出水不稳定的情况，即非稳态废水排放的情况，例如可以包括以下三种情况：1）采用循环水类型，进水流量计数据有效，另一个流量计是循环水的重复流量，和排放水量无关。2）采用水帘机类型，进水、出水量通过流量计计数结果几乎为0，排水时间有一定间隔；3）采用喷淋塔类型，进水水量较大，出水水量很小，排水时间虽然有一定间隔，但蒸发量对出水流量有重大影响。
目标生产对象是需要检测是否存在废水偷排的生产对象。生产对象是进行生产活动的对象，一个生产对象可以是一家工厂，一个生产对象也可以是一个工厂中的一个生产单元。目标生产对象可以是根据用户的操作确定的，例如可以指定某个工厂为目标生产对象。目标生产对象可以是预设类型的对象。对象的类型可以根据用水的类型进行划分。例如可以为循环水类型的工厂、水帘机类型的工厂或者喷淋塔类型的工厂。
目标生产周期可以是连续的一个周期，在该周期内，目标生产对象进行了生产。例如，目标生产周期可以是一周或者10天，具体可以根据需要设定。
隐形排水相关参数是与隐形排水相关的参数，隐形排水是指排水不是经过排水设备例如管道进行排放的，例如隐形排水包括管道残留、自然蒸发或者强迫蒸发等中的至少一个。隐形排水相关参数例如可以包括隐形排水所对应的有效水量传递系数、隐形排水的有效水量占进水水量的比例或者隐形排水的平均周期的至少一个。有效水量传递系数是指水进行有效传递的系数，代表的是水传递的有效率，例如隐形排水所对应的有效水量传递系数是指隐形排水时，实际排水量（损耗）与所测量得到的一次补水量的比例。隐形排水的平均周期是指通过隐形排水将设备内部循环水全部消耗的周期，可以是用天来进行表示。
显性排水相关参数是与显性排水有关的系数。显性排水是指通过排水设备对水进行排放。隐形排水相关参数例如可以包括显性排水的平均周期或者显性排水从实施到被上报所需要的延迟天数的至少一个，显性排水的平均周期是指进行显性排水的平均间隔。其中显性排水一般由现场工人手工排放，因此显性排水的平均周期可以是通过终端进行上报的。
进水相关参数例如可以包括单位新增进水量系数。单位新增水量系数是指每个时间单位，所对应的新增水量的有效系数。例如，假设时间单位是一天，而30天一共进水60吨，则用60吨除以30再乘以单位新增进水量系数，得到的是每日平均的实际进水量。
无排水期对应的相关参数是指无排水期有关的参数，无排水期是指没有进行显性排水的时期。无排水期对应的相关参数例如可以包括无排水期内的有效水量传递系数或者无排水期的长度的至少一个。
具体地，服务器可以直接获取目标生产对象在目标生产周期的目标排水相关参数，服务器也可以是基于生产数据计算得到目标排水相关参数。例如服务器可以基于与显性排水有关的工况的通电时长确定无排水期的长度，服务器还可以是获取终端发送的目标排水相关参数。例如，目标生产对象中的工作人员可以通过终端上报显性排水的平均周期。服务器还可以是获取预先设置的目标生产对象的默认的排水相关参数。例如，对于隐形排水相关参数，则可以预先对目标生产对象进行调研，或者对目标生产对象相同类型的多个生产对象进行调研，从而得到默认的排水相关参数。
步骤S204，获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的。
其中，水量相关参数是与水量有关的参数，以生产对象为工厂为例，可以包括进水总量S、 工厂总用电量L、工厂总用水量I、循环水的重复流量C、液位高度A或者工况通电时长R的至少一个。其中这些参数可以进行z标准值转换，其中零-均值规范化也称标准差标准化，经过处理的数据的均值为0，标准差为1，通过它能够将不同量级的数据转化为统一量度的Z-Score分值进行比较。
具体地，服务器中可以存储预设计算关系，当需要进行废水排放预测时，则可以获取预先存储的预设计算关系。
水量相关参数与排水相关参数之间的对应关系可以是在一定的假设前提下得到的。以下对得到预设计算关系的原理进行解释。
除了连续性排放废水的情况外，明显存在几类出水不稳定的情况，包括以下三种：1）采用循环水类型，进水流量计数据有效，另一个流量计是循环水的重复流量，和排放水量无关。2）采用水帘机类型，进水、出水量通过流量计计数结果几乎为0，排水时间有一定间隔；3）采用喷淋塔类型，进水水量较大，出水水量很小，排水时间有一定间隔，蒸发量对出水流量有重大影响。
因此，对于不同的类型的工厂，可以采用不同的参数。例如，采用循环水类型，关键参数可以有4个：进水总量S、工厂总用电量L、工厂总用水量I以及循环水的重复流量C。而采用水帘机类型，关键参数可以有3个：进水总量、液位高度A以及工况通电时长R。对于喷淋塔类型，则关键参数有3个：进水总量、液位高度A以及工况通电时长R。
根据历史数据，非稳态废水排放的情况，对于六个参数，正比于理论排水间隔N，即
理论上每次进行排水的间隔，即公式（1），其中“
”表示正比于。
结合历史数据以及排水原理，可以形成偏微分方程，例如对于工厂，模型的假设前提可以为： (1)工厂在研究时域内连续正常生产; (2) 工厂正常有间歇性排水。(3)由于模拟的时间较短，工厂的原料类型与生产工艺变化忽略，即暂不作考虑。设S(t)、 L(t)、(t)、C(t)、(t)、R(t)分别表示进水总量S、工厂总用电量L、工厂总用水量I、循环水的重复流量C、液位高度A，工况通电时长R，且随时间连续变化。假设理论排水间隔N保持不变，各个监测点的液位变化情况正比于该点进水总量除以排水间隔，可得到微分方程组如下，其中参数说明如下：S表示进水总量进行z标准值转换得到的值；L表示工厂总用电量，进行z标准值转换；I表示工厂总用水量，进行z标准值转换；C表示循环水的重复流量，进行z标准值转换;A表示液位高度，进行z标准值转换；R表示工况通电时长，进行z标准值转换；β表示单位新增进水量系数；ε表示无排水期内的有效水量传递系数；δ表示隐形排水的有效水量传递系数，隐形排水包括管道残留、自然蒸发、强迫蒸发；1/k表示无排水期的长度；p表示隐形排水的有效水量占进水水量的比例；1/α表示显性排水的平均周期，一般由现场工人手工排放；1/γ表示显性排水从实施到被上报所需要的延迟天数；1/η表示隐形排水的平均周期；q表示模型校正系数；该系数由工厂总进水转化为间歇性排放所经历的多个过程的实报率乘积决定。实报率是是指实际反馈率，是复相关系数。q与简单线性回归中的决定系数相类似，它表示反应变量y 的总变异中可由回归模型中自变量解释的部分所占的比例，是衡量所建立模型效果好坏的指标之一。其中模型校正系数可以取1。S0等字母的下标“0”表示是初始的值。
可以理解，由于不同的类型的工厂，可以采用不同的参数，因此对于该类型的工厂没有采用的参数或者可以重要性低的参数，则在方程组中可以忽略。例如，对于S和R是循环变量，循环变量在建模过程中可以，但是，在计算过程中，因为循环水的特性，可以约简了这两个参数。因此，对于以上微分方程组进行转换，则可以得到以下方程：
其中令：
求矩阵FV-1的主特征值，其中主特征值是指矩阵中模最大的那个特征值。则可以得到预设计算关系即计算得到R0的计算关系，如以下方程所示。因此可以将预设计算关系存储在服务器中。
步骤S206，基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数。
具体地，目标产水系数表示进水量与出水量（循环水）的隐形比例。例如产水系数(Basic Reproduction Number)可以定义为，一个工厂虽无连续性排放废水，但是在其内部的有限工期内，存在明确的排水间隔，亦即进水量与出水量（循坏水）的隐形比例，循坏水是指循坏使用的水。由于预设计算关系以及目标排水相关参数已经得到，故服务器可以利用预设计算关系以及目标排水相关参数计算得到目标生产对象在目标生产周期的产水系数，作为目标产水系数。例如，可以采用上述计算R0的公式计算得到目标产水系数。
在一些实施例中，获取目标生产对象所对应的参考产水系数包括：获取目标生产对象所对应的对象类型，基于对象类型获取初始产水系数；获取目标生产对象所对应的生产相关信息，基于生产相关信息对初始产水系数进行调整，得到目标生产对象所对应的参考产水系数。
其中，对象类型可以是行业类型或者所对应的进出水类型，进出水类型例如是采用循环水类型、水帘机类型还是喷淋塔类型。服务器中预先设置了每个对象类型所对应的初始产水系数，代表了该对象类型的产水系数的平均情况。
生产相关信息是与生产相关的信息，例如生产的规模或者生产中对水的特殊需求等。可以经过预先试验，获取不同的生产相关信息所对应的系数调整值，将初始产水系数的基础上，加上该系数调整值，得到目标生产对象所对应的参考产水系数。由于初始产水系数代表的是一个对象类型的产水系数，因此基本能够代表这个行业废水排放的规律，而基于目标生产对象所对应的生产相关信息又能够使得该产水系数能够自适应的根据生产对象的生产情况进行自适应调整，从而使得目标生产对象所对应的参考产水系数更加准确。
步骤S208，获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果。
具体地，参考产水系数可以是预先设置的，表示的是目标生产对象进行正常生产时所对应的产水系数。例如可以是对相同行业的多个工厂进行调研，计算得到这些工厂在多个生产周期的实际产水系数，对这多个生产周期的实际产水系数进行统计，例如求平均值，得到参考产水系数。还可以是获取目标生产对象在目标生产周期之前的多个正常排放废水即没有偷排废水的生产周期的产水系数，对这多个生产周期的产水系数进行统计，得到参考产水系数。
对比结果可以是差值也可以是比值，例如可以是将目标产水系数减去参考产水系数，得到产水系数差值，作为对比结果。也可以是将目标产水系数减去参考产水系数的差值，除以参考产水系数，将得到的比值作为对比结果。
具体地，服务器可以获取预先存储的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果。例如，参考产水系数可以是同行业相似企业的产水系数，因此当一个企业的基本产水系数的计算值严重偏离同行业相似企业的基本产水系数，则判断企业废水排放可疑，需进一步进行现场核实。
在一些实施例中，将目标产水系数与参考产水系数进行对比，得到对比结果包括：计算目标产水系数与参考产水系数之间的差值绝对值；将差值绝对值除以参考产水系数，得到目标比值，将目标比值作为对比结果。
例如，如果目标产水系数表示为J1，参考产水系数表示为J2，即可以计算J1减去J2的差值的绝对值，将将该绝对值除以J2，得到目标比值，由于该目标比值是相对于参考产水系数的值，是一个相对值，从而使得对比结果更加客观有效。
步骤S210，当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放。
具体地，预设差异阈值可以根据需要设置，例如预设差异阈值可以是60%~100%之间的数值。存在异常排放表示可能存在废水偷排的情况。服务器可以向监管终端发送目标生产对象对应的异常排放提示信息，以提示监管终端进行确认，例如监管人员基于监管终端显示的异常提示信息，可以对目标生产对象进行现场排查。
在一些实施例中，由于存在异常排放说明可能存在废水偷排，服务器还可以获取目标生产对象所对应的废水拉运数据，确定在当前周期是否存在废水拉运的工单，如果存在，则可以向监管终端输出该拉运工单的信息，例如拉运工单中所拉运的废水的数量以及拉运的时间，使得监管终端的工作人员可以结合拉运工单的信息确定是否存在偷排。一般而言，存在异常排放基本可以检测定义为偷排，唯一的正常情况是与正常的拉运工单重合，这是正常现象，因此根据拉运的记录进行去重，以提高检测准确度。
上述非稳态废水排放预测方法中，确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放，由于目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数，因此目标排水相关参数能从不同角度反映一个企业的排水情况，而预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的，因此能够基于预设计算关系以及目标排水相关参数得到反映目标生产对象在目标生产周期内的进水与出水之间的隐形比例，故将目标产水系数与参考产水系数进行对比，能够得出生产对象是否存在异常的排放，故提高了废水排放的预测准确度以及检测效率。
在一些实施例中，对于可以通过终端获取的或者可以实时计算得到的部分目标排水相关参数，则优先采用通过终端获取目标排水相关参数或者可以实时计算得到的目标排水相关参数，以反映目标生产对象在目标生产周期的目标排水相关系数。对于服务器由于数据异常导致计算不准确或者计算困难的部分目标排水相关参数，则可以采用默认的排水相关参数。例如，对于小废水企业，可以对40家小废水企业的调研，固定参数的取值展现在表1中，其中隐形排水的平均周期，即1/η取9.3天，无排水期的长度的中位天数为4.3天，当无排水期的周期定为1时，则无排水期内有效水量传递系数可以是无排水期的长度的倒数，为周期内企业排水设备没有在运转的时长占比，所以无排水期内的有效水量传递系数ε取值可以为中位天数的倒数，为1/4.3；隐形排水的有效水量传递系数，此处取0.l。此外，还可以获取模型校正系数，例由Monte-Carlo模拟可得到模型校正系数q中位值为1.760×10 ,该参数取倒数后为57。
表1：
在一些实施例中，目标排水相关参数包括单位新增进水量系数、无排水期的长度、无排水期内的有效水量传递系数、隐形排水的有效水量占进水水量的比例以及显性排水的平均周期，如图3所示，基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数包括：
步骤S302，基于无排水期内的有效水量传递系数以及无排水期的长度得到第一系数。
其中，可以是将无排水期内的有效水量传递系数除以无排水期的长度的倒数，得到第一系数，例如第一系数可以表示为ε/k。
步骤S304，基于隐形排水的有效水量占进水水量的比例以及显性排水的平均周期得到第二系数。
其中，可以将显性排水的平均周期的倒数α，与1-α相加，得到数值之和，将述隐形
排水的有效水量占进水水量的比例除以数值之和，得到第二系数，例如第二系数可以表示
为
，其中，模型校验系数q可以忽略不计。
步骤S306，基于第一系数以及第二系数得到目标系数。
其中，可以将第一系数以及第二系数相加，将数值之和作为目标系数。当然还可以是加上计算R0的计算公式中的其他系数项。
步骤S308，将目标系数与单位新增进水量系数相乘，得到目标生产对象在目标生产周期的目标产水系数。
具体地，得到目标系数之后，将目标系数与单位新增进水量系数相乘，从而可以得到目标生产对象在目标生产周期的目标产水系数。
在一些实施例中，得到无排水期的长度的步骤包括：获取目标生产对象在目标生产周期的通电时间信息；基于通电时间信息确定无排水期的长度。
其中，通电时间信息可以是目标生产对象中，与排水有关的设备的通电时间。基于该通电时间，可以计算得到排水有关的设备的通电长度，可以将目标生产周期的时间长度减去通电长度，得到无排水期的长度，从而使得无排水期的计算更加准确。
在一些实施例中，如图4所示，方法还包括：
步骤S402，当确定目标生产对象的废水排放预测结果为存在异常排放时，获取目标生产对象所对应的生产相关数据。
其中，生产相关数据是与生产相关的数据，例如可以生产特殊事件等的至少一个。生产特殊事件是指与日常的生产不同的事件，例如进行了废水拉运、增加了不同的生产废水排放设备或者出现了生产异常的情况。
具体地，预先设置了当存在异常排放时，所需要获取的数据的类型，因此可以基于所要获取的数据的类型获取服务器中目标生产对象所对应的生产相关数据。
步骤S404，向监管终端发送目标生产对象对应的异常排放提示信息，异常排放提示信息包括生产相关数据以及目标生产对象的生产对象信息。
异常排放提示信息是用于提示目标生产对象存在异常排放的提示信息，生产对象信息可以包括目标生产对象的位置或者名称的至少一种。监管终端可以显示异常排放提示信息，从而使得监管人员可以基于该异常排放提示信息进行现场排查或者查看该目标生产对象所对应的生产相关数据，对该生产相关数据进行人工分析。或者在增加了不同的生产废水排放设备时，重新生成目标生产对象所对应的参考产水系数，从而使得对比结果更加准确。
在一些实施例中，还可以采用神经网络模型确定目标生产对象的废水排放预测结果。例如可以获取目标生产对象的对象类型，基于该对象类型获取对应的多个不同特征维度的排水监测参数，将多个不同特征维度的排水监测参数输入到预先训练的神经网络模型中，该神经网络模型为约束条件，神经网络模型可以输出目标生产对象存在异常排放的概率，如果该概率大于预设的概率阈值，例如大于0.7，则可以确定目标生产对象的废水排放预测结果为存在异常排放。
其中，若对象类型为采用循环水类型，则排水监测参数可以包括进水总量S、工厂总用电量L、工厂总用水量I以及循环水的重复流量C，即可以包括4个特征维度。若对象类型为采用水帘机类型，则排水监测参数可以包括进水总量、液位高度A以及工况通电时长R，即可以包括3个特征维度。若对象类型为采用喷淋塔类型，则排水监测参数可以包括关键参数有3个：进水总量、液位高度A以及工况通电时长R，即可以包括3个特征维度。从而使得废水排放的检测更加准确。
在一些实施例中，当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，以及当神经网络模型可以输出目标生产对象存在异常排放的概率大于预设的概率阈值时，则可以确定该目标生产对象的核查方式为现场核查方式。
在一些实施例中，可以获取历史时间段内每个检测时刻所检测得到的排水检测参数，将每个特征维度的排水监测参数按照时间顺序进行排列，得到每个特征维度分别对应的监测参数序列，可以将每个特征维度分别对应的监测参数序列一起输入到神经网络模型中，例如如果是水帘机类型，则可以将进水总量所形成的参数序列、液位高度所形成的参数序列以及工况通电时长所形成的参数序列一起输入到神经网络模型中。该神经网络模型是时间序列模型，基于该时间序列模型输出目标生产周期中每个检测时刻所对应的预测的排水检测参数，服务器将检测时刻的预测的排水检测参数按照时间顺序进行排列，得到预测参数序列，服务器可以获取目标生产周期中每个检测时刻所对应的实际的排水检测参数。服务器将检测时刻的实际的排水检测参数按照时间顺序进行排列，得到实际参数序列。将预测参数序列与实际参数序列进行对比，例如计算相似度，如果相似度小于预设相似度阈值，则可以确定目标生产对象的废水排放预测结果为存在异常排放。
其中检测时刻是获取排水检测参数的时刻，例如，预先设置了每隔5分钟获取一次，则可以是第5分钟、第10分钟、第15分钟分别获取一次，则第5分钟、第10分钟、第15分钟分别为检测时刻。如果一个周期为一个小时，则可以获取一个小时中每个检测时刻的排水检测参数，并按照时间顺序依次排列。得到参数序列。
在一些实施例中，还可以获取隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数，将这些参数也分别作为特征，输入到预先训练的神经网络模型中，进行预测。
本申请实施例提供的非稳态废水排放预测方法可以通过企业智能化监管服务系统实现，“小废水”企业智能化监管服务系统以水环境感知层的建设为支撑，接入监测点位的三个关键参数，即进口水量、出口水量、液位计数据，以及生产企业工况、高清视频跟拍等，基于“物联网+ 大数据分析”的技术手段，建设“能发现、能说清、能决策”的小废水企业生产排放过程监控管理体系。
采取“查、测、控、评”的管理体系结合“以问题为导向”的指导原则，从而解决或降低企业废水排放在环境管理中存在的问题或风险。第一步“查”，快速、动态、摸清底数，找出问题企业、问题点位，精确排查；第二步“测”，由面到点，高强度靶向监测，抓重点，创建企业点位污染直读模式分析，精确打击；第三步“控”，优化污控措施，靶向管控配合执法，精细化规范管理；第四步“评”，锁定违规企业，快速诊断评估，直击问题要害，持续强化监管。
如图5所示，系统的构建分为四个步骤。首先，将企业信息（含进水量、排水量、企业类型）、设备工况（含运行时段、时长、用电量）、点位环境（含安装地点及取电是否方便）等在前期现场勘察中确定下来。其次，进行软硬件设计及部署，硬件部分，包括流量监测、液位监测、工况监测以及视频监控；软件部分，包括实时数据、历史数据、自动检测等。再次，利用数据智能分析加人工专业辨析进行系统运行维护，能够给出异常事件报警、给水排水状况、控制级别、内原定位、数据统计及排名等信息。最后，在数据应用及展示层面，自动给出点位信息、异常事件快速报告、报警、建议处理方式、监测数据对比以及企业登记评估，同时，可以通过移动客户端、电脑浏览器及监控大屏对信息进行图形化展示。利用现代智能化的科技手段建立的小废水管控技术服务体系，整合管控机制反馈考核的评价服务体系，可为政府部门对辖区内小废水企业提供智能化监管实时掌控的管控手段，为企业规范经营、安全排放营造良好的环境氛围。
本申请实施例提供的方案可以通过利用物联网技术对企业进出水量、液位、生产过程、工况等相关参数进行全过程动态监控管理及数据分析研判，是一个多维度的监测。而且本申请实施例提供的方案引入了隐性排水黑箱，并考虑到隐形排水可能存在的多种方式以及内部的水量自循环的情况，能够较准确地预测R0。通过本申请实施例提供的企业智能化监管服务系统，可以具有以下意义：1、协助企业熟悉环境污染防治的相关政策、要求及废水规范化储运管理知识，为企业规范化建设管理提供有效整改指导及技术支持；2、简化企业生产废水拉运备案流程，为企业与拉运单位进行废水拉运工作提供便利；3、为环境监管部门提供现代化、科技化监管手段，解决环保职能部门人力不足、缺乏有效监管工具，执法效性低等难题；4、开创第三方辅助执法的监管新模式，简化执法流程，提高环境监管部门监管与执法效率，实现精准高效执法；5、创新引入科学、专业的技术手段，高压打击环境违法事件，降低“小废水”企业对流域的环境污染风险，巩固流域治水成果。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一些实施例中，如图6所示，提供了一种非稳态废水排放预测装置，包括：
目标排水相关参数获取模块602，用于确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；
预设计算关系获取模块604，用于获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；
目标产水系数获取模块606，用于基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；
对比结果得到模块608，用于获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；
废水排放预测结果获取模块610，用于当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放。
在一些实施例中，目标排水相关参数包括单位新增进水量系数、无排水期的长度、无排水期内的有效水量传递系数、隐形排水的有效水量占进水水量的比例以及显性排水的平均周期，目标产水系数获取模块用于：基于无排水期内的有效水量传递系数以及无排水期的长度得到第一系数；基于隐形排水的有效水量占进水水量的比例以及显性排水的平均周期得到第二系数；基于第一系数以及第二系数得到目标系数；将目标系数与单位新增进水量系数相乘，得到目标生产对象在目标生产周期的目标产水系数。
在一些实施例中，得到无排水期的长度的模块用于：获取目标生产对象在目标生产周期的通电时间信息；基于通电时间信息确定无排水期的长度。
在一些实施例中，对比结果得到模块用于：计算目标产水系数与参考产水系数之间的差值绝对值；将差值绝对值除以参考产水系数，得到目标比值，将目标比值作为对比结果。
在一些实施例中，装置还包括：生产相关数据获取模块，用于当确定目标生产对象的废水排放预测结果为存在异常排放时，获取目标生产对象所对应的生产相关数据；提示模块，用于向监管终端发送目标生产对象对应的异常排放提示信息，异常排放提示信息包括生产相关数据以及目标生产对象的生产对象信息。
在一些实施例中，对比结果得到模块用于：获取目标生产对象所对应的对象类型，基于对象类型获取初始产水系数；获取目标生产对象所对应的生产相关信息，基于生产相关信息对初始产水系数进行调整，得到目标生产对象所对应的参考产水系数。
关于非稳态废水排放预测装置的具体限定可以参见上文中对于非稳态废水排放预测方法的限定，在此不再赘述。上述非稳态废水排放预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储排水相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种非稳态废水排放预测方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一些实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放。
在一些实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：确定目标生产对象，获取目标生产对象在目标生产周期的目标排水相关参数，目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；获取预设计算关系，预设计算关系是基于水量相关参数与排水相关参数之间的对应关系进行转换得到的；基于预设计算关系以及目标排水相关参数，计算得到目标生产对象在目标生产周期的目标产水系数；获取目标生产对象所对应的参考产水系数，将目标产水系数与参考产水系数进行对比，得到对比结果；当基于对比结果确定目标产水系数与参考产水系数之间的差异大于预设差异阈值时，确定目标生产对象的废水排放预测结果为存在异常排放。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种非稳态废水排放预测方法，其特征在于，所述方法包括：
确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；所述隐形排水相关参数包括隐形排水的有效水量占进水水量的比例、隐形排水的有效水量传递系数以及隐形排水的平均周期；所述显性排水相关参数包括显性排水的平均周期以及显性排水从实施到被上报的延迟时长；所述进水相关参数包括单位新增进水量系数；所述无排水期对应的相关参数包括示无排水期内的有效水量传递系数以及无排水期的长度；
获取预设计算关系；
基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；
获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；
当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放；
其中，所述预设计算关系为：
其中，R0表示目标产水系数，β表示单位新增进水量系数，ε表示无排水期内的有效水量传递系数，1/k表示无排水期的长度，p表示隐形排水的有效水量占进水水量的比例，1/α表示显性排水的平均周期，q表示模型校正系数，1/γ表示显性排水从实施到被上报的延迟时长，δ表示隐形排水的有效水量传递系数，1/η表示隐形排水的平均周期。
2.根据权利要求1所述的方法，其特征在于，得到所述无排水期的长度的步骤包括：
获取所述目标生产对象在所述目标生产周期的通电时间信息；
基于所述通电时间信息确定所述无排水期的长度。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标产水系数与所述参考产水系数进行对比，得到对比结果包括：
计算所述目标产水系数与所述参考产水系数之间的差值绝对值；
将所述差值绝对值除以所述参考产水系数，得到目标比值，将所述目标比值作为对比结果。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当确定所述目标生产对象的废水排放预测结果为存在异常排放时，获取所述目标生产对象所对应的生产相关数据；
向监管终端发送所述目标生产对象对应的异常排放提示信息，所述异常排放提示信息包括所述生产相关数据以及所述目标生产对象的生产对象信息。
5.根据权利要求1所述的方法，其特征在于，所述获取所述目标生产对象所对应的参考产水系数包括：
获取所述目标生产对象所对应的对象类型，基于所述对象类型获取初始产水系数；
获取所述目标生产对象所对应的生产相关信息，基于所述生产相关信息对所述初始产水系数进行调整，得到所述目标生产对象所对应的参考产水系数。
6.一种非稳态废水排放预测装置，其特征在于，所述装置包括：
目标排水相关参数获取模块，用于确定目标生产对象，获取所述目标生产对象在目标生产周期的目标排水相关参数，所述目标排水相关参数包括隐形排水相关参数、显性排水相关参数、进水相关参数以及无排水期对应的相关参数；所述隐形排水相关参数包括隐形排水的有效水量占进水水量的比例、隐形排水的有效水量传递系数以及隐形排水的平均周期；所述显性排水相关参数包括显性排水的平均周期以及显性排水从实施到被上报的延迟时长；所述进水相关参数包括单位新增进水量系数；所述无排水期对应的相关参数包括示无排水期内的有效水量传递系数以及无排水期的长度；
预设计算关系获取模块，用于获取预设计算关系；
目标产水系数获取模块，用于基于所述预设计算关系以及所述目标排水相关参数，计算得到所述目标生产对象在所述目标生产周期的目标产水系数；
对比结果得到模块，用于获取所述目标生产对象所对应的参考产水系数，将所述目标产水系数与所述参考产水系数进行对比，得到对比结果；
废水排放预测结果获取模块，用于当基于所述对比结果确定所述目标产水系数与所述参考产水系数之间的差异大于预设差异阈值时，确定所述目标生产对象的废水排放预测结果为存在异常排放；
其中，所述预设计算关系为：
其中，R0表示目标产水系数，β表示单位新增进水量系数，ε表示无排水期内的有效水量传递系数，1/k表示无排水期的长度，p表示隐形排水的有效水量占进水水量的比例，1/α表示显性排水的平均周期，q表示模型校正系数，1/γ表示显性排水从实施到被上报的延迟时长，δ表示隐形排水的有效水量传递系数，1/η表示隐形排水的平均周期。
7.根据权利要求6所述的装置，其特征在于，所述目标排水相关参数获取模块用于：
获取所述目标生产对象在所述目标生产周期的通电时间信息；
基于所述通电时间信息确定所述无排水期的长度。
8.根据权利要求6所述的装置，其特征在于，所述对比结果得到模块用于：
计算所述目标产水系数与所述参考产水系数之间的差值绝对值；
将所述差值绝对值除以所述参考产水系数，得到目标比值，将所述目标比值作为对比结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110792558.8A CN113256037B (zh) | 2021-07-14 | 2021-07-14 | 非稳态废水排放预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110792558.8A CN113256037B (zh) | 2021-07-14 | 2021-07-14 | 非稳态废水排放预测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256037A CN113256037A (zh) | 2021-08-13 |
| CN113256037B true CN113256037B (zh) | 2021-09-28 |
Family
ID=77191181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110792558.8A Active CN113256037B (zh) | 2021-07-14 | 2021-07-14 | 非稳态废水排放预测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256037B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723685A (zh) * | 2021-08-31 | 2021-11-30 | 神彩科技股份有限公司 | 一种危废产生量确定方法、装置、设备及存储介质 |
| CN117993869B (zh) * | 2024-04-02 | 2024-06-25 | 青达节能工程研究院(青岛)有限公司 | 一种基于深度脱硫技术的废水的排放调节方法及设备 |
| CN118095963B (zh) * | 2024-04-19 | 2024-10-08 | 华能山东发电有限公司烟台发电厂 | 一种火电厂废水处理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440427A (zh) * | 2013-05-21 | 2013-12-11 | 广东柯内特环境科技有限公司 | 一种企业偷排行为预判方法及系统 |
| CN105157756A (zh) * | 2015-09-23 | 2015-12-16 | 北京智芯微电子科技有限公司 | 一种污染源防偷排控制方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8911630B2 (en) * | 2009-01-14 | 2014-12-16 | Savannah River Nuclear Solutions, Llc | Process for treating waste water having low concentrations of metallic contaminants |
| CN106600509B (zh) * | 2016-12-28 | 2020-09-15 | 北京航空航天大学 | 一种基于基础数据分析判断企业兑水排污行为的方法 |
| CN111652450B (zh) * | 2020-08-05 | 2020-11-24 | 浙江力嘉电子科技有限公司 | 排污行为的异常检测系统及方法、电子设备、存储介质 |
| CN112374556B (zh) * | 2020-11-12 | 2023-11-21 | 联智同达(苏州)环境科技有限公司 | 一种污水异常排放监控系统及其监控方法 |
| CN112857471B (zh) * | 2021-04-13 | 2023-04-28 | 安徽中科大国祯信息科技有限责任公司 | 工业物联网的化工废水处理排放在线监测预警管理云平台 |
-
2021
- 2021-07-14 CN CN202110792558.8A patent/CN113256037B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103440427A (zh) * | 2013-05-21 | 2013-12-11 | 广东柯内特环境科技有限公司 | 一种企业偷排行为预判方法及系统 |
| CN105157756A (zh) * | 2015-09-23 | 2015-12-16 | 北京智芯微电子科技有限公司 | 一种污染源防偷排控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256037A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113256037B (zh) | 非稳态废水排放预测方法、装置、计算机设备和存储介质 | |
| CN113240211B (zh) | 废水排放预测方法、装置、计算机设备和存储介质 | |
| CN111652450B (zh) | 排污行为的异常检测系统及方法、电子设备、存储介质 | |
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
| CN107491970B (zh) | 实时反作弊检测监控方法和系统以及计算设备 | |
| AU2001255994B2 (en) | Method of business analysis | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
| CN112884197B (zh) | 一种基于双模型的水华预测方法和装置 | |
| CN107563597A (zh) | 污染物排放总量的智能预警方法 | |
| CN111522864A (zh) | 基于用电数据的企业生产模式识别及转移生产预警方法 | |
| CN111310803B (zh) | 环境数据处理方法和装置 | |
| CN104091061B (zh) | 一种利用正态分布辅助判定污染源监测数据有效性的方法 | |
| CN112561289A (zh) | 一种能源管理体系认证中的能源绩效集成验证方法 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| Nowobilski et al. | Estimating the probability of accidents on building scaffoldings | |
| CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
| CN117252383A (zh) | 一种泄洪闸门运行状态监测方法、系统、电子设备及存储介质 | |
| CN117079460A (zh) | 一种面向时间序列的arima模型对城市短时交通流预测的方法 | |
| CN117522203A (zh) | 一种测算碳排放量的管理系统及其方法 | |
| CN116128690B (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
| CN110007174B (zh) | 一种数据中心的动力管控检测方法 | |
| CN116823067A (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
| CN115841018A (zh) | 用于预测瓦斯浓度的误差补偿回声状态网络模型构建方法 | |
| CN108171408A (zh) | 一种污水来水与出水量建模方法 |
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 |