CN114511225A - 一种断面识别方法、装置、设备以及存储介质 - Google Patents
一种断面识别方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114511225A CN114511225A CN202210131875.XA CN202210131875A CN114511225A CN 114511225 A CN114511225 A CN 114511225A CN 202210131875 A CN202210131875 A CN 202210131875A CN 114511225 A CN114511225 A CN 114511225A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- section
- determining
- correlation
- pollutant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 159
- 231100000719 pollutant Toxicity 0.000 claims abstract description 158
- 238000001556 precipitation Methods 0.000 claims abstract description 147
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 16
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 7
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 7
- 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
- -1 permanganate index Chemical compound 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 7
- 239000011574 phosphorus Substances 0.000 claims description 7
- 239000000356 contaminant Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 7
- 238000003911 water pollution Methods 0.000 abstract description 3
- 238000003900 soil pollution Methods 0.000 abstract 1
- 230000002354 daily effect Effects 0.000 description 83
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种断面识别方法、装置、设备以及存储介质,属于水土污染识别技术领域。该方法包括:根据目标断面的污染物监测数据,确定污染物日均值,并根据所述目标断面所处地区的降水数据,确定日降水量;根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性;根据所述相关性,确定所述目标断面的类别。通过上述技术方案,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
Description
技术领域
本发明涉及水体污染识别技术领域,尤其涉及一种断面识别方法、装置、设备以及存储介质。
背景技术
河流断面监测分析是监控河流水质的重要途径之一。传统方法在对断面进行污染物分析时,仅通过单独断面的污染物同比或环比对比来分析水质变化趋势,常常无法得出有价值的分析结果。这是由于某些断面的水质经常会受到降雨量和河流流量等外在因素的影响,即使在同期情况下,不同的水文情况也会导致断面的水质情况发生巨大的变化。这一类受汛期影响显著的断面被称为汛后峰值断面。准确地分析并识别汛后峰值断面,能够提醒有关生态环境部门,在汛期来临前提前做好准备,重点关注汛期断面的水质变化,进而提升保护断面水质,预防水体污染。
发明内容
本发明提供了一种断面识别方法、装置、设备以及存储介质,以实现河流断面的准确识别。
根据本发明的一方面,提供了一种断面识别方法,该方法包括:
根据目标断面的污染物监测数据,确定污染物日均值,并根据所述目标断面所处地区的降水数据,确定日降水量;
根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性;
根据所述相关性,确定所述目标断面的类别。
根据本发明的另一方面,提供了一种断面识别装置,该装置包括:
日均信息确定模块,用于根据目标断面的污染物监测数据,确定污染物日均值,并根据所述目标断面所处地区的降水数据,确定日降水量;
相关性确定模块,用于根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性;
类别确定模块,用于根据所述相关性,确定所述目标断面的类别。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的断面识别方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的断面识别方法。
本发明实施例的技术方案,通过根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量,之后根据污染物日均值和日降水量,确定污染物与降水量之间的相关性,进而根据相关性,确定目标断面的类别。上述技术方案,引入降水量,并结合污染物和降水量之间的相关性,来确定河流断面的类别,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种断面识别方法的流程图;
图2是根据本发明实施例二提供的一种断面识别方法的流程图;
图3是根据本发明实施例三提供的一种断面识别方法的流程图;
图4是根据本发明实施例四提供的一种断面识别装置的结构示意图;
图5是实现本发明实施例的断面识别方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种断面识别方法的流程图。本实施例可适用于如何进行河流断面识别的情况,尤其适用于如何进行汛后峰值断面识别的情况。该方法可以由断面识别装置来执行,该断面识别装置可以采用硬件和/或软件的形式实现,并可集成于承载断面识别功能的电子设备中,例如服务器中。如图1所示,本实施例的断面识别方法可以包括:
S110、根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量。
本实施例中,目标断面为需要进行汛后污染物监测和预防的河流断面。所谓污染物监测数据包括但不限于总磷、高锰酸盐指数、氨氮、溶解氧和pH值中的至少一种;可选的,在河流断面处设置自动监测站,可以从自动监测站获取河流断面的污染物监测数据;需要说明的是,自动监测站对污染物进行定时监测,例如,每天对pH值监测24次,每天对总磷、高锰酸盐指数、氨氮和溶解氧检测6次。
所谓污染物日均值为某一污染物每一天的检测数据。所谓日降水量为河流所处地区的每日的降水量。
可选的,可以基于如下公式,根据目标断面的污染物监测数据,确定污染物日均值:
其中,X表示为污染物日均值;xi为某污染物当天第i次监测数据。对PH值,n取24,对总磷、高锰酸盐指数、氨氮、溶解氧,n取6。
可选的,可以从全国气象站获取目标断面所处地区的降水数据,进而根据降水数据,确定日降水量。具体的,可以通过计算目标断面周边的设定个气象站的日降水量平均值,来确定目标断面所述地区的日降水量。例如可以通过如下公式确定日降水量:
其中,Y表示为日降水量;yj表示为某气象站当天第j小时的降水量数据,n为断面周边气象站数量。
S120、根据污染物日均值和日降水量,确定污染物与降水量之间的相关性。
本实施例中,相关性用于表征污染物和降水量之间的关联程度,相关性越大,污染物和降水量之间的关联程度越大,例如相关性可以是皮尔逊相关系数。
一种可选方式,可以基于相关性模型,根据污染物日均值和日降水量,确定污染物和降水量之间的相关性。其中,相关性模型可以基于统计学和机器学习算法,根据历史污染物数据和历史降水量数据确定。
另一种可选方式,根据污染物日均值和日降水量,确定污染物和降水量之间的协方差、污染物的标准差和降水量的标准差;根据污染物和降水量之间的协方差、污染物的标准差和降水量的标准差,确定污染物和降水量之间的相关性。
具体的,可以根据每次降水的污染物日均值和设定次数降水的污染物日均值,确定污染物的标准差,并根据每次降水的日降水量和设定次数降水的日降水量,确定降水量的标准差,同时,根据的物每次降水的污染物日均值和设定次数降水的污染物日均值,以及每次降水的日降水量和设定次数降水的日降水量,确定污染物和降水量之间的协方差,进而根据污染物和降水量之间的协方差、污染物的标准差和降水量的标准差,确定污染物和降水量之间的相关性。例如,可以通过如下公式确定:
可以推导出,污染物日均值X与日降水量Y的皮尔逊相关性系数P的计算公式为:
S130、根据相关性,确定目标断面的类别。
本实施例中,目标断面的类别可以包括汛后污染物峰值重点关注断面、汛后单一污染物峰值断面和普通断面;其中,汛后污染物峰值重点关注断面为汛后多类污染物浓度严重变化的断面;汛后单一污染物峰值断面为汛后某一类污染物浓度严重变化的断面;普通断面为汛前汛后污染物浓度无明显变化的断面。
具体的,可以根据类别确定模型,根据相关性,确定目标断面的类别。可以将相关性输入类型确定模型中,经过模型处理,得到目标断面的类别。其中,类别确定模型可以基于机器学习算法得到。
本发明实施例的技术方案,通过根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量,之后根据污染物日均值和日降水量,确定污染物与降水量之间的相关性,进而根据相关性,确定目标断面的类别。上述技术方案,引入降水量,并结合污染物和降水量之间的相关性,来确定河流断面的类别,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
实施例二
图2是根据本发明实施例二提供的一种断面识别方法的流程图,在上述实施例的基础上,对“根据污染物日均值和日降水量,确定污染物与降水量之间的相关性”进一步优化,提供一种可选实施方案。如图2所示,本实施例的断面识别方法可以包括:
S210、根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量。
S220、确定降雨天关联的影响天。
本实施例中,影响天为将雨天以及雨天之前设定天,例如可以是降雨天当天、降雨后第一天、降雨后第二天和降雨后第三天等。
优选的,本实施例中,降雨天关联的影响天设置为4天,分别为降雨当前、降雨后第一天、降雨后第二天和降雨后第三天。
S230、对于每一影响天,根据污染物日均值和日降水量,确定该影响天对应的污染物与降水量之间的相关性。
具体的,对于每一影响天,可以根据上述实施例的方法,根据污染物日均值和日降水量,确定该影响天对应的污染物与降水量之间的相关性。优选的,影响天设置为4天,依次计算每一影响天对应的各污染物与降水量之间的相关性,即每一天的总磷、高锰酸盐指数、氨氮、溶解氧、pH值五类污染物分别与降水量之间的相关性,进而可以得到20个相关系数。
S240、根据相关性,确定目标断面的类别。
具体的,可以根据各影响天对应的污染物和降水量之间的相关性,确定目标断面的类别。
本发明实施例的技术方案,通过根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量,之后确定降雨天关联的影响天,对于每一影响天,根据污染物日均值和日降水量,确定该影响天对应的污染物与降水量之间的相关性,进而根据相关性,确定目标断面的类别。上述技术方案,引入影响天,通过结合多天的污染物与降水量之间的相关性,确定目标断面的类别,进一步提高了目标断面的类别确定的精确度。
实施例三
图3是根据本发明实施例三提供的一种断面识别方法的流程图,在上述实施例的基础上,对“根据相关性,确定目标断面的类别”进一步优化,提供一种可选实施方案。如图3所示,本实施例的断面识别方法可以包括:
S310、根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量。
S320、根据污染物日均值和日降水量,确定污染物与降水量之间的相关性。
S330、根据相关性,确定目标断面的类别。
可选的,若相关性满足第一相关性判断条件,则确定目标断面的类别为汛后污染物峰值重点关注断面。其中,第一相关性判断条件为存在第一数量的污染物与降水量之间的相关性均大于第一判断系数,或者存在第二数量的污染物与降水量之间的相关性均大于第二判断系数。其中,第一数量和第二数量可以由本领域技术人员根据实际情况(历史数据和累积经验)确定,且第一数量小于第二数量。第一判断系数和第二判断系数可以由本领域技术人员根据实际情况设定,且第一判断系数大于第二判断系数;第一判断系数为污染物和降水量之间强相关的界线,第二判断系数为污染物和降水量之间中等相关的界线。需要说明的是,若无法通过实际情况确定第一判断系数和第二判断系数,则设置第一判断系数为0.6,第二判断系数为0.4。
具体的,如上述实施例所得到的20个污染物与降水量之间的相关性,若存在5个相关性大于第二判断系数,或存在3个相关性大于第一判断系数,则确定目标断面的类别为汛后污染物峰值重点关注断面。
可选的,若相关性满足第二相关性判断条件,则确定目标断面的类别为汛后单一污染物峰值断面。其中,第二相关性判断条件为存在任一污染物与降水量之间的相关性大于第一判断系数。
具体的,若任一污染物与降水量之间的相关性大于第一判断系数,则目标断面的类别为汛后单一污染物峰值断面。
示例性的,还可以根据历史断面、历史污染物数据和历史降水量确定第一相关性判断条件和第二相关性判断条件。具体的,可以基于历史断面、历史污染物数据和历史降水量,以及累积经验,确定第一相关性判断条件和第二相关性判断条件。
本发明实施例的技术方案,根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量,之后根据污染物日均值和日降水量,确定污染物与降水量之间的相关性,进而根据相关性,确定目标断面的类别。上述技术方案,引入降水量,并结合污染物和降水量之间的相关性,来确定河流断面的类别,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
引入降水量,并结合污染物和降水量之间的相关性,来确定河流断面的类别,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
实施例四
图4是根据本发明实施例三提供的一种断面识别装置的结构示意图。本实施例可适用于如何进行河流断面识别的情况,尤其适用于如何进行汛后峰值断面识别的情况。该断面识别装置可以采用硬件和/或软件的形式实现,并可集成于承载断面识别功能的电子设备中,例如服务器中。如图4所示,本实施例的断面识别装置可以包括:
日均信息确定模块410,用于根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量;
相关性确定模块420,用于根据污染物日均值和日降水量,确定污染物与降水量之间的相关性;
类别确定模块430,用于根据相关性,确定目标断面的类别。
本发明实施例的技术方案,通过根据目标断面的污染物监测数据,确定污染物日均值,并根据目标断面所处地区的降水数据,确定日降水量,之后根据污染物日均值和日降水量,确定污染物与降水量之间的相关性,进而根据相关性,确定目标断面的类别。上述技术方案,引入降水量,并结合污染物和降水量之间的相关性,来确定河流断面的类别,提高了断面类别确定的准确率,同时有利于有关部门对污染物进行监测和预防。
进一步地,污染物监测数据包括总磷、高锰酸盐指数、氨氮、溶解氧和pH值中的至少一种。
进一步地,相关性确定模块420具体用于:
根据污染物日均值和日降水量,确定污染物和降水量之间的协方差、污染物的标准差和降水量的标准差;
根据污染物和降水量之间的协方差、污染物的标准差和降水量的标准差,确定污染物和降水量之间的相关性。
进一步地,相关性确定模块420还具体用于:
确定降雨天关联的影响天;
对于每一影响天,根据污染物日均值和日降水量,确定该影响天对应的污染物与降水量之间的相关性。
进一步地,类别确定模块430包括:
汛后污染物峰值重点关注断面确定单元,用于若相关性满足第一相关性判断条件,则确定目标断面的类别为汛后污染物峰值重点关注断面;
汛后单一污染物峰值断面确定单元,用于若相关性满足第二相关性判断条件,则确定目标断面的类别为汛后单一污染物峰值断面。
进一步地,类别确定模块430还包括:
相关性条件确定单元,用于根据历史断面、历史污染物数据和历史降水量确定第一相关性判断条件和第二相关性判断条件。
本发明实施例所提供的断面识别装置可执行本发明任意实施例所提供的断面识别方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5是实现本发明实施例的断面识别方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如断面识别方法。
在一些实施例中,断面识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的断面识别方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行断面识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种断面识别方法,其特征在于,包括:
根据目标断面的污染物监测数据,确定污染物日均值,并根据所述目标断面所处地区的降水数据,确定日降水量;
根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性;
根据所述相关性,确定所述目标断面的类别。
2.根据权利要求1所述的方法,其特征在于,所述污染物监测数据包括总磷、高锰酸盐指数、氨氮、溶解氧和pH值中的至少一种。
3.根据权利要求1所述的方法,其特征在于,所述根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性,包括:
根据所述污染物日均值和所述日降水量,确定污染物和降水量之间的协方差、所述污染物的标准差和所述降水量的标准差;
根据污染物和降水量之间的协方差、所述污染物的标准差和所述降水量的标准差,确定污染物和降水量之间的相关性。
4.根据权利要求1所述的方法,其特征在于,所述根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性,包括:
确定降雨天关联的影响天;
对于每一影响天,根据所述污染物日均值和所述日降水量,确定该影响天对应的污染物与降水量之间的相关性。
5.根据权利要求1所述的方法,其特征在于,所述根据所述相关性,确定所述目标断面的类别,包括:
若所述相关性满足第一相关性判断条件,则确定所述目标断面的类别为汛后污染物峰值重点关注断面;
若所述相关性满足第二相关性判断条件,则确定所述目标断面的类别为汛后单一污染物峰值断面。
6.根据权利要求5所述的方法,其特征在于,还包括:
根据历史断面、历史污染物数据和历史降水量确定所述第一相关性判断条件和所述第二相关性判断条件。
7.一种断面识别装置,其特征在于,包括:
日均信息确定模块,用于根据目标断面的污染物监测数据,确定污染物日均值,并根据所述目标断面所处地区的降水数据,确定日降水量;
相关性确定模块,用于根据所述污染物日均值和所述日降水量,确定污染物与降水量之间的相关性;
类别确定模块,用于根据所述相关性,确定所述目标断面的类别。
8.根据权利要求7所述的装置,其特征在于,所述污染物监测数据包括总磷、高锰酸盐指数、氨氮、溶解氧和pH值中的至少一种。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的断面识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的断面识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131875.XA CN114511225A (zh) | 2022-02-14 | 2022-02-14 | 一种断面识别方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131875.XA CN114511225A (zh) | 2022-02-14 | 2022-02-14 | 一种断面识别方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114511225A true CN114511225A (zh) | 2022-05-17 |
Family
ID=81551905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210131875.XA Pending CN114511225A (zh) | 2022-02-14 | 2022-02-14 | 一种断面识别方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511225A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856237A (zh) * | 2022-11-18 | 2023-03-28 | 中国科学院城市环境研究所 | 一种基于水质监测指标的汛期污染强度计算方法及装置 |
-
2022
- 2022-02-14 CN CN202210131875.XA patent/CN114511225A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115856237A (zh) * | 2022-11-18 | 2023-03-28 | 中国科学院城市环境研究所 | 一种基于水质监测指标的汛期污染强度计算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046564B (zh) | 两阶段退化产品的剩余寿命预测方法 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN113312578A (zh) | 一种数据指标的波动归因方法、装置、设备、及介质 | |
CN114511225A (zh) | 一种断面识别方法、装置、设备以及存储介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN115168154B (zh) | 一种基于动态基线的异常日志检测方法、装置及设备 | |
CN116402494A (zh) | 设备运行状态诊断方法、装置、电子设备和存储介质 | |
CN113065234B (zh) | 一种智能电表的批次可靠性风险等级评估方法及系统 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115392591A (zh) | 任务处理方法、装置、设备及存储介质 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN115392403B (zh) | 一种异常变更检测方法、装置、设备及存储介质 | |
CN114693305A (zh) | 一种交易欺诈检测方法、装置、设备、介质及产品 | |
CN115238811A (zh) | 异常检测模型的训练方法、装置、设备及存储介质 | |
CN102129651A (zh) | 一种智能确定离群点和优化显示方式的财务预测方法 | |
CN116777674A (zh) | 配电网数据处理方法、装置、电子设备及存储介质 | |
CN115361308A (zh) | 一种工控网络数据风险确定方法、装置、设备及存储介质 | |
CN115864384A (zh) | 基于日发电量数据的扩容检测方法、装置、设备及介质 | |
CN116186536A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN115168092A (zh) | 一种线损率异常分析方法、装置、电子设备及存储介质 | |
CN115689574A (zh) | 一种交易风险预警方法、装置、电子设备及存储介质 | |
CN117235500A (zh) | 物资类别的识别方法、装置、电子设备及存储介质 | |
CN115453053A (zh) | 一种污染分析方法、装置、设备和存储介质 | |
CN117437033A (zh) | 一种预警方法、装置、设备和可读存储介质 |
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 |