CN114660030A - 污染源解析方法、装置及存储介质 - Google Patents
污染源解析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114660030A CN114660030A CN202210264034.6A CN202210264034A CN114660030A CN 114660030 A CN114660030 A CN 114660030A CN 202210264034 A CN202210264034 A CN 202210264034A CN 114660030 A CN114660030 A CN 114660030A
- Authority
- CN
- China
- Prior art keywords
- matrix
- dimensional
- weight
- pollution source
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 136
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 59
- 230000003595 spectral effect Effects 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 238000002189 fluorescence spectrum Methods 0.000 claims abstract description 33
- 230000009467 reduction Effects 0.000 claims abstract description 17
- 230000004044 response Effects 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000002848 electrochemical method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000003911 water pollution Methods 0.000 abstract description 9
- 239000004480 active ingredient Substances 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 239000010865 sewage Substances 0.000 description 16
- 239000000126 substance Substances 0.000 description 8
- 230000005284 excitation Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000000695 excitation spectrum Methods 0.000 description 6
- 238000001917 fluorescence detection Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- -1 temperature Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Computational Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Electrochemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种污染源解析方法、装置及存储介质，属于水环境保护及监测技术领域，方法包括采集污染水样；采用三维荧光光谱检测方法和电化学光谱检测方法对水样进行检测，得到多维光谱数据；利用熵权法对多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；基于图谱矩阵分配权重，构建二维权重矩阵；采用欧式距离判断分析法，计算二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。本发明利用电化学扰动对水质中的活性成分进行了增强，为水污染源解析提供更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度；同时利用熵权法‑欧式距离进行污染溯源分析，提高污染来源识别与解析的准确性。
Description
技术领域
本发明涉及水环境保护与监测技术领域，具体涉及一种污染源解析方法、装置及存储介质。
背景技术
污水偷排以及事故性污染排放现象的存在，对水环境质量造成了十分严重的影响，比如偷排超排的化学需氧量(COD)、氨氮、总磷等污染物会对城市污水处理厂带来巨大冲击，对河道水质造成严重影响。如何快速查找污水来源是当前水污染预警及管理研究的重点和难点问题。
目前常用到的污水溯源方法有：现场采样溯源法和数值模拟仿真法，现场采样溯源法有同位素示踪法、水纹识别法、光谱法，该方法溯源结果可靠性较高，但使用起来需消耗大量人力物力；数值模拟仿真法包括确定性方法和不确定性方法，数值模拟仿真法是利用模型或算法权衡实测值与模拟值相似度的方法，该方法可实现快速溯源，但准确性往往不能得到保证。
相关技术中，公开号为CN 112198144 A的发明专利申请公开了一种快速污水溯源的方法，实现步骤为：S01)污染源数据库的建立，通过对监测流域内各个企业排口节点采集到的历史水样进行水质数据检测和三维荧光光谱分析，并对三维荧光光谱采用熵权法计算，得到A＝(anⅹ1)并将检测得到的水质数据X1，X2，X3，X4，…Xn与A组合成一列新矩阵Si＝(anⅹ1,X1，X2，…Xn)，该新的矩阵Si即为该水样的水质快照，然后将企业、管网、河道的名称和地理位置作为该企业水质快照的标签录入数据库，形成企业水质特有信息；S02)污水溯源，通过水质在线监测设备与三维荧光光谱仪，实时监测水体的水质及三维荧光光谱数据，然后经过与步骤S01)相同的处理方法将水质数据和三维荧光光谱结合，得到当前水样的水质快照，然后将当前水样水质快照与数据库中的所有水质快照信息进行相似度计算，最后得出相似度最高的水质快照信息则为污染源。
三维荧光指纹谱含有大量的信息，可以用于水体污染来源识别与解析，但是三维荧光光谱技术仅能对水中荧光物质进行检测，且当溶液浓度偏高时，由于内滤效应会降低激发光强度而影响荧光强度与荧光物质浓度的线性关系，另外环境因素，如溶剂、温度、介质酸碱度及黏度、重原子效应等，都会影响其线性关系，使得对水体的荧光物质识别产生不确定性，为进一步的来源识别与解析造成误差。
发明内容
本发明所要解决的技术问题在于如何提高污染源解析的准确性。
本发明通过以下技术手段实现解决上述技术问题的：
一方面，本发明提出了一种污染源解析方法，所述方法包括：
采集污染水样；
采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
基于所述图谱矩阵分配权重，构建二维权重矩阵；
采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
本发明利用电化学扰动对水质中的活性成分进行了增强，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度；同时利用熵权法对多维光谱数据进行降维，分别计算图谱矩阵分配权重，并构建二维权重矩阵，然后基于二维权重矩阵，利用欧式距离判断分析法进行污染溯源分析进一步提高污染来源识别与解析的准确性。
进一步地，所述采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据，包括：
采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
进一步地，所述利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重，包括：
构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
根据所述矩阵M，计算所述n个样本m个评价指标的熵；
基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
进一步地，所述基于所述图谱矩阵分配权重，将本底数据和扰动数据所计算的熵权组合成新的二维权重矩阵。
进一步地，所述采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源，包括：
采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
此外，本发明还提出了一种污染源解析装置，所述装置包括：
采集模块，用于采集污染水样；
检测模块，用于采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
降维模块，用于利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
权重矩阵构建模块，用于基于所述图谱矩阵分配权重，构建二维权重矩阵；
确定模块，用于采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
进一步地，所述检测模块，包括：
第一检测单元，用于采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
第二检测单元，用于采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
数据组成单元，用于基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
进一步地，所述降维模块，包括：
归一化单元，用于构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
熵计算单元，用于根据所述矩阵M，计算所述n个样本m个评价指标的熵；
权重分配单元，用于基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
进一步地，所述确定模块，包括：
距离计算单元，用于采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
相似度计算单元，基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
污染源确定单元，用于将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
此外，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法。
本发明的优点在于：
(1)本发明使用电化学方法对水质具有电化学活性而无荧光活性的物质进行电化学激发，从而改变化合物的结构或电荷状态，实现无荧光物质的荧光检测，采集激发及未激发条件下的光谱响应特征，融合三维荧光光谱数据及电化学光谱数据，形成多维光谱数组，利用电化学扰动对水质中的活性成分进行了增强，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度；同时利用熵权法对多维光谱数据进行降维，分别计算图谱矩阵分配权重，并构建二维权重矩阵，然后基于二维权重矩阵，利用欧式距离判断分析法进行污染溯源分析进一步提高污染来源识别与解析的准确性。
(2)利用熵权法-欧式距离方法实现水样污水来源的多维信息解析，具有速度快、精度高等特点，可用于指导城市企业违规排放，雨污水管网混接错接等行为排查，大大提高城市排水系统运营效率。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明中污染源解析方法的流程图；
图2是本发明中污染源解析方法的整体流程图；
图3是本发明中P1排口欧式距离图；
图4是本发明中P2排口欧式距离图；
图5是本发明中污染源解析装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，本发明实施例提出了一种污染源解析方法，所述方法包括以下步骤：
S10、采集污染水样；
S20、采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
需要说明的是，本实施例中得到的多维光谱数据为四维光谱数据。
S30、利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
S40、基于所述图谱矩阵分配权重，构建二维权重矩阵；
S50、采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
本实施例中，利用电化学扰动对水质中的活性成分进行了增强，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度；同时利用熵权法对多维光谱数据进行降维，分别计算图谱矩阵分配权重，并构建二维权重矩阵，然后基于二维权重矩阵，利用欧式距离判断分析法进行污染溯源分析进一步提高污染来源识别与解析的准确性。
在一实施例中，参照图2，所述S20，包括以下步骤：
S21、采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
S22、采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
S23、基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
可以理解的是，本实施例具体可以采用三维荧光光谱分析仪及紫外-可见吸收光谱分析仪对处于常规状态下及处于扰动状态下的水样进行测试，得到光谱响应特征数据。
本实施例使用电化学方法对水质具有电化学活性而无荧光活性的物质进行电化学激发，从而改变化合物的结构或电荷状态，实现无荧光物质的荧光检测，采集激发及未激发条件下的光谱响应特征，融合三维荧光光谱数据及电化学光谱数据，形成多维光谱数组，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度。
在一实施例中，所述步骤S30，包括：
S31、构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
具体地，构建n个样本m个评价指标的矩阵I为：
I＝(aijm×n)
对矩阵I做归一化处理，得到矩阵M为：
M＝(bijm×n)
其中，
aij为矩阵I的元素；amax、amin表示相同指标下不同样本中最满意或者最不满意的元素。
S32、根据所述矩阵M，计算所述n个样本m个评价指标的熵；
具体地，n个样本m个评价指标的熵
其中，Ri表示指标i的信息熵，bij为矩阵M中的元素，为使lnbij有意义，假定bij＝0时，bijlnbij＝0，但当bij＝1时，biklnbij＝0，因此采用公式
对bij进行修正。
S33、基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
具体地，熵权的计算公式为：
其中，Ai表示指标i的熵权(权重)；Ri表示指标i的信息熵，且满足∑Ai＝1。
需要说明的是，公开号为CN 112198144 A的发明专利申请记载的一种快速污水溯源的方法，其采用的熵权法是对三维荧光光谱数据进行降维，形成一维数据，并结合水质指标(如COD、氨氮等)形成新的一维数据，重构矩阵是一维的，然后利用皮尔逊相似度对一维数据进行相似度计算。
而本实施例中采用熵权法分别对水样的本底数据和扰动数据进行降维形成一维数据，并重组成二维矩阵数据；然后利用欧式距离对二维矩阵数据进行相似度计算。本实施例中对于降维后的数组处理方式与其是不同的。
在一实施例中，所述步骤S40，包括：将本底数据和扰动数据所计算的熵权组合成新的二维权重矩阵。
在一实施例中，所述步骤S50，包括以下步骤：
S51、采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
S52、基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
S53、将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
具体地，基于欧式距离判别分析法进行污染溯源分析，主要计算公式如下：
两个n(n＝2)维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧式距离为：
二维平面上两点A(x1,y1)与B(x2,y2)间的欧氏距离，计算公式如下：
从上述的一般性公式可以看出，两点之间的距离恒为非负数，最大值为正无穷大。但是通常情况下相似度的取值范围应该在[-1,1]之间，所以我们需要对其求倒数将结果控制在(0,1]之间。
最后通过欧式距离可计算两个数据间相似度，其公式为：
两个数据或者用户之间的距离越大，则其相似度越小，距离越小则相似度越大，将计算得到的相似度进行排序，将与数据库中相似度最高的权重数据所对应的污染源确定为水样的污染源。
本实施例利用熵权法-欧式距离方法实现水样污水来源的多维信息解析，具有速度快、精度高等特点，可用于指导城市企业违规排放，雨污水管网混接错接等行为排查，大大提高城市排水系统运营效率。
需要说明的是，欧式距离是一种常见的计算数据相似度的算法，本方案采用这种方法是对重构的二维矩阵计算相似度，与公开号为CN113267607A的发明专利申请等相关技术中利用欧式距离对训练集与实际监测数据的相似度进行计算，对反演结果进行排序，筛选无用信息，使用目的和方法是不同的。
通过对某流域某二级支流流域为研究对象，采集重点排污企业的排口污水水样，并同时对其入河排口及污水管网关键节点进行水样采集，下表所示为采集的相关水样，本实验选取流域内2个水质超标管网节点P1及P2，并对该管网节点周边11家相关企业排口采集了水样，依次记为Q1-Q11。分别利用三维荧光检测以及电化学激发三维荧光检测进行指纹检测，构建四维数据，分别利用基于熵权法计算图谱矩阵分配权重，将初始状态及激发状态的分配权重组合并构建二维权重矩阵，随后通过基于欧氏距离判别分析法进行污染溯源分析，并进行相似度分析。
水样信息采集详见表1：
表1水样信息
相似度计算结果见表2：
表2相似度计算结果
通过表2所展示的所取企业排口水样Q1-Q11与排口P1以及P2的欧式距离及相似度计算数据。下图3至4所示为管网节点P1以及管网节点P2与各企业欧式距离图。对于管网节点P1，Q8与其电化学荧光光谱整体距离较小，距离值为0.380，换算成相似度为0.72，其余企业与P1排口相似度则普遍表现为0.6左右，因此初步判断该节点水质超标主要受企业8影响。
同理，对于管网节点P2，与之最近的欧氏距离企业为Q5，其欧氏距离值为0.345，相似度值为0.74，初步判断该节点水质超标主要受企业5影响。
本发明利用原位电化学荧光谱测试体系对企业及管网节点的实际水样进行了测试，获得了初始状态及激发状态下的三维荧光光谱数据。然后分别利用基于熵权法计算图谱矩阵分配权重，将初始状态及激发状态的分配权重组合并构建二维权重矩阵。随后通过基于欧氏距离判别分析法进行污染溯源分析，并确定疑似污染源。
该方法突破了传统三维荧光光谱法所存在的猝灭效应，利用电化学扰动对水质中的活性成分进行了增强，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息。通过熵权法及欧氏距离，利用特征向量之间的距离来获得水样相似性。所计算的结果与实际结果匹配性较好。
参照图5，本发明实施例提出了一种污染源解析装置，所述装置包括：
采集模块10，用于采集污染水样；
检测模块20，用于采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
降维模块30，用于利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
权重矩阵构建模块40，用于基于所述图谱矩阵分配权重，构建二维权重矩阵；
确定模块50，用于采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
本实施例中，利用电化学扰动对水质中的活性成分进行了增强，使得水样所表现出激发光谱特征峰及其强度得到了增强，为水污染源解析提供了更多信息挖掘隐藏的水质光谱信息，增加水质检测溯源的辨识度；同时利用熵权法对多维光谱数据进行降维，分别计算图谱矩阵分配权重，并构建二维权重矩阵，然后基于二维权重矩阵，利用欧式距离判断分析法进行污染溯源分析进一步提高污染来源识别与解析的准确性。
在一实施例中，所述检测模块20，包括：
第一检测单元，用于采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
第二检测单元，用于采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
数据组成单元，用于基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
在一实施例中，所述降维模块30，包括：
归一化单元，用于构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
熵计算单元，用于根据所述矩阵M，计算所述n个样本m个评价指标的熵；
权重分配单元，用于基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
在一实施例中，所述确定模块50，包括：
距离计算单元，用于采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
相似度计算单元，基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
污染源确定单元，用于将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
本实施例利用熵权法-欧式距离方法实现水样污水来源的多维信息解析，具有速度快、精度高等特点，可用于指导城市企业违规排放，雨污水管网混接错接等行为排查，大大提高城市排水系统运营效率。
需要说明的是，本发明所述污染源解析装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不在赘余。
此外，本发明实施例公开了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如上所述的污染源解析方法。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种污染源解析方法，其特征在于，所述方法包括：
采集污染水样；
采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
基于所述图谱矩阵分配权重，构建二维权重矩阵；
采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
2.如权利要求1所述的污染源解析方法，其特征在于，所述采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据，包括：
采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
3.如权利要求1所述的污染源解析方法，其特征在于，所述利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重，包括：
构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
根据所述矩阵M，计算所述n个样本m个评价指标的熵；
基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
4.如权利要求3所述的污染源解析方法，其特征在于，所述基于所述图谱矩阵分配权重，构建二维权重矩阵，包括：
将本底数据和扰动数据所计算的熵权组合成新的二维权重矩阵。
5.如权利要求1所述的污染源解析方法，其特征在于，所述采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源，包括：
采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
6.一种污染源解析装置，其特征在于，所述装置包括：
采集模块，用于采集污染水样；
检测模块，用于采用三维荧光光谱检测方法和电化学光谱检测方法对所述水样进行检测，得到多维光谱数据；
降维模块，用于利用熵权法对所述多维光谱数据进行降维处理，分别计算图谱矩阵分配权重；
权重矩阵构建模块，用于基于所述图谱矩阵分配权重，构建二维权重矩阵；
确定模块，用于采用欧式距离判断分析法，计算所述二维权重矩阵与预先构建的数据库中的权重矩阵之间的相似度，确定污染源。
7.如权利要求6所述的污染源解析装置，其特征在于，所述检测模块，包括：
第一检测单元，用于采用所述三维荧光光谱检测方法获取所述水样在常规状态下的第一光谱响应特征数据；
第二检测单元，用于采用电化学方法对所述水样进行电化学扰动，并采用所述三维荧光光谱检测方法获取所述水样在扰动状态下的第二光谱响应特征数据；
数据组成单元，用于基于所述第一光谱响应特征数据和所述第二光谱响应特征数据，构成所述多维光谱数据。
8.如权利要求6所述的污染源解析装置，其特征在于，所述降维模块，包括：
归一化单元，用于构建n个样本m个评价指标的矩阵I，并对所述矩阵I进行归一化处理，得到矩阵M；
熵计算单元，用于根据所述矩阵M，计算所述n个样本m个评价指标的熵；
权重分配单元，用于基于所述n个样本m个评价指标的熵，计算熵权作为所述图谱矩阵分配权重。
9.如权利要求6所述的污染源解析装置，其特征在于，所述确定模块，包括：
距离计算单元，用于采用所述欧式距离判断分析法，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的欧式距离；
相似度计算单元，基于各所述欧式距离，计算所述二维权重矩阵与所述数据库中各权重矩阵之间的相似度；
污染源确定单元，用于将所述数据库中与所述二维权重矩阵相似度最高的权重数据所对应的污染源确定为所述水样的污染源。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210264034.6A CN114660030A (zh) | 2022-03-17 | 2022-03-17 | 污染源解析方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210264034.6A CN114660030A (zh) | 2022-03-17 | 2022-03-17 | 污染源解析方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114660030A true CN114660030A (zh) | 2022-06-24 |
Family
ID=82029634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210264034.6A Pending CN114660030A (zh) | 2022-03-17 | 2022-03-17 | 污染源解析方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114660030A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662853A (zh) * | 2023-05-29 | 2023-08-29 | 新禾数字科技(无锡)有限公司 | 一种自动识别出污染来源解析结果的方法及系统 |
| CN116756523A (zh) * | 2023-08-14 | 2023-09-15 | 清华大学合肥公共安全研究院 | 跨界水污染源解析方法、系统、装置和存储介质 |
-
2022
- 2022-03-17 CN CN202210264034.6A patent/CN114660030A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116662853A (zh) * | 2023-05-29 | 2023-08-29 | 新禾数字科技(无锡)有限公司 | 一种自动识别出污染来源解析结果的方法及系统 |
| CN116662853B (zh) * | 2023-05-29 | 2024-04-30 | 新禾数字科技(无锡)有限公司 | 一种自动识别出污染来源解析结果的方法及系统 |
| CN116756523A (zh) * | 2023-08-14 | 2023-09-15 | 清华大学合肥公共安全研究院 | 跨界水污染源解析方法、系统、装置和存储介质 |
| CN116756523B (zh) * | 2023-08-14 | 2023-10-20 | 清华大学合肥公共安全研究院 | 跨界水污染源解析方法、系统、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110634080B (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
| CN114660030A (zh) | 污染源解析方法、装置及存储介质 | |
| WO2023024463A1 (zh) | 一种水体有机污染智能化溯源方法及系统 | |
| Dube | Cumulative effect assessment in Canada: a regional framework for aquatic ecosystems | |
| Smith et al. | Benthic response index for assessing infaunal communities on the southern California mainland shelf | |
| Lyons-Weiler et al. | Optimal outgroup analysis | |
| CN109470667A (zh) | 一种结合水质参数和三维荧光光谱进行污染物溯源的方法 | |
| CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
| Wong et al. | Application of interval clustering approach to water quality evaluation | |
| CN112198144B (zh) | 一种快速污水溯源的方法及系统 | |
| CN106650020A (zh) | 一种复合受体模型污染源解析方法 | |
| CN105784650A (zh) | 一种地表水有机物污染的在线监测方法 | |
| CN112231621B (zh) | 基于BP-adaboost降低元素检出限的方法 | |
| CN117195135B (zh) | 一种水污染异常溯源检测方法及系统 | |
| De Frond et al. | Representative subsampling methods for the chemical identification of microplastic particles in environmental samples | |
| CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| Johnson | Spatial congruence between ecoregions and littoral macroinvertebrate assemblages | |
| CN116187861A (zh) | 基于同位素的水质溯源监测方法及相关装置 | |
| CN115081963A (zh) | 一种地下水质风险分析方法及系统 | |
| Johnson | Development of a prediction system for lake stony-bottom littoral macroinvertebrate communities | |
| Grd et al. | Analysis of heavy metals concentration in wastewater along highways in Croatia | |
| CN112630202A (zh) | 一种城市排水系统的雨天溢流污水来源的识别方法 | |
| Mykrä et al. | Predicting the stream macroinvertebrate fauna across regional scales: influence of geographical extent on model performance | |
| CN102831320A (zh) | 流域水环境有机污染物监测全过程质控指标评价方法系统 | |
| Johnson et al. | Development of a Prediction and Classification System for Lake (littoral, SWEPAC [-] LLI) and Stream (riffle SWEPAC [-] SRI) Macroinvertebrate Communities |
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 |