CN113269564A - 一种园区排污管网污染源反向追踪溯源方法及系统 - Google Patents
一种园区排污管网污染源反向追踪溯源方法及系统 Download PDFInfo
- Publication number
- CN113269564A CN113269564A CN202110411023.1A CN202110411023A CN113269564A CN 113269564 A CN113269564 A CN 113269564A CN 202110411023 A CN202110411023 A CN 202110411023A CN 113269564 A CN113269564 A CN 113269564A
- Authority
- CN
- China
- Prior art keywords
- pollution source
- water quality
- pipe network
- pollution
- tracking
- 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.)
- Pending
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 108
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 239000003344 environmental pollutant Substances 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 30
- 231100000719 pollutant Toxicity 0.000 claims description 30
- 239000002245 particle Substances 0.000 claims description 26
- 238000004088 simulation Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 239000003016 pheromone Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000000356 contaminant Substances 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000003911 water pollution Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002306 biochemical method Methods 0.000 description 1
- QCUOBSQYDGUHHT-UHFFFAOYSA-L cadmium sulfate Chemical compound [Cd+2].[O-]S([O-])(=O)=O QCUOBSQYDGUHHT-UHFFFAOYSA-L 0.000 description 1
- 229910000331 cadmium sulfate Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Accounting & Taxation (AREA)
- Fluid Mechanics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
Abstract
本发明涉及水环境信息处理技术领域，具体涉及一种园区排污管网污染源反向追踪溯源方法及系统，所述方法包括：获取工业园区排污管网的在线水质监测数据，根据所述在线水质监测数据确定是否存在水质异常，当检测到水质异常时，获取工业园区污水管网的基础数据，基于所述基础数据构建工业园区污水管网的水力水质模型，将所述基础数据及在线水质监测数据输入所述水力水质模型，确定污染源的先验信息，构建工业园区排污管网的反向追踪溯源模型，对所述污染源的先验信息进行污染源优化搜索，得到污染源信息的最优解，所述污染源信息包括工业园区污染源的地点、排放量和排放时间，本发明可以节省应急现场勘查时间，提高污染源溯源准确性。
Description
技术领域
本发明涉及水环境信息处理技术领域，具体涉及一种园区排污管网污染源反向追踪溯源方法及系统。
背景技术
工业园区污水管网连接排污单位和污水处理厂或收纳水体，频繁发生的水质污染事故造成污水处理厂的运行效率下降、排放水体水质恶化。目前，国内外对此类网管污水直排和偷排源的识别主要基于生化法、示踪法和仪器搜索法等主流的物理搜索溯源法，但是该类方法存在工作量大、耗时长、溯源效率低且受排查人员技术能力影响的问题，不利于直排偷排漏排事故的快速有效识别。
发明内容
本发明目的在于提供一种园区排污管网污染源反向追踪溯源方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，本发明提供以下技术方案：
一种园区排污管网污染源反向追踪溯源方法，所述方法包括以下步骤：
步骤S100、获取工业园区排污管网的在线水质监测数据，根据所述在线水质监测数据确定是否存在水质异常；
步骤S200、当检测到水质异常时，获取工业园区污水管网的基础数据，基于所述基础数据构建工业园区污水管网的水力水质模型；
步骤S300、将所述基础数据和在线水质监测数据输入所述水力水质模型，确定污染源的先验信息；
步骤S400、构建工业园区排污管网的反向追踪溯源模型，对所述污染源的先验信息进行污染源优化搜索，得到污染源信息的最优解；其中，所述污染源信息包括工业园区污染源的地点、排放量和排放时间。
进一步，步骤S100中，所述根据所述在线水质监测数据确定是否存在水质异常，包括：
将所述在线水质监测数据输入谱分析数据驱动模型，确定所述在线水质监测数据确定是否存在水质异常；
或，通过判断所述在线水质监测数据是否处于水质异常的区间，以确定是否存在水质异常。
进一步，步骤S200中，所述水力水质模型为：
其中，A为过水断面面积，C为污水管网中污染物浓度的模拟值，Q为过水断面流量，EM为河段混合扩散系数，k1为污染物降解速率常数，SM为污染点源排放量随时间变化的函数。
进一步，所述步骤S300包括：
以不同时刻水质监测点污染物浓度的实测值与模拟值的平方和构建反向追踪溯源模型，将所述反向追踪溯源模型作为目标函数；
利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，所述污染源信息的最优解包括园区突发水污染事故污染源的地点、排放量和排放时间。
进一步，所述反向追踪溯源模型如下：
Yj(t)＝F(x，t)；
xmin＜x＜xmax；
其中，Xm*n为潜在污染源节点浓度矩阵，m为潜在污染源节点的总个数，n为污染源信息的总个数，
为污染源信息的最优解，J为水质监测点的总个数，j为水质监测点的编号，T为模拟时间，x为潜在污染源的污染物浓度，t为监测时刻，Yj(t)为水质监测点j在t时刻污染物浓度的实测值，Yj′(t)为水质监测点j在t时刻污染物浓度的模拟值，xmin为潜在污染源节点的污染物浓度最小值，xmax为潜在污染源节点的污染物浓度最大值。
进一步，所述利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，包括：
利用PSO算法对全局的污染源信息进行快速搜索，获得污染源信息的次优解集合；
基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解。
进一步，所述基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解，包括：
将所述次优解集合作为粒子种群，确定所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值；
基于所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值确定所述目标函数的方差；
当所述目标函数的方差达到设定阈值时，得到所述污染源信息的最优解。
一种计算机可读存储介质，所述计算机可读存储介质上存储有园区排污管网污染源反向追踪溯源程序，所述园区排污管网污染源反向追踪溯源程序被处理器执行时实现如上述任意一项所述的园区排污管网污染源反向追踪溯源方法的步骤。
一种园区排污管网污染源反向追踪溯源系统，所述系统包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一项所述的园区排污管网污染源反向追踪溯源方法。
本发明的有益效果是：本发明公开一种园区排污管网污染源反向追踪溯源方法及系统，本发明针对工业园区市政管网查找工业企业污水直排或超标排放的污染源溯源困难问题，能够在管网系统拓扑结构及水力条件复杂多变、环境反问题高度不确定的条件下有效地确定网管污水直排或污水超标排放的位置、排放量及排放时间，实现在有限的反馈时间内提供更精确的溯源结果，提高对直排偷排超标废水的管理水平以及排放事故的应急处理效率。本发明可以节省应急现场勘查时间，提高溯源准确性。
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是本发明实施例中园区排污管网污染源反向追踪溯源方法的流程示意图；
图2是本发明实施例中园区排污管网的结构示意图。
具体实施方式
以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
参考图1，如图1所示为本申请实施例提供的一种园区排污管网污染源反向追踪溯源方法，所述方法包括以下步骤：
步骤S100、获取工业园区排污管网的在线水质监测数据，根据所述在线水质监测数据确定是否存在水质异常；
其中，所述在线水质监测数据包括：污染物浓度的实测值、管道水流量的实测值；需要说明的是，这里的污染物浓度是指一种或多种污染物的浓度。
步骤S200、当检测到水质异常时，获取工业园区污水管网的基础数据，基于所述基础数据构建工业园区污水管网的水力水质模型；
其中，所述基础数据包括：管道节点水位、管道水流量；
步骤S300、将所述基础数据和在线水质监测数据输入所述水力水质模型，确定污染源的先验信息；
其中，所述污染源的先验信息包括管网污染排放口、时间、强度的先验分布，即工业园区排污管网中污染物的模拟浓度分布。
步骤S400、构建工业园区排污管网的反向追踪溯源模型，对所述污染源的先验信息进行污染源优化搜索，得到污染源信息的最优解；
其中，所述污染源信息包括工业园区污染源的地点、排放量和排放时间。
在本实施例中，首先启动谱分析数据驱动模型进行水质分析及预测分析，当谱分析数据驱动模型通过计算显示水质异常、或人工检测到水质异常后，主机系统的EPANET软件读取构建工业园区污水管网水力水质模型所需要的基础数据。
基于在线水质监测数据，对偷排超标污染物质的排放位置、排放量和排放时段等三个未知的排放特征参数进行了统计反推，从而有效的筛选出直排和偷排污染源排放节点、排放量和排放时段，提升园区管网水质污染事故溯源效率，最大限度地降低园区突发水污染事故时，应急处理水质污染事故成本。
在一个优选的实施例中，步骤S100中，所述根据所述在线水质监测数据确定是否存在水质异常，包括：
将所述在线水质监测数据输入谱分析数据驱动模型，确定所述在线水质监测数据确定是否存在水质异常；
或，通过判断所述在线水质监测数据是否处于水质异常的区间，以确定是否存在水质异常。
作为上述实施例的改进，步骤S200中，所述水力水质模型为：
其中，A为过水断面面积；C为污水管网中污染物浓度的模拟值；Q为过水断面流量；EM为河段混合扩散系数；k1为污染物降解速率常数；SM为污染点源排放量随时间变化的函数。需要说明的是，这里的污水管网中污染物浓度的模拟值C模拟表达的是其中一种污染物的浓度。
本实施例构建的污水管网的水力水质模型为一维非稳态水质模型，通过模拟工业园区排污管网中污染物的浓度分布，能够反映污水管网的实际情况，获取准确的先验信息。
作为上述实施例的改进，所述步骤S300包括：
以不同时刻水质监测点污染物浓度的实测值与模拟值的平方和构建反向追踪溯源模型，将所述反向追踪溯源模型作为目标函数；
利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，所述污染源信息的最优解包括园区突发水污染事故污染源的地点、排放量和排放时间。
本实施例中，以模拟时间内各监测点的实际污染物浓度与模拟值差的平方和为目标函数，通过分析监测点不同时刻模拟浓度与实测浓度的差值来改变潜在污染源在特定时间点的节点浓度；待模拟时间段内所有污染源节点浓度更新后再次进行正演模拟，模拟结果达到预设条件后最终输出潜在污染源节点浓度矩阵。其中，是否达到预设条件则需要目标函数的方差来判断，通过确定目标函数的方差是否达到设定阈值来确定需要继续更替的污染物信息，在后续实施例将做进一步说明。
本发明提供的实施例中，通过联合谱分析数据驱动模型、EPANET水力水质模型、优化搜索算法以及相关编程软件构建排污管网污染物质溯源数学模型。
在一个优选的实施例中，所述反向追踪溯源模型如下：
Yj(t)＝F(x，t)；
xmin＜x＜xmax；
其中，Xm*n为潜在污染源节点浓度矩阵，m为潜在污染源节点的总个数，n为污染源信息的总个数，
为污染源信息的最优解，J为水质监测点的总个数，j为水质监测点的编号，T为模拟时间，x为潜在污染源的污染物浓度，t为监测时刻，Yj(t)为水质监测点j在t时刻污染物浓度的实测值，Yj′(t)为水质监测点j在t时刻污染物浓度的模拟值，xmin为潜在污染源节点的污染物浓度最小值，xmax为潜在污染源节点的污染物浓度最大值。
本实施例中，排污管网污染物质的反向追踪溯源模型是以水质正演模拟为基础，采用一定的优化计算方法来改变潜在的排污管网污染源的信息，主要方法是以不同时刻水质监测点的实测值与模拟值之间的平方和作为优化目标函数，利用POS-ACO计算方法分析该目标函数值进而更新潜在污染源信息，不断重复水质正演模拟与优化过程，直至获得污染源信息的最优解。
作为上述实施例的改进，所述利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，包括：
利用PSO算法对全局的污染源信息进行快速搜索，获得污染源信息的次优解集合；
基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解。
本实施例中，先利用PSO算法对全局的污染源信息进行快速搜索，获得污染源信息的次优解集合，然后在该次优解的路径上进行污染源信息素重分布，更新潜在的污染源信息；再利用ACO算法进行正反反馈，不断重复水质正演模拟与优化过程，从而获得污染源信息的最优解。
作为上述实施例的改进，所述基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解，包括：
将所述次优解集合作为粒子种群，确定所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值；
基于所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值确定所述目标函数的方差；
当所述目标函数的方差达到设定阈值时，得到所述污染源信息的最优解。
其中，所述粒子种群适应度值的平均值通过以下公式计算得到：
式中，sizepop为粒子种群规模，fitness(i)为粒子种群中第i个粒子的适应度值，fitness(i)avg为粒子种群适应度值的平均值，f为调节因子；
所述目标函数的方差通过以下公式计算得到：
其中，σ2为目标函数的方差。
下面以某一小型工业园区的市政排污管的直排污染源识别为例对本发明方法进行验证：
假设工业园区的企业污水均经过污水站处理后排入市政网管，由市政网管统一输送至污水站进入生活污水厂，假设各排污口的污染物浓度及排污量不变，即管网水力条件不变，污染物在水管中只随水流扩散稀释。工业园区污水网管布置如图2所示，工业园区污水管网有32个节点，JD32污水总排放口。
本发明要解决的问题是在不知道污染源的情况下，通过连续监测下游任意管网节点水样中的污染物浓度，推测出污水可能直排的管网节点、浓度、强度，从而找到污染源。
假定JD9发生管道突发水环境事故，为污水直排点，浓度为5000mg/min的硫酸镉污染物，持续时间为1min，JD28为监测点。在MATLAB平台上调用EPANET的网管水力水质模型进行水质模拟，水力步长时间为1min，水质时间步长为1min，模拟步长时间为1min，模拟时间为8:00。得到各监测点位的模拟污染物浓度变化图，设置参数：sizepop＝6，maxgen＝150，q0＝0.25，r＝0.6，h＝4，σ1 2＝0.6，σ2 2＝1.2，T＝60min，采用PSO-ACO优化搜索算法，当迭代至45代时，输出结果为(JD9，10，5000)，适应度为0，运行时间为509.3s。
从本实例可以看出，可用较短的时间搜查出污水管网中直排点的污染源信息，说明本发明是可靠的，特别针对大型工业园区污水管网复杂、分支较多、污水节点数量巨大的情形时，当排口末端或接受水体前端监测检测到突发水质事故时，可以快速筛选出一批疑似直排或偷排污染源，节省应急现场勘查时间，提高溯源准确性。
与图1的方法相对应，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有园区排污管网污染源反向追踪溯源程序，所述园区排污管网污染源反向追踪溯源程序被处理器执行时实现如上述任意一实施例所述的园区排污管网污染源反向追踪溯源方法的步骤。
与图1的方法相对应，本发明实施例还提供一种园区排污管网污染源反向追踪溯源系统，所述系统包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一实施例所述的园区排污管网污染源反向追踪溯源方法。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
所述处理器可以是中央处理单元(Central-Processing-Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital-Signal-Processor，DSP)、专用集成电路(Application-Specific-Integrated-Circuit，ASIC)、现场可编程门阵列(Field-Programmable-Gate-Arr ay，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述园区排污管网污染源反向追踪溯源系统的控制中心，利用各种接口和线路连接整个园区排污管网污染源反向追踪溯源系统可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述园区排污管网污染源反向追踪溯源系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart-Media-Card，SMC)，安全数字(Secure-Digital，SD)卡，闪存卡(Flash-Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本申请的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求，考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本申请的预定范围。此外，上文以发明人可预见的实施例对本申请进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本申请的非实质性改动仍可代表本申请的等效改动。
Claims (9)
1.一种园区排污管网污染源反向追踪溯源方法，其特征在于，所述方法包括以下步骤：
步骤S100、获取工业园区排污管网的在线水质监测数据，根据所述在线水质监测数据确定是否存在水质异常；
步骤S200、当检测到水质异常时，获取工业园区污水管网的基础数据，基于所述基础数据构建工业园区污水管网的水力水质模型；
步骤S300、将所述基础数据和在线水质监测数据输入所述水力水质模型，确定污染源的先验信息；
步骤S400、构建工业园区排污管网的反向追踪溯源模型，对所述污染源的先验信息进行污染源优化搜索，得到污染源信息的最优解；其中，所述污染源信息包括工业园区污染源的地点、排放量和排放时间。
2.根据权利要求1所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，步骤S100中，所述根据所述在线水质监测数据确定是否存在水质异常，包括：
将所述在线水质监测数据输入谱分析数据驱动模型，确定所述在线水质监测数据确定是否存在水质异常；
或，通过判断所述在线水质监测数据是否处于水质异常的区间，以确定是否存在水质异常。
3.根据权利要求2所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，步骤S200中，所述水力水质模型为：
其中，A为过水断面面积，C为污水管网中污染物浓度的模拟值，Q为过水断面流量，EM为河段混合扩散系数，k1为污染物降解速率常数，SM为污染点源排放量随时间变化的函数。
4.根据权利要求3所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，所述步骤S300包括：
以不同时刻水质监测点污染物浓度的实测值与模拟值的平方和构建反向追踪溯源模型，将所述反向追踪溯源模型作为目标函数；
利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，所述污染源信息的最优解包括园区突发水污染事故污染源的地点、排放量和排放时间。
5.根据权利要求4所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，所述反向追踪溯源模型如下：
Yj(t)＝F(x，t)；
xmin＜x＜xmax；
其中，Xm*n为潜在污染源节点浓度矩阵，m为潜在污染源节点的总个数，n为污染源信息的总个数，
为污染源信息的最优解，J为水质监测点的总个数，j为水质监测点的编号，T为模拟时间，x为潜在污染源的污染物浓度，t为监测时刻，Yj(t)为水质监测点j在t时刻污染物浓度的实测值，Yj′(t)为水质监测点j在t时刻污染物浓度的模拟值，xmin为潜在污染源节点的污染物浓度最小值，xmax为潜在污染源节点的污染物浓度最大值。
6.根据权利要求5所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，所述利用PSO-ACO优化搜索模型求解该目标函数，获得污染源信息的最优解，包括：
利用PSO算法对全局的污染源信息进行快速搜索，获得污染源信息的次优解集合；
基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解。
7.根据权利要求6所述的一种园区排污管网污染源反向追踪溯源方法，其特征在于，所述基于所述次优解集合进行污染源信息素重分布，以更新潜在的污染源信息，直至确定污染源信息的最优解，包括：
将所述次优解集合作为粒子种群，确定所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值；
基于所述粒子种群中每个粒子的适应度值、以及所述粒子种群适应度值的平均值确定所述目标函数的方差；
当所述目标函数的方差达到设定阈值时，得到所述污染源信息的最优解。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至7任一项所述的园区排污管网污染源反向追踪溯源方法的步骤。
9.一种园区排污管网污染源反向追踪溯源系统，其特征在于，所述系统包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7任一项所述的园区排污管网污染源反向追踪溯源方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110411023.1A CN113269564A (zh) | 2021-04-16 | 2021-04-16 | 一种园区排污管网污染源反向追踪溯源方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110411023.1A CN113269564A (zh) | 2021-04-16 | 2021-04-16 | 一种园区排污管网污染源反向追踪溯源方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269564A true CN113269564A (zh) | 2021-08-17 |
Family
ID=77228835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110411023.1A Pending CN113269564A (zh) | 2021-04-16 | 2021-04-16 | 一种园区排污管网污染源反向追踪溯源方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269564A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113899872A (zh) * | 2021-11-18 | 2022-01-07 | 中水三立数据技术股份有限公司 | 基于水质监测的污染源溯源系统 |
| CN114217014A (zh) * | 2021-11-18 | 2022-03-22 | 广州杰赛科技股份有限公司 | 一种大气污染物的污染源定位方法、装置、介质及设备 |
| CN114444259A (zh) * | 2021-12-20 | 2022-05-06 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪系统及方法 |
| CN116629034A (zh) * | 2023-07-24 | 2023-08-22 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网污染物溯源方法、装置、计算机设备及介质 |
| CN117057819A (zh) * | 2023-08-15 | 2023-11-14 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
| CN117373557A (zh) * | 2023-12-05 | 2024-01-09 | 山东清控生态环境产业发展有限公司 | 基于多维数据的溯源方法及系统 |
| CN118071118A (zh) * | 2024-04-18 | 2024-05-24 | 深圳市中科云驰环境科技有限公司 | 一种多节点污水排放管理方法、装置及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
| CN109325616A (zh) * | 2018-09-01 | 2019-02-12 | 哈尔滨工程大学 | 一种基于高斯过程回归和萤火虫算法相结合的细颗粒物预测与溯源方法 |
| AR113020A1 (es) * | 2018-09-12 | 2020-01-15 | Gabriel Otero | Método de trazabilidad de envases que contienen sustancias contaminantes |
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
| CN112505282A (zh) * | 2020-12-25 | 2021-03-16 | 生态环境部南京环境科学研究所 | 一种环境水体污染实时精准溯源预警方法及其系统 |
-
2021
- 2021-04-16 CN CN202110411023.1A patent/CN113269564A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106228007A (zh) * | 2016-07-19 | 2016-12-14 | 武汉大学 | 突发事件污染源追溯方法 |
| CN109325616A (zh) * | 2018-09-01 | 2019-02-12 | 哈尔滨工程大学 | 一种基于高斯过程回归和萤火虫算法相结合的细颗粒物预测与溯源方法 |
| AR113020A1 (es) * | 2018-09-12 | 2020-01-15 | Gabriel Otero | Método de trazabilidad de envases que contienen sustancias contaminantes |
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
| CN112505282A (zh) * | 2020-12-25 | 2021-03-16 | 生态环境部南京环境科学研究所 | 一种环境水体污染实时精准溯源预警方法及其系统 |
Non-Patent Citations (2)
| Title |
|---|
| 罗富敏: ""基于PSO-ACO融合优化算法的供水管网污染源定位研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, no. 10, pages 027 - 83 * |
| 罗富敏;王志红;李斌;屠宇;朱应云;: "某城镇供水管网污染源反追踪模型构建及求解过程", 中国给水排水, vol. 34, no. 19, pages 62 - 66 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113899872A (zh) * | 2021-11-18 | 2022-01-07 | 中水三立数据技术股份有限公司 | 基于水质监测的污染源溯源系统 |
| CN114217014A (zh) * | 2021-11-18 | 2022-03-22 | 广州杰赛科技股份有限公司 | 一种大气污染物的污染源定位方法、装置、介质及设备 |
| CN114444259A (zh) * | 2021-12-20 | 2022-05-06 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪系统及方法 |
| CN114444259B (zh) * | 2021-12-20 | 2022-09-23 | 浙江仁欣环科院有限责任公司 | 一种雨污管网溯源追踪系统及方法 |
| CN116629034A (zh) * | 2023-07-24 | 2023-08-22 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网污染物溯源方法、装置、计算机设备及介质 |
| CN116629034B (zh) * | 2023-07-24 | 2023-10-03 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网污染物溯源方法、装置、计算机设备及介质 |
| CN117057819A (zh) * | 2023-08-15 | 2023-11-14 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
| CN117057819B (zh) * | 2023-08-15 | 2024-06-28 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
| CN117373557A (zh) * | 2023-12-05 | 2024-01-09 | 山东清控生态环境产业发展有限公司 | 基于多维数据的溯源方法及系统 |
| CN117373557B (zh) * | 2023-12-05 | 2024-02-27 | 山东清控生态环境产业发展有限公司 | 基于多维数据的溯源方法及系统 |
| CN118071118A (zh) * | 2024-04-18 | 2024-05-24 | 深圳市中科云驰环境科技有限公司 | 一种多节点污水排放管理方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113269564A (zh) | 一种园区排污管网污染源反向追踪溯源方法及系统 | |
| CN110376343B (zh) | 污染源精准诊断方法、装置以及电子装置 | |
| CN108319788B (zh) | 一种识别雨水管网污水直排污染源的方法 | |
| CN108897964A (zh) | 一种污水管网超标排放工业废水的贝叶斯统计溯源方法 | |
| CN113111478B (zh) | 排水系统管网混接与入流、入渗程度的评估方法及设备 | |
| CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与系统 | |
| CN111157688B (zh) | 评价污染源对空气质量监测站影响的方法和装置 | |
| CN111428914B (zh) | 水环境治理工程方案的确定方法、装置及存储介质 | |
| CN114912079B (zh) | 污水厂碳排放量的计算方法、装置、设备及存储介质 | |
| CN112307602A (zh) | 一种地下水污染源信息和水力渗透系数场联合反演的方法 | |
| CN116384268A (zh) | 基于水污染的污染源溯源方法、装置以及设备 | |
| Yin et al. | Identification of pollution sources in rivers using a hydrodynamic diffusion wave model and improved Bayesian-Markov chain Monte Carlo algorithm | |
| CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
| CN116628914B (zh) | 一种排水管网入流入渗分析方法、计算机设备及介质 | |
| CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
| CN117723711A (zh) | 一种污染大气质量变化的实时分析方法及系统 | |
| CN117371325A (zh) | 一种排口污染物入河断面贡献度计算方法、设备及介质 | |
| CN115188436A (zh) | 一种复杂河网区微塑料通量计算方法 | |
| CN116629034B (zh) | 一种排水管网污染物溯源方法、装置、计算机设备及介质 | |
| CN115408646A (zh) | 基于大数据的河流污染物监测方法及系统 | |
| CN113836710A (zh) | 一种排水管网外水入侵的快速追踪方法 | |
| CN117288696A (zh) | 一种水质检测方法、装置、电子设备和存储介质 | |
| CN114324800A (zh) | 一种排水管道来水监测方法及其系统、存储介质 | |
| CN113836672A (zh) | 一种基于拓扑结构的排水管网溯源优化方法 | |
| TW202226057A (zh) | 水質污染程度的自動識別模型的建立系統、以及水質污染程度識別系統與方法 |
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 |