CN114444259B - 一种雨污管网溯源追踪系统及方法 - Google Patents
一种雨污管网溯源追踪系统及方法 Download PDFInfo
- Publication number
- CN114444259B CN114444259B CN202111560072.8A CN202111560072A CN114444259B CN 114444259 B CN114444259 B CN 114444259B CN 202111560072 A CN202111560072 A CN 202111560072A CN 114444259 B CN114444259 B CN 114444259B
- Authority
- CN
- China
- Prior art keywords
- information
- module
- water quality
- pipe network
- detection
- 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 106
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 248
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 215
- 238000007689 inspection Methods 0.000 claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 239000003344 environmental pollutant Substances 0.000 claims description 124
- 231100000719 pollutant Toxicity 0.000 claims description 124
- 230000008859 change Effects 0.000 claims description 35
- 238000012544 monitoring process Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000012800 visualization Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 20
- 238000012423 maintenance Methods 0.000 description 8
- 238000003912 environmental pollution Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000003911 water pollution Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- PAYRUJLWNCNPSJ-UHFFFAOYSA-N Aniline Chemical compound NC1=CC=CC=C1 PAYRUJLWNCNPSJ-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000003403 water pollutant Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- XFXPMWWXUTWYJX-UHFFFAOYSA-N Cyanide Chemical compound N#[C-] XFXPMWWXUTWYJX-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Food Science & Technology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Examining Or Testing Airtightness (AREA)
- Sewage (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种雨污管网溯源追踪系统及方法，包括雨污管网可视化模型、水质检测单元、云模块系统和GIS平台，将雨污管网构建包括四级管路系统的雨污管网可视化模型，水质检测单元的总检模块和分检模块根据预设频率上传检测数据至云模块系统，基于地理信息系统，可应用于各类环境影响评价的现状调查、预测分析环节，通过以地理信息系统为依托，提取往期高精度、强有力而可靠的水质监测数据，计算水体污染物排放量，分析水环境负荷，进行水环境影响预测与评价，能够快速、可靠获取污染物排放溯源信息。本发明增加了现状数据的真实性、便捷性，提高了水环境影响预测与评价效率。
Description
技术领域
本发明涉及水文检测技术和数据分析处理技术领域，特别涉及一种雨污管网溯源追踪系统及方法。
背景技术
现有技术中，常见的水污染溯源方法有正向追踪法和反问题推导法，正向追踪法主要是基于同位素或微生物进行追踪，对于元素和微生物的测量检验要求较高。反问题推导法是基于污染发生后获取的污染物浓度等信息对污染源参数进行反向推导，进而算出污染源位置等，其中应用的算法模型包含基于SWMM模型、基于贝叶斯算法、基于遗传算法、基于地学统计方法、反向概率密度法等。反问题推导法中除基于贝叶斯概率统计方法可以利用监测断面的污染监测数据以外，其他方法都较少考虑监测数据，但贝叶斯方法在结合监测数据时会呈现出随着参数增加其复杂度和计算时间指数性增长，效率不高。
专利CN201210150830.3提出了将污水中的有机物种类、阴离子种类、金属元素及荧光信息作为识别不同污水及污染源的化学指纹信息，用于快速实现水污染溯源的方法。该方法前期的工作量非常大，数据库会变得非常庞大和冗余，仪器也较为昂贵，实际可操作性较差，难以在实际应用中推广。专利CN201911097844.1公开了一种实现突发水污染快速溯源的方法，其从纯数学的角度提出了针对二维顺直河道突发性水污染事故污染源溯源方法，其主要针对直河道，不适用于真实环境中的弯曲河道。专利CN202010717416.0公开了一种雨污管网零直排溯源追踪方法，通过零直排监控模块来采集城市区域范围内雨污管网及重要排口的排水数据以及排水管道的基础信息，实时将雨污管网电子化，将排水数据和排水管道的基础信息通过排水数据分析单元进行状态分析，将排水管道的基础信息发送至管道数据库，该方案要求监测站布设数量较多，耗资较高，且设备维护成本极高。
发明内容
有鉴于此，本发明旨在提出一种雨污管网溯源追踪系统及方法，以解决现有技术中雨污管网溯源承建或者维持使用成本过高或者溯源效益低下且溯源不精准的问题。
为达到上述目的，本发明的技术方案是这样实现的：
一种雨污管网溯源追踪系统，包括：
雨污管网可视化模型、水质检测单元、云模块系统以及GIS平台，所述水质检测单元用于检测雨污管网中的水质信息以及水流信息，云模块系统能够接收水质检测单元的检测信息并与GIS平台通信连接，所述GIS平台能够显示雨污管网可视化模型，根据水质检测单元检测的水质信息以及调用云模块系统中的数据信息，当判断水质异常时，启动GIS平台中的溯源模块，根据溯源模块中的检测指令以及计算单元，获取污染物排放溯源信息。
进一步的，所述雨污管网可视化模型包括根据综合地理信息系统GIS以及雨污管网的传输路径和节点建立的树形拓扑连接结构，所述树形拓扑连接结构包括依次设置一级管路系统、二级管路系统、主管路系统以及总主管路系统，所述总主管路系统汇集其它分支系统的雨污管内的水流流向污水处理厂或者河涌；
所述水质检测单元包括总检模块和分检模块，所述总检模块设置于总主管路系统中，所述分检模块设置于一级管路系统和/或二级管路系统和/或主管路系统中，所述总检模块上传检测数据的频率高于分检模块上传检测数据的频率；
所述云模块系统，包括地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库，所述云模块系统与水质检测单元、GIS平台通信连接，所述云模块系统能够接收水质检测单元检测的水质信息以及时间信息并反馈至GIS平台；
所述GIS平台中的溯源模块启动时，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分，按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息。
进一步的，在预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，通过策略化管控计算模型，进行污染源位置的溯源追踪，同时引入天气变化因素、地理位置校正因素、环境温度校正因素，对污染源溯源模型分析结果进行动态修正。
进一步的，所述总检模块设置在管网进入河涌之前一段距离，按照预设时间T3向云模块系统上传检测数据，经总检模块检测分析水质数据合格的水流流向河涌，所述总检模块分析水质数据不合格的水流流向蓄水池，蓄水池内的检测水流向污水处理厂。
进一步的，所述分检模块包括一级分检模块和二级分检模块，所述一级分检模块包括设置在一级管路中或者二级管路中的水质水量检测装置，所述一级分检模块的水质水量检测装置能够检测pH值、电导率、温度、浊度、化学需氧量以及流量信息，所述二级分检模块包括设置在主管路或者主管路与一级管路连接处或者主管路与二级管路连接处的水质水量检测装置，所述二级分检模块能够检测pH值、电导率、温度、浊度、化学需氧量、流量信息以及周边常用污染物检测模块。
本发明还公开了一种雨污管网溯源追踪方法，包括如下步骤：
S1：构建云模块系统，在云模块系统中构建地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库；
S2：管网基本数据收集，对接地理信息平台以及市政雨污管网数据，构建雨污管网可视化模型，确定管网的传输路径以及节点，对雨污管网的拓扑结构进行四级划分，在一级管路系统和/或二级管路系统和/或主管路系统中设置分检模块，在总主管路系统中设置总检模块，总检模块和分检模块用于检测雨污管中监测处的水质水量信息，并能够上传至云模块系统；
S3：GIS平台根据云模块系统反馈的水质检测单元检测的水质信息与对应管网水质主要污染物日常正常排放阈值信息数库中预设的正常参数阈值进行比对，若检测的水质异常，则进入S4，否则，进入S6；
S4：启动GIS平台中的溯源模块，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分；
S5：按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息；
S6：将检测正常的水质根据要求排入河涌系统。
进一步的，在步骤S2中，总检模块按照预设时间T3向云模块系统上传检测数据，分检模块按照预设时间T4向云模块系统上传检测数据，其中T3＜T4。
进一步的，在步骤S2中，所述分检模块包括一级分检模块和二级分检模块，至少一个一级分检模块和至少一个二级分检模块按照预设时间T3向云模块系统上传检测数据。
进一步的，在步骤S4中，所述关联污染信息模型数据库包括以往发生污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，还包括根据样本训练学习后的污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，在T1时间内，采用离线比对分析的方式，结合雨污管网可视化模型中与检测超标污染物对应的企业信息，将污染源可能存在位置的概率划分分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级，其中，Ⅰ等级为出现污染源位置概率最高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线都与关联污染信息模型数据库中的信息相对应；Ⅱ等级为出现污染源位置概率较高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的两个与关联污染信息模型数据库中的信息相对应；Ⅲ等级为出现污染源位置概率较低的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的一个与关联污染信息模型数据库中的信息相对应；Ⅳ等级为可能出现污染源位置概率较低的等级，关联污染信息模型数据库根据训练学习后基于检测的污染物信息和变化曲线列举出可能存在污染源的位置。
进一步的，在步骤S5中，在通过污染源溯源模型求解污染源位置、泄漏时间以及泄漏量信息时，根据预定位污染源可能存在位置的概率等级，按照排污发生概率从高到低的顺序依次进行开启溯源模块中的计算单元。
进一步的，在步骤S5中，根据求解计算获取污染物排放溯源信息时，将该排放溯源信息在雨污管网可视化模型中相关水质检测单元的总检模块和分检模块以及相关管路进行高亮标识，并给出相关总检模块和分检模块节点污染物浓度的变化曲线，若该变化曲线的变化幅度与变化趋势与关联污染信息模型数据库预存的相关污染源排放后相同时间内的变化趋势一致，变化幅度接近，即确定该污染物排放溯源信息即为真实污染物排放溯源信息；若变化幅度与变化趋势只有一个被匹配，则确定该污染物排放溯源信息为高概率污染物排放溯源信息；若变化幅度与变化趋势都被不匹配，则确定该污染物排放溯源信息为低概率污染物排放溯源信息，若在预设时间T5内无法获取确定真实污染物排放溯源信息，则对高概率污染物排放溯源信息和/或低概率污染物排放溯源信息处的水样进行人工采用取样检测。
相对于现有技术，本发明所述的雨污管网溯源追踪系统及方法具有以下优势：
(1)本发明所述的雨污管网溯源追踪系统，在使用时，可以减少水质检测单元中分检模块检测数据的上传频率，减少资源的浪费，降低系统运行的维护成本，在发生检测数据异常时，能够通过离线比对分析快速确定发生污染物排放的区域，实现高危排放位置的快速锁定，进而为人工溯源或者自动溯源提供有力支撑，通过不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，精准、快速、可靠的获取污染物排放溯源信息，快速定位污染源，可以有效降低环境污染损失、提高偷排企业的违法成本，减少偷排。
(2)本发明所述的本发明所述的雨污管网溯源追踪方法，通过GIS平台以及雨污管网可视化模型、云端大数据的结合，在检测到水质异常时，启动GIS平台中的溯源模块，提高相关雨污管中的水质检测单元中总检模块和分检模块检测数据的上传频率，利用大数据分析快速进行污染源排放的预定位，然后根据预定位的位置，通过水质检测单元检测的数据构建污染源溯源模型，快速获得染物排放溯源信息，实现污染源的快速、准确定位，降低环境污染损失。
(3)本发明所述的雨污管网溯源追踪系统及方法，通过对检测模块设置方式进行改进，设置合理、可靠的溯源追踪方法，大大提高污染源定位的精准率和可靠性，并且降低了系统的承建成本和运行维护的成本。
(4)本发明一种雨污管网溯源追踪系统及方法，基于地理信息系统(GIS)，可应用于各类环境影响评价的现状调查、预测分析环节，本发明增加了现状数据的真实性、便捷性，通过以地理信息系统(GIS)为依托，提取往期高精度、强有力而可靠的水质监测数据，计算水体污染物排放量，分析水环境负荷，进行水环境影响预测与评价，提高了水环境影响预测与评价效率。
附图说明
构成本发明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为本发明实施例所述的雨污管网溯源追踪系统的管网拓扑连接示意图；
图2为本发明实施例所述雨污管网溯源追踪方法的流程逻辑示意图；
具体实施方式
为了使本发明的技术手段及达到目的与功效易于理解，下面结合具体图示对本发明的实施例进行详细说明。
需要说明，本发明中所有进行方向性和位置性指示的术语，诸如：“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“内”、“外”、“顶”、“低”、“横向”、“纵向”、“中心”等，仅用于解释在某一特定状态(如附图所示)下各部件之间的相对位置关系、连接情况等，仅为了便于描述本发明，而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
实施例1
本发明公开了一种雨污管网溯源追踪系统，包括：
雨污管网可视化模型，所述雨污管网可视化模型包括根据综合地理信息系统GIS以及雨污管网的传输路径和节点建立的树形拓扑连接结构，所述树形拓扑连接结构包括依次设置一级管路系统、二级管路系统、主管路系统以及总主管路系统，所述总主管路系统汇集其它分支系统的雨污管内的水流流向污水处理厂或者河涌；
水质检测单元，包括总检模块和分检模块，所述总检模块设置于总主管路系统中，所述分检模块设置于一级管路系统和/或二级管路系统和/或主管路系统中，所述总检模块上传检测数据的频率高于分检模块上传检测数据的频率；
云模块系统，包括地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库，所述云模块系统与水质检测单元、GIS平台通信连接，所述云模块系统能够接收水质检测单元检测的水质信息以及时间信息并反馈至GIS平台；
GIS平台，所述GIS平台能够显示雨污管网可视化模型，根据水质检测单元检测的水质信息以及调用云模块系统中的数据信息，检测雨污管网中的水质是否异常，若水质异常时，启动GIS平台中的溯源模块，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分，按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息。
本发明公开的雨污管网溯源追踪系统，通过对雨污管网构建树形拓扑连接关系的雨污管网可视化模型，该模型中的一级管路系统包括生活小区附近雨污管排水管路，二级管路系统包括工业区附近的雨污管排水管路，主管路系统包括一级排水管路和二级排水管路混合后的排水管路，总主管路系统包括主管路系统汇集后流向污水处理厂或者河涌的管路，如图1中所示，J1111～J1172为一级管网中的节点，J2111～J2152为二级管网中的节点，J311～J325为三级管网中的节点，J41为四级管网中的节点，由于一级管路系统和二级管路系统中常见的污染物或者污染方式并不相同，将水质检测单元将检测装置分级设置，并且分别设置于管网不同的管道中，而通过合理设置总检模块和分检模块向云模块系统上传检测数据的频率，减少总主管路系统之前的分支管路中水质检测单元检测运行的维持成本，同时通过在总主管路系统中设置的总检模块，能够对总主管路系统内的水质信息是否有异常做出精准检测，避免污染源通过渗漏管、误接管或者偷排的方式进入未经检测的雨污管网系统，当GIS平台收到云模块系统收集的检测数据，调用云模块系统中的该雨污管网系统中对应水质主要污染物日常正常排放阈值信息数，若发生异常时，则启动GIS平台中的溯源模块，溯源模块启动后，水质检测单元中正在工作的总检模块和分检模块上传检测数据的频率变为10s～30s一次，根据检测的污染物数值信息，在预设时间T1内，T1的优选值为2～10min，通过与该雨污管网系统对应的关联污染信息模型数据库信息相匹配，所述关联污染信息模型数据库包括以往发生污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，还包括根据样本训练学习后的污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，作为本发明的较佳示例，该预设时间为根据经验设置的时间参数，在T1时间内，采用离线比对分析的方式，结合雨污管网可视化模型中与检测超标污染物对应的企业信息，迅速将污染源可能存在位置的概率进行等级划分，优选的，可以分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级，四个可能出现污染源的区域分别用不同颜色在雨污管网可视化模型中进行显示，其中，Ⅰ等级为出现污染源位置概率最高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线都与关联污染信息模型数据库中的信息相对应；Ⅱ等级为出现污染源位置概率较高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的两个与关联污染信息模型数据库中的信息相对应；Ⅲ等级为出现污染源位置概率较低的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的一个与关联污染信息模型数据库中的信息相对应；Ⅳ等级为可能出现污染源位置概率较低的等级，关联污染信息模型数据库根据训练学习后基于检测的污染物信息和变化曲线列举出可能存在污染源的位置；然后按照污染源位置概率等级从高到低的方式，启动溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的总检模块和分检模块对相关水质监测点进行检测，在此状态下，当前概率等级内水质检测单元的总检模块和分检模块上传检测数据的频率变为实时采集上传，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，T2的优选值为5～30min，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息。
本发明公开的雨污管网溯源追踪系统，在使用时，可以减少水质检测单元中分检模块检测数据的上传频率，减少资源的浪费，降低系统运行的维护成本，在发生检测数据异常时，能够通过离线比对分析快速确定发生污染物排放的区域，实现高危排放位置的快速锁定，进而为人工溯源或者自动溯源提供有力支撑，通过不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，精准、快速、可靠的获取污染物排放溯源信息，快速定位污染源，可以有效降低环境污染损失、提高偷排企业的违法成本，减少偷排。
在本发明的示例中，在预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，通过策略化管控计算模型，进行污染源位置的溯源追踪，同时引入天气变化因素、地理位置校正因素、环境温度校正因素，对污染源溯源模型分析结果进行动态修正。
在溯源模块工作时，由于天气变化，例如晴天、雨天，会影响雨污管内水流及水质的检测影响，在晴天时，以水流检测数据为主，在雨天时，以水质数据检测为主。该设置能够快速、准确的定位到污染源排放位置。地理位置对于污染物的检测同样有干扰，不同地域，例如说南方城市、北方城市、沿海城市城市、资源城市等，各个地方的地质、水资源、污染物都会存在差异，空气温度、湿度的影响与地理环境类似，因此，在构建污染源溯源模型需要充分考虑天气变化因素、地理位置校正因素、环境温度校正因素带来的影响，对不同地域、不同天气和温度的污染源溯源模型进行修正，其修正方式与现有技术中地域、天气、温度等影响修正因子的修正方式类似，在此不再赘述，从而实现快速、精准、可靠实现污染源溯源定位的目的。
其中，在构建污染源溯源模型时，雨污管中的水质模拟形状为一维非稳态水质模型，水质模型包括：
其中，U表示所述管网中纵向的流速，D表示所述管网中纵向扩散系数，K表示所述污染物一阶衰减系数，t表示所述污染排放时间，x表示所述污染源排放位置，C表示污染事件发生后时刻t沿河道方向距离污染源x处的污染源浓度，m表示污染源处单位面积上的所述污染排放强度。
在本实施例中，管网中的横向和吹向流动几乎可以忽略不计，因此，可以构建一维水质模型来模拟污染源无污染被排放后的输送过程。
该设置可以通过构建污染源溯源模型的方式，快速、高效的获取污染物排放溯源信息，提高工作效率。
此外，本发明所述的雨污管网溯源追踪系统中在建污染源溯源模型时，也可以采用现有技术中其它构建水质模型的方法及计算方法，按照离线对比分析的概率等级区域相关管网中水质检测单元的总检模块和分检模块上传的检测数据，通过污染源溯源模型中的溯源模拟公式，快速求解污染源位置、泄漏时间以及泄漏量信息。
作为本发明的一个较佳示例，所述总检模块设置在管网进入河涌之前一段距离，按照预设时间T3向云模块系统上传检测数据，经总检模块检测分析水质数据合格的水流流向河涌，所述总检模块分析水质数据不合格的水流流向蓄水池，蓄水池内的检测水流向污水处理厂。作为本发明的示例，所述总检模块能够检测管网内水样的pH值、电导率、温度、浊度、化学需氧量、总氮、总磷、氨氮、铜、汞、镍、氰化物和苯胺以及荧光信息等信息，优选的，所述T3的取值范围为10min～30min。
作为本发明的示例，经总检模块检测合格后水流可以根据预设条件进行处理后排入河涌系统或者直接排入河涌系统，经总检模块检测不合格的水流根据污染源信息流入蓄水池后进入相应的污水处理厂。
该设置减少了总检模块的设置数量，进一步降低本发明所述雨污管网溯源追踪系统的投建成本，同时能够确保雨污管中的污染物只有经过相应处理后才能进入本地的河涌系统，对于检测数据异常的水流截留至蓄水池中，然后流向对应污染物处理的排水厂进行处理，同时也降低了污水治理成本。
作为本发明的一个较佳示例，所述分检模块包括一级分检模块和二级分检模块，所述一级分检模块包括设置在一级管路中或者二级管路中的水质水量检测装置，所述一级分检模块的水质水量检测装置能够检测pH值、电导率、温度、浊度、化学需氧量以及流量信息，所述二级分检模块包括设置在主管路或者主管路与一级管路连接处或者主管路与二级管路连接处的水质水量检测装置，所述二级分检模块能够检测pH值、电导率、温度、浊度、化学需氧量、流量信息以及周边常用污染物检测模块。其中，周边常用污染物检测模块为根据周边企业经营内容或者生活区人口密度、生活区归类信息等信息可能发生概率较高污染物检测装置，该周边常用污染物检测模块可以根据经验或者大数据推荐进行针对性布置。
该设置通过对不同管路系统中的分检模块赋予不同的检测功能，一方面可以利用现有的检测设备进行检测，同时能够针对性的排放概率较高对影响污染物进行精准检测，获取相应的水质数据，进一步有效降低了本发明所述雨污管网溯源追踪系统的投建成本。
本发明公开的一种雨污管网溯源追踪系统，基于地理信息系统(GIS)，可应用于各类环境影响评价的现状调查、预测分析环节，通过以地理信息系统(GIS)为依托，提取往期高精度、强有力而可靠的水质监测数据，计算水体污染物排放量，分析水环境负荷，进行水环境影响预测与评价。
本发明增加了现状数据的真实性、便捷性，提高了水环境影响预测与评价效率。
如图2所示，本发明还公开了一种雨污管网溯源追踪方法，包括如下步骤：
S1：构建云模块系统，在云模块系统中构建地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库；
S2：管网基本数据收集，对接地理信息平台以及市政雨污管网数据，构建雨污管网可视化模型，确定管网的传输路径以及节点，对雨污管网的拓扑结构进行四级划分，在一级管路系统和/或二级管路系统和/或主管路系统中设置分检模块，在总主管路系统中设置总检模块，总检模块和分检模块用于检测雨污管中监测处的水质水量信息，并能够上传至云模块系统；
S3：GIS平台根据云模块系统反馈的水质检测单元检测的水质信息与对应管网水质主要污染物日常正常排放阈值信息数库中预设的正常参数阈值进行比对，若检测的水质异常，则进入S4，否则，进入S6；
S4：启动GIS平台中的溯源模块，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分；
S5：按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息；
S6：将检测正常的水质根据要求排入河涌系统。
本发明所述的雨污管网溯源追踪方法，通过GIS平台以及雨污管网可视化模型、云端大数据的结合，在检测到水质异常时，启动GIS平台中的溯源模块，提高相关雨污管中的水质检测单元中总检模块和分检模块检测数据的上传频率，利用大数据分析快速进行污染源排放的预定位，然后根据预定位的位置，通过水质检测单元检测的数据构建污染源溯源模型，快速获得染物排放溯源信息，实现污染源的快速、准确定位，降低环境污染损失、提高偷排企业的违法成本，减少偷排。
作为本发明的一个较佳示例，在步骤S2中，总检模块按照预设时间T3向云模块系统上传检测数据，分检模块按照预设时间T4向云模块系统上传检测数据，其中T3＜T4。作为本发明的示例，T3的取值范围为10min～30min；T4的取值范围为60min～240min。
在本申请所述的雨污管网溯源追踪方法中，最终是需要总检模块的检测数据作为能否排放至河涌系统的先决条件，因此，需要增加总检模块的检测数据上传频率，而分检模块应用于快速发现、快速预警，其上传检测数据的频率可能适当降低，既避免了环境污染损失，又降低了系统运行维护的成本。
作为本发明的一个较佳示例，在步骤S2中，所述分检模块包括一级分检模块和二级分检模块，至少一个一级分检模块和至少一个二级分检模块按照预设时间T3向云模块系统上传检测数据。在本发明中，通过将部分分检模块的检测数据上传频率按照总检模块的检测数据上传频率运行，在节约系统运行维持成本的前提下，一方面是为了将分检模块中的检测数据与总检模块中的检测数据进行匹配支撑，当分检模块检测到的数据为异常时，依然判定水质异常，进一步提高检测精度，避免污水流入河涌系统带来的环境污染损失，另一方面当分检模块检测到水质信息异常时，能够更加快速实现预警、溯源，进一步降低环境污染损失。
作为本发明的一个较佳示例，在步骤S2，按照预设时间T3向云模块系统上传检测数据的分检模块可以按照预设运行数据进行检测上传，也可以随机抓取相关编号的分检模块进行检测上传工作。优选的，按照预设时间T3向云模块系统上传检测数据的一级分检模块与二级分检模块属于关联雨污管中不同位置的两个检测模块。
该设置进一步提高了本发明所述的雨污管网溯源追踪方法工作的可靠性和精准性。
作为本发明的一个较佳示例，在步骤S4中，所述关联污染信息模型数据库包括以往发生污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，还包括根据样本训练学习后的污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，在T1时间内，采用离线比对分析的方式，结合雨污管网可视化模型中与检测超标污染物对应的企业信息，将污染源可能存在位置的概率划分分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级，其中，Ⅰ等级为出现污染源位置概率最高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线都与关联污染信息模型数据库中的信息相对应；Ⅱ等级为出现污染源位置概率较高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的两个与关联污染信息模型数据库中的信息相对应；Ⅲ等级为出现污染源位置概率较低的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的一个与关联污染信息模型数据库中的信息相对应；Ⅳ等级为可能出现污染源位置概率较低的等级，关联污染信息模型数据库根据训练学习后基于检测的污染物信息和变化曲线列举出可能存在污染源的位置。
作为本发明的一个较佳示例，四个可能出现污染源的区域分别用不同颜色在雨污管网可视化模型中进行显示，按照发生污染源排放发生概率的高低依次用红、橙、黄、蓝四个颜色进行标记，即Ⅰ等级标记为红色，Ⅱ等级标记为橙色，Ⅲ等级标记为黄色，Ⅳ等级标记为蓝色。
该设置利用大数据的基础数据收集，根据类似或者相关或者以往时间、地域、天气的采集数据，通过策略化管控，不断融合训练学习，获取污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，从而不断提高预定位中的效率和精度。
作为本发明的一个较佳示例，所述总检模块以及所述分检模块每次检测时间持续2s～5s，相关检测数据实时上传。该设置避免偶然波动带来的误差影响。
作为本发明的一个较佳示例，在步骤S5中，在通过污染源溯源模型求解污染源位置、泄漏时间以及泄漏量信息时，根据预定位污染源可能存在位置的概率等级，按照排污发生概率从高到低的顺序依次进行开启溯源模块中的计算单元。
该方式进一步优化计算数据，精准、高效的获取污染物排放溯源信息。
作为本发明的一个较佳示例，在步骤S5中，根据求解计算获取污染物排放溯源信息时，将该排放溯源信息在雨污管网可视化模型中相关水质检测单元的总检模块和分检模块以及相关管路进行高亮标识，并给出相关总检模块和分检模块节点污染物浓度的变化曲线，若该变化曲线的变化幅度与变化趋势与关联污染信息模型数据库预存的相关污染源排放后相同时间内的变化趋势一致，变化幅度接近，即确定该污染物排放溯源信息即为真实污染物排放溯源信息；若变化幅度与变化趋势只有一个被匹配，则确定该污染物排放溯源信息为高概率污染物排放溯源信息；若变化幅度与变化趋势都被不匹配，则确定该污染物排放溯源信息为低概率污染物排放溯源信息。
该设置进一步提高了本发明所述雨污管网溯源追踪方法溯源追踪的精准性、快速性和可靠性。
优选的，若在Ⅰ等级、Ⅱ等级、Ⅲ等级、Ⅳ等级根据溯源模块中的计算单元求解后无法获取确定真实污染物排放溯源信息，则持续实时上传Ⅰ等级、Ⅱ等级、Ⅲ等级、Ⅳ等级区域范围内水质检测单元的总检模块和分检模块，直至根据检测数据及溯源模块获取真实污染物排放溯源信息。
若在预设时间T5内无法获取确定真实污染物排放溯源信息，则对高概率污染物排放溯源信息和/或低概率污染物排放溯源信息处的水样进行人工采用取样检测。作为本发明的示例，T1、T2、T3、T4、T5为根据经验预设的时间参数，说明书中给出的参数值只是较佳示例的参考说明。
作为本发明的一个较佳示例，所述总检模块和分检模块还包括摄像功能模块。该设置使得GIS平台能够直观的观察总检模块和分检模块设置处的水流状态。
作为本发明的一个较佳示例，所述GIS平台ARCGIS系统平台。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种雨污管网溯源追踪系统，其特征在于，包括：雨污管网可视化模型、水质检测单元、云模块系统以及GIS平台，所述水质检测单元用于检测雨污管网中的水质信息以及水流信息，云模块系统能够接收水质检测单元的检测信息并与GIS平台通信连接，所述GIS平台能够显示雨污管网可视化模型，根据水质检测单元检测的水质信息以及调用云模块系统中的数据信息，当判断水质异常时，启动GIS平台中的溯源模块，根据溯源模块中的检测指令以及计算单元，获取污染物排放溯源信息；
其中，
所述雨污管网可视化模型包括根据综合地理信息系统GIS以及雨污管网的传输路径和节点建立的树形拓扑连接结构，所述树形拓扑连接结构包括依次设置一级管路系统、二级管路系统、主管路系统以及总主管路系统，所述总主管路系统汇集其它分支系统的雨污管内的水流流向污水处理厂或者河涌，其中，一级管路系统包括生活小区附近雨污管排水管路，二级管路系统包括工业区附近的雨污管排水管路，主管路系统包括一级排水管路和二级排水管路混合后的排水管路，总主管路系统包括主管路系统汇集后流向污水处理厂或者河涌的管路；
所述水质检测单元包括总检模块和分检模块，所述总检模块设置于总主管路系统中，所述分检模块设置于一级管路系统和/或二级管路系统和/或主管路系统中，所述总检模块上传检测数据的频率高于分检模块上传检测数据的频率；
所述云模块系统包括地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库，所述云模块系统与水质检测单元、GIS平台通信连接，所述云模块系统能够接收水质检测单元检测的水质信息以及时间信息并反馈至GIS平台；
所述GIS平台中的溯源模块启动时，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分，按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息。
2.根据权利要求1所述的雨污管网溯源追踪系统，其特征在于，在预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，通过策略化管控计算模型，进行污染源位置的溯源追踪，同时引入天气变化因素、地理位置校正因素、环境温度校正因素，对污染源溯源模型分析结果进行动态修正。
3.根据权利要求2所述的雨污管网溯源追踪系统，其特征在于，所述总检模块设置在管网进入河涌之前一段距离，按照预设时间T3向云模块系统上传检测数据，经总检模块检测分析水质数据合格的水流流向河涌，所述总检模块分析水质数据不合格的水流流向蓄水池，蓄水池内的检测水流向污水处理厂。
4.根据权利要求2所述的雨污管网溯源追踪系统，其特征在于，所述分检模块包括一级分检模块和二级分检模块，所述一级分检模块包括设置在一级管路中或者二级管路中的水质水量检测装置，所述一级分检模块的水质水量检测装置能够检测pH值、电导率、温度、浊度、化学需氧量以及流量信息，所述二级分检模块包括设置在主管路或者主管路与一级管路连接处或者主管路与二级管路连接处的水质水量检测装置，所述二级分检模块能够检测pH值、电导率、温度、浊度、化学需氧量、流量信息以及周边常用污染物检测模块。
5.一种雨污管网溯源追踪方法，其特征在于，应用于上述如权利要求1～4任意一项所述的雨污管网溯源追踪系统，包括如下步骤：
S1：构建云模块系统，在云模块系统中构建地理位置数据库、企业名录数据库、对应管网水质主要污染物日常正常排放阈值信息数库、关联污染信息模型数据库；
S2：管网基本数据收集，对接地理信息平台以及市政雨污管网数据，构建雨污管网可视化模型，确定管网的传输路径以及节点，对雨污管网的拓扑结构进行四级划分，在一级管路系统和/或二级管路系统和/或主管路系统中设置分检模块，在总主管路系统中设置总检模块，总检模块和分检模块用于检测雨污管中监测处的水质水量信息，并能够上传至云模块系统；
S3：GIS平台根据云模块系统反馈的水质检测单元检测的水质信息与对应管网水质主要污染物日常正常排放阈值信息数库中预设的正常参数阈值进行比对，若检测的水质异常，则进入S4，否则，进入S6；
S4：启动GIS平台中的溯源模块，提高水质检测单元中总检模块和分检模块检测数据的上传频率，在预设时间T1内，根据检测的异常信息以及云模块系统中的关联污染信息模型数据库信息对比分析，采用离线比对分析的方式，将污染源可能存在位置的概率进行等级划分；
S5：按照概率等级从高到低开启溯源模块中的计算单元，通过开启当前概率等级内的管线以及上游管线上水质检测单元的检测传感器对相关水质监测点进行检测，根据预设时间T2内对不同时刻水质监测点检测的污染物实测值与模拟值构建污染源溯源模型，分析计算污染源溯源模型中的污染源位置、泄漏时间以及泄漏量信息，获取污染物排放溯源信息；
S6：将检测正常的水质根据要求排入河涌系统。
6.根据权利要求5所述的雨污管网溯源追踪方法，其特征在于，在步骤S2中，总检模块按照预设时间T3向云模块系统上传检测数据，分检模块按照预设时间T4向云模块系统上传检测数据，其中T3＜T4。
7.根据权利要求6所述的雨污管网溯源追踪方法，其特征在于，在步骤S2中，所述分检模块包括一级分检模块和二级分检模块，至少一个一级分检模块和至少一个二级分检模块按照预设时间T3向云模块系统上传检测数据。
8.根据权利要求7所述的雨污管网溯源追踪方法，其特征在于，在步骤S4中，所述关联污染信息模型数据库包括以往发生污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，还包括根据样本训练学习后的污染物排放后水质检测单元中检测数据的阈值范围以及在预设时间内的变化曲线，在T1时间内，采用离线比对分析的方式，结合雨污管网可视化模型中与检测超标污染物对应的企业信息，将污染源可能存在位置的概率划分分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个等级，其中，Ⅰ等级为出现污染源位置概率最高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线都与关联污染信息模型数据库中的信息相对应；Ⅱ等级为出现污染源位置概率较高的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的两个与关联污染信息模型数据库中的信息相对应；Ⅲ等级为出现污染源位置概率较低的等级，污染物对应的企业、水质检测单元的总检模块和分检模块检测数值的变化阈值、水质检测单元的总检模块和分检模块检测数值的变化曲线中的一个与关联污染信息模型数据库中的信息相对应；Ⅳ等级为可能出现污染源位置概率较低的等级，关联污染信息模型数据库根据训练学习后基于检测的污染物信息和变化曲线列举出可能存在污染源的位置。
9.根据权利要求8所述的雨污管网溯源追踪方法，其特征在于，在步骤S5中，根据求解计算获取污染物排放溯源信息时，将该排放溯源信息在雨污管网可视化模型中相关水质检测单元的总检模块和分检模块以及相关管路进行高亮标识，并给出相关总检模块和分检模块节点污染物浓度的变化曲线，若该变化曲线的变化幅度与变化趋势与关联污染信息模型数据库预存的相关污染源排放后相同时间内的变化趋势一致，变化幅度接近，即确定该污染物排放溯源信息即为真实污染物排放溯源信息；若变化幅度与变化趋势只有一个被匹配，则确定该污染物排放溯源信息为高概率污染物排放溯源信息；若变化幅度与变化趋势都被不匹配，则确定该污染物排放溯源信息为低概率污染物排放溯源信息，若在预设时间T5内无法获取确定真实污染物排放溯源信息，则对高概率污染物排放溯源信息和/或低概率污染物排放溯源信息处的水样进行人工采用取样检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111560072.8A CN114444259B (zh) | 2021-12-20 | 2021-12-20 | 一种雨污管网溯源追踪系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111560072.8A CN114444259B (zh) | 2021-12-20 | 2021-12-20 | 一种雨污管网溯源追踪系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114444259A CN114444259A (zh) | 2022-05-06 |
| CN114444259B true CN114444259B (zh) | 2022-09-23 |
Family
ID=81363192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111560072.8A Active CN114444259B (zh) | 2021-12-20 | 2021-12-20 | 一种雨污管网溯源追踪系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114444259B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115545678A (zh) * | 2022-11-29 | 2022-12-30 | 浙江贵仁信息科技股份有限公司 | 一种基于水环境画像与污染物溯源的水质监测方法 |
| CN116342148B (zh) * | 2023-03-23 | 2023-11-17 | 山东添睿智慧信息科技有限公司 | 一种医疗垃圾无害一体化溯源管理系统及方法 |
| CN116976046B (zh) * | 2023-06-12 | 2024-04-05 | 中国建筑第四工程局有限公司 | 基于管网追踪的污水监控方法及系统 |
| CN116466058B (zh) * | 2023-06-15 | 2023-09-05 | 上海博取仪器有限公司 | 水质检测数据处理方法、水质评估系统、设备及介质 |
| CN117057819B (zh) * | 2023-08-15 | 2024-06-28 | 泰华智慧产业集团股份有限公司 | 一种雨水管网污水排放溯源分析方法及系统 |
| CN116990203B (zh) * | 2023-09-26 | 2023-12-15 | 天宇利水信息技术成都有限公司 | 基于声光信号融合的水沙通量同步在线监测方法及系统 |
| CN117373556B (zh) * | 2023-12-04 | 2024-02-13 | 山东清控生态环境产业发展有限公司 | 一种基于多维数据的溯源仪器及系统 |
| CN117633723B (zh) * | 2024-01-26 | 2024-05-10 | 四川轻化工大学 | 基于物联网的环境监测溯源分析方法、系统、终端及介质 |
| CN118070234B (zh) * | 2024-04-22 | 2024-07-30 | 河北工程大学 | 一种水质状态融合感知与预测溯源方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108602374A (zh) * | 2016-02-09 | 2018-09-28 | 捷德货币技术有限责任公司 | 对设置有安全元素的对象的验证 |
| CN110673566A (zh) * | 2019-10-23 | 2020-01-10 | 上海交通大学 | 一种污水混合收集管网的多层智慧监管系统与运行方法 |
| CN111810849A (zh) * | 2020-07-23 | 2020-10-23 | 南京财经大学 | 一种雨污管网零直排溯源监测方法 |
| CN111882473A (zh) * | 2020-07-23 | 2020-11-03 | 南京财经大学 | 一种雨污管网零直排溯源追踪方法 |
| CN112083132A (zh) * | 2019-06-14 | 2020-12-15 | 深圳市振瀚信息技术有限公司 | 一种污水污染溯源方法 |
| CN113011903A (zh) * | 2021-04-26 | 2021-06-22 | 成都环极科技有限公司 | 基于gis和水力模型的水污染精准溯源方法 |
| CN113050472A (zh) * | 2021-02-20 | 2021-06-29 | 温州设计集团有限公司 | 基于管网预警分析技术的智慧污水零直排动态监管系统 |
| CN113269564A (zh) * | 2021-04-16 | 2021-08-17 | 佛山市奥博环保技术有限公司 | 一种园区排污管网污染源反向追踪溯源方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109886830B (zh) * | 2019-01-02 | 2023-07-04 | 同济大学 | 一种基于用户投诉信息的供水管网污染源追踪定位方法 |
| CN111461167B (zh) * | 2020-03-02 | 2024-06-07 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
-
2021
- 2021-12-20 CN CN202111560072.8A patent/CN114444259B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108602374A (zh) * | 2016-02-09 | 2018-09-28 | 捷德货币技术有限责任公司 | 对设置有安全元素的对象的验证 |
| CN112083132A (zh) * | 2019-06-14 | 2020-12-15 | 深圳市振瀚信息技术有限公司 | 一种污水污染溯源方法 |
| CN110673566A (zh) * | 2019-10-23 | 2020-01-10 | 上海交通大学 | 一种污水混合收集管网的多层智慧监管系统与运行方法 |
| CN111810849A (zh) * | 2020-07-23 | 2020-10-23 | 南京财经大学 | 一种雨污管网零直排溯源监测方法 |
| CN111882473A (zh) * | 2020-07-23 | 2020-11-03 | 南京财经大学 | 一种雨污管网零直排溯源追踪方法 |
| CN113050472A (zh) * | 2021-02-20 | 2021-06-29 | 温州设计集团有限公司 | 基于管网预警分析技术的智慧污水零直排动态监管系统 |
| CN113269564A (zh) * | 2021-04-16 | 2021-08-17 | 佛山市奥博环保技术有限公司 | 一种园区排污管网污染源反向追踪溯源方法及系统 |
| CN113011903A (zh) * | 2021-04-26 | 2021-06-22 | 成都环极科技有限公司 | 基于gis和水力模型的水污染精准溯源方法 |
Non-Patent Citations (2)
| Title |
|---|
| 慈湖河流域水质监测预警管理体系的构建与应用;邵世保等;《环境与发展》;20191228(第12期);全文 * |
| 给水管网污染源定位模拟及影响因素分析;李红卫等;《浙江大学学报(工学版)》;20110115(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114444259A (zh) | 2022-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
| CN110196083B (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
| CN115577018B (zh) | 一种水质监测数据的智能处理方法及系统 | |
| US20240232456A1 (en) | Pollution emission determination method and apparatus based on digital watershed space-time model | |
| CN115685853A (zh) | 一种基于大数据的水环境污染分析管理系统及方法 | |
| CN210895538U (zh) | 水质智能监管装置和设备 | |
| CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警系统及其分析方法 | |
| CN108665119B (zh) | 一种供水管网异常工况预警方法 | |
| CN111628570B (zh) | 水电站安全监测故障诊断方法及系统 | |
| CN114298162B (zh) | 融合卫星雷达多源数据的降水质量控制与评估方法及应用 | |
| CN110929359A (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
| CN118098442B (zh) | 一种基于多层感知器模型的城市水环境小尺度溯源方法 | |
| CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
| CN117540329B (zh) | 基于机器学习的排水管网缺陷在线预警方法及系统 | |
| CN116205592A (zh) | 一种智慧物联的排水管网污染异常溯源方法 | |
| CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
| CN112083132A (zh) | 一种污水污染溯源方法 | |
| CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
| CN117233342A (zh) | 一种基于置信区间算法的入河排污口精准监测方法及系统 | |
| CN115407040B (zh) | 一种水环境污染监测方法及系统 | |
| CN113125355A (zh) | 水质监管系统 | |
| CN114814135A (zh) | 一种基于多元监测的河流水质污染溯源方法及系统 | |
| CN114755387A (zh) | 基于假设检验法的水体监测点位优化方法 | |
| CN114723139A (zh) | 基于gis的数字管网控制系统 | |
| CN114324800A (zh) | 一种排水管道来水监测方法及其系统、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |