CN114299231A - 一种河道水污染3d模型的构建方法 - Google Patents
一种河道水污染3d模型的构建方法 Download PDFInfo
- Publication number
- CN114299231A CN114299231A CN202111588835.XA CN202111588835A CN114299231A CN 114299231 A CN114299231 A CN 114299231A CN 202111588835 A CN202111588835 A CN 202111588835A CN 114299231 A CN114299231 A CN 114299231A
- Authority
- CN
- China
- Prior art keywords
- model
- pollution
- acquiring
- conflict
- information
- 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.)
- Withdrawn
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种河道水污染3D模型的构建方法,其中,方法包括:步骤S1:获取污染河道的污染分布图;步骤S2:基于污染分布图,确定污染河道中需要进行污染采样的多个采样点;步骤S3:获取采样点的采样信息,同时,获取污染河道的地理信息和水文信息;步骤S4:基于采样信息、地理信息和水文信息,构建污染河道的水污染3D模型。本发明的河道水污染3D模型的构建方法,基于采样信息、地理信息和水文信息,构建水污染3D模型,自行整合水污染数据,分析污染情况,通过3D模型向用户展示,提升了便利性,也更加直观。
Description
技术领域
本发明涉及模型构建技术领域,特别涉及一种河道水污染3D模型的构建方法。
背景技术
目前,用户想要了解到河道的污染情况,需要查询相关水污染监测数据库,调取监测数据,分析污染情况,步骤比较繁琐,同时,用户也不能直观了解到河道的污染情况;
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种河道水污染3D模型的构建方法,基于采样信息、地理信息和水文信息,构建水污染3D模型,自行整合水污染数据,分析污染情况,通过3D模型向用户展示,提升了便利性,也更加直观。
本发明实施例提供的一种河道水污染3D模型的构建方法,包括:
步骤S1:获取污染河道的污染分布图;
步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点;
步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息;
步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型。
优选的,获取污染河道的污染分布图,包括:
控制无人机在污染河道上方飞行,拍摄所述污染河道的污染分布图。
优选的,所述步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点,包括:
基于图像识别技术,识别所述污染分布图中的初始污染区域;
将所述初始污染区域辐射扩大预设的辐射扩大幅度,获得目标污染区域;
在所述目标污染区域内随机选取多个采样点,完成确定。
优选的,所述步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息,包括:
获取预设的污染元素分析库,从所述污染元素分析库中确定所述采样点对应的采样信息;
获取预设的地理信息数据库,从所述地理信息数据库中确定所述污染河道对应的地理信息;
获取预设的水文信息数据库,从所述水文信息数据库中确定所述污染河道对应的水文信息。
优选的,所述采样信息包括:不同深度对应的重金属元素浓度。
优选的,所述地理信息包括:地理位置信息和地形信息。
优选的,所述水文信息包括:河道工情信息、水体流速信息和水体流量信息。
优选的,所述步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型,包括:
基于所述地理信息和所述水文信息,构建河道3D模型;
基于克里斯插值法对所述采样信息进行处理,获得对应所述采样点的污染横向与纵向分布;
确定所述河道3D模型中对应于所述采样点的目标位置;
在所述目标位置绘制对应所述污染横向与纵向分布;
全部绘制完成后,将所述河道3D模型作为第一水污染3D模型。
优选的,河道水污染3D模型的构建方法,还包括:
构建冲突事件库,基于所述冲突事件库,确定所述第一水污染3D模型内是否发生第一冲突事件,若是,进行相应应对;
其中,构建冲突事件库,包括:
获取历史上其他第二水污染3D模型内的发生的多个第二冲突事件;
依次遍历所述第二冲突事件,每次遍历时,确定所述第二水污染3D模型内发生遍历到的所述第二冲突事件的第一点位;
获取预设的场景要素识别模型,基于所述场景要素识别模型,识别所述第二水污染3D模型内所述第一点位周边预设的范围内的至少一个第一场景要素;
在所述第一水污染3D模型内随机选取第二点位;
基于的场景要素识别模型,识别所述第一水污染3D模型内所述第二点位周边所述范围内的至少一个第二场景要素;
将所述第一场景要素和所述第二场景要素进行要素匹配,若匹配符合,将匹配符合的所述第一场景要素作为第三场景要素;
从遍历到的所述第二冲突事件中提取所述第三场景要素对应的要素权重,并与对应所述第二点位进行关联;
累加计算所述第二点位关联的所述要素权重,获得权重和;
若所述权重和大于等于预设的权重和阈值,将遍历到的所述第二冲突事件作为第三冲突事件;
否则,将对应所述第二点位作为第三点位;
从所述第一水污染3D模型内提取所述第三点位周边对应于所述范围的局部3D模型;
获取预设的模拟空间,将所述局部3D模型映射于所述模拟空间内;
获取预设的事件模拟模型,基于所述事件模拟模型,在所述模拟空间内模拟发生遍历到的所述第二冲突事件;
获取预设的冲突识别模型,基于所述冲突识别模型,识别模拟发生遍历到的所述第二冲突事件过程中出现的冲突类型;
获取所述冲突类型对应的冲突值,并与对应所述第三点位进行关联;
累加所述第三点位关联的所述冲突值,获得冲突值和;
若所述冲突值和小于等于预设的冲突值和阈值和/或成功完整模拟发生遍历到的所述第二冲突事件,将遍历到的所述第二冲突事件作为第三冲突事件;
获取预设的空白数据库,将所述第三冲突事件输入至所述空白数据库;
当需要输入至所述空白数据库的所述第三冲突事件均输入后,将所述空白数据库作为冲突事件库。
优选的,河道水污染3D模型的构建方法,还包括:
每隔预设的时间间隔,对所述污染元素分析库进行扩充;
其中,对所述污染元素分析库进行扩充,包括:
获取预设的进行扩充对接的多个第一对接节点,同时,获取所述第一对接节点的对接类型,所述对接类型包括:主动对接和被动对接;
当所述第一对接节点的对接类型为主动对接时,获取对应所述第一对接节点的收集策略;
对所述收集策略进行策略拆分,获得多个第一子策略;
对所述第一子策略进行内容特征分析,获得多个第一内容特征;
获取预设的内容触发特征库,将所述第一内容特征与所述内容触发特征库中的第一内容触发特征进行特征匹配,若匹配符合,将匹配符合的所述第一内容触发特征作为第二内容触发特征,将匹配符合的所述第一内容特征作为第二内容特征,同时,将对应所述第一子策略作为第二子策略,并与所述第二内容触发特征进行关联;
获取所述第二内容触发特征对应的至少一个第一关联触发特征;
将所述第一关联触发特征与所述第一内容特征中除所述第二内容特征之外的第三内容特征进行匹配,若匹配符合,将匹配符合的所述第一关联触发特征作为第二关联触发特征,同时,将对应所述第一子策略作为第三子策略,并与所述第二关联触发特征进行关联;
依次遍历所述第二关联触发特征,每次遍历时,将遍历到的所述第二关联触发特征与所述第二内容触发特征进行组合,获得模拟目标;
获取所述模拟目标中的所述第二关联触发特征关联的所述第二子策略,并作为第四子策略,同时,获取所述模拟目标中的所述第二关联触发特征关联的第三子策略,并作为第五子策略;
将所述第四子策略和所述第五子策略进行去重处理,获得至少一个第六子策略;
获取所述模拟目标对应的模拟方式、至少一个第一触发方式和所述第一触发方式对应的触发风险识别模型;
获取预设的模拟环境,基于所述模拟方式,在所述模拟环境内模拟执行所述五子策略;
在模拟执行所述五子策略的过程中,依次遍历所述第一触发方式,将遍历到的所述第一触发方式作为第二触发方式;
基于所述触发方式,在所述模拟环境中进行模拟触发,同时,基于对应所述触发风险识别模型,尝试识别模拟触发中产生的至少一个触发风险;
若识别成功,汇总模拟触发中产生的触发风险,获得触发风险集;
获取预设的风险评估模型,将所述触发风险集输入至所述风险评估模型,获得风险评估值,并与对应所述第一对接节点进行关联;
累加计算所述第一对接节点关联的所述风险评估值,获得累加和;
若所述累加和大于等于预设的风险阈值,剔除对应所述第一对接节点;
当所述第一对接节点的对接类型为被动对接时,获取所述第一对接节点对应的至少一个第一担保方;
获取所述第一担保方对所述第一对接节点进行担保的担保值和担保占比;
若所述担保值小于等于预设的担保阈值和/或所述担保占比小于等于预设的担保占比阈值,剔除对应所述第一担保方;
当需要剔除的所述第一担保方均剔除后,将剔除剩余的所述第一担保方作为第二担保方;
统计所述第二担保方的数目,若所述数目为0,剔除对应所述第一对接节点;
当所述第一对接节点中需要剔除的所述第一对接节点均剔除后,将剔除剩余的所述第一对接节点作为第二对接节点;
通过所述第二对接节点获取扩充内容;
将所述扩充内容输入至所述污染元素分析库;
当需要输入至所述污染元素分析库中的所述扩充内容均输入后,完成扩充。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种河道水污染3D模型的构建方法的示意图;
图2为本发明实施例中第一水污染3D模型的构建步骤流程图;
图3为本发明实施例中横向和纵向污染分布的示意图;
图4为本发明实施例中第一水污染3D模型的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种河道水污染3D模型的构建方法,如图1所示,包括:
步骤S1:获取污染河道的污染分布图;
步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点;
步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息;
步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型。
上述技术方案的工作原理及有益效果为:
获取污染河道的污染分布图(河道图像),基于污染分布图,确定需要进行污染采样的多个采样点(进行水污染数据采样的点位);获取采样点的采样信息(水污染数据),同时,获取污染河道的地理信息(地形等)和水文信息(水的流速、流向等);基于采样信息、地理信息和水文信息,构建第一水污染3D模型(可基于B I M技术实现);
本发明实施例基于采样信息、地理信息和水文信息,构建水污染3D模型,自行整合水污染数据,分析污染情况,通过3D模型向用户展示,提升了便利性,也更加直观。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述步骤S1:获取污染河道的污染分布图,包括:
控制无人机在污染河道上方飞行,拍摄所述污染河道的污染分布图。
上述技术方案的工作原理及有益效果为:
获取污染河道的污染分布图时,可由无人机进行拍摄。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点,包括:
基于图像识别技术,识别所述污染分布图中的初始污染区域;
将所述初始污染区域辐射扩大预设的辐射扩大幅度,获得目标污染区域;
在所述目标污染区域内随机选取多个采样点,完成确定。
上述技术方案的工作原理及有益效果为:
在确定采样点时,基于图像识别技术,识别污染分布图中受到污染的初始污染区域;由于污染会扩散,选取采样点和无人机拍摄污染分布图的两个步骤之间存在时间差,因此,将初始污染区域由内向外辐射扩大预设的辐射扩大幅度(可由用户设定),获得目标污染区域;在目标污染区域内随机选取采样点即可。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息,包括:
获取预设的污染元素分析库,从所述污染元素分析库中确定所述采样点对应的采样信息;
获取预设的地理信息数据库,从所述地理信息数据库中确定所述污染河道对应的地理信息;
获取预设的水文信息数据库,从所述水文信息数据库中确定所述污染河道对应的水文信息。
上述技术方案的工作原理及有益效果为:
预设的污染元素分析库为将对污染河道内不同位置点进行水质金属元素检测的数据进行汇总的数据库;预设的地理信息数据库存储有不同污染河道的地理信息;预设的水文信息数据库存储有不同污染河道的水文信息;在获取采样信息、地理信息和水文信息时,从对应数据库确定即可。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述采样信息包括:不同深度对应的重金属元素浓度。
上述技术方案的工作原理及有益效果为:
采样信息包含不同河流位置不同深度的重金属元素(例如:铜、铅、锌、镉、汞和钴等)浓度。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述地理信息包括:地理位置信息和地形信息。
上述技术方案的工作原理及有益效果为:
地理信息包含地理位置信息和地形信息。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述水文信息包括:河道工情信息、水体流速信息和水体流量信息。
上述技术方案的工作原理及有益效果为:
水文信息包含河道工情信息(例如:河道内进行污染整治的进度信息)、水体流速信息和水体流量信息。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型,包括:
基于所述地理信息和所述水文信息,构建河道3D模型;
基于克里斯插值法对所述采样信息进行处理,获得对应所述采样点的污染横向与纵向分布;
确定所述河道3D模型中对应于所述采样点的目标位置;
在所述目标位置绘制对应所述污染横向与纵向分布;
全部绘制完成后,将所述河道3D模型作为第一水污染3D模型。
上述技术方案的工作原理及有益效果为:
基于地理信息和水文信息,构建河道3D模型;如图2和图3所示,基于克里斯插值法对采样信息进行处理,获得对应采样点的污染横向与纵向分布;确定河道3D模型中对应于采样点的目标位置;在目标位置绘制对应污染横向与纵向分布;全部绘制完成后,将河道3D模型作为第一水污染3D模型,如图4所示。
本发明实施例提供了一种河道水污染3D模型的构建方法,还包括:
构建冲突事件库,基于所述冲突事件库,确定所述第一水污染3D模型内是否发生第一冲突事件,若是,进行相应应对;
其中,构建冲突事件库,包括:
获取历史上其他第二水污染3D模型内的发生的多个第二冲突事件;
依次遍历所述第二冲突事件,每次遍历时,确定所述第二水污染3D模型内发生遍历到的所述第二冲突事件的第一点位;
获取预设的场景要素识别模型,基于所述场景要素识别模型,识别所述第二水污染3D模型内所述第一点位周边预设的范围内的至少一个第一场景要素;
在所述第一水污染3D模型内随机选取第二点位;
基于的场景要素识别模型,识别所述第一水污染3D模型内所述第二点位周边所述范围内的至少一个第二场景要素;
将所述第一场景要素和所述第二场景要素进行要素匹配,若匹配符合,将匹配符合的所述第一场景要素作为第三场景要素;
从遍历到的所述第二冲突事件中提取所述第三场景要素对应的要素权重,并与对应所述第二点位进行关联;
累加计算所述第二点位关联的所述要素权重,获得权重和;
若所述权重和大于等于预设的权重和阈值,将遍历到的所述第二冲突事件作为第三冲突事件;
否则,将对应所述第二点位作为第三点位;
从所述第一水污染3D模型内提取所述第三点位周边对应于所述范围的局部3D模型;
获取预设的模拟空间,将所述局部3D模型映射于所述模拟空间内;
获取预设的事件模拟模型,基于所述事件模拟模型,在所述模拟空间内模拟发生遍历到的所述第二冲突事件;
获取预设的冲突识别模型,基于所述冲突识别模型,识别模拟发生遍历到的所述第二冲突事件过程中出现的冲突类型;
获取所述冲突类型对应的冲突值,并与对应所述第三点位进行关联;
累加所述第三点位关联的所述冲突值,获得冲突值和;
若所述冲突值和小于等于预设的冲突值和阈值和/或成功完整模拟发生遍历到的所述第二冲突事件,将遍历到的所述第二冲突事件作为第三冲突事件;
获取预设的空白数据库,将所述第三冲突事件输入至所述空白数据库;
当需要输入至所述空白数据库的所述第三冲突事件均输入后,将所述空白数据库作为冲突事件库。
上述技术方案的工作原理及有益效果为:
第一水污染3D模型构建完成后,由于采样数据、地理数据和水文数据的来源的误差性(例如:水污染检测人员上报数据失误、仪器误差、地形变化等等),第一水污染3D模型内可能会发生第一冲突事件(例如:某区域地形高低分明,且流向是由高处流向低处,污染扩散方向理应顺着流向,但是,污染扩散方向与流向相反;又例如:某区域正在进行水污染治理,但是第一水污染3D模型内对应于该区域的污染程度仍很高,没有更新);一般地,当发生第一冲突事件时,均是人工分配修正任务进行修正(例如:重新获取地形、流向、污染扩散方向,对第一水污染3D模型进行修正;又例如:获取对应水污染治理小组最新的水污染数据,对第一水污染3D模型进行修正),人力成本较大,且若更新不及时,严重影响污染治理人员基于第一水污染3D模型展示的污染情况进行规划治理策略的准确性;因此,为了降低人力成本,避免更新不及时影响污染治理人员基于第一水污染3D模型展示的污染情况进行规划治理策略的准确性,本申请构建冲突事件库,基于冲突事件库,确定第一水污染3D模型内是否发生第一冲突事件(从冲突事件库中选取冲突事件,检查第一水污染3D模型内是否存在),若是,进行相应应对;在构建冲突事件库时,可以借鉴历史上其他第二水污染3D模型内的发生的多个第二冲突事件,但是,得验证第二冲突事件在第一水污染3D模型内发生的可能性,若可能性较小,则没有必要纳入冲突事件库;因此,遍历第二冲突事件,确定对应第一点位,基于预设的场景要素识别模型(利用机器学习算法对大量人工识别场景要素的记录进行学习后生成的模型),识别第一点位周边预设的范围(例如:5米内)的第一场景要素(场景要素为发生冲突事件的条件要素,例如:水流向、流速、地形等),同样,识别第一水污染3D模型内随机选取的第二点位对应第二场景要素;将第一场景要素和第二场景要素进行匹配,若匹配符合,说明第一水污染3D模型内存在发生可能,从对应第二冲突事件中提取匹配符合的第三场景要素对应的要素权重(要素权重越大,说明该场景要素导致发生冲突事件的程度越大),累加要素权重获得权重和,若权重和大于等于预设的权重和阈值(常数),说明冲突事件可能发生,作为第三冲突事件;否则,为了减小冲突事件筛选的遗漏率,提升冲突事件库构建的全面性,提升发现第一冲突事件的适用性,提取第三点位对应局部3D模型,在预设的模拟空间内模拟发生对应第二冲突事件;基于预设的冲突识别模型(利用机器学习算法对大量人工进行模拟冲突识别的记录进行学习后生成的模型),识别模拟过程中的冲突类型(例如:事件中发生在左右高度差为1.2米的地形,但是局部3D模型地形左右高度差为0.5米);获取冲突类型对应的冲突值,冲突值越大,模拟冲突程度越大;累加计算冲突值获得冲突值和;若冲突值和小于等于预设的冲突值和阈值(常数)和/或模拟成功,说明可能发生对应冲突事件,作为第三冲突事件;将第三冲突事件输入预设的空白数据库即可。
本发明实施例提供了一种河道水污染3D模型的构建方法,还包括:
每隔预设的时间间隔,对所述污染元素分析库进行扩充;
其中,对所述污染元素分析库进行扩充,包括:
获取预设的进行扩充对接的多个第一对接节点,同时,获取所述第一对接节点的对接类型,所述对接类型包括:主动对接和被动对接;
当所述第一对接节点的对接类型为主动对接时,获取对应所述第一对接节点的收集策略;
对所述收集策略进行策略拆分,获得多个第一子策略;
对所述第一子策略进行内容特征分析,获得多个第一内容特征;
获取预设的内容触发特征库,将所述第一内容特征与所述内容触发特征库中的第一内容触发特征进行特征匹配,若匹配符合,将匹配符合的所述第一内容触发特征作为第二内容触发特征,将匹配符合的所述第一内容特征作为第二内容特征,同时,将对应所述第一子策略作为第二子策略,并与所述第二内容触发特征进行关联;
获取所述第二内容触发特征对应的至少一个第一关联触发特征;
将所述第一关联触发特征与所述第一内容特征中除所述第二内容特征之外的第三内容特征进行匹配,若匹配符合,将匹配符合的所述第一关联触发特征作为第二关联触发特征,同时,将对应所述第一子策略作为第三子策略,并与所述第二关联触发特征进行关联;
依次遍历所述第二关联触发特征,每次遍历时,将遍历到的所述第二关联触发特征与所述第二内容触发特征进行组合,获得模拟目标;
获取所述模拟目标中的所述第二关联触发特征关联的所述第二子策略,并作为第四子策略,同时,获取所述模拟目标中的所述第二关联触发特征关联的第三子策略,并作为第五子策略;
将所述第四子策略和所述第五子策略进行去重处理,获得至少一个第六子策略;
获取所述模拟目标对应的模拟方式、至少一个第一触发方式和所述第一触发方式对应的触发风险识别模型;
获取预设的模拟环境,基于所述模拟方式,在所述模拟环境内模拟执行所述五子策略;
在模拟执行所述五子策略的过程中,依次遍历所述第一触发方式,将遍历到的所述第一触发方式作为第二触发方式;
基于所述触发方式,在所述模拟环境中进行模拟触发,同时,基于对应所述触发风险识别模型,尝试识别模拟触发中产生的至少一个触发风险;
若识别成功,汇总模拟触发中产生的触发风险,获得触发风险集;
获取预设的风险评估模型,将所述触发风险集输入至所述风险评估模型,获得风险评估值,并与对应所述第一对接节点进行关联;
累加计算所述第一对接节点关联的所述风险评估值,获得累加和;
若所述累加和大于等于预设的风险阈值,剔除对应所述第一对接节点;
当所述第一对接节点的对接类型为被动对接时,获取所述第一对接节点对应的至少一个第一担保方;
获取所述第一担保方对所述第一对接节点进行担保的担保值和担保占比;
若所述担保值小于等于预设的担保阈值和/或所述担保占比小于等于预设的担保占比阈值,剔除对应所述第一担保方;
当需要剔除的所述第一担保方均剔除后,将剔除剩余的所述第一担保方作为第二担保方;
统计所述第二担保方的数目,若所述数目为0,剔除对应所述第一对接节点;
当所述第一对接节点中需要剔除的所述第一对接节点均剔除后,将剔除剩余的所述第一对接节点作为第二对接节点;
通过所述第二对接节点获取扩充内容;
将所述扩充内容输入至所述污染元素分析库;
当需要输入至所述污染元素分析库中的所述扩充内容均输入后,完成扩充。
上述技术方案的工作原理及有益效果为:
污染元素分析库一般只包含水污染检测人员进行水污染检测收集的数据;但是,水污染检测人员不可能实时检测水污染情况,另外,污染河道多邻近工业区,一些污染突发事件(例如:工厂恶意排放),不能够即可捕捉到,对第一水污染3D模型进行更新,因此,在数据共享(大数据)的趋势下,为了突破污染元素分析库一般只包含水污染检测人员进行水污染检测收集的数据的局限,捕捉到污染突发事件,对第一水污染3D模型及时进行更新;对获取预设的进行扩充对接的多个第一对接节点(对应于一个大数据收集机构);第一对接节点的对接类型分为主动对接(大数据收集机构主动为我方提供数据)和被动对接(我方主动与大数据收集机构对接);若对接类型为主动对接,需要验证第一对接节点的数据收集方式是否可靠,获取第一对接节点的收集策略(例如:从工厂污染事件公告网站爬取);将收集策略拆分成多个第一子策略;提取出第一子策略的第一内容特征,将第一内容特征与预设的内容触发特征库(包含大量风险策略特征的数据库,风险策略特征具体为,例如:爬取可信度较低的网页中的数据)中的第一内容触发特征进行匹配,若匹配符合,说明存在风险;获取匹配符合的第二内容触发特征对应的第一关联触发特征(与风险策略特征关联,例如:接收可信度较低的网页回传的数据),若匹配符合,将匹配符合的第二关联触发特征与第二内容触发特征进行组合,获得模拟目标;获取模拟目标对应的第四子策略和第五子策略,由于第四子策略和第五子策略可能来自于同一个第一子策略,因此,进行去重处理;获取模拟目标对应的模拟方式(获取可信度较低的网页的配置信息,在模拟环境内配置对应网页,模拟从该网页爬取数据)、触发方式(例如:设置流转的隐私信息,在模拟环境内流转,检测该网页是否有窃取该隐私信息的动机)和对应触发风险识别模型(利用机器学习算法对大量人工进行触发风险识别的记录进行学习后生成的模型,例如:识别是否有窃取隐私信息动机的行为产生),基于模拟方式,在模拟环境内开始进行模拟,模拟过程中,遍历第一触发方式,作为第二触发方式,基于第二触发方式,进行触发,基于对应触发风险识别模型,识别触发风险,并汇总成触发风险集,输入至预设的风险评估模型(利用机器学习算法对大量人工进行风险评估的记录进行学习后生成的模型),获得风险评估值,累加风险评估值,获得累加和;若累加和大于等于预设的风险阈值,说明风险较大,对应第一对接节点不可取,应予剔除;当对接类型为被动对接时,需要有担保方(例如:担保机构)进行担保,获取担保方对第一对接节点进行担保的担保值(担保值越大,担保力度越大)和担保占比(例如:担保方的担保能力有限,进行担保的对象越多,对第一对接节点担保的担保占比越小),若担保值小于等于预设的担保阈值和/或担保占比小于等于预设的担保占比阈值,说明担保不足,对应第一对接节点不可取,应予剔除;基于对接类型的不同,分别进行细致化验证,保证获取的补充内容的可靠性,进一步提升了扩充的质量和效率。
本发明实施例提供了一种河道水污染3D模型的构建方法,所述时间间隔的计算公式如下:
其中,t′为所述时间间隔,t0为预设的时间间隔初始值,Ddown为预设的下调幅度初始值,D0为预设的正常调整幅度值,Dup为预设的上调幅度初始值,A为当前时间点,α为用户查看习惯时间区间,β为预设的正常查看习惯时间区间,∈为属于,为不属于,and为且,else为其它,μα为当前时间点A落在的用户查看习惯时间区间α对应的第一区间权重,μβ为当前时间点A落在的正常查看习惯时间区间β对应的第二区间权重。
上述技术方案的工作原理及有益效果为:
设置用户查看习惯时间区间(用户经常在哪个时间段查看第一水污染3D模型)和正常查看习惯时间区间(一般其他用户经常在哪个时间段查看第一水污染3D模型),若当前时间点落在某用户查看习惯时间区间(A∈α),说明用户查看的可能性较大,调小时间间隔,及时更新;若当前时间点落在某正常查看习惯时间区间(A∈β),与之同理;若当前时间点不落在任一用户查看习惯时间区间内,说明用户查看的可能性较小,调大时间间隔;若当前时间点不落在任一正常查看习惯时间区间内,与之同理;公式设置合理,自适应调整时间间隔,降低系统功耗,同时,也更加智能化。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种河道水污染3D模型的构建方法,其特征在于,包括:
步骤S1:获取污染河道的污染分布图;
步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点;
步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息;
步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型。
2.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述步骤S1:获取污染河道的污染分布图,包括:
控制无人机在污染河道上方飞行,拍摄所述污染河道的污染分布图。
3.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述步骤S2:基于所述污染分布图,确定所述污染河道内需要进行污染采样的多个采样点,包括:
基于图像识别技术,识别所述污染分布图中的初始污染区域;
将所述初始污染区域辐射扩大预设的辐射扩大幅度,获得目标污染区域;
在所述目标污染区域内随机选取多个采样点,完成确定。
4.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述步骤S3:获取所述采样点的采样信息,同时,获取所述污染河道的地理信息和水文信息,包括:
获取预设的污染元素分析库,从所述污染元素分析库中确定所述采样点对应的采样信息;
获取预设的地理信息数据库,从所述地理信息数据库中确定所述污染河道对应的地理信息;
获取预设的水文信息数据库,从所述水文信息数据库中确定所述污染河道对应的水文信息。
5.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述采样信息包括:不同深度对应的重金属元素浓度。
6.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述地理信息包括:地理位置信息和地形信息。
7.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述水文信息包括:河道工情信息、水体流速信息和水体流量信息。
8.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,所述步骤S4:基于所述采样信息、地理信息和水文信息,构建第一水污染3D模型,包括:
基于所述地理信息和所述水文信息,构建河道3D模型;
基于克里斯插值法对所述采样信息进行处理,获得对应所述采样点的污染横向与纵向分布;
确定所述河道3D模型中对应于所述采样点的目标位置;
在所述目标位置绘制对应所述污染横向与纵向分布;
全部绘制完成后,将所述河道3D模型作为第一水污染3D模型。
9.如权利要求1所述的一种河道水污染3D模型的构建方法,其特征在于,还包括:
构建冲突事件库,基于所述冲突事件库,确定所述第一水污染3D模型内是否发生第一冲突事件,若是,进行相应应对;
其中,构建冲突事件库,包括:
获取历史上其他第二水污染3D模型内的发生的多个第二冲突事件;
依次遍历所述第二冲突事件,每次遍历时,确定所述第二水污染3D模型内发生遍历到的所述第二冲突事件的第一点位;
获取预设的场景要素识别模型,基于所述场景要素识别模型,识别所述第二水污染3D模型内所述第一点位周边预设的范围内的至少一个第一场景要素;
在所述第一水污染3D模型内随机选取第二点位;
基于的场景要素识别模型,识别所述第一水污染3D模型内所述第二点位周边所述范围内的至少一个第二场景要素;
将所述第一场景要素和所述第二场景要素进行要素匹配,若匹配符合,将匹配符合的所述第一场景要素作为第三场景要素;
从遍历到的所述第二冲突事件中提取所述第三场景要素对应的要素权重,并与对应所述第二点位进行关联;
累加计算所述第二点位关联的所述要素权重,获得权重和;
若所述权重和大于等于预设的权重和阈值,将遍历到的所述第二冲突事件作为第三冲突事件;
否则,将对应所述第二点位作为第三点位;
从所述第一水污染3D模型内提取所述第三点位周边对应于所述范围的局部3D模型;
获取预设的模拟空间,将所述局部3D模型映射于所述模拟空间内;
获取预设的事件模拟模型,基于所述事件模拟模型,在所述模拟空间内模拟发生遍历到的所述第二冲突事件;
获取预设的冲突识别模型,基于所述冲突识别模型,识别模拟发生遍历到的所述第二冲突事件过程中出现的冲突类型;
获取所述冲突类型对应的冲突值,并与对应所述第三点位进行关联;
累加所述第三点位关联的所述冲突值,获得冲突值和;
若所述冲突值和小于等于预设的冲突值和阈值和/或成功完整模拟发生遍历到的所述第二冲突事件,将遍历到的所述第二冲突事件作为第三冲突事件;
获取预设的空白数据库,将所述第三冲突事件输入至所述空白数据库;
当需要输入至所述空白数据库的所述第三冲突事件均输入后,将所述空白数据库作为冲突事件库。
10.如权利要求4所述的一种河道水污染3D模型的构建方法,其特征在于,还包括:
每隔预设的时间间隔,对所述污染元素分析库进行扩充;
其中,对所述污染元素分析库进行扩充,包括:
获取预设的进行扩充对接的多个第一对接节点,同时,获取所述第一对接节点的对接类型,所述对接类型包括:主动对接和被动对接;
当所述第一对接节点的对接类型为主动对接时,获取对应所述第一对接节点的收集策略;
对所述收集策略进行策略拆分,获得多个第一子策略;
对所述第一子策略进行内容特征分析,获得多个第一内容特征;
获取预设的内容触发特征库,将所述第一内容特征与所述内容触发特征库中的第一内容触发特征进行特征匹配,若匹配符合,将匹配符合的所述第一内容触发特征作为第二内容触发特征,将匹配符合的所述第一内容特征作为第二内容特征,同时,将对应所述第一子策略作为第二子策略,并与所述第二内容触发特征进行关联;
获取所述第二内容触发特征对应的至少一个第一关联触发特征;
将所述第一关联触发特征与所述第一内容特征中除所述第二内容特征之外的第三内容特征进行匹配,若匹配符合,将匹配符合的所述第一关联触发特征作为第二关联触发特征,同时,将对应所述第一子策略作为第三子策略,并与所述第二关联触发特征进行关联;
依次遍历所述第二关联触发特征,每次遍历时,将遍历到的所述第二关联触发特征与所述第二内容触发特征进行组合,获得模拟目标;
获取所述模拟目标中的所述第二关联触发特征关联的所述第二子策略,并作为第四子策略,同时,获取所述模拟目标中的所述第二关联触发特征关联的第三子策略,并作为第五子策略;
将所述第四子策略和所述第五子策略进行去重处理,获得至少一个第六子策略;
获取所述模拟目标对应的模拟方式、至少一个第一触发方式和所述第一触发方式对应的触发风险识别模型;
获取预设的模拟环境,基于所述模拟方式,在所述模拟环境内模拟执行所述五子策略;
在模拟执行所述五子策略的过程中,依次遍历所述第一触发方式,将遍历到的所述第一触发方式作为第二触发方式;
基于所述触发方式,在所述模拟环境中进行模拟触发,同时,基于对应所述触发风险识别模型,尝试识别模拟触发中产生的至少一个触发风险;
若识别成功,汇总模拟触发中产生的触发风险,获得触发风险集;
获取预设的风险评估模型,将所述触发风险集输入至所述风险评估模型,获得风险评估值,并与对应所述第一对接节点进行关联;
累加计算所述第一对接节点关联的所述风险评估值,获得累加和;
若所述累加和大于等于预设的风险阈值,剔除对应所述第一对接节点;
当所述第一对接节点的对接类型为被动对接时,获取所述第一对接节点对应的至少一个第一担保方;
获取所述第一担保方对所述第一对接节点进行担保的担保值和担保占比;
若所述担保值小于等于预设的担保阈值和/或所述担保占比小于等于预设的担保占比阈值,剔除对应所述第一担保方;
当需要剔除的所述第一担保方均剔除后,将剔除剩余的所述第一担保方作为第二担保方;
统计所述第二担保方的数目,若所述数目为0,剔除对应所述第一对接节点;
当所述第一对接节点中需要剔除的所述第一对接节点均剔除后,将剔除剩余的所述第一对接节点作为第二对接节点;
通过所述第二对接节点获取扩充内容;
将所述扩充内容输入至所述污染元素分析库;
当需要输入至所述污染元素分析库中的所述扩充内容均输入后,完成扩充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588835.XA CN114299231A (zh) | 2021-12-23 | 2021-12-23 | 一种河道水污染3d模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111588835.XA CN114299231A (zh) | 2021-12-23 | 2021-12-23 | 一种河道水污染3d模型的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299231A true CN114299231A (zh) | 2022-04-08 |
Family
ID=80969797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111588835.XA Withdrawn CN114299231A (zh) | 2021-12-23 | 2021-12-23 | 一种河道水污染3d模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299231A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738539A (zh) * | 2023-06-09 | 2023-09-12 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
-
2021
- 2021-12-23 CN CN202111588835.XA patent/CN114299231A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738539A (zh) * | 2023-06-09 | 2023-09-12 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
CN116738539B (zh) * | 2023-06-09 | 2024-01-09 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200160061A1 (en) | Automatic ship tracking method and system based on deep learning network and mean shift | |
CN105785411B (zh) | 一种基于区域划分的异常轨迹检测方法 | |
CN110490608B (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
CN115688404B (zh) | 基于svm-rf模型的降雨型滑坡预警方法 | |
CN103810717B (zh) | 一种人体行为检测方法及装置 | |
CN107679167A (zh) | 基于格点化气象数据的气象风险评估方法及分析预警平台 | |
CN109598374B (zh) | 一种关键设施实物保护系统的启发式有效性分析方法 | |
CN111931582A (zh) | 基于图像处理的高速公路交通事件检测方法 | |
CN113255580A (zh) | 抛洒物识别、车辆抛洒滴漏识别方法和装置 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN115144548B (zh) | 有害气体成分实时监测系统及其监测方法 | |
CN108363783A (zh) | Mac地址与身份信息的绑定方法及装置 | |
CN116383937A (zh) | 一种村落数字孪生保护评估方法 | |
CN114299231A (zh) | 一种河道水污染3d模型的构建方法 | |
CN117372629A (zh) | 一种基于数字孪生的水库可视化数据监管控制系统及方法 | |
CN111899505B (zh) | 交通限制解除的检测方法和装置 | |
CN113965618B (zh) | 基于模糊理论的异常轨迹检测方法 | |
CN113255593B (zh) | 面向时空解析模型的传感器信息异常检测方法 | |
CN116167661A (zh) | 一种基于空间错位的土地利用变化模拟可信度评估方法 | |
CN114124564B (zh) | 一种仿冒网站检测方法、装置、电子设备及存储介质 | |
CN112487130A (zh) | 一种目标对象的处理跟踪方法及系统 | |
Kim et al. | A study on travel time estimation of diverging traffic stream on highways based on timestamp data | |
CN115240101A (zh) | 一种基于场景分析的医疗样本转送监督系统 | |
CN114491738B (zh) | 一种基于bim+gis技术的农污运维管理方法及系统 | |
CN115719546B (zh) | 轨迹异常检测方法和装置、电子设备及可读存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220408 |
|
WW01 | Invention patent application withdrawn after publication |