CN113380339A - 区域空间污染特征的检测方法 - Google Patents
区域空间污染特征的检测方法 Download PDFInfo
- Publication number
- CN113380339A CN113380339A CN202110669663.2A CN202110669663A CN113380339A CN 113380339 A CN113380339 A CN 113380339A CN 202110669663 A CN202110669663 A CN 202110669663A CN 113380339 A CN113380339 A CN 113380339A
- Authority
- CN
- China
- Prior art keywords
- detection
- pollution
- standard
- amount
- period
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明涉及一种区域空间污染特征的检测方法,该方法包括预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段;设置有检测周期,所述检测周期包括若干标准检测时段,在每个所述检测时段内对区域空间内的污染特征进行检测,统计在检测周期内的各标准检测时段内的污染特征的变化频率,并根据变化频率的大小确定污染特征的第一排序,所述第一排序中变化频率大的污染特征在前,变化频率小的污染特征在后;根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量。通过对于变化频率大的污染特征优先检测,而对于变化频率低的污染特征无需进行检测,提高了区域空间污染特征的检测效率,便于快速获取检测结果。
Description
技术领域
本发明涉及土壤检测技术领域,尤其涉及一种区域空间污染特征的检测方法。
背景技术
随着工业化进程的不断推进,土壤、空气和水等作为人类赖以生存的环境要素,对于人类的生存起着关键性的作用。但是随着土壤污染、空气污染和水污染的不断加剧,也给人类的生存带来前所未有的挑战。
通常对区域空间进行划分,将区域空间划分为多个待检测单元,然后对划分过程中确定的待检测单元内的污染特征进行检测,以根据污染特征的实际值确定区域空间的污染程度,根据不同区域的污染程度确定不同的治理策略。
但是,现有的检测的策略是由主观确定的,对于区域空间的检测具有随机性和主观性,使得检测的时间具有不确定性,使得检测结果的实际意义也是暂时性的。
发明内容
为此,本发明提供一种区域空间污染特征的检测方法,可以解决检测时间具有不稳定性的问题。
为实现上述目的,本发明提供一种区域空间污染特征的检测方法,包括:
预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段;
设置有检测周期,所述检测周期包括若干标准检测时段,在每个所述检测时段内对区域空间内的污染特征进行检测,所述污染特征至少有2个,统计在检测周期内的各标准检测时段内的污染特征的变化频率,并根据变化频率的大小确定污染特征的第一排序,所述第一排序中变化频率大的污染特征在前,变化频率小的污染特征在后;
根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量;
所述预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段包括:
获取第一检测时刻T1,第二检测时刻T2,和第n检测时刻Tn,确定n-1个检测时间间隔Ti j,j=i+1,i=1,2…,n-1,根据n-1个检测时间间隔获取平均间隔Ta,在n-1个时间间隔Ti j中,计算每个检测时间间隔的波动系数ki=|Ti j-Ta|/Ta,在n-1个波动系数中,预先设置有标准波动范围,若在n-1个波动系数中有≥50%的波动系数均在标准波动范围内,则将平均时间间隔Ta作为标准检测时段,若在n-1个波动系数中有<50%的波动系数均在标准波动范围内,则重新获取多个检测时刻。
进一步地,在进行检测周期内的数据统计时,检测周期内包括m个标准检测时段,在每个标准检测时段内根据预先设定的检测顺序对污染特征进行检测,分别记录在各个标准检测时段内的变化,对于任意污染特征,若在检测周期内的m个标准检测时段内均没有发生变化,则表示该污染特征是稳定的,若在m个标准检测时段内均发生了变化,则表示该污染特征的变化频率较大,需要进行实时监测;根据在各个标准检测周期内的变化频率对预先设定的检测顺序进行重新排序,将变化频率大的污染特征前置,形成第一排序。
进一步地,所述根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量包括:
设定污染特征的实际数量为m个,设置优先检测数mf,所述优先检测数为mf=m×(1+k),其中k为标准系数;
在所述待检测周期后的下一标准检测时段内,进行检测时,根据所述待检测污染特征的第一顺序,确定第一排序中的前mf个污染特征,并检测第mf+1个污染特征是否有变化;
若没有变化,则本检测时段结束。
进一步地,所述标准系数k=变化频率/检测周期内标准检测时段的数量,其中,1≥标准系数k≥0。
进一步地,在对第mf+1个污染特征是否有变化进行检测时,若确定第mf+1个污染特征与前一标准检测时段内的变化程度不在预设的变化范围内,则对第mf+2个污染特征进行检测;若确定第mf+1个污染特征与前一标准检测时段内的变化程度在预设的变化范围,则检测结束,以此类推,在前一个污染特征存在变化,且其变化不再预设的变化范围内时,则对下一个污染特征进行检测,直至确定下一个污染特征的变化范围在变化范围或没有变化时截止。
进一步地,中控单元内设置有第一检测量g1,第二检测量g2和第三检测量g3,且g1>g2>g3,若实际确定的优先检测数≥第一检测量g1,则在标准检测时段的长度的基础上增加第一时间长度;
若第一检测量g1>实际确定的优先检测数≥第二检测量g2,则在标准检测时段的长度的基础上增加第二时间长度;
若第二检测量g2>实际确定的优先检测数≥第三检测量g3,则在标准检测时段的长度的基础上增加第三时间长度;
若实际确定的优先检测数<第三检测量g3,则维持标准检测时段的长度,其中第一时间长度>第二时间长度>第三时间长度。
进一步地,中控单元内设置有第一修正系数b1、第二修正系数b2,根据区域污染等级对第一检测量g1、第二检测量g2和第三检测量g3进行修正,预先设置有区域污染标准,若该区域的污染较严重,且≥区域污染标准,则采用第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正,若该区域的污染较轻,且<区域污染标准,则采用第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正。
进一步地,所述第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一修正检测量g1′、第二修正检测量g2′和第三修正检测量g3′,其中第一修正检测量g1′=g1×(1+b1);第二修正检测量g2′=g2×(1+b1);第三修正检测量g3′=g3×(1+b1);
所述第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一调整检测量g1″、第二调整检测量g2″和第三调整检测量g3″,其中第一调整检测量g1″=g1×(1+b2),第二调整检测量g2″=g2×(1+b2),第三调整检测量g3″=g3×(1+b2)。
进一步地,所述污染特征包括无机污染含量、有机污染含量、固体废弃物含量、放射性元素含量、PM2.5含量,预先设定的检测顺序为无机污染含量在最前为第一位置、有机污染含量在第二位置、固体废弃物含量在第三位置、放射性元素含量在第四位置、PM2.5含量在最后,为第五位置,其中,无机污染包括多个、有机污染包括多个,固体废弃物污染包括多个,放射性元素包括多个。
与现有技术相比,本发明的有益效果在于,根据历史数据中的多个检测时刻中相邻检测时刻之间的关系确定标准检测时段,并且在多个检测时段组成的检测周期内进行数据统计,获取在检测周期内的各检测标准时段内的污染特征的变化频率,确定第一排序,进而在下一标准检测周期检测时,可以对待检测的污染特征根据检测周期内的第一排序进行调整,使得在下一周期检测时的检测效率更好,对于变化频率大的污染特征优先检测,而对于变化频率低的污染特征无需进行检测,提高了区域空间污染特征的检测效率,便于快速获取检测结果。
尤其,通过设置平均间隔Ta,然后将n-1个检测时间间隔分别与平均间隔Ta进行比较结果,统计各检测时间间隔与平均间隔Ta的大小,确定各检测时间间隔在以平均间隔Ta为基准的波动情况,进而根据波动情况确定是否将平均间隔Ta作为标准检测时段,使得对于标准检测时段的确定更为精准,便于后续进行检测周期内的统计。
尤其,通过污染特征的变化频率的大小确定第一排序,使得对于m个标准检测周期内分别对各污染特征进行检测,确定在各个检测周期内的变化频率,在实际应用过程中,可以绘制任意污染特征在标准检测周期内的含量波形图,然后对比波形图的变化判定对应的污染特征在各标准检测周期内的变化频率,对于检测周期的数量选择的越多,则需要进行统计的数据就越多,对于污染特征的变化频率的偶然性越小,确定的第一排序则更为精准,进而在下一标准检测周期内进行污染特征的检测时,根据第一排序确定检测对象则更为精准,提高检测效率。
尤其,通过在待检测周期后的下一标准检测时段内对污染特征进行检测,按照第一排序中的顺序进行检测,并根据第mf+1个污染特征是否变化确定是否检测结束,由于在检测周期内根据污染特征的变化频率对污染特征进行了排序,使得对于变化频率第的污染特征无需进行检测,节约了检测时间,提高了检测效率,但是为了提高检测的准确性,需要对第mf+1个污染特征进行验证,以确定在实际检测过程中,检测mf个污染特征的变化是否可行,使得对于区域空间内的污染特征的检测更为精准。
尤其,通过设置标准系数对优先检测数进行计算,采用在检测周期内的产生变化频率的标准检测时段与检测周期内的标准检测时段的数量比值作为标准系数,对于优先检测数的确定更符合实际的检测需要,大大提高了污染特征检测数量的精准度。
尤其,通过在对下一污染特征进行检测时,判定该污染特征是不是最终截止检测的污染特征,对于检测数量进行一次修正,使得对污染特征的检测更为精准,提高检测精度,使得基于检测结果做出的结论更具指导性意义。
尤其,通过优先检测数的等级确定在标准检测时段长度的增加量,使得在标准检测时段范围内完成对各项污染特征的检测,若需要检测的污染特征的数量较多,则延长相对较多的时间以完成相应数量的污染特征的检测,使得在标准检测时段内高效完成污染特征的检测,保证污染特征检测的完整性和准确性。
尤其,通过确定区域污染等级,并根据不同的污染等级对应不同的修正系数,使得对于区域污染等级的确定更为精准,并且根据污染等级确定的修正系数确定最终的对下一标准检测标准内的检测量的确定也更精确,提高对于区域空间内污染特征检测的精度。
附图说明
图1为本发明实施例提供的区域空间污染特征的检测方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1所示,本发明实施例提供的区域空间污染特征的检测方法,包括:
步骤S100:预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段;
步骤S200:设置有检测周期,所述检测周期包括若干标准检测时段,在每个所述检测时段内对区域空间内的污染特征进行检测,所述污染特征至少有2个,统计在检测周期内的各标准检测时段内的污染特征的变化频率,并根据变化频率的大小确定污染特征的第一排序,所述第一排序中变化频率大的污染特征在前,变化频率小的污染特征在后;
步骤S300:根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量。
具体而言,本发明实施例根据历史数据中的多个检测时刻中相邻检测时刻之间的关系确定标准检测时段,并且在多个检测时段组成的检测周期内进行数据统计,获取在检测周期内的各检测标准时段内的污染特征的变化频率,确定第一排序,进而在下一标准检测周期检测时,可以对待检测的污染特征根据检测周期内的第一排序进行调整,使得在下一周期检测时的检测效率更好,对于变化频率大的污染特征优先检测,而对于变化频率低的污染特征无需进行检测,提高了区域空间污染特征的检测效率,便于快速获取检测结果。
具体而言,所述预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段包括:
获取第一检测时刻T1,第二检测时刻T2,和第n检测时刻Tn,确定n-1个检测时间间隔Ti j,j=i+1,i=1,2…,n-1,根据n-1个检测时间间隔获取平均间隔Ta,在n-1个时间间隔Ti j中,计算每个检测时间间隔的波动系数ki=|Ti j-Ta|/Ta,在n-1个波动系数中,预先设置有标准波动范围,若在n-1个波动系数中有≥50%的波动系数均在标准波动范围内,则将平均时间间隔Ta作为标准检测时段,若在n-1个波动系数中有<50%的波动系数均在标准波动范围内,则重新获取多个检测时刻。
具体而言,本发明实施例通过设置平均间隔Ta,然后将n-1个检测时间间隔分别与平均间隔Ta进行比较结果,统计各检测时间间隔与平均间隔Ta的大小,确定各检测时间间隔在以平均间隔Ta为基准的波动情况,进而根据波动情况确定是否将平均间隔Ta作为标准检测时段,使得对于标准检测时段的确定更为精准,便于后续进行检测周期内的统计。
具体而言,在进行检测周期内的数据统计时,检测周期内包括m个标准检测时段,在每个标准检测时段内根据预先设定的检测顺序对污染特征进行检测,分别记录在各个标准检测时段内的变化,对于任意污染特征,若在检测周期内的m个标准检测时段内均没有发生变化,则表示该污染特征是稳定的,若在m个标准检测时段内均发生了变化,则表示该污染特征的变化频率较大,需要进行实时监测;根据在各个标准检测周期内的变化频率对预先设定的检测顺序进行重新排序,将变化频率大的污染特征前置,形成第一排序。
具体而言,本发明实施例通过污染特征的变化频率的大小确定第一排序,使得对于m个标准检测周期内分别对各污染特征进行检测,确定在各个检测周期内的变化频率,在实际应用过程中,可以绘制任意污染特征在标准检测周期内的含量波形图,然后对比波形图的变化判定对应的污染特征在各标准检测周期内的变化频率,本发明实施例所提及的变化频率的含义定义举例如下,标准检测周期为10个,在第一周期内污染特征的波形为第一波形,在第二周期内的波形仍为第一波形,在第三周期内的波形为第二波形,第四周期为第一波形,第五周期为第一波形,第六周期至第十周期均为第一波形,则变化频率为1,若第一周期为第一波形,第二周期至第十周期均为其他波形,则变化频率为9。对于检测周期的数量选择的越多,则需要进行统计的数据就越多,对于污染特征的变化频率的偶然性越小,确定的第一排序则更为精准,进而在下一标准检测周期内进行污染特征的检测时,根据第一排序确定检测对象则更为精准,提高检测效率。
具体而言,所述根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量包括:
设定污染特征的实际数量为m个,设置优先检测数mf,所述优先检测数为mf=m×(1+k),其中k为标准系数;
在所述待检测周期后的下一标准检测时段内,进行检测时,根据所述待检测污染特征的第一顺序,确定第一排序中的前mf个污染特征,并检测第mf+1个污染特征是否有变化;
若没有变化,则本检测时段结束。
具体而言,本发明实施例通过在待检测周期后的下一标准检测时段内对污染特征进行检测,按照第一排序中的顺序进行检测,并根据第mf+1个污染特征是否变化确定是否检测结束,由于在检测周期内根据污染特征的变化频率对污染特征进行了排序,使得对于变化频率第的污染特征无需进行检测,节约了检测时间,提高了检测效率,但是为了提高检测的准确性,需要对第mf+1个污染特征进行验证,以确定在实际检测过程中,检测mf个污染特征的变化是否可行,使得对于区域空间内的污染特征的检测更为精准。
具体而言,所述标准系数k=变化频率/检测周期内标准检测时段的数量,其中,1≥标准系数k≥0。
具体而言,本发明实施例通过设置标准系数对优先检测数进行计算,采用在检测周期内的产生变化频率的标准检测时段与检测周期内的标准检测时段的数量比值作为标准系数,对于优先检测数的确定更符合实际的检测需要,大大提高了污染特征检测数量的精准度。
具体而言,在对第mf+1个污染特征是否有变化进行检测时,若确定第mf+1个污染特征与前一标准检测时段内的变化程度不在预设的变化范围内,则对第mf+2个污染特征进行检测;若确定第mf+1个污染特征与前一标准检测时段内的变化程度在预设的变化范围,则检测结束,以此类推,在前一个污染特征存在变化,且其变化不再预设的变化范围内时,则对下一个污染特征进行检测,直至确定下一个污染特征的变化范围在变化范围或没有变化时截止。
具体而言,本发明实施例通过在对下一污染特征进行检测时,判定该污染特征是不是最终截止检测的污染特征,对于检测数量进行一次修正,使得对污染特征的检测更为精准,提高检测精度,使得基于检测结果做出的结论更具指导性意义。
具体而言,中控单元内设置有第一检测量g1,第二检测量g2和第三检测量g3,且g1>g2>g3,若实际确定的优先检测数≥第一检测量g1,则在标准检测时段的长度的基础上增加第一时间长度;
若第一检测量g1>实际确定的优先检测数≥第二检测量g2,则在标准检测时段的长度的基础上增加第二时间长度;
若第二检测量g2>实际确定的优先检测数≥第三检测量g3,则在标准检测时段的长度的基础上增加第三时间长度;
若实际确定的优先检测数<第三检测量g3,则维持标准检测时段的长度,其中第一时间长度>第二时间长度>第三时间长度。
具体而言,本发明实施例通过优先检测数的等级确定在标准检测时段长度的增加量,使得在标准检测时段范围内完成对各项污染特征的检测,若需要检测的污染特征的数量较多,则延长相对较多的时间以完成相应数量的污染特征的检测,使得在标准检测时段内高效完成污染特征的检测,保证污染特征检测的完整性和准确性。
具体而言,设置有第一修正系数b1、第二修正系数b2,根据区域污染等级对第一检测量g1、第二检测量g2和第三检测量g3进行修正,预先设置有区域污染标准,若该区域的污染较严重,且≥区域污染标准,则采用第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正,若该区域的污染较轻,且<区域污染标准,则采用第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正。
具体而言,本发明实施例通过确定区域污染等级,并根据不同的污染等级对应不同的修正系数,使得对于区域污染等级的确定更为精准,并且根据污染等级确定的修正系数确定最终的对下一标准检测标准内的检测量的确定也更精确,提高对于区域空间内污染特征检测的精度。
具体而言,所述第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一修正检测量g1′、第二修正检测量g2′和第三修正检测量g3′,其中第一修正检测量g1′=g1×(1+b1);第二修正检测量g2′=g2×(1+b1);第三修正检测量g3′=g3×(1+b1);
所述第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一调整检测量g1″、第二调整检测量g2″和第三调整检测量g3″,其中第一调整检测量g1″=g1×(1+b2),第二调整检测量g2″=g2×(1+b2),第三调整检测量g3″=g3×(1+b2)。
具体而言,本发明实施例通过采用第一修正系数和第二修正系数对第一检测量g1、第二检测量g2和第三检测量g3进行修正,且修正后的检测量是在各原始检测量的基础上增加一定的数量,使得对于下一检测时段内的污染特征的检测数量确定更为精准,并且在实际应用中,确定污染特征的检测数量,大大提高了污染特征检测的效率,节约了对没有变化的污染特征进行检测的时间,提高区域空间内污染特征检测的精度。
具体而言,所述污染特征包括无机污染含量、有机污染含量、固体废弃物含量、放射性元素含量、PM2.5含量,预先设定的检测顺序为无机污染含量在最前为第一位置、有机污染含量在第二位置、固体废弃物含量在第三位置、放射性元素含量在第四位置、PM2.5含量在最后,为第五位置,其中,无机污染包括多个、有机污染包括多个,固体废弃物污染包括多个,放射性元素包括多个。
具体而言,本发明实施例通过设置有限个具有代表性的污染特征,使得对于污染特征的检测数量有限,根据污染特征的数值进行数据处理和数据输出的有限性,大大提高了数据处理速度,提高处理能力,使得对于检测结果的输出更为迅速,提高检测的效率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种区域空间污染特征的检测方法,其特征在于,包括:
预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段;
设置有检测周期,所述检测周期包括若干标准检测时段,在每个所述检测时段内对区域空间内的污染特征进行检测,所述污染特征至少有2个,统计在检测周期内的各标准检测时段内的污染特征的变化频率,并根据变化频率的大小确定污染特征的第一排序,所述第一排序中变化频率大的污染特征在前,变化频率小的污染特征在后;
根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量;
所述预先获取多个检测时刻,根据相邻检测时刻之间的关系确定标准检测时段包括:
获取第一检测时刻T1,第二检测时刻T2,和第n检测时刻Tn,确定n-1个检测时间间隔Tij,j=i+1,i=1,2…,n-1,根据n-1个检测时间间隔获取平均间隔Ta,在n-1个时间间隔Tij中,计算每个检测时间间隔的波动系数ki=|Tij-Ta|/Ta,在n-1个波动系数中,预先设置有标准波动范围,若在n-1个波动系数中有≥50%的波动系数均在标准波动范围内,则将平均时间间隔Ta作为标准检测时段,若在n-1个波动系数中有<50%的波动系数均在标准波动范围内,则重新获取多个检测时刻。
2.根据权利要求1所述的区域空间污染特征的检测方法,其特征在于,
在进行检测周期内的数据统计时,检测周期内包括m个标准检测时段,在每个标准检测时段内根据预先设定的检测顺序对污染特征进行检测,分别记录在各个标准检测时段内的变化,对于任意污染特征,若在检测周期内的m个标准检测时段内均没有发生变化,则表示该污染特征是稳定的,若在m个标准检测时段内均发生了变化,则表示该污染特征的变化频率较大,需要进行实时监测;根据在各个标准检测周期内的变化频率对预先设定的检测顺序进行重新排序,将变化频率大的污染特征前置,形成第一排序。
3.根据权利要求2所述的区域空间污染特征的检测方法,其特征在于,
所述根据在检测周期内的统计数据调整下一标准检测时段内的待检测的污染特征的数量包括:
设定污染特征的实际数量为m个,设置优先检测数mf,所述优先检测数为mf=m×(1+k),其中k为标准系数;
在所述待检测周期后的下一标准检测时段内,进行检测时,根据所述待检测污染特征的第一顺序,确定第一排序中的前mf个污染特征,并检测第mf+1个污染特征是否有变化;
若没有变化,则本检测时段结束。
4.根据权利要求3所述的区域空间污染特征的检测方法,其特征在于,
所述标准系数k=变化频率/检测周期内标准检测时段的数量,其中,1≥标准系数k≥0。
5.根据权利要求3所述的区域空间污染特征的检测方法,其特征在于,
在对第mf+1个污染特征是否有变化进行检测时,若确定第mf+1个污染特征与前一标准检测时段内的变化程度不在预设的变化范围内,则对第mf+2个污染特征进行检测;若确定第mf+1个污染特征与前一标准检测时段内的变化程度在预设的变化范围,则检测结束,以此类推,在前一个污染特征存在变化,且其变化不再预设的变化范围内时,则对下一个污染特征进行检测,直至确定下一个污染特征的变化范围在变化范围或没有变化时截止。
6.根据权利要求5所述的区域空间污染特征的检测方法,其特征在于,
中控单元内设置有第一检测量g1,第二检测量g2和第三检测量g3,且g1>g2>g3,若实际确定的优先检测数≥第一检测量g1,则在标准检测时段的长度的基础上增加第一时间长度;
若第一检测量g1>实际确定的优先检测数≥第二检测量g2,则在标准检测时段的长度的基础上增加第二时间长度;
若第二检测量g2>实际确定的优先检测数≥第三检测量g3,则在标准检测时段的长度的基础上增加第三时间长度;
若实际确定的优先检测数<第三检测量g3,则维持标准检测时段的长度,其中第一时间长度>第二时间长度>第三时间长度。
7.根据权利要求6所述的区域空间污染特征的检测方法,其特征在于,
中控单元内设置有第一修正系数b1、第二修正系数b2,根据区域污染等级对第一检测量g1、第二检测量g2和第三检测量g3进行修正,预先设置有区域污染标准,若该区域的污染较严重,且≥区域污染标准,则采用第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正,若该区域的污染较轻,且<区域污染标准,则采用第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正。
8.根据权利要求7所述的区域空间污染特征的检测方法,其特征在于,
所述第一修正系数b1对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一修正检测量g1′、第二修正检测量g2′和第三修正检测量g3′,其中第一修正检测量g1′=g1×(1+b1);第二修正检测量g2′=g2×(1+b1);第三修正检测量g3′=g3×(1+b1);
所述第二修正系数b2对第一检测量g1、第二检测量g2和第三检测量g3进行修正后,得到第一调整检测量g1″、第二调整检测量g2″和第三调整检测量g3″,其中第一调整检测量g1″=g1×(1+b2),第二调整检测量g2″=g2×(1+b2),第三调整检测量g3″=g3×(1+b2)。
9.根据权利要求1-8任一项所述的区域空间污染特征的检测方法,其特征在于,
所述污染特征包括无机污染含量、有机污染含量、固体废弃物含量、放射性元素含量、PM2.5含量,预先设定的检测顺序为无机污染含量在最前为第一位置、有机污染含量在第二位置、固体废弃物含量在第三位置、放射性元素含量在第四位置、PM2.5含量在最后,为第五位置,其中,无机污染包括多个、有机污染包括多个,固体废弃物污染包括多个,放射性元素包括多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669663.2A CN113380339B (zh) | 2021-06-17 | 2021-06-17 | 区域空间污染特征的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669663.2A CN113380339B (zh) | 2021-06-17 | 2021-06-17 | 区域空间污染特征的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113380339A true CN113380339A (zh) | 2021-09-10 |
CN113380339B CN113380339B (zh) | 2022-02-08 |
Family
ID=77577400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669663.2A Active CN113380339B (zh) | 2021-06-17 | 2021-06-17 | 区域空间污染特征的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380339B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442908A (zh) * | 2016-09-09 | 2017-02-22 | 厦门大学 | 基于红色斑马鱼应激行为的水质异常检测与分级报警方法 |
US9581727B1 (en) * | 2016-01-22 | 2017-02-28 | Harris Corporation | Severe weather situational awareness system and related methods |
CN106599088A (zh) * | 2016-11-24 | 2017-04-26 | 中山大学 | 一种表征大气重污染过程变化的方法 |
CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
CN107315075A (zh) * | 2017-07-05 | 2017-11-03 | 中国地质环境监测院 | 一种筛选地下水污染监测指标的方法 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN109497974A (zh) * | 2018-12-26 | 2019-03-22 | 北京信息科技大学 | 一种基于呼吸频率指标的健康监测方法及系统 |
CN109632680A (zh) * | 2019-01-29 | 2019-04-16 | 吉林大学 | 一种基于排列熵的水体中磷的检测方法 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN109655583A (zh) * | 2018-12-14 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种基于卫星遥感的大气环境地面监测站点布控组网方法 |
CN110135622A (zh) * | 2019-04-12 | 2019-08-16 | 山东开创云软件有限公司 | 一种河水水质污染预测方法和装置 |
CN112669912A (zh) * | 2020-11-25 | 2021-04-16 | 北京化工大学 | 考虑平均结焦量与原料负荷的乙烯裂解炉炉群调度方法 |
CN112733419A (zh) * | 2020-11-27 | 2021-04-30 | 北京工业大学 | 一种突发大气污染事故源反演准确性提升方法 |
-
2021
- 2021-06-17 CN CN202110669663.2A patent/CN113380339B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9581727B1 (en) * | 2016-01-22 | 2017-02-28 | Harris Corporation | Severe weather situational awareness system and related methods |
CN106442908A (zh) * | 2016-09-09 | 2017-02-22 | 厦门大学 | 基于红色斑马鱼应激行为的水质异常检测与分级报警方法 |
CN106599088A (zh) * | 2016-11-24 | 2017-04-26 | 中山大学 | 一种表征大气重污染过程变化的方法 |
CN106896204A (zh) * | 2017-04-24 | 2017-06-27 | 中国地质环境监测院 | 一种判断地下水污染监测井有效性的方法 |
CN107315075A (zh) * | 2017-07-05 | 2017-11-03 | 中国地质环境监测院 | 一种筛选地下水污染监测指标的方法 |
US20190113445A1 (en) * | 2017-10-16 | 2019-04-18 | Weimin Zhang | Air pollution monitoring system and air pollution monitoring method |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN109655583A (zh) * | 2018-12-14 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种基于卫星遥感的大气环境地面监测站点布控组网方法 |
CN109497974A (zh) * | 2018-12-26 | 2019-03-22 | 北京信息科技大学 | 一种基于呼吸频率指标的健康监测方法及系统 |
CN109632680A (zh) * | 2019-01-29 | 2019-04-16 | 吉林大学 | 一种基于排列熵的水体中磷的检测方法 |
CN110135622A (zh) * | 2019-04-12 | 2019-08-16 | 山东开创云软件有限公司 | 一种河水水质污染预测方法和装置 |
CN112669912A (zh) * | 2020-11-25 | 2021-04-16 | 北京化工大学 | 考虑平均结焦量与原料负荷的乙烯裂解炉炉群调度方法 |
CN112733419A (zh) * | 2020-11-27 | 2021-04-30 | 北京工业大学 | 一种突发大气污染事故源反演准确性提升方法 |
Non-Patent Citations (4)
Title |
---|
MINGKE LUO ET AL.: "Effect of river-lake connectivity on heavy metal diffusion and source identification of heavy metals in the middle and lower reaches of the Yangtze River", 《JOURNAL OF HAZARDOUS MATERIALS》 * |
SHANGBO ZHOU ET AL.: "Optimization of screening-level risk assessment and priority selection of emerging pollutants – The case of pharmaceuticals in European surface waters", 《ENVIRONMENT INTERNATIONAL》 * |
万玲等: "牛谷河表层沉积物氮、磷、有机质的分布及污染评价", 《环境工程》 * |
雷兴碧等: "基于水质指数的宁夏沙湖综合水质状态研究", 《中国农村水利水电》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113380339B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423433B (zh) | 一种数据采样率控制方法及装置 | |
CN109191842B (zh) | 基于实时通行能力的拥堵调控策略推荐方法及系统 | |
CN111612647B (zh) | 计量表异常数据检测方法、装置、计量表及可读存储介质 | |
CN106682763B (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
CN1899624A (zh) | 空气处理系统的控制方法 | |
CN117394337A (zh) | 一种电网负荷预警方法及其系统 | |
CN113380339B (zh) | 区域空间污染特征的检测方法 | |
CN112818495B (zh) | 一种新型管道压降测算算法参数的动态修正方法 | |
CN106202280A (zh) | 一种信息处理方法及服务器 | |
CN118039021B (zh) | 一种污水污染物检测及报警方法及系统 | |
CN106683405B (zh) | 基于道路车流密度的道路交通状态评价方法 | |
CN116701970B (zh) | 基于双层相似度聚类的排水管网监测点优化布置方法 | |
CN114819374A (zh) | 区域新能源超短期功率预测方法及系统 | |
CN114647684A (zh) | 基于stacking算法的流量预测方法、装置及相关设备 | |
CN116189436A (zh) | 一种基于大数据的多源数据融合算法 | |
CN111859292A (zh) | 一种夜间用水活跃小区的供水漏损监测方法 | |
CN107704373A (zh) | 一种数据处理方法及装置 | |
CN108595814B (zh) | 一种基于实测的多年降水数据模拟逐日降水量的方法 | |
CN106033643A (zh) | 一种数据处理方法及装置 | |
CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
CN116362036B (zh) | 一种高铁设备故障预警方法及系统 | |
CN117390594A (zh) | 一种水质监测预警方法及系统 | |
CN113870591B (zh) | 基于交通量预测的信号控制时段的划分方法、装置及设备 | |
CN110578317A (zh) | 一种水文模型水库泄水量模拟方法 | |
CN115793568A (zh) | 一种基于三维建模的机床零件误差补偿控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |