CN113657737A - 基于自动监测数据的水质评价方法及系统、设备、存储介质 - Google Patents
基于自动监测数据的水质评价方法及系统、设备、存储介质 Download PDFInfo
- Publication number
- CN113657737A CN113657737A CN202110891807.9A CN202110891807A CN113657737A CN 113657737 A CN113657737 A CN 113657737A CN 202110891807 A CN202110891807 A CN 202110891807A CN 113657737 A CN113657737 A CN 113657737A
- Authority
- CN
- China
- Prior art keywords
- water quality
- evaluation
- monitoring data
- data
- index
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 431
- 238000012544 monitoring process Methods 0.000 title claims abstract description 158
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001303 quality assessment method Methods 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 122
- 238000003908 quality control method Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 14
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 13
- 229910052698 phosphorus Inorganic materials 0.000 description 13
- 239000011574 phosphorus Substances 0.000 description 13
- 238000005070 sampling Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明公开了一种基于自动监测数据的水质评价方法及系统、设备、存储介质,所述水质评价方法首先基于监测断面的特性选择水质参评指标,可以更准确地对当前监测断面的水质情况进行数据表征。然后,进行数据过滤处理,剔除掉一些无效数据,保证了水质评价结果的准确度。然后,从过滤后的监测数据中筛选出参评周期内水质参评指标的监测数据,并基于水体的监测数据计算得到每个水质参评指标在每类水质的优良率,采用每个水质参评指标在每类水质的优良率来评价水体质量,相比于单因子评价法的一票否决方式,既考虑了每个监测数据,又规避了监测数值差值大对算术平均值影响大的问题,可以更加真实、全面、准确地表征出水体质量,具有广泛的推广价值。
Description
技术领域
本发明涉及水质监测技术领域,特别地,涉及一种基于自动监测数据 的水质评价方法及系统、设备、计算机可读取的存储介质。
背景技术
现行标准中,河流断面水质评价数据使用的是手工监测数据,每月仅 一组。近几年,随着水质自动监测站不断的发展,其产生的实时、连续的 监测数据更能反应真实水质状况,即建有水质自动监测站的断面水质情况 将利用自动监测数据进行评价,因此评价数据将大幅度增加,此时,现有 的水环境质量评价方法采用自动监测数据月均值的进行评价,即通过计算 单因子的浓度算术平均值确定水质类别,选取参评指标中类别最差的一项作为水体水质类别,该评价方法仅适用于水环境质量稳定、水质参数浓度 波动幅度较小的水质评价情况;而当水环境受雨季、旱季、突发水污染事 件等情况的影响,导致自动监测数据波动较大时,计算出的算术平均值就 不能真实反映某时间段内水体质量的真实情况,例如评价时间段内水体受 雨季的影响,其自动监测值长时间在I类水与V类水之间波动,基于计算 出来的算法平均值评价水质类别却为Ⅲ类水质。因此考虑一种更客观、准 确的反映水体的质量评价方法,支撑精准治污、科学治污。
发明内容
本发明提供了一种基于自动监测数据的水质评价方法及系统、设备、 计算机可读取的存储介质,以解决现有的采用单因子的浓度算术平均值评 价法未考虑雨季、旱季、突发水污染事件等情况而导致不能真实反映水体 的水质情况、评价方法适用性不强的技术问题。
根据本发明的一个方面,提供一种基于自动监测数据的水质评价方 法,包括以下内容:
根据监测断面的特性选择水质参评指标;
获取选择的水质参评指标的监测数据并过滤掉无效数据;
从过滤后的监测数据中筛选出参评周期内水质参评指标的监测数据;
基于筛选出的监测数据计算得到参评周期内每个水质参评指标在不 同水质类别的优良率;
基于每个水质参评指标在不同水质类别的优良率和预设的评价标准 对参评周期内的水体质量进行评价。
进一步地,所述基于筛选出的监测数据计算得到参评周期内每个水质 参评指标在不同水质类别的优良率的过程包括以下内容:
统计出参评周期内每个水质参评指标的参评数据总数;
将每个水质参评指标的监测数据分别与水质类别标准进行对比,得到 参评周期内每个水质参评指标的水质类别情况;
基于参评周期内每个水质参评指标的水质类别情况分别统计出每类 水质的评价总数,并计算得到每个水质参评指标在每类水质的优良率。
进一步地,具体基于以下公式计算得到每个水质参评指标在每类水质 的优良率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表 示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j 类水质参评指标的参评数据总数。
进一步地,所述评价标准具体为:
将水体质量分为优、良、轻度污染、中度污染和重度污染五个等级, 其中,等级为优的判断条件为第Ⅰ类水质的优良率大于等于第一阈值,等 级为良的判断条件为第Ⅰ类水质和第Ⅱ类水质的优良率之和大于等于第 二阈值,等级为轻度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质和第Ⅲ类 水质的优良率之和大于等于第三阈值,等级为中度污染的判断条件为第Ⅰ 类水质、第Ⅱ类水质、第Ⅲ类水质和第Ⅳ类水质的优良率之和大于等于第 四阈值,等级为重度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类 水质、第Ⅳ类水质和第Ⅴ类水质的优良率之和大于等于第五阈值。
进一步地,所述获取选择的水质参评指标的监测数据并过滤掉无效数 据的过程具体为:
获取选择的水质参评指标的监测数据;
获取相同时间段内水质自动监测站的质控数据;
对质控数据进行分析,若存在质控数据不合格时对相应时间段内的监 测数据进行无效标记;
从水质参评指标的监测数据中剔除掉带无效标记的数据。
另外,本发明还提供一种基于自动监测数据的水质评价系统,包括 参评指标设定模块,用于根据监测断面的特性选择水质参评指标;
数据采集模块,用于获取选择的水质参评指标的监测数据;
数据过滤模块,用于从获取的监测数据中过滤掉无效数据;
数据筛选模块,用于从过滤后的监测数据中筛选出参评周期内水质参 评指标的监测数据;
计算模块,用于基于筛选出的监测数据计算得到参评周期内每个水质 参评指标在不同水质类别的优良率;
水质评价模块,用于基于每个水质参评指标在不同水质类别的优良率 和预设的评价标准对参评周期内的水体质量进行评价。
进一步地,所述计算模块包括
统计单元,用于统计出参评周期内每个水质参评指标的参评数据总 数;
水质类别评估单元,用于将每个水质参评指标的监测数据分别与水质 类别标准进行对比,得到参评周期内每个水质参评指标的水质类别情况;
分析单元,用于基于参评周期内每个水质参评指标的水质类别情况分 别统计出每类水质的评价总数,并计算得到每个水质参评指标在每类水质 的优良率。
进一步地,所述分析单元基于以下公式计算得到每个水质参评指标在 每类水质的优良率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表 示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j 类水质参评指标的参评数据总数。
另外,本发明还提供一种设备,包括处理器和存储器,所述存储器中 存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机 程序,用于执行如上所述的方法的步骤。
另外,本发明还提供一种计算机可读取的存储介质,用于存储基于自 动监测数据进行水质评价的计算机程序,所述计算机程序在计算机上运行 时执行如上所述的方法的步骤。
本发明具有以下效果:
本发明的基于自动监测数据的水质评价方法,首先基于监测断面的特 性选择水质参评指标,不同监测断面的水质监测参数不同,通过基于不同 监测断面的特性选择不同的水质评价指标来进行水质评价,可以更准确地 对当前监测断面的水质情况进行数据表征。然后,在获取相应水质参评指 标的监测数据后对数据进行过滤处理,剔除掉一些无效数据,防止无效数 据影响水质评价结果,提高了水质评价结果的准确度。然后,从过滤后的监测数据中筛选出参评周期内水质参评指标的监测数据,并计算得到参评 周期内不同水质类别的优良率,最后,基于不同水质类别的优良率和预设 的评价标准对参评周期内的水体质量进行评价。本发明的基于自动监测数 据的水质评价方法,基于水体的监测数据计算得到每类水质的优良率,然 后采用每类水质的优良率来评价水体质量,相比于单因子评价法的一票否 决方式,既考虑了每个监测数据,又规避了监测数值差值大对算术平均值 影响大的问题,可以更加真实、全面、准确地表征出水体质量,具有广泛 的推广价值。
另外,本发明的基于自动监测数据的水质评价系统、设备、计算机可 读取的存储介质同样具有上述优点。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、 特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明 的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限 定。在附图中:
图1是本发明优选实施例的基于自动监测数据的水质评价方法的流程 示意图。
图2是图1中的步骤S2的子流程示意图。
图3是图1中的步骤S4的子流程示意图。
图4是本发明另一实施例的基于自动监测数据的水质评价系统的模块 结构示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由下 述所限定和覆盖的多种不同方式实施。
如图1所示,本发明的优选实施例提供一种基于自动监测数据的水质 评价方法,包括以下内容:
步骤S1:根据监测断面的特性选择水质参评指标;
步骤S2:获取选择的水质参评指标的监测数据并过滤掉无效数据;
步骤S3:从过滤后的监测数据中筛选出参评周期内水质参评指标的 监测数据;
步骤S4:基于筛选出的监测数据计算得到参评周期内每个水质参评 指标在不同水质类别的优良率;
步骤S5:基于每个水质参评指标在不同水质类别的优良率和预设的 评价标准对参评周期内的水体质量进行评价。
可以理解,本实施例的基于自动监测数据的水质评价方法,首先基于 监测断面的特性选择水质参评指标,不同监测断面的水质监测参数不同, 通过基于不同监测断面的特性选择不同的水质评价指标来进行水质评价, 可以更准确地对当前监测断面的水质情况进行数据表征。然后,在获取相 应水质参评指标的监测数据后对数据进行过滤处理,剔除掉一些无效数 据,防止无效数据影响水质评价结果,提高了水质评价结果的准确度。然后,从过滤后的监测数据中筛选出参评周期内每个水质参评指标的监测数 据,并计算得到参评周期内每个水质参评指标在不同水质类别的优良率, 最后,基于每个水质参评指标在不同水质类别的优良率和预设的评价标准 对参评周期内的水体质量进行评价。本发明的基于自动监测数据的水质评 价方法,基于水体的监测数据计算得到每个水质参评指标在每类水质的优 良率,然后采用每个水质参评指标在每类水质的优良率来评价水体质量,相比于单因子评价法的一票否决方式,既考虑了每个监测数据,又规避了 监测数值差值大对算术平均值影响大的问题,可以更加真实、全面、准确 地表征出水体质量,具有广泛的推广价值。
可以理解,在所述步骤S1中,可以根据监测断面的水质监测参数类 别选择相应的水质参评指标,例如,某一监测断面的水质监测参数为总磷 和氨氮,则将总磷和氨氮作为水质参评指标,可以更准确地表征该监测断 面的水质情况。
可以理解,如图2所示,所述步骤S2具体包括以下内容:
步骤S21:获取选择的水质参评指标的监测数据;
步骤S22:获取相同时间段内水质自动监测站的质控数据;
步骤S23:对质控数据进行分析,若存在质控数据不合格时对相应时 间段内的监测数据进行无效标记;
步骤S24:从水质参评指标的监测数据中剔除掉带无效标记的数据。
在水质监测过程中,可能会因为仪器故障、缺试剂、质控不合格等原 因导致监测数据不准确,因此,在本发明中通过对水质自动监测站的质控 数据进行分析,一旦出现质控数据有问题时则自动判断相同时间段内的自 动监测数据无效,对于无效的数据进行无效标记,然后从总的自动监测数 据中带有无效标记的数据剔除掉,保证了后续水质评价的准确度。
可以理解,在所述步骤S3中,从过滤处理后的自动监测数据中筛选 出参评周期内水质参评指标的监测数据,其中,参评周期可以根据实际需 要进行设定,可以是一天、一个星期、一个月,甚至是几个小时,例如, 水质自动监测站通常会每隔四个小时进行一次采样监测,则可以选取每隔 四个小时的监测数据,当然若水质自动监测站的采样频率更频繁,则在参 评周期内可以选择的监测数据的数量就更多。例如,获取的某水质自动监 测站的氨氮和总磷的监测数据如表1所示:
表1、某水质自动监测站的氨氮和总磷的监测数据
氨氮(mg/L) | 总磷(mg/L) | |
2021-07-14 20:00 | 0.766 | 0.056 |
2021-07-14 16:00 | 1.072 | 0.074 |
2021-07-14 12:00 | 1.264 | 0.09 |
2021-07-14 08:00 | 1.719 | 0.115 |
2021-07-14 04:00 | 1.909 | 0.128 |
2021-07-14 00:00 | 1.774 | 0.115 |
可以理解,如图3所示,所述步骤S4具体包括以下内容:
步骤S41:统计出参评周期内每个水质参评指标的参评数据总数;
步骤S42:将每个水质参评指标的监测数据分别与水质类别标准进行 对比,得到参评周期内每个水质参评指标的水质类别情况;
步骤S43:基于参评周期内每个水质参评指标的水质类别情况分别统 计出每类水质的评价总数,并计算得到每个水质参评指标在每类水质的优 良率。
例如,从表1中可以统计参评周期为20h内每个水质参评指标的参评 数据总数如表2所示:
表2、每个水质参评指标的参评数据总数统计
氨氮 | 总磷 | |
数量(个) | 6 | 6 |
然后将每个水质参评指标的监测数据分别与水质类别标准进行对比, 其中,氨氮和总磷的水质类别标准如表3所示:
表3、氨氮和总磷的水质类别标准
从而可以得到20h内每个水质参评指标的水质类别情况,如表4所示:
表4、每个水质参评指标的小时水质类别
氨氮(mg/L) | 总磷(mg/L) | |
2021-07-14 20:00 | III | II |
2021-07-14 16:00 | IV | II |
2021-07-14 12:00 | IV | II |
2021-07-14 08:00 | V | III |
2021-07-14 04:00 | V | III |
2021-07-14 00:00 | IV | III |
然后,基于以下公式计算得到每个水质参评指标在每类水质的优良 率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表 示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j 类水质参评指标的参评数据总数。
例如,根据表4的水质类别情况进行统计,可以统计得到每个水质参 评指标在不同水质类别的评价总数,如表5所示:
表5、每个水质参评指标在不同水质类别的评价总数
然后,基于上述公式计算得到每个水质参评指标在每类水质的优良 率,其中,氨氮和总磷在参评周期内的参评数据总数均为6,计算结果如 表6所示:
表6、每个水质参评指标在不同水质类别的优良率
可以理解,在所述步骤S5中,所述评价标准具体为:
将水体质量分为优、良、轻度污染、中度污染和重度污染五个等级, 其中,等级为优的判断条件为第Ⅰ类水质的优良率大于等于第一阈值,等 级为良的判断条件为第Ⅰ类水质和第Ⅱ类水质的优良率之和大于等于第 二阈值,等级为轻度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质和第Ⅲ类 水质的优良率之和大于等于第三阈值,等级为中度污染的判断条件为第Ⅰ 类水质、第Ⅱ类水质、第Ⅲ类水质和第Ⅳ类水质的优良率之和大于等于第 四阈值,等级为重度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类 水质、第Ⅳ类水质和第Ⅴ类水质的优良率之和大于等于第五阈值。具体内 容如表7所示:
表7、基于水质优良率的评价标准
优 | 良 | 轻度污染 | 中度污染 | 重度污染 | |
评价标准 | S<sub>RI</sub>≥90% | S<sub>RII</sub>≥85% | S<sub>RIII</sub>≥70% | S<sub>RIV</sub>≥60% | S<sub>RV</sub>≥50% |
其中,SRⅠ表示第Ⅰ类水质的优良率,SRⅡ表示第Ⅰ类水质和第Ⅱ类水 质的优良率之和,SRⅢ表示第Ⅰ类水质、第Ⅱ类水质和第Ⅲ类水质的优良 率之和,SRⅣ表示第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类水质和第Ⅳ类水质的 优良率之和,SRⅤ表示第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类水质、第Ⅳ类水 质和第Ⅴ类水质的优良率之和。其中,每个阈值的具体取值可以根据实际需要进行设定,在此不做具体限定。然后,将各个参评指标在不同水质类 别的优良率计算结果分别按照从优至劣的顺序逐一与预设评价标准中的 五个等级逐一进行比对,当达到某个评价等级的评价标准时,则判定该水 体质量处于该评价等级。例如,将表6中的水质优良率计算结果与表7中 的评价标准进行逐一比对,可以得出以下水质评价结果:
基于氨氮的评价等级为中度污染,基于总磷的评价等级为轻度污染, 氨氮对水体的污染更为严重。
可以理解,如图4所示,本发明的另一实施例还提供一种基于自动监 测数据的水质评价系统,优选采用上述的水质评价方法,所述水质评价系 统包括:
参评指标设定模块,用于根据监测断面的特性选择水质参评指标;
数据采集模块,用于获取选择的水质参评指标的监测数据;
数据过滤模块,用于从获取的监测数据中过滤掉无效数据;
数据筛选模块,用于从过滤后的监测数据中筛选出参评周期内水质参 评指标的监测数据;
计算模块,用于基于筛选出的监测数据计算得到参评周期内每个水质 参评指标在不同水质类别的优良率;
水质评价模块,用于基于每个水质参评指标在不同水质类别的优良率 和预设的评价标准对参评周期内的水体质量进行评价。
可以理解,本实施例的基于自动监测数据的水质评价系统,首先基于 监测断面的特性选择水质参评指标,不同监测断面的水质监测参数不同, 通过基于不同监测断面的特性选择不同的水质评价指标来进行水质评价, 可以更准确地对当前监测断面的水质情况进行数据表征。然后,在获取相 应水质参评指标的监测数据后对数据进行过滤处理,剔除掉一些无效数 据,防止无效数据影响水质评价结果,提高了水质评价结果的准确度。然后,从过滤后的监测数据中筛选出参评周期内每个水质参评指标的监测数 据,并计算得到参评周期内每个水质参评指标在不同水质类别的优良率, 最后,基于每个水质参评指标在不同水质类别的优良率和预设的评价标准 对参评周期内的水体质量进行评价。本发明的基于自动监测数据的水质评 价方法,基于水体的监测数据计算得到每个水质参评指标在每类水质的优 良率,然后采用每个水质参评指标在每类水质的优良率来评价水体质量,相比于单因子评价法的一票否决方式,既考虑了每个监测数据,又规避了 监测数值差值大对算术平均值影响大的问题,可以更加真实、全面、准确 地表征出水体质量,具有广泛的推广价值。
其中,所述参评指标设定模块可以根据监测断面的水质监测参数类别 选择相应的水质参评指标,例如,某一监测断面的水质监测参数为总磷和 氨氮,则将总磷和氨氮作为水质参评指标,可以更准确地表征该监测断面 的水质情况。
可以理解,所述数据过滤模块可以获取与监测数据在相同时间段内的 质控数据,并对质控数据进行分析,若存在质控数据不合格时对相应时间 段内的监测数据进行无效标记,然后从水质参评指标的监测数据中剔除掉 带无效标记的数据。在水质监测过程中,可能会因为仪器故障、缺试剂、 质控不合格等原因导致监测数据不准确,因此,所述数据过滤模块通过对 水质自动监测站的质控数据进行分析,一旦出现质控数据有问题时则自动判断相同时间段内的自动监测数据无效,对于无效的数据进行无效标记, 然后从总的自动监测数据中带有无效标记的数据剔除掉,保证了后续水质 评价的准确度。
可以理解,所述数据筛选模块可以从过滤处理后的自动监测数据中筛 选出参评周期内水质参评指标的监测数据,其中,参评周期可以根据实际 需要进行设定,可以是一天、一个星期、一个月,甚至是几个小时,例如, 水质自动监测站通常会每隔四个小时进行一次采样监测,则可以选取每隔 四个小时的监测数据,当然若水质自动监测站的采样频率更频繁,则在参 评周期内可以选择的监测数据的数量就更多。
具体地,所述计算模块包括:
统计单元,用于统计出参评周期内每个水质参评指标的参评数据总 数;
水质类别评估单元,用于将每个水质参评指标的监测数据分别与水质 类别标准进行对比,得到参评周期内每个水质参评指标的水质类别情况;
分析单元,用于基于参评周期内每个水质参评指标的水质类别情况分 别统计出每类水质的评价总数,并计算得到每个水质参评指标在每类水质 的优良率。
其中,所述分析单元基于以下公式计算得到每个水质参评指标在每类 水质的优良率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表 示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j 类水质参评指标的参评数据总数。
可以理解,所述评价标准具体为:
将水体质量分为优、良、轻度污染、中度污染和重度污染五个等级, 其中,等级为优的判断条件为第Ⅰ类水质的优良率大于等于第一阈值,等 级为良的判断条件为第Ⅰ类水质和第Ⅱ类水质的优良率之和大于等于第 二阈值,等级为轻度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质和第Ⅲ类 水质的优良率之和大于等于第三阈值,等级为中度污染的判断条件为第Ⅰ 类水质、第Ⅱ类水质、第Ⅲ类水质和第Ⅳ类水质的优良率之和大于等于第 四阈值,等级为重度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类 水质、第Ⅳ类水质和第Ⅴ类水质的优良率之和大于等于第五阈值。其中, 每个阈值的具体取值可以根据实际需要进行设定,在此不做具体限定。
所述水质评价模块将所述计算模块计算得到的各个参评指标在不同 水质类别的优良率计算结果分别按照从优至劣的顺序逐一与预设评价标 准中的五个等级逐一进行比对,当达到某个评价等级的评价标准时,则判 定该水体质量处于该评价等级。
可以理解,本实施例的基于自动监测数据的水质评价系统中的各个模 块和单元分别与上述方法实施例中的步骤相对应,故每个模块和单元的具 体工作过程和工作原理在此不再赘述,对应参考上述方法实施例即可。
另外,本发明还提供一种设备,包括处理器和存储器,所述存储器中 存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机 程序,用于执行如上所述的方法的步骤。
另外,本发明还提供一种计算机可读取的存储介质,用于存储基于自 动监测数据进行水质评价的计算机程序,所述计算机程序在计算机上运行 时执行如上所述的方法的步骤。
一般计算机可读取介质的形式包括:软盘(floppy disk)、可挠性盘片 (flexibledisk)、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其 余的光学介质、打孔卡片(punchcards)、纸带(paper tape)、任何其余的 带有洞的图案的物理介质、随机存取存储器(RAM)、可编程只读存储器 (PROM)、可抹除可编程只读存储器(EPROM)、快闪可抹除可编程只读 存储器(FLASH-EPROM)、其余任何存储器芯片或卡匣、或任何其余可 让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介 质这一术语可包含任何有形或无形的介质,其可用来存储、编码或承载用 来给机器执行的指令,并且包含数字或模拟通信信号或其与促进上述指令 的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤,其包含了用 来传输一计算机数据信号的总线的导线。
以上所述仅为本发明的优选实施例而已,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 (10)
1.一种基于自动监测数据的水质评价方法,其特征在于,包括以下内容:
根据监测断面的特性选择水质参评指标;
获取选择的水质参评指标的监测数据并过滤掉无效数据;
从过滤后的监测数据中筛选出参评周期内水质参评指标的监测数据;
基于筛选出的监测数据计算得到参评周期内每个水质参评指标在不同水质类别的优良率;
基于每个水质参评指标在不同水质类别的优良率和预设的评价标准对参评周期内的水体质量进行评价。
2.如权利要求1所述的基于自动监测数据的水质评价方法,其特征在于,所述基于筛选出的监测数据计算得到参评周期内每个水质参评指标在不同水质类别的优良率的过程包括以下内容:
统计出参评周期内每个水质参评指标的参评数据总数;
将每个水质参评指标的监测数据分别与水质类别标准进行对比,得到参评周期内每个水质参评指标的水质类别情况;
基于参评周期内每个水质参评指标的水质类别情况分别统计出每类水质的评价总数,并计算得到每个水质参评指标在每类水质的优良率。
3.如权利要求2所述的基于自动监测数据的水质评价方法,其特征在于,具体基于以下公式计算得到每个水质参评指标在每类水质的优良率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j类水质参评指标的参评数据总数。
4.如权利要求1所述的基于自动监测数据的水质评价方法,其特征在于,所述评价标准具体为:
将水体质量分为优、良、轻度污染、中度污染和重度污染五个等级,其中,等级为优的判断条件为第Ⅰ类水质的优良率大于等于第一阈值,等级为良的判断条件为第Ⅰ类水质和第Ⅱ类水质的优良率之和大于等于第二阈值,等级为轻度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质和第Ⅲ类水质的优良率之和大于等于第三阈值,等级为中度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类水质和第Ⅳ类水质的优良率之和大于等于第四阈值,等级为重度污染的判断条件为第Ⅰ类水质、第Ⅱ类水质、第Ⅲ类水质、第Ⅳ类水质和第Ⅴ类水质的优良率之和大于等于第五阈值。
5.如权利要求1所述的基于自动监测数据的水质评价方法,其特征在于,所述获取选择的水质参评指标的监测数据并过滤掉无效数据的过程具体为:
获取选择的水质参评指标的监测数据;
获取相同时间段内水质自动监测站的质控数据;
对质控数据进行分析,若存在质控数据不合格时对相应时间段内的监测数据进行无效标记;
从水质参评指标的监测数据中剔除掉带无效标记的数据。
6.一种基于自动监测数据的水质评价系统,其特征在于,包括
参评指标设定模块,用于根据监测断面的特性选择水质参评指标;
数据采集模块,用于获取选择的水质参评指标的监测数据;
数据过滤模块,用于从获取的监测数据中过滤掉无效数据;
数据筛选模块,用于从过滤后的监测数据中筛选出参评周期内水质参评指标的监测数据;
计算模块,用于基于筛选出的监测数据计算得到参评周期内每个水质参评指标在不同水质类别的优良率;
水质评价模块,用于基于每个水质参评指标在不同水质类别的优良率和预设的评价标准对参评周期内的水体质量进行评价。
7.如权利要求6所述的一种基于自动监测数据的水质评价系统,其特征在于,所述计算模块包括
统计单元,用于统计出参评周期内每个水质参评指标的参评数据总数;
水质类别评估单元,用于将每个水质参评指标的监测数据分别与水质类别标准进行对比,得到参评周期内每个水质参评指标的水质类别情况;
分析单元,用于基于参评周期内每个水质参评指标的水质类别情况分别统计出每类水质的评价总数,并计算得到每个水质参评指标在每类水质的优良率。
8.如权利要求7所述的一种基于自动监测数据的水质评价系统,其特征在于,所述分析单元基于以下公式计算得到每个水质参评指标在每类水质的优良率:
Rj(i)=Cj(i)/CjA
其中,Rj(i)表示第j类水质参评指标在第i类水质的优良率,Cj(i)表示第j类水质参评指标在第i类水质的评价总数,CjA表示参评周期内第j类水质参评指标的参评数据总数。
9.一种设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行如权利要求1~5任一项所述的方法的步骤。
10.一种计算机可读取的存储介质,用于存储基于自动监测数据进行水质评价的计算机程序,其特征在于,所述计算机程序在计算机上运行时执行如权利要求1~5任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891807.9A CN113657737A (zh) | 2021-08-04 | 2021-08-04 | 基于自动监测数据的水质评价方法及系统、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110891807.9A CN113657737A (zh) | 2021-08-04 | 2021-08-04 | 基于自动监测数据的水质评价方法及系统、设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657737A true CN113657737A (zh) | 2021-11-16 |
Family
ID=78490363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110891807.9A Pending CN113657737A (zh) | 2021-08-04 | 2021-08-04 | 基于自动监测数据的水质评价方法及系统、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657737A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527249A (zh) * | 2022-01-17 | 2022-05-24 | 南方海洋科学与工程广东省实验室(广州) | 一种水质监测数据质量控制方法及系统 |
CN114838752A (zh) * | 2022-03-14 | 2022-08-02 | 宁夏回族自治区水利科学研究院 | 一种河道多参数水质监测系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282973A (ja) * | 2000-03-31 | 2001-10-12 | Ricoh Co Ltd | 品質管理支援システムと方法及び記録媒体 |
KR20060014215A (ko) * | 2004-08-10 | 2006-02-15 | 재성 안 | 환경 경영 정보 시스템 |
KR100921618B1 (ko) * | 2009-04-28 | 2009-10-15 | 기술신용보증기금 | 기술창업기업에 대한 기술평가방법 |
KR20150074784A (ko) * | 2013-12-24 | 2015-07-02 | 주식회사 하이엔텍 | 제어 시스템과 연계된 데이터 베이스를 활용한 실시간 6시그마 기반 하폐수 수질 관리 시스템 |
CN107045053A (zh) * | 2017-06-19 | 2017-08-15 | 河海大学 | 一种基于可控标准的地表水质综合评价体系 |
CN108320261A (zh) * | 2018-01-18 | 2018-07-24 | 北控水务(中国)投资有限公司 | 一种城市河道断面动态水质目标确定方法 |
CN111445104A (zh) * | 2020-02-27 | 2020-07-24 | 上海交通大学 | 一种基于多水质评价指数的饮用水水质评价方法 |
CN111652528A (zh) * | 2020-06-30 | 2020-09-11 | 华南理工大学 | 一种水缸型水库总磷水质级别评价方法及系统 |
CN111680890A (zh) * | 2020-05-21 | 2020-09-18 | 河南省政院检测研究院有限公司 | 一种适用于河长制的地表水环境质量评价方法 |
CN112199436A (zh) * | 2020-10-15 | 2021-01-08 | 亳州学院 | 一种可视化教学质量监控方法 |
CN112633677A (zh) * | 2020-12-19 | 2021-04-09 | 大秦铁路股份有限公司 | 一种基于铁路供电专业对线路质量的评估方法 |
-
2021
- 2021-08-04 CN CN202110891807.9A patent/CN113657737A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001282973A (ja) * | 2000-03-31 | 2001-10-12 | Ricoh Co Ltd | 品質管理支援システムと方法及び記録媒体 |
KR20060014215A (ko) * | 2004-08-10 | 2006-02-15 | 재성 안 | 환경 경영 정보 시스템 |
KR100921618B1 (ko) * | 2009-04-28 | 2009-10-15 | 기술신용보증기금 | 기술창업기업에 대한 기술평가방법 |
KR20150074784A (ko) * | 2013-12-24 | 2015-07-02 | 주식회사 하이엔텍 | 제어 시스템과 연계된 데이터 베이스를 활용한 실시간 6시그마 기반 하폐수 수질 관리 시스템 |
CN107045053A (zh) * | 2017-06-19 | 2017-08-15 | 河海大学 | 一种基于可控标准的地表水质综合评价体系 |
CN108320261A (zh) * | 2018-01-18 | 2018-07-24 | 北控水务(中国)投资有限公司 | 一种城市河道断面动态水质目标确定方法 |
CN111445104A (zh) * | 2020-02-27 | 2020-07-24 | 上海交通大学 | 一种基于多水质评价指数的饮用水水质评价方法 |
CN111680890A (zh) * | 2020-05-21 | 2020-09-18 | 河南省政院检测研究院有限公司 | 一种适用于河长制的地表水环境质量评价方法 |
CN111652528A (zh) * | 2020-06-30 | 2020-09-11 | 华南理工大学 | 一种水缸型水库总磷水质级别评价方法及系统 |
CN112199436A (zh) * | 2020-10-15 | 2021-01-08 | 亳州学院 | 一种可视化教学质量监控方法 |
CN112633677A (zh) * | 2020-12-19 | 2021-04-09 | 大秦铁路股份有限公司 | 一种基于铁路供电专业对线路质量的评估方法 |
Non-Patent Citations (1)
Title |
---|
张吉军等: "国土资源部地质工科人才培养基地建设的探索与实践", 中国地质大学出版社, pages: 128 - 131 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527249A (zh) * | 2022-01-17 | 2022-05-24 | 南方海洋科学与工程广东省实验室(广州) | 一种水质监测数据质量控制方法及系统 |
CN114527249B (zh) * | 2022-01-17 | 2024-03-19 | 南方海洋科学与工程广东省实验室(广州) | 一种水质监测数据质量控制方法及系统 |
CN114838752A (zh) * | 2022-03-14 | 2022-08-02 | 宁夏回族自治区水利科学研究院 | 一种河道多参数水质监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657737A (zh) | 基于自动监测数据的水质评价方法及系统、设备、存储介质 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN109034036A (zh) | 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质 | |
CN111539663B (zh) | 一种综合执法管控系统及方法 | |
CN107292501A (zh) | 一种评估废水监测数据质量的方法及设备 | |
CN116362571B (zh) | 一种基于深度学习的多源污染时空特征分析方法及系统 | |
CN113610381A (zh) | 一种基于5g网络的水质远程实时监测系统 | |
CN115841398A (zh) | 一种基于物联网的供水管网漏损分析方法及系统 | |
CN110164136A (zh) | 套牌车辆识别方法 | |
CN107480824B (zh) | 城市轨道交通站点短时客流预测系统及方法 | |
CN110532122B (zh) | 故障分析方法及系统、电子设备、存储介质 | |
CN115659128B (zh) | 一种基于集合经验模态分解法和功率谱的信号降噪方法 | |
CN116738261A (zh) | 基于聚类分箱的数值型特征离散化归因分析方法及装置 | |
CN113487092B (zh) | 一种MiniLED高动态印制电路板的生产管理系统 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
WO2019081593A1 (de) | Bestimmen von un/günstigen zeiträumen zur applikation von pflanzenschutzmitteln | |
Murray et al. | Using fractal analysis of crown images to measure the structural condition of trees | |
CN114757234A (zh) | 一种高效的大数据智能调控系统 | |
CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
CN112949951A (zh) | 数据预测方法、装置、电子设备及存储介质 | |
CN115481904B (zh) | 一种基于智能人工湿地的废水处理效率管理系统 | |
CN115392812B (zh) | 一种异常根因定位方法、装置、设备及介质 | |
CN112149546B (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN115994692B (zh) | 基于5g和大数据的智慧河湖管理平台 | |
CN115907837B (zh) | 基于机器学习的期货数据分析、风险预测方法及系统 |
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 |