CN113555129B - 污水管网病毒感染风险预测方法及装置 - Google Patents
污水管网病毒感染风险预测方法及装置 Download PDFInfo
- Publication number
- CN113555129B CN113555129B CN202110816313.4A CN202110816313A CN113555129B CN 113555129 B CN113555129 B CN 113555129B CN 202110816313 A CN202110816313 A CN 202110816313A CN 113555129 B CN113555129 B CN 113555129B
- Authority
- CN
- China
- Prior art keywords
- predicted
- virus
- temperature
- sewage
- wastewater
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 246
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000009385 viral infection Effects 0.000 title claims abstract description 34
- 241000700605 Viruses Species 0.000 claims abstract description 161
- 239000002351 wastewater Substances 0.000 claims abstract description 124
- 208000015181 infectious disease Diseases 0.000 claims abstract description 43
- 239000002689 soil Substances 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000011144 upstream manufacturing Methods 0.000 claims description 15
- 231100000628 reference dose Toxicity 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000003612 virological effect Effects 0.000 claims description 8
- 230000037396 body weight Effects 0.000 claims description 7
- 231100000824 inhalation exposure Toxicity 0.000 claims description 7
- 230000037384 skin absorption Effects 0.000 claims description 7
- 231100000274 skin absorption Toxicity 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 208000036142 Viral infection Diseases 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 241000894006 Bacteria Species 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 7
- 230000001580 bacterial effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 241000711573 Coronaviridae Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 241001678559 COVID-19 virus Species 0.000 description 3
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 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
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Sewage (AREA)
Abstract
本发明实施例提供了一种污水管网病毒感染风险预测方法及装置，涉及环境监测技术领域。所述方法包括：获取污水管道末端废水的温度和待预测病毒的初始荷载；根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。本发明实施例用于简单、有效的实现对污水下游接触人员的感染风险的预测。
Description
技术领域
本发明属于环境监测技术领域，尤其涉及一种污水管网病毒感染风险预测方法、装置、计算机设备和介质。
背景技术
污水管网作为污水集散的重要结构，携带预设病毒的污水将通过城市污水管道系统进入污水处理厂，会对污水下游接触人员造成健康威胁。因此对污水管网病毒介水传播的潜在感染风险的研究具有重要意义。
在现有的技术中，主要是通过实时监测来实现管道中污水温度测量，然而，采用现有技术中的方法，需要耗费大量的人力和物力，无法应用于大规模污水管网的温度监测。且现有技术中也没有提出预测污水下游接触人员感染病毒风险的方法。
因此，如何结合温度与病毒衰变之间的规律来有效预测污水下游接触人员的感染风险是当前亟需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供了一种污水管网病毒感染风险预测方法、装置、计算机设备和介质。
第一方面，本申请实施例提供了一种污水管网病毒感染风险预测方法，所述方法包括：
获取污水管道末端废水的温度和待预测病毒的初始荷载；
根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；
根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；
根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
作为本发明一种可选的实施方式，所述获取污水管道末端废水的温度和待预测病毒的初始荷载，包括：
根据污水管道模型构建参数构建污水管道几何模型；
所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率；
根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
作为本发明一种可选的实施方式，在根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度之前，所述方法还包括：
对所述污水管道几何模型进行可靠性验证；
当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
作为本发明一种可选的实施方式，所述对所述污水管道几何模型进行可靠性验证，包括：
根据管道沿程污水温度变换规律解析公式
计算所述污水管道下游末端废水的第一预测温度；
其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，m为污水温度在沿管道长度的纵向计算网格内所处位置的表达式，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容
根据平均绝对百分比误差公式计算所述第一预测温度与所述第二预测温度的误差值；其中，第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；
其中，e(i)＝x(0)(i)-x^(0)(i)，x(0)(i)是第一预测温度，x^(0)(i)是第二预测温度；
根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
作为本发明一种可选的实施方式，所述根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载，包括：
根据公式计算预设病毒衰变速率；
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
作为本发明一种可选的实施方式，所述根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险，包括：
根据所述污水管道末端待预测病毒的荷载计算风险系数；
当所述风险系数大于1时，表明待预测病毒有感染风险。
作为本发明一种可选的实施方式，所述根据所述污水管道末端待预测病毒的荷载计算风险系数，包括：
根据公式计算下游接触人员吸入空气中细菌的平均暴露率；
根据公式计算下游接触人员皮肤接触的空气中细菌的平均暴露率；
其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；
根据公式和HI＝∑HQi计算风险系数；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估细菌通过空气传播的风险；HI为下游人员吸入空气中细菌的感染风险与下游人员皮肤接触的空气中细菌的感染风险之和。
第二方面，本申请实施例提供了一种污水管网病毒感染风险预测装置，所述装置包括：
获取模块，用于获取污水管道末端废水的温度和待预测病毒的初始荷载；
第一计算模块，用于根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；
第二计算模块，用于根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；
预测模块，用于根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一实施方式所述的污水管网病毒感染风险预测方法。
第四方面，本发明实施例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上述第一方面或第一方面的任一实施方式所述的污水管网病毒感染风险预测方法。
本发明实施例提供的污水管网病毒感染风险预测方法，通过获取污水管道末端废水的温度和待预测病毒的初始荷载，首先根据所述污水管道末端废水的温度计算待预测病毒的衰变速率，然后根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载，最后根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。由于温度是预测污水管网病毒感染风险的主要因素，因此，通过研究温度与病毒衰变速率之间的关系，从而得出污水管道末端病毒的荷载，再依据管道末端病毒的荷载对感染风险进行预测，简单、有效的实现了对污水下游接触人员的感染风险的预测。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本发明一实施例提供的污水管网病毒感染风险预测方法的流程图；
图2为本发明另一实施例提供的污水管网病毒感染风险预测方法流程图；
图3为本发明又一实施例提供的污水管网病毒感染风险预测方法流程图；
图4为本发明一实施例提供的污水管网病毒感染风险预测装置示意图；
图5为本发明一实施例提供的一种电子设备的内部结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面将对本发明的方案进行进一步描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但本发明还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本发明的一部分实施例，而不是全部的实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
本发明的说明书和权利要求书中的术语“第一”和“第二”等是用于区别同步的对象，而不是用于描述对象的特定顺序。例如，第一检索单元和第二检索单元等是用于区别不同的功能单元，而不是用于功能单元的特定顺序。
在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。此外，在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
本发明实施例提供了一种污水管网病毒感染风险预测方法。具体的，参照图1所示，本发明实施例提供的污水管网病毒感染风险预测方法包括如下步骤S110-S140：
S110、获取污水管道末端废水的温度和待预测病毒的初始荷载。
其中，待预测病毒可以是包膜冠状病毒，示例性的，包膜冠状病毒可以是新冠病毒，本发明不作具体限制。污水管网是一个城市或者一个区域的污水通过污水管网集中至污水处理厂进行处理的这些管道及检查进而所形成网状结构为污水管网。污水管网作为集散的重要结构，携带病毒的污水通过城市污水管道系统进入污水处理厂，会对污水下游接触人员造成健康威胁。病毒的初始荷载，即病毒在上游污水管道的初始浓度。研究表明，温度是影响水体中包膜冠状病毒传播的主要因素。因此，首先需要获取污水管道末端废水的温度。
示例性的，图2为本申请另一实施例提供的污水管网病毒感染风险预测方法的流程图。在图1所示实施例的基础上，S110、获取污水管道末端废水的温度和待预测病毒的初始荷载，可以通过图2所示实施例中的方法实现。参照图2所示，本实施例包括如下步骤：
S111、根据污水管道模型构建参数构建污水管道几何模型。
其中，所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率。
示例性的，典型土壤的热物性参数如表1所示。
表1
根据西安地区的土壤性质结合表1，总结其土壤物理参数如表2所示。表2中的土壤物理参数为建模所需的参数。
表2
S112、根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
示例性的，参照表3所示，为构建污水管道几何模型所需的相关参数。首先，通过计算机软件建立污水管道几何模型，其次，结合上游废水温度对模型进行能量变化分析来研究管道末端污水温度变化。
表3
| 参数 | 值/范围 | 单位 |
| 上游废水温度Tj | 282-294 | K |
| 单位网格尺寸ΔL | 10 | m |
| 管道长度L | 175-464 | m |
| Rwa | 0.001-0.09 | K/W |
| Rws | 0.002-0.1 | K/W |
| 废水流速uw | 0.3-0.9 | m/s |
| 废水深度dw | 0.04-0.13 | m |
| 土壤深度ds | 0.4 | m |
| 土壤温度Ts | 282-289 | K |
| 管道壁厚wt | 0.14 | m |
| 比热cp | 4.2 | J/g.K |
| 废水与空气的传热系数hwa | 1.9-5.2 | W/m2.K |
| 水的热传导率 | 0.59 | W/m.K |
S113、获取待预测病毒的初始荷载。
示例性的，待预测病毒的初始荷载是通过调查管道污水来源，例如获取相关医院或者社区的污水量数据，再根据已有文献报告的污水中病毒荷载进行计算得到。示例性的，从资料中查找得到病毒荷载变化范围是：102-2·106copies/ml·per。
S120、根据所述污水管道末端废水的温度计算待预测病毒的衰变速率。
具体的，根据公式计算预设病毒衰变速率。
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
具体的，表观活化能的概念是针对Arrhenius(阿伦尼乌斯)公式k＝Ae-Ea/RT中的参量Ea提出的，是通过实验数据求得，又叫实验活化能。考虑到温度对Ea的影响，其定义式为：其中R的值一般取8.314。
在此实施例中，T代表的即为污水管道末端废水的温度，相应的，k即为温度为T时的病毒衰变速率。示例性的，以SARS-CoV-2病毒为例研究，发现温度对SARS-CoV-2病毒的稳定性影响明显，4℃低温下利于生长，随温度升高，活性降低。在温度影响下，SARS-CoV-2病毒的稳定性如表4所示。
表4
| 温度 | 病毒状态描述 |
| 4℃ | 最稳定 |
| 4℃-35℃ | 随温度升高，稳定性降低 |
| ＞35℃ | 存活＜lday |
| 40℃ | 存活6hours |
S130、根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载。
具体的，将病毒的初始荷载与衰变速率相加，可得到管道末端病毒的荷载。
S140、根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
示例性的，图3为本申请又一实施例提供的污水管网病毒感染风险预测方法的流程图。在图1所示实施例的基础上，S140、根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险，可以通过图3所示实施例中的方法实现。参照图3所示，本实施例包括如下步骤：
S141、根据所述污水管道末端待预测病毒的荷载计算风险系数。
具体的，根据公式计算下游接触人员吸入空气中细菌的平均暴露率；
根据公式计算下游接触人员皮肤接触的空气中细菌的平均暴露率；
其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；
根据公式和HI＝∑HQi计算风险系数；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估细菌通过空气传播的风险；HI为下游人员吸入空气中细菌的感染风险与下游人员皮肤接触的空气中细菌的感染风险之和。
S142、当所述风险系数大于1时，表明待预测病毒有感染风险。
具体的，HQ或者HI可以作为感染风险的判别标准。当HQ或者HI大于1时，表明待预测病毒具有感染风险，反之，即可忽略。示例性的，若以COVID-19病毒为例，则当HQ或者HI大于0时，就应该及时采取预防措施，避免被感染的风险。
在一个实施例中，在根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度之前，所述方法还包括如下步骤：
S100、对所述污水管道几何模型进行可靠性验证，具体包括：
根据管道沿程污水温度变换规律解析公式
计算所述污水管道下游末端废水的第一预测温度。
其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，m为污水温度在沿管道长度的纵向计算网格内所处位置的表达式，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容
根据平均绝对百分比误差公式计算所述第一预测温度与所述第二预测温度的误差值。
其中，第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；e(i)＝x(0)(i)-x^(0)(i)，x(0)(i)是第一预测温度，χ^(0)(i)是第二预测温度。
根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
示例性的，如表5所示，MAPE的精度水平表如下所示。
表5
| MAPE(％) | Predictive Ability | MAPE(％) | Predictive Ability |
| ＜10 | Excellent | 20-50 | Reasonable |
| 10-20 | Good | ＞50 | Incorrect |
具体的，如果误差值小于0.1，则认为模型预测准确度极高；如果误差值在0.1到0.2之间，说明模型预测准确度较好；如果误差值在0.2-0.5之间，则说明模型预测准确度是合理的；如果误差值大于0.5，则说明模型预测不合理。
S101、当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
具体的，当通过污水管道几何模型获取的第二温度与通过管道沿程污水温度变换规律解析公式获取的第一温度的误差值满足上述表5所述的评价标准时，则使用污水管道几何模型获取管道末端废水的温度。通过计算机软件构建污水管道几何模型，利用污水管道几何模型预测污水管道末端的温度，避免了实验条件的局限性，为下一步结合温度与病毒衰变之间的规律来预测污水下游病毒荷载以及感染风险打好了基础，简单、高效，且节省人力、物力。
本发明实施例提供的污水管网病毒感染风险预测方法，通过获取污水管道末端废水的温度和待预测病毒的初始荷载，首先根据所述污水管道末端废水的温度计算待预测病毒的衰变速率，然后根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载，最后根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。由于温度是预测污水管网病毒感染风险的主要因素，因此，通过研究温度与病毒衰变速率之间的关系，从而得出污水管道末端病毒的荷载，再依据管道末端病毒的荷载对感染风险进行预测，简单、有效的实现了对污水下游接触人员的感染风险的预测。
本发明实施例提供了一种污水管网病毒感染风险预测装置，用于执行上述实施例提提供的任一种污水管网病毒感染风险预测方法，具备污水管网病毒感染风险预测方法相应的有益效果。
图4为本发明实施例提供的一种污水管网病毒感染风险预测装置的结构示意图，如图4所示，污水管网病毒感染风险预测装置包括：获取模块410、第一计算模块420、第二计算模块430以及预测模块440。
其中，获取模块410，用于获取污水管道末端废水的温度和待预测病毒的初始荷载。
第一计算模块420，用于根据所述污水管道末端废水的温度计算待预测病毒的衰变速率。
第二计算模块430，用于根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载.
预测模块440，用于根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
作为本发明一种可选的实施方式，所述获取污水管道末端废水的温度和待预测病毒的初始荷载，包括：
根据污水管道模型构建参数构建污水管道几何模型；
所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率；
根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
作为本发明一种可选的实施方式，在根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度之前，所述方法还包括：
对所述污水管道几何模型进行可靠性验证；
当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
作为本发明一种可选的实施方式，所述对所述污水管道几何模型进行可靠性验证，包括：
根据管道沿程污水温度变换规律解析公式
计算所述污水管道下游末端废水的第一预测温度；
其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，m为污水温度在沿管道长度的纵向计算网格内所处位置的表达式，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容
根据平均绝对百分比误差公式计算所述第一预测温度与所述第二预测温度的误差值；其中，第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；
其中，e(i)＝χ(0)(i)-x^(0)(i)，x(0)(i)是第一预测温度，x^(0)(i)是第二预测温度；
根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
作为本发明一种可选的实施方式，所述根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载，包括：
根据公式计算预设病毒衰变速率；
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
作为本发明一种可选的实施方式，所述根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险，包括：
根据所述污水管道末端待预测病毒的荷载计算风险系数；
当所述风险系数大于1时，表明待预测病毒有感染风险。
作为本发明一种可选的实施方式，所述根据所述污水管道末端待预测病毒的荷载计算风险系数，包括：
根据公式计算下游接触人员吸入空气中细菌的平均暴露率；
根据公式计算下游接触人员皮肤接触的空气中细菌的平均暴露率；
其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；
根据公式和HI＝∑HQi计算风险系数；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估细菌通过空气传播的风险；HI为下游人员吸入空气中细菌的感染风险与下游人员皮肤接触的空气中细菌的感染风险之和。
关于污水管网病毒感染风险预测装置的具体限定可以参见上文中对于污水管网病毒感染风险预测方法的限定，在此不再赘述。上述污水管网病毒感染风险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。
在一个实施例中，提供了一种电子设备，其内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子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和计算机程序。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。该电子设备的通信接口用于与外部的电子设备进行有线或无线方式的通信，无线方式可通过WiFi、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种污水管网病毒感染风险预测方法。
本领域技术人员可以理解，图5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电子设备的限定，具体的电子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。
在一个实施例中，本申请提供的污水管网病毒感染风险预测装置可以实现为一种计算机程序的形式，计算机程序可在如图5所示的电子设备运行。计算机设备的存储器中可存储组成该计算机设备的系统管理装置的各个程序模块，比如，图4所示的获取模块410、第一计算模块420、第二计算模块430、预测模块440。各个程序模块构成的计算机程序使得处理器执行本说明书描述的本申请各个实施例的计算机设备的系统管理方法中的步骤。
例如，图5所示的电子设备可以通过如图4所示的计算机设备的系统管理装置中的获取模块410执行步骤S110。计算机设备可通过第一计算模块420执行步骤S120。计算机设备可通过第二计算模块430执行步骤S130。计算机设备可通过预测模块440执行步骤S140。
在一个实施例中，提供了一种电子设备，包括处理器以及存储器，存储器用于存储所述处理器的可执行指令。该处理器执行计算机程序时实现以下步骤：获取污水管道末端废水的温度和待预测病毒的初始荷载；根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据污水管道模型构建参数构建污水管道几何模型；所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率；根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述污水管道几何模型进行可靠性验证；当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据管道沿程污水温度变换规律解析公式计算所述污水管道下游末端废水的第一预测温度；其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，m为污水温度在沿管道长度的纵向计算网格内所处位置的表达式，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容/>根据平均绝对百分比误差公式/> 计算所述第一预测温度与所述第二预测温度的误差值；其中，第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；其中，e(i)＝x(0)(i)-x^(0)(i)，x(0)(i)是第一预测温度，x^(0)(i)是第二预测温度；根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据公式计算预设病毒衰变速率；
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述污水管道末端待预测病毒的荷载计算风险系数；当所述风险系数大于1时，表明待预测病毒有感染风险。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据公式计算下游接触人员吸入空气中细菌的平均暴露率；根据公式/>计算下游接触人员皮肤接触的空气中细菌的平均暴露率；其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；根据公式/>和HI＝∑HQi计算风险系数；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估细菌通过空气传播的风险；HI为下游人员吸入空气中细菌的感染风险与下游人员皮肤接触的空气中细菌的感染风险之和。
本发明实施例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：获取污水管道末端废水的温度和待预测病毒的初始荷载；根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；根据所述污水管道末端待预测病毒的荷载预测下游接触人员的感染风险。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据污水管道模型构建参数构建污水管道几何模型；所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率；根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：对所述污水管道几何模型进行可靠性验证；当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据管道沿程污水温度变换规律解析公式计算所述污水管道下游末端废水的第一预测温度；其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，m为污水温度在沿管道长度的纵向计算网格内所处位置的表达式，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容/>根据平均绝对百分比误差公式/> 计算所述第一预测温度与所述第二预测温度的误差值；其中，第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；其中，e(i)＝x(0)(i)-x^(0)(i)，x(0)(i)是第一预测温度，x^(0)(i)是第二预测温度；根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据公式计算预设病毒衰变速率；
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据所述污水管道末端待预测病毒的荷载计算风险系数；当所述风险系数大于1时，表明待预测病毒有感染风险。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据公式计算下游接触人员吸入空气中细菌的平均暴露率；根据公式/>计算下游接触人员皮肤接触的空气中细菌的平均暴露率；其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；根据公式/>和HI＝∑HQi计算风险系数；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估细菌通过空气传播的风险；HI为下游人员吸入空气中细菌的感染风险与下游人员皮肤接触的空气中细菌的感染风险之和。
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，所述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、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)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和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。
以上所述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 (8)
1.一种污水管网病毒感染风险预测方法，其特征在于，所述方法包括：
获取污水管道末端废水的温度和待预测病毒的初始荷载；所述待预测病毒的初始荷载为所述待预测病毒在污水管道上游的初始浓度；
根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；
根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；
根据所述污水管道末端待预测病毒的荷载计算风险系数；
当所述风险系数大于1时，表明待预测病毒有感染风险；
其中，所述根据所述污水管道末端待预测病毒的荷载计算风险系数，包括：
根据公式计算下游接触人员吸入空气中所述待预测病毒的平均暴露率；
根据公式计算下游接触人员皮肤接触的空气中所述待预测病毒的平均暴露率；
其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；
根据公式计算风险系数HI＝∑HQi；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估所述待预测病毒通过空气传播的风险；HI为下游人员吸入空气中所述待预测病毒的感染风险与下游人员皮肤接触的空气中所述待预测病毒的感染风险之和。
2.根据权利要求1所述的方法，其特征在于，所述获取污水管道末端废水的温度和待预测病毒的初始荷载，包括：
根据污水管道模型构建参数构建污水管道几何模型；
所述污水管道模型构建参数包括：管道长度、管道壁厚、废水流速、废水深度、土壤深度、土壤温度、废水与空气的传热系数、水的热传导率、废水比热容、污水与管道内空气的热电阻率、污水与土壤之间的热电阻率；
根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度。
3.根据权利要求2所述的方法，其特征在于，在根据所述污水管道几何模型和污水管道上游废水温度获取所述污水管道末端废水的温度之前，所述方法还包括：
对所述污水管道几何模型进行可靠性验证；
当所述污水管道几何模型可靠性验证通过时，使用所述污水管道几何模型获取所述污水管道末端废水的温度。
4.根据权利要求3所述的方法，其特征在于，所述对所述污水管道几何模型进行可靠性验证，包括：
根据管道沿程污水温度变换规律解析公式
计算所述污水管道下游末端废水的第一预测温度；
其中，Tm指管段m节点处污水温度，Tm+1指m后一节点处污水温度，Tair指管道内空气温度，Tsoil指管道周围土壤温度，Rwa与Rws分别为污水与管道内空气、污水与土壤之间的热电阻率(m·k/W)，ρ为废水密度(kg/m3)，Q为废水容积流量(m3/s)，Cp为废水比热容
根据平均绝对百分比误差公式计算所述第一预测温度与第二预测温度的误差值；其中，所述第二预测温度为根据所述污水管道几何模型预测污水管道末端废水的温度；
其中， 是第一预测温度，/>是第二预测温度；
根据所述误差值与预设值的差值确定所述污水管道几何模型的可靠性程度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载，包括：
根据公式计算预设病毒衰变速率；
其中，k为预设病毒衰变速率常数，R为摩尔气体常量，T为热力学温度，Ea为表观活化能，A为指前因子。
6.一种污水管网病毒感染风险预测装置，其特征在于，包括：
获取模块，用于获取污水管道末端废水的温度和待预测病毒的初始荷载；所述待预测病毒的初始荷载为所述待预测病毒在污水管道上游的初始浓度；
第一计算模块，用于根据所述污水管道末端废水的温度计算待预测病毒的衰变速率；
第二计算模块，用于根据所述待预测病毒的初始荷载和所述待预测病毒的衰变速率，计算所述污水管道末端待预测病毒的荷载；
预测模块，用于根据所述污水管道末端待预测病毒的荷载计算风险系数；
当所述风险系数大于1时，表明待预测病毒有感染风险；
其中，所述根据所述污水管道末端待预测病毒的荷载计算风险系数，包括：
根据公式计算下游接触人员吸入空气中所述待预测病毒的平均暴露率；
根据公式计算下游接触人员皮肤接触的空气中所述待预测病毒的平均暴露率；
其中，Ctotal为污水管道末端待预测病毒的荷载，IR为吸入速率(m3/day)，EF为暴露频率(day/year)，EDinhalation为吸入病毒的暴露时间(yr)，EDskin为皮肤接触病毒的暴露时间(yr)，SA为皮肤接触面积(m2)，ABS为皮肤吸收因子(m/h)，AF是皮肤粘附因子，BW为人的体重(kg)，AT为人的平均寿命(d)；
根据公式计算风险系数HI＝∑HQi；其中，RfD为参考剂量(CFU·(kg/d)-1)，代表一种物质每日可接受的最大剂量，其值可通过查阅文献获取；HQ为风险系数，可以评估所述待预测病毒通过空气传播的风险；HI为下游人员吸入空气中所述待预测病毒的感染风险与下游人员皮肤接触的空气中所述待预测病毒的感染风险之和。
7.一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，该程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
8.一种电子设备，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中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110816313.4A CN113555129B (zh) | 2021-07-20 | 2021-07-20 | 污水管网病毒感染风险预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110816313.4A CN113555129B (zh) | 2021-07-20 | 2021-07-20 | 污水管网病毒感染风险预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113555129A CN113555129A (zh) | 2021-10-26 |
| CN113555129B true CN113555129B (zh) | 2023-12-29 |
Family
ID=78103392
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110816313.4A Active CN113555129B (zh) | 2021-07-20 | 2021-07-20 | 污水管网病毒感染风险预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113555129B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116052903A (zh) * | 2023-01-18 | 2023-05-02 | 中国科学院生态环境研究中心 | 一种病原微生物大规模暴发提前预测预警方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7010696B1 (en) * | 2001-03-30 | 2006-03-07 | Mcafee, Inc. | Method and apparatus for predicting the incidence of a virus |
| CN103400030A (zh) * | 2013-07-24 | 2013-11-20 | 环境保护部环境规划院 | 一种地下水污染对人体健康风险评估系统 |
| CN111863280A (zh) * | 2020-07-30 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 健康检测方法、系统、终端设备及存储介质 |
| CN112397137A (zh) * | 2020-10-28 | 2021-02-23 | 南京大学 | 污水中有机微污染物浓度变化规律的预测模型及预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140188495A1 (en) * | 2012-12-30 | 2014-07-03 | Nanjing University | Method for assessing and managing health risks associated with heavy metal pollution |
-
2021
- 2021-07-20 CN CN202110816313.4A patent/CN113555129B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7010696B1 (en) * | 2001-03-30 | 2006-03-07 | Mcafee, Inc. | Method and apparatus for predicting the incidence of a virus |
| CN103400030A (zh) * | 2013-07-24 | 2013-11-20 | 环境保护部环境规划院 | 一种地下水污染对人体健康风险评估系统 |
| CN111863280A (zh) * | 2020-07-30 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 健康检测方法、系统、终端设备及存储介质 |
| CN112397137A (zh) * | 2020-10-28 | 2021-02-23 | 南京大学 | 污水中有机微污染物浓度变化规律的预测模型及预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| Development and Validation of a Clostridium difficile Infection Risk Prediction Model;Erd M等;Infection Control & Hospital Epidemiology the Official Journal of the Society of Hospital Epidemiologists of America;第360-366页 * |
| 市政污水处理厂中生物气溶胶污染物的排放和微生物定量风险评价;刘曼丽等;给水排水;第567-575页 * |
| 新型冠状病毒在水环境中潜在传播途径与风险控制关键节点;郑祥;张巍;石磊;程荣;;环境保护(Z2);第89-91页 * |
| 污水处理设施中微生物气溶胶的产生、传播及风险评估;程荣;亓畅;石磊;张巍;郑祥;;给水排水(04);第60-70页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113555129A (zh) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kharrazi et al. | Evaluating the evolution of the Heihe River basin using the ecological network analysis: Efficiency, resilience, and implications for water resource management policy | |
| Wu et al. | Prediction and analysis of water resources demand in Taiyuan City based on principal component analysis and BP neural network | |
| CN111611524B (zh) | 一种燃气风险评估与安全监管资源匹配方法及装置 | |
| CN113555129B (zh) | 污水管网病毒感染风险预测方法及装置 | |
| Abdel-Aal et al. | Modelling the potential for multi-location in-sewer heat recovery at a city scale under different seasonal scenarios | |
| Guozhen et al. | Source identification of sudden contamination based on the parameter uncertainty analysis | |
| Li et al. | Study of optimal allocation of water resources in Dujiangyan irrigation district of China based on an improved genetic algorithm | |
| Chondronasios et al. | Optimizing DMAs' formation in a water pipe network: the water aging and the operating pressure factors | |
| Yazdi et al. | Assessment of different MOEAs for rehabilitation evaluation of Urban Stormwater Drainage Systems–Case study: Eastern catchment of Tehran | |
| Xu et al. | Scaling laws in intra-urban systems and over time at the district level in Shanghai, China | |
| CN115455621A (zh) | 一种基于仿生原理的供热系统拓扑结构优化方法 | |
| Guo et al. | Simulation of a leak's growth process in water distribution systems based on growth functions | |
| Ren et al. | A comprehensive evaluation of regional water safety systems based on a similarity cloud model | |
| CN113282577B (zh) | 污水管网的监测方法、装置、电子设备及存储介质 | |
| KR102509851B1 (ko) | 감염병 감시를 위한 하수측정망 최적화 및 하수역학 기반 감염규모 예측 방법 및 시스템 | |
| Huai et al. | Research on reliability assessment methods for large gas pipeline network | |
| CN116105804A (zh) | 一种智慧水务水质安全检测预警系统 | |
| Emadi et al. | Multivariate modeling of groundwater quality using hybrid evolutionary soft-computing methods in various climatic condition areas of Iran | |
| Nyirenda et al. | Appraisal of water quality indices for service reservoirs in water distribution networks | |
| Liu et al. | Joint improvement of river water quality indicators based on a multivariate joint probability distribution of the discharge and water quality | |
| Wang et al. | Water quality reliability based on an improved entropy in a water distribution system | |
| Kim et al. | Indicator development and evaluation of storm and flood resilience using big data analysis:(1) development of resilience indicators | |
| Ebrahimi et al. | Quantity–quality-based water allocation programming in a reservoir–river system | |
| Celeste et al. | Derivation of reservoir operating rules by implicit stochastic optimization | |
| Wang | Runoff pollution control of a sewage discharge project based on green concept–a sewage runoff pollution control system |
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 |