CN113552076A - 一种页岩气开发区深层地下水环境监测及预警方法及系统 - Google Patents
一种页岩气开发区深层地下水环境监测及预警方法及系统 Download PDFInfo
- Publication number
- CN113552076A CN113552076A CN202110951449.6A CN202110951449A CN113552076A CN 113552076 A CN113552076 A CN 113552076A CN 202110951449 A CN202110951449 A CN 202110951449A CN 113552076 A CN113552076 A CN 113552076A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- groundwater
- pollution
- water
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 148
- 239000003673 groundwater Substances 0.000 title claims abstract description 80
- 238000011161 development Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 103
- 238000012806 monitoring device Methods 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000003895 groundwater pollution Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000003911 water pollution Methods 0.000 claims description 33
- 238000001514 detection method Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 15
- 230000003595 spectral effect Effects 0.000 claims description 14
- 239000003344 environmental pollutant Substances 0.000 claims description 11
- 231100000719 pollutant Toxicity 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 9
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000000460 chlorine Substances 0.000 claims description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 7
- 239000000523 sample Substances 0.000 claims description 7
- 229910052801 chlorine Inorganic materials 0.000 claims description 6
- 238000002381 microspectrum Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 6
- 239000011575 calcium Substances 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 238000004451 qualitative analysis Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 229910052785 arsenic Inorganic materials 0.000 claims description 4
- 229910052794 bromium Inorganic materials 0.000 claims description 4
- 229910052791 calcium Inorganic materials 0.000 claims description 4
- 229910000019 calcium carbonate Inorganic materials 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 229910052749 magnesium Inorganic materials 0.000 claims description 4
- 229910052748 manganese Inorganic materials 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 229910052708 sodium Inorganic materials 0.000 claims description 4
- 229910001220 stainless steel Inorganic materials 0.000 claims description 4
- 229910052712 strontium Inorganic materials 0.000 claims description 4
- 239000000271 synthetic detergent Substances 0.000 claims description 4
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 229910052731 fluorine Inorganic materials 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 2
- 239000000654 additive Substances 0.000 claims description 2
- 150000001450 anions Chemical class 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 239000003209 petroleum derivative Substances 0.000 claims description 2
- 238000013077 scoring method Methods 0.000 claims description 2
- 238000004611 spectroscopical analysis Methods 0.000 claims description 2
- 239000010935 stainless steel Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 claims 17
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims 2
- 239000011777 magnesium Substances 0.000 claims 2
- 239000011572 manganese Substances 0.000 claims 2
- 239000011734 sodium Substances 0.000 claims 2
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims 1
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 claims 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 claims 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims 1
- 238000000862 absorption spectrum Methods 0.000 claims 1
- 230000000996 additive effect Effects 0.000 claims 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 claims 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims 1
- 239000011651 chromium Substances 0.000 claims 1
- JOPOVCBBYLSVDA-UHFFFAOYSA-N chromium(6+) Chemical compound [Cr+6] JOPOVCBBYLSVDA-UHFFFAOYSA-N 0.000 claims 1
- 238000002189 fluorescence spectrum Methods 0.000 claims 1
- 239000011737 fluorine Substances 0.000 claims 1
- 229910052736 halogen Inorganic materials 0.000 claims 1
- 150000002367 halogens Chemical class 0.000 claims 1
- 230000003116 impacting effect Effects 0.000 claims 1
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 238000002789 length control Methods 0.000 claims 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 claims 1
- 229910052753 mercury Inorganic materials 0.000 claims 1
- 239000011591 potassium Substances 0.000 claims 1
- 238000000611 regression analysis Methods 0.000 claims 1
- 239000007787 solid Substances 0.000 claims 1
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 claims 1
- 238000012876 topography Methods 0.000 claims 1
- 238000011065 in-situ storage Methods 0.000 abstract description 6
- 238000005553 drilling Methods 0.000 description 13
- 239000012530 fluid Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 108010066278 cabin-4 Proteins 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 229910052745 lead Inorganic materials 0.000 description 3
- -1 organochlorines Substances 0.000 description 3
- 125000000129 anionic group Chemical group 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 150000002989 phenols Chemical class 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000001139 pH measurement Methods 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1813—Water specific cations in water, e.g. heavy metals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/182—Water specific anions in water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Water organic contamination in water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1853—Water hardness of water
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Abstract
本发明提供一种基于原位光谱实时监测的页岩气开发深层地下水环境分层监测及预警方法及系统，系统由多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台等组成。方法包括：步骤S1，在线监测装置的安装；步骤S2，水质监测数据采集，步骤S3，信号传输，将在线数据、设备运行情况通过网络传输层发送到信息监测平台；步骤S4，数据处理，深层地下水信息监测平台对采集到的地下水水质监测数据进行数据处理；步骤S5，地下水污染现状评价和地下水质量评价。步骤S6，地下水水质污染情况分析及预警。本发明通过对含水层多层监测，采用物联网进行数据传输，集监控、报警为一体，以实现页岩气开发区的深层地下水环境的在线监测与预警。
Description
技术领域
本发明属于页岩气开发区深层地下水环境监测领域，具体涉及页岩气开发区深层地下水环境监测及预警方法。
背景技术
页岩气资源开发是世界能源革命和我国重大能源战略。页岩气资源开发可能带来的地下水、工程场地、地质灾害等环境影响问题一直存在着争议。目前，页岩气开采过程中需要采用钻井、固井和压裂等工艺，需使用大量的钻井液、压裂液。钻井液、压裂液中含有大量的化学添加剂，包括表面活性剂、高盐分废水、重金属及芳烃类潜在高风险物质。另外，钻井液、压裂返排液和钻井固体废物的污染特征与页岩气藏特征、钻井工艺、钻井深度、钻井液体系等密切相关，导致其成分复杂、多变。这些化学物质可能直接通过断裂、裂缝系统自地下深处缓慢向上运移至地表或浅层，也可能因为固井和采气管道的质量问题或操作不当而泄漏到地下水层中，从而通过污染物在环境中的迁移转化活动对地下水水资源造成污染。因此，页岩气开发对当地地下水的影响一直是各方关注的比较敏感的问题，亟待加强对该行业的地下水资源进行监测及管理。
目前，页岩气开采区地下水质量的监测主要采用离线方式，通常采用人工手动到现场采集样品进行测量，工作周期长，还未形成页岩气资源开发区下水质量在线监测及预警的体系及方法。另外，目前主要以监测浅层地下水为主，缺乏对深层地下水环境的监测。
发明内容
本发明的目的在于提供一种基于原位光谱实时监测的页岩气开发区深层地下水环境监测及预警方法，以微型光谱传感器为核心，同时集成多种传感器，结合智能网关、云端服务器和深层地下水信息监测平台，配置电动升降模组，实现对地下含水层区实施分层监测，获得地下水剖面流，建立页岩气开发区深层地下水环境监测及预警方法，实现水质分析的实时化、智能化和高效化。
本发明的技术方案如下：
一种基于原位光谱实时监测的页岩气开发区深层地下水环境监测及预警方法，包括如下步骤：
步骤S1，安装在线监测装置(1)：通过电动升降模组(2)将在线监测装置(1)下放到深层地下水监测井的液面之下。
所述在线监测装置(1)包括密封舱(3)、传感器舱(4)和底座(5)，所述密封舱(3)内固定安装无线数据传输终端(6)、供电电池(7)和传感器控制板(8)；所述传感器舱(4)内安装具有多项参数监测功能的传感器，包括微型光谱传感器(9)、pH传感器(10)、水温传感器(11)，传感器舱(4)与外部相通，并设有滤网。
步骤S2，水质监测数据采集：利用微型光谱传感器、pH传感器和水温传感器对深层地下水组分含量、pH和水温进行检测分析，通过控制电动升降模组(2)参数自动控制调整在线监测装置(1)的深度，对多层水位进行分层监测，获得不同水位层的监测数据。
步骤S3，数据传输：通过Modbus协议将在线监测装置(1)的在线数据、设备运行情况高速连续不间断传输给智能网关(13)，通过通过2G、3G、4G等网络传输层发送到云端服务器(14)，深层地下水信息监测平台(15)通过无线网络传输接收云端服务器中的数据。
步骤S4，数据处理：深层地下水信息监测平台(15)对采集到的地下水水质监测数据进行处理，包括将微型光谱传感器采集到的原始谱图进行基线校正、散射校正等光谱预处理；同时，采集监测井内水体样品，利用离子色谱仪、高效液相色谱仪、溶解甲烷含量检测装置等仪器对其污染物进行物质的定性和定量分析，并基于神经网络、多元线性回归、偏最小二乘等算法建立回归模型，建立标准监测物质光谱库和光谱信号与组分含量之间的回归关系。
优选的，选定的监测指标为pH、水温、F、Cl、Br、NH4 +-N、SO4 2-、S2-、总硬度(以碳酸钙计)、TDS、Na、K、Ca、Mg、As、Hg、Cr(Ⅵ)、Pb、Fe、Mn、Sr、CH4、挥发酚、阴离子合成洗涤剂、有机氯、石油烃等。
步骤S5，深层地下水信息监测平台根据建立的标准监测物质光谱库和光谱信号与组分含量之间的回归关系确定地下水污染物的含量，并进行地下水污染现状评价、地下水监测敏感性指标筛选和地下水质量评价。
步骤S6，依据所构建地下水污染现状模拟和地下水污染趋势预测模型对地下水水质污染情况进行分析，在水质参数异常时，输出预警信息。
具体的，基于页岩气开发区地下水环境质量监测数据，结合页岩气开发作业程序、识别潜在的污染物及污染源、历史污染事件、气象资料、水文地质资料、土壤资料、地形地貌地质等调查结果，通过人工智能AI算法和大数据技术构建地下水污染现状模拟和地下水污染趋势预测模型。
依据所构建的地下水污染现状模拟，当监测结果显示存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出警报信息。
依据所构建的地下水污染趋势预测模型对地下水水质污染情况进行预演分析。当预演结果显示在一定时间内可能存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出预警信息。
深层地下水信息监测平台实时显示的信息包括时间、监测井位置、含水层位置、监测指标的实测值、监测指标的标准阈值、超标项目、水污染等级、监测指标的预演趋势状况。
本发明还提供一种基于原位光谱实时监测的页岩气开发深层地下水环境监测及预警系统，该系统包括多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台；所述系统被配置为执行以上所述的方法。
本发明的有益效果为：能实时、动态地对页岩气开发区深层地下水实施分层监测，获得地下水剖面流，分析地下水污染风险趋势，并对污染行为做出预警。本发明能对地下水进行分层监测，对污染事件做出准确的预警，便于管理人员进行管理，从而，保护地下水资源和指导企业安全、绿色开发页岩气资源。
附图说明
图1为本发明的方法流程图。
图2为本发明的方法示意图。
具体实施方式
下面结合实施例对本发明予以进一步说明。
本发明选择我国重庆市某页岩气开发区地下水环境监测为研究对象区域，该区块地形以中低山地和丘陵为主，地形起伏较大，地下水流向主要受岩层产状和构造部位控制，流向主要为顺岩层倾向的东西横向径流和顺构造线方向的南北纵向径流。
如图1所示，本实施例是一种基于原位光谱实时监测的页岩气开发区深层地下水环境监测及预警方法，采用多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台等组成系统实现，包括如下步骤：
步骤S1，在线监测装置的安装：根据区域水文地质调查、水文地质物探，确定页岩气开发区的地下水埋深及钻井深度。选取合适的钻井开孔进行钻井；完成钻井后，设置好套管和过滤管。将微型光谱传感器、pH传感器、水温传感器和无线数据传输终端集成为在线监测装置，置于地下水监测井的液面之下。在井口安装电动升降模组，通过不锈钢钢丝与在线监测装置连接，在井口安装电动升降模组，通过不锈钢钢丝与在线监测装置连接。电动升降模组配置远程遥控模块和控制终端，通过深层地下水信息监测平台设置升降速度、停留时间等参数，实现远程程序控制不同阶段的升降速度及停留时间。
参见图2，在线监测装置1采用不锈钢材料制成，由密封舱3、传感器舱4、底座5三部分。该装置长约60cm，上部具有一个吊绳孔，安装钢丝绳，用于固定在线监测装置1。其密封舱3用于固定安装传感器控制板8、无线数据传输终端6和供电电池7，下部留有传感器接线孔，用于为传感器提供电能。其传感器舱4用于安装传感器，长度约30cm，内径约3cm，可扩展多段，安装不同传感器，包括微型光谱传感器9、pH传感器10、水温传感器11。传感器舱4与外部相通，并设有滤网，精细过滤，防杂质进入舱内。传感器舱的底座安装微型自动清洗装置，包括旋转喷头、水压调节、流量调节、微型压力泵等部分构成，配有清洗程序和控制系统，利用多角度旋转的高压水射流冲击传感器表面的污垢，实现传感器探头的定期清洗工作，保证其测量精度。其底座配备高精钢卡环弹簧，长度约为10cm，起保护功能，防止在线监测装置在升降过程与监测井井壁发生较大碰撞而损坏。
所述微型光谱传感器是基于紫外-远红外吸收光谱分析、水体紫外荧光光谱分析的光谱学原理构建的，根据待测物质的特征光谱对物质的结构和成分进行定性或定量分析，其包括光源发射部、分光原件、光源接收部和数据处理等部分，采用卤素灯作为光源发射部，分光原件采用傅里叶变换，光谱数据处理是把采集的数据经过预处理、建模、回归分析算法等进行物质定性和定量分析，光谱数据处理部分是在深层地下水信息监测平台后台进行。
所述pH传感器是以光度法为基础的原位传感器，采用低阻抗敏感玻璃膜制成,pH范围为0～14，误差为±0.1，配备自动温度补偿功能，能应用于各种条件的pH测量,具有功率低、回应快、热稳定性好、精密度高等特点。
所述水温传感器是一种接触式温度传感器，测温元件与水体接触后，利用通过热传导及对流原理测算得到被测对象的温度。测量温度范围为-80℃到+200℃，精度从0.1℃，满足不同地下水水体温度测量需求。
步骤S2，水质监测数据采集：所安装微型光谱传感器的光源发射部发出特定波长的光源，光源接收部接收穿过水流的光源，信号处理器将光信号放大，并转换为电信号，传输至控制器，得到原始谱图；从而，实现对页岩气开发可能引起地下水污染的特征污染物含量进行监测分析；利用所安装的pH传感器对页岩气开发区地下水pH进行检测分析；利用所安装的水温传感器对页岩气开发区地下水水温进行检测分析；利用电动升降模组调整在线监测装置的深度，对多层水位进行监测。
步骤S3，信号传输：云端服务器上设置有数据接收模块、数据存储模块和数据发送模块。通过Modbus协议将水质监测装置在线数据、设备运行情况高速连续不间断传输给智能网关，通过3G网络传输层发送到云端服务器。云端服务器中存储的监测数据通过无线网络传输至深层地下水信息监测平台。
步骤S4，深层地下水信息监测平台将步骤S3中所安装微型光谱传感器监测的光谱数据进行基线校正、散射校正等光谱预处理，优化光谱数据，提高数据的准确性。基线校正包括一阶导数、二阶导数，主要是扣除仪器背景或漂移对光谱信号的影响；散射校正主要是消除由于地下水水体胶体物质所产生的散射对光谱的影响。同时，采集监测井内水体样品，在室内利用离子色谱仪、高效液相色谱仪、便携式溶解甲烷含量检测装置等仪器对其污染物进行定性和定量分析。基于神经网络、多元线性回归、偏最小二乘等算法建立回归模型，建立标准监测物质光谱库和光谱信号与组分含量之间的回归关系。
具体地，步骤S4进行之前，首先，确定了页岩气开采区地下水中关键指标，包括pH、水位、F、Cl、Br、NH4-N、SO4 2-、S2-、总硬度(以碳酸钙计)、TDS、Na、K、Ca、Mg、As、Hg、Cr(Ⅵ)、Pb、Fe、Mn、Sr、CH4、挥发酚、阴离子合成洗涤剂、有机氯、石油烃等。pH值的测定目的是衡量地下水酸碱性，水温的测定目的是评估地下含水层的温度变化趋势。F、Cl、Br、NH4-N、SO4 2-、S2-、总硬度(以碳酸钙计)、TDS、Na、K、Ca、Mg、As、Hg、Cr(Ⅵ)、Pb、Fe、Mn、Sr、CH4、挥发酚、阴离子合成洗涤剂、有机氯、石油烃等为页岩气开发过程污染指示性因子。
步骤S5，根据步骤S4建立的标准监测物质光谱库和光谱信号与组分含量之间的回归关系，深层地下水信息监测平台将获得的在线监测的光谱数据转化为地下水污染物的含量数据。根据监测数据进行地下水污染现状评价、地下水监测敏感性指标筛选和地下水质量评价。
具体的，采用单项污染指数法进行地下水污染评价，再将指标中累计污染负荷比RI＞70％确定为地下水监测敏感性指标。再采用加附注评分法进行地下水质量综合评价。其具体计算公式为:
式中：Pi为监测指标i的污染指数；Ci为监测指标i的测试结果；C0为GB/T 14848中水质量标准中特定项目标准限值；Pi为监测指标i的单项污染指数；RI为指标中累计污染负荷比；
为Pi的平均值；Pimax为Pi中最大值,F值评分法参照地下水标准推荐方法划分地下水质量级别：F＜0.80为优良、0.80≤F＜2.50为良好、2.50≤F＜4.25为较好、4.25≤F＜7.20为较差、F≥7.20为极差。
步骤S6，根据所构建的地下水污染现状模拟和地下水污染趋势预测模型对地下水水质污染情况进行分析，在水质参数异常时，通过短信形式发送至平台管理人员，平台管理人员及时采取复检、通知现场施工方及相关人员等措施，及时发出警示，实现地下水环境风险事件的实时监控及预测分析。
具体的，基于页岩气开发区地下水环境质量监测数据，结合页岩气开发作业程序、识别潜在的污染物及污染源、历史污染事件、气象资料、水文地质资料、土壤资料、地形地貌地质等调查结果，通过人工智能AI算法和大数据技术构建地下水污染现状模拟和地下水污染趋势预测模型。
依据所构建的地下水污染现状模拟，当监测结果显示存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出警报信息。
依据所构建的地下水污染趋势预测模型对地下水水质污染情况进行预演分析。当预演结果显示在将来一定时间内可能存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出预警信息。
深层地下水信息监测平台显示信息包括时间、监测井位置、含水层位置、监测指标的实测值、监测指标的标准阈值、超标项目、水污染等级、监测指标的预演趋势状况。
作为进一步的实施例，步骤S6中，所设定的划分标准具体为：
当所有监测项目的含量检测结果均在设定标准内，确定水污染等级为Ⅰ级，表示监测井内的地下水未污染；
当有监测项目的含量检测结果超过设定标准且在1.5倍数之内，确定水污染等级为Ⅱ级，表示监测井内的地下水存在轻微污染；
当有监测项目的含量检测结果超过设定标准的1.5倍数，且在3.0倍数之内，确定水污染等级为III级，表示监测井内的地下水存在中等污染；
当有监测项目的含量检测结果超过设定标准的3倍数，确定水污染等级为Ⅳ级，表示监测井内的地下水存在严重污染。
表1地下水污染级别分类表
其中，管理人员所采取复检措施为通过深层地下水信息监测平台发出指令，指示电动升降模组调整在线监测装置的位置，对水质参数异常点进行迅速回检，剔除错误数据，保证了数据的准确性和有效性。
Claims (13)
1.一种页岩气开发深层地下水环境监测及预警方法，其特征在于，包括如下步骤：
步骤S1，安装在线监测装置(1)：通过电动升降模组(2)将在线监测装置(1)下放到深层地下水监测井的液面之下；
所述在线监测装置(1)包括密封舱(3)、传感器舱(4)和底座(5)，所述密封舱(3)内固定安装无线数据传输终端(6)、供电电池(7)和传感器控制板(8)；所述传感器舱(4)内安装具有多项参数监测功能的传感器，包括微型光谱传感器(9)、pH传感器(10)、水温传感器(11)，传感器舱(4)与外部相通，并设有滤网；
步骤S2，水质监测数据采集：利用微型光谱传感器、pH传感器和水温传感器对深层地下水组分含量、pH和水温进行检测分析，通过控制电动升降模组(2)参数自动控制调整在线监测装置(1)的深度，对多层水位进行分层监测，获得不同水位层的监测数据；
步骤S3，数据传输：将在线监测装置(1)的在线数据、设备运行情况高速连续不间断传输给智能网关(13)，通过网络传输层发送到云端服务器(14)，深层地下水信息监测平台(15)通过无线网络传输接收云端服务器中的数据；
步骤S4，数据处理：深层地下水信息监测平台(15)对采集的地下水水质监测数据进行处理，包括将微型光谱传感器采集到的原始谱图进行基线校正、散射校正等光谱预处理；同时，采集监测井内水体样品，对其进行污染物的定性和定量分析，基于神经网络、多元线性回归、偏最小二乘等算法建立回归模型，建立标准监测物质光谱库和光谱信号与组分含量之间的回归关系；
步骤S5，深层地下水信息监测平台根据建立的标准监测物质光谱库和光谱信号与组分含量之间的回归关系确定地下水污染物的含量，并进行地下水污染现状评价、地下水监测敏感性指标筛选和地下水质量评价；
步骤S6，依据所构建地下水污染现状模拟和地下水污染趋势预测模型对地下水水质污染情况进行分析，在水质参数异常时，输出预警信息。
2.根据权利要求1所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述微型光谱传感器是基于紫外-远红外吸收光谱分析、水体紫外荧光光谱分析的光谱学原理构建的，根据待测物质的特征光谱对物质进行定性或定量分析，其包括光源发射部、分光原件、光源接收部和数据处理等部分，采用卤素灯作为光源发射部，分光原件采用傅里叶变换，光谱数据处理是把采集的数据经过预处理、建模、回归分析算法等进行物质定性和定量分析，光谱数据处理部分是在深层地下水信息监测平台后台进行。
3.根据权利要求1所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，步骤S2中：所述微型光谱传感器对页岩气开发可能引起地下水污染的特征污染物含量进行检测分析，得到地下水的原始谱图；所述pH传感器对页岩气开发区地下水pH进行检测；所述水温传感器对页岩气开发区地下水水温进行检测。
4.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，步骤S3中：所示云端服务器(14)设置有数据接收模块、数据存储模块和数据发送模块。
5.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述步骤S5根据监测数据进行地下水污染现状评价、地下水监测敏感性指标筛选和地下水质量评价，具体是：
采用单项污染指数法进行地下水污染评价，再将指标中累计污染负荷比RI＞70％确定为地下水监测敏感性指标，再采用加附注评分法进行地下水质量综合评价；具体计算公式为:
式中：Pi为监测指标i的污染指数；Ci为监测指标i的测试结果；C0为GB/T 14848中水质量标准中特定项目标准限值；Pi为监测指标i的单项污染指数；RI为指标中累计污染负荷比；
为Pi的平均值；Pimax为Pi中最大值,F值评分法参照地下水标准推荐方法划分地下水质量级别：F＜0.80为优良、0.80≤F＜2.50为良好、2.50≤F＜4.25为较好、4.25≤F＜7.20为较差、F≥7.20为极差。
6.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述步骤S6具体包括：
基于页岩气开发区地下水环境质量监测数据，结合页岩气开发作业程序、识别潜在的污染物及污染源、历史污染事件、气象资料、水文地质资料、土壤资料、地形地貌地质等调查结果，通过人工智能AI算法和大数据技术构建地下水污染现状模拟和地下水污染趋势预测模型；
依据所构建的地下水污染现状模拟，当监测结果显示存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出警报信息；
依据所构建的地下水污染趋势预测模型对地下水水质污染情况进行预演分析。当预演结果显示在未来一定时间内可能存在部分或多种检测项目超过设定的地下水污染划分标准阈值时，深层地下水信息监测平台输出预警信息。
7.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述步骤S6的深层地下水信息监测平台输出预警信息包括：时间、监测井位置、含水层位置、监测指标的实测值、监测指标的标准阈值、超标项目、水污染等级、监测指标的预演趋势状况。
8.根据权利要求1所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述步骤S6的输出预警信息包括通过短信形式发送至平台管理人员，平台管理人员及时采取复检、通知现场施工方及相关人员等措施，并及时发出警示，实现地下水环境风险事件的实时监控及预测分析。
9.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，步骤S6中：所设定的地下水污染划分标准具体为：
当所有监测项目的含量检测结果均在设定标准内，确定水污染等级为Ⅰ级，表示监测井内的地下水未污染；
当有监测项目的含量检测结果超过设定标准且在1.5倍数之内，确定水污染等级为Ⅱ级，表示监测井内的地下水存在轻微污染；
当有监测项目的含量检测结果超过设定标准的1.5倍数，且在3.0倍数之内，确定水污染等级为III级，表示监测井内的地下水存在中等污染；
当有监测项目的含量检测结果超过设定标准的3倍数，确定水污染等级为Ⅳ级，表示监测井内的地下水存在严重污染。
10.根据权利要求1、2或3所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，监测指标包括pH、水位、氟(F)、氯(Cl)、溴(Br)、氨氮(NH4-N)、硫酸盐(SO4 2-)、硫化物(S2-)、总硬度(以碳酸钙计)、溶解性总固体(TDS)、钠(Na)、钾(K)、钙(Ca)、镁(Mg)、砷(As)、汞(Hg)、六价铬(Cr(Ⅵ))、铅(Pb)、铁(Fe)、锰(Mn)、锶(Sr)、溶解性甲烷(CH4)、挥发酚、阴离子合成洗涤剂、有机氯、石油烃等多项水质参数。
11.根据权利要求1所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述在线监测装置(1)采用不锈钢材料制成，上部配置吊绳孔，用于安装钢丝绳将在线监测装置(1)和电动升降模组(2)连接起来。利用电动升降模组(2)调节所安装的钢丝绳长度控制在线监测装置(1)的位置，电动升降模组(2)配置远程遥控模块和控制终端，通过深层地下水信息监测平台设置升降速度、停留时间等参数，实现远程程序控制不同阶段的升降速度及停留时间。
12.根据权利要求1所述的页岩气开发深层地下水环境监测及预警方法，其特征在于，所述在线监测装置(1)的传感器舱(4)的底座安装微型自动清洗装置(12)，所述微型自动清洗装置(12)配有旋转喷头、水压调节、流量调节、微型压力泵等部分构成，配有清洗程序和控制系统，利用多角度旋转的高压水射流冲击传感器表面的污垢，实现传感器探头的定期清洗工作，保证其测量精度。
13.一种页岩气开发深层地下水环境监测及预警系统，其特征在于，该系统包括多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台；所述系统被配置为执行权利要求1-12任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110951449.6A CN113552076B (zh) | 2021-08-18 | 2021-08-18 | 一种页岩气开发区深层地下水环境监测及预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110951449.6A CN113552076B (zh) | 2021-08-18 | 2021-08-18 | 一种页岩气开发区深层地下水环境监测及预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113552076A true CN113552076A (zh) | 2021-10-26 |
| CN113552076B CN113552076B (zh) | 2024-03-26 |
Family
ID=78105762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110951449.6A Active CN113552076B (zh) | 2021-08-18 | 2021-08-18 | 一种页岩气开发区深层地下水环境监测及预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113552076B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022305A (zh) * | 2021-10-29 | 2022-02-08 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 地下水动态监测方法及装置 |
| CN114236075A (zh) * | 2021-12-14 | 2022-03-25 | 中国地质调查局水文地质环境地质调查中心 | 一种地下水污染可视化监测和预警系统及方法 |
| CN114386658A (zh) * | 2021-12-03 | 2022-04-22 | 天健创新（北京）监测仪表股份有限公司 | 湖库水质监测预警方法、装置、存储介质及电子设备 |
| CN114441725A (zh) * | 2022-01-25 | 2022-05-06 | 生态环境部土壤与农业农村生态环境监管技术中心 | 地下水隐患排查与污染预警综合系统 |
| CN114529226A (zh) * | 2022-04-23 | 2022-05-24 | 南通腾宇环保设备有限公司 | 基于工业物联网的地下水污染的监测方法与系统 |
| CN114965928A (zh) * | 2022-06-06 | 2022-08-30 | 南京国环科技股份有限公司 | 地下水污染智能无线监测方法及系统 |
| CN115166183A (zh) * | 2022-07-06 | 2022-10-11 | 重庆地质矿产研究院 | 一种智能型地下水污染在线监测、洗井、采样一体化装置及方法 |
| CN115436298A (zh) * | 2022-10-26 | 2022-12-06 | 山东省水利勘测设计院有限公司 | 一种污染监控装置和方法 |
| CN115655386A (zh) * | 2022-12-28 | 2023-01-31 | 数皮科技(湖北)有限公司 | 适用于地热资源勘查的动态综合监测系统 |
| CN116952880A (zh) * | 2023-08-07 | 2023-10-27 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
| CN117333772A (zh) * | 2023-10-12 | 2024-01-02 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140260528A1 (en) * | 2013-03-15 | 2014-09-18 | Martin Schoell | Detecting contamination |
| KR20160043620A (ko) * | 2014-10-13 | 2016-04-22 | 주식회사 이알지 | 휴대용 셰일가스 환경오염물질 실시간 모니터링 장치 |
| CN108168606A (zh) * | 2017-12-20 | 2018-06-15 | 成都来宝石油设备有限公司 | 页岩气井周围环境综合监测系统 |
| CN109358176A (zh) * | 2018-10-26 | 2019-02-19 | 吉林大学 | 一种油页岩原位开采对地下水环境影响实验室模拟系统 |
| WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
| CN110703640A (zh) * | 2019-09-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 页岩气开发地下水智能监测系统及方法 |
| CN111610303A (zh) * | 2020-06-30 | 2020-09-01 | 重庆地质矿产研究院 | 一种页岩气开发区地下水环境检测方法 |
| CN112505769A (zh) * | 2020-11-25 | 2021-03-16 | 重庆地质矿产研究院 | 一种基于动态地质工程大数据的页岩气地震监测智能评估方法 |
-
2021
- 2021-08-18 CN CN202110951449.6A patent/CN113552076B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140260528A1 (en) * | 2013-03-15 | 2014-09-18 | Martin Schoell | Detecting contamination |
| KR20160043620A (ko) * | 2014-10-13 | 2016-04-22 | 주식회사 이알지 | 휴대용 셰일가스 환경오염물질 실시간 모니터링 장치 |
| WO2019076078A1 (zh) * | 2017-10-16 | 2019-04-25 | 中国环境科学研究院 | 地下水污染监测网多目标优化方法 |
| CN108168606A (zh) * | 2017-12-20 | 2018-06-15 | 成都来宝石油设备有限公司 | 页岩气井周围环境综合监测系统 |
| CN109358176A (zh) * | 2018-10-26 | 2019-02-19 | 吉林大学 | 一种油页岩原位开采对地下水环境影响实验室模拟系统 |
| CN110703640A (zh) * | 2019-09-12 | 2020-01-17 | 中国石油天然气集团有限公司 | 页岩气开发地下水智能监测系统及方法 |
| CN111610303A (zh) * | 2020-06-30 | 2020-09-01 | 重庆地质矿产研究院 | 一种页岩气开发区地下水环境检测方法 |
| CN112505769A (zh) * | 2020-11-25 | 2021-03-16 | 重庆地质矿产研究院 | 一种基于动态地质工程大数据的页岩气地震监测智能评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张义;康远波;陈朝刚;张健强: "页岩气入井流体环境影响评价指标体系探讨", 绿色科技, no. 024, 31 December 2018 (2018-12-31) * |
| 熊德明;王朝强;冯斌: "涪陵页岩气开发区域地下水环境质量研究", 环境工程, no. 0, 31 December 2017 (2017-12-31) * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114022305A (zh) * | 2021-10-29 | 2022-02-08 | 中国地质环境监测院(自然资源部地质灾害技术指导中心) | 地下水动态监测方法及装置 |
| CN114386658A (zh) * | 2021-12-03 | 2022-04-22 | 天健创新（北京）监测仪表股份有限公司 | 湖库水质监测预警方法、装置、存储介质及电子设备 |
| CN114236075A (zh) * | 2021-12-14 | 2022-03-25 | 中国地质调查局水文地质环境地质调查中心 | 一种地下水污染可视化监测和预警系统及方法 |
| CN114441725A (zh) * | 2022-01-25 | 2022-05-06 | 生态环境部土壤与农业农村生态环境监管技术中心 | 地下水隐患排查与污染预警综合系统 |
| CN114529226A (zh) * | 2022-04-23 | 2022-05-24 | 南通腾宇环保设备有限公司 | 基于工业物联网的地下水污染的监测方法与系统 |
| CN114529226B (zh) * | 2022-04-23 | 2022-06-24 | 南通腾宇环保设备有限公司 | 基于工业物联网的地下水污染的监测方法与系统 |
| CN114965928A (zh) * | 2022-06-06 | 2022-08-30 | 南京国环科技股份有限公司 | 地下水污染智能无线监测方法及系统 |
| CN114965928B (zh) * | 2022-06-06 | 2023-09-05 | 南京国环科技股份有限公司 | 地下水污染智能无线监测方法及系统 |
| CN115166183A (zh) * | 2022-07-06 | 2022-10-11 | 重庆地质矿产研究院 | 一种智能型地下水污染在线监测、洗井、采样一体化装置及方法 |
| CN115436298A (zh) * | 2022-10-26 | 2022-12-06 | 山东省水利勘测设计院有限公司 | 一种污染监控装置和方法 |
| CN115436298B (zh) * | 2022-10-26 | 2023-02-28 | 山东省水利勘测设计院有限公司 | 一种污染监控装置和方法 |
| CN115655386A (zh) * | 2022-12-28 | 2023-01-31 | 数皮科技(湖北)有限公司 | 适用于地热资源勘查的动态综合监测系统 |
| CN116952880A (zh) * | 2023-08-07 | 2023-10-27 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
| CN116952880B (zh) * | 2023-08-07 | 2024-03-15 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
| CN117333772A (zh) * | 2023-10-12 | 2024-01-02 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113552076B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113552076B (zh) | 一种页岩气开发区深层地下水环境监测及预警方法及系统 | |
| Wen et al. | Big groundwater data sets reveal possible rare contamination amid otherwise improved water quality for some analytes in a region of Marcellus shale development | |
| Salam et al. | Internet of things for sustainable mining | |
| CN111539867A (zh) | 一种针对地下水氯代烃污染的环境调查方法 | |
| US20170227451A1 (en) | Sensor systems, multi-borehole monitoring systems, and related methods | |
| MX2014008639A (es) | Aparatos, sistemas y metodos acondicionadores de sensor. | |
| Shaheen et al. | Geochemical evidence of potential groundwater contamination with human health risks where hydraulic fracturing overlaps with extensive legacy hydrocarbon extraction | |
| AU2017201319B2 (en) | Device and method for corrosion detection and formation evaluation using integrated computational elements | |
| Nacht | GROUND‐WATER MONITORING SYSTEM CONSIDERATIONS: Discusses factors that should be considered when designing a system for the collection and analysis of water quality data. | |
| Houlihan et al. | Groundwater monitoring | |
| Granato et al. | Robowell: An automated process for monitoring ground water quality using established sampling protocols | |
| Harris et al. | Developing monitoring plans to detect spills related to natural gas production | |
| Barcelona | Sampling frequency for ground-water quality monitoring | |
| Zhou et al. | Application of water quality control charts to spring monitoring in karst terranes | |
| Porse | Using analytical and numerical modeling to assess deep groundwater monitoring parameters at carbon capture, utilization, and storage sites | |
| Pope et al. | Performance monitoring of MNA remedies for VOCs in ground water | |
| Son et al. | Colorado Water Watch: real-time groundwater monitoring for possible contamination from oil and gas activities | |
| Curry et al. | Smart Characterization—An Integrated Approach for Evaluating a Complex 1, 4‐Dioxane Site | |
| Leroux et al. | Lessons learned and best practices derived from environmental monitoring at a large-scale CO2 injection project | |
| Laaksoharju et al. | Hydrogeochemical evaluation of the Simpevarp area, model version 1.1 | |
| Widdowson et al. | Cost‐effective contaminant plume delineation using multilevel drive point samplers | |
| Burge et al. | Automated ground water sampling and analysis of trichloroethene using a “universal” sampling/analytical system | |
| Li | Environmental Impacts of Oil and Gas Activities in Northern Colorado | |
| Dennis | A SITE-SPECIFIC APPROACH TO ESTABLISHING REMEDIATION GOALS: EVALUATION OF SOIL-TO-GROUNDWATER LEACHING MODELS FOR PFAS | |
| ASSESSMENT | IMPROVED MONITORING TECHNIQUES TO ASSESS GROUNDWATER QUALITY NEAR SOURCES OF CONTAMINATION |
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 |