CN114861996B - 一种水库大水面污染治理方法及系统 - Google Patents

一种水库大水面污染治理方法及系统 Download PDF

Info

Publication number
CN114861996B
CN114861996B CN202210416434.4A CN202210416434A CN114861996B CN 114861996 B CN114861996 B CN 114861996B CN 202210416434 A CN202210416434 A CN 202210416434A CN 114861996 B CN114861996 B CN 114861996B
Authority
CN
China
Prior art keywords
information
species
water quality
optimizing
reservoir
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
Application number
CN202210416434.4A
Other languages
English (en)
Other versions
CN114861996A (zh
Inventor
李志刚
吴闯
李前方
杜婕
颜子豪
王子怡
王煜轩
赵士力
满都拉
王如云
刘晨曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Ruiwo Agricultural Development Group Co ltd
Original Assignee
Jiangsu Ruiwo Agricultural Development Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Ruiwo Agricultural Development Group Co ltd filed Critical Jiangsu Ruiwo Agricultural Development Group Co ltd
Priority to CN202210416434.4A priority Critical patent/CN114861996B/zh
Publication of CN114861996A publication Critical patent/CN114861996A/zh
Application granted granted Critical
Publication of CN114861996B publication Critical patent/CN114861996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Activated Sludge Processes (AREA)
  • Physical Water Treatments (AREA)

Abstract

本发明公开了一种水库大水面污染治理方法及系统，涉及水库治理领域，其中，所述方法包括：采集获取第一水库的水质信息；获得第一物种信息和第二物种信息；获得第一物种数目信息和第二物种数目信息；根据第一物种信息、第二物种信息、第一物种数目信息和第二物种数目信息进行第一水库的水质治理；在水质治理中，实时采集获取第一水库的水质变化信息，以及第二物种的物质浓缩信息；根据水质变化信息和物质浓缩信息，对第一物种信息、第二物种信息、第一物种数目信息和第二物种数目信息进行实时调整。本发明解决了现有技术中水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。

Description

一种水库大水面污染治理方法及系统
技术领域
本发明涉及水库治理领域，具体地，涉及一种水库大水面污染治理方法及系统。
背景技术
由于受到工业污染、农业污染、生活废水污染等因素的影响，水库的污染情况越来越严重，对水库的正常供水带来严峻的挑战。同时，恶劣的水库污染阻碍社会经济的发展，甚至对社会稳定和人民生命安全产生一定程度的威胁。研究设计一种优化水库污染治理的方法，实现水库水质改善、减轻水库污染、保护水库的水体环境，具有重要的现实意义。
现有技术中，存在针对水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。
发明内容
本申请提供了一种水库大水面污染治理方法及系统，解决了现有技术中的针对水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。
鉴于上述问题，本申请提供了一种水库大水面污染治理方法及系统。
第一方面，本申请提供了一种水库大水面污染治理方法，其中，所述方法应用于一种水库大水面污染治理系统，所述方法包括：采集获取第一水库的水质信息；根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息；根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。
第二方面，本申请还提供了一种水库大水面污染治理系统，其中，所述系统包括：第一执行单元，所述第一执行单元用于采集获取第一水库的水质信息；第一获得单元，所述第一获得单元用于根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息；第二获得单元，所述第二获得单元用于根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；第二执行单元，所述第二执行单元用于根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；第三执行单元，所述第三执行单元用于在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；第四执行单元，所述第四执行单元用于根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。
第三方面，本申请提供了一种水库大水面污染治理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其中，所述存储介质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上述第一方面中任一项所述的方法。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
采集获取第一水库的水质信息；进行水质优化的物种筛选，获得第一物种信息和第二物种信息；进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；基于此，进行所述第一水库的水质治理；在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。达到了提高水库污染治理的精确度和准确性；提升水库污染治理的科学化和智能化水平；提高水库污染治理的效果和质量；同时，设计一种优化水库污染治理的方法，为水库污染治理技术的进一步发展奠定基础的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术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示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请一种水库大水面污染治理方法的流程示意图；
图2为本申请一种水库大水面污染治理方法中对第一物种信息、第二物种信息、第一物种数目信息和第二物种数目信息进行实时调整的流程示意图；
图3为本申请一种水库大水面污染治理系统的结构示意图；
图4为本申请示例性电子设备的结构示意图。
附图标记说明：第一执行单元11，第一获得单元12，第二获得单元13，第二执行单元14，第三执行单元15，第四执行单元16，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请通过提供一种水库大水面污染治理方法及系统，解决了现有技术中的针对水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。达到了提高水库污染治理的精确度和准确性；提升水库污染治理的科学化和智能化水平；提高水库污染治理的效果和质量；同时，设计一种优化水库污染治理的方法，为水库污染治理技术的进一步发展奠定基础的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
由于受到工业污染、农业污染、生活废水污染等因素的影响，水库的污染情况越来越严重，对水库的正常供水带来严峻的挑战。同时，恶劣的水库污染阻碍社会经济的发展，甚至对社会稳定和人民生命安全产生一定程度的威胁。研究设计一种优化水库污染治理的方法，实现水库水质改善、减轻水库污染、保护水库的水体环境，具有重要的现实意义。现有技术中，存在针对水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供一种水库大水面污染治理方法，其中，所述方法应用于一种水库大水面污染治理系统，所述方法包括：采集获取第一水库的水质信息；进行水质优化的物种筛选，获得第一物种信息和第二物种信息；进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；基于此，进行所述第一水库的水质治理；在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
请参阅附图1，本申请提供一种水库大水面污染治理方法，其中，所述方法应用于一种水库大水面污染治理系统，所述方法具体包括如下步骤：
步骤S100：采集获取第一水库的水质信息；
进一步的，本申请步骤S100包括：
步骤S110：采集获取所述第一水库内水的多维度水质信息，获得第一水质信息集合；
步骤S120：采集获取所述第一水库此前多个历史时间节点的多维度水质信息，获得多个历史水质信息集合；
步骤S130：根据多个所述历史水质信息集合和多个所述时间节点，构建所述多维度水质信息的变化函数；
步骤S140：根据所述变化函数，预测当前所述多维度水质信息的变化趋势；
步骤S150：将所述变化趋势加入所述第一水质信息集合，获得所述水质信息。
具体而言，所述第一水库是使用所述一种水库大水面污染治理系统进行污染治理的任一水库。所述一种水库大水面污染治理系统通过大数据、人工智能、云计算等方式对所述第一水库进行多维度水质信息实时采集，获得第一水质信息集合。进而，结合此前多个历史时间节点，对所述第一水库进行所述多维度水质信息采集，获得多个历史水质信息集合。进一步，利用多个所述历史水质信息集合和多个所述时间节点绘制曲线，获得多个所述历史水质信息集合与多个所述时间节点的变化曲线，对其进行拟合后，获得所述多维度水质信息的变化函数，示例性地，可基于最小二乘法进行拟合，获得可以较好表达该变化曲线内所有值的变化函数；基于此，预测当前所述多维度水质信息的变化趋势，并将其添加至所述第一水质信息集合，获得第一水库的水质信息。其中，所述多维度水质信息包括第一水库的水质质量信息、生物信息、微生物信息、有机物信息、污染物信息等。所述第一水质信息集合包括第一水库的营养有机物种类及含量信息、菌类信息、水质安全性、水质硬度等。所述此前多个历史时间节点可根据第一水库的实际情况进行自适应设定。例如，所述此前多个历史时间节点可以为1天前、3周前、6个月前、1年前等。所述多个历史水质信息集合由第一水库在所述此前多个历史时间节点内的多维度水质信息共同构成。所述多维度水质信息的变化函数是用于表征多个所述历史水质信息集合随多个所述时间节点的变化趋势的函数。所述多维度水质信息的变化趋势是表征第一水库的多维度水质信息的未来变化的预测数据信息。所述第一水库的水质信息包括所述第一水质信息集合和所述多维度水质信息的变化趋势。达到了明确第一水库的水质信息，为后续对第一水库进行水质治理提供数据支持的技术效果。
步骤S200：根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息；
具体而言，在获得第一水库的水质信息的基础上，对第一水库进行水质优化的物种筛选，获得第一物种信息和第二物种信息。其中，所述第一物种信息和所述第二物种信息包括可以对第一水库进行水质优化的物种信息。示例性地，所述第一物种信息为有益植物,如，有益藻类等，可以压制有害藻类和吸收肥水，补充有益菌种，吸收有害菌种，分解有害藻类。所述第二物种信息为水产品，如，草食性鱼类、虾类、螺类等，可以有效吸收、转化、消除水体中的有机物质，优选为鱼类。如此，达到了获得第一物种信息和第二物种信息，为后续的水质治理过程奠定基础的技术效果。
步骤S300：根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；
进一步的，本申请步骤S300还包括：
步骤S310：根据所述第一水质信息集合，进行初步物种数量设置，获得第一物种初步数目信息和第二物种初步数目信息；
步骤S320：根据所述变化趋势，获得多维度调整参数；
步骤S330：采用所述多维度调整参数对所述第一物种初步数目信息和所述第二物种初步数目信息进行调整，获得所述第一物种数目信息和所述第二物种数目信息。
具体而言，由所述一种水库大水面污染治理系统对已获得的所述第一水质信息集合进行智能分析，根据第一水质信息集合内的水质污染严重程度进行分析判断需要投放的第一物种和第二物种的数目信息，获得第一物种初步数目信息和第二物种初步数目信息。进而，由所述一种水库大水面污染治理系统对已获得的所述变化趋势进行分析处理以及记录后，获得多维度调整参数，构建所述变化趋势与所述多维度调整参数之间的映射关系，基于此，对所述第一物种初步数目信息和所述第二物种初步数目信息进行调整，获得所述第一物种数目信息和所述第二物种数目信息。其中，所述多维度调整参数是表征对所述第一物种初步数目信息、所述第二物种初步数目信息进行数目增加或数目减少的参数信息。示例性地，所述第一物种初步数目信息为500，所述第二物种初步数目信息为1000。所述多维度调整参数是对第一物种初步数目信息增加10％，对第二物种初步数目信息减少20％。则所述第一物种数目信息为550，所述第二物种数目信息为800。达到了获得精确度和合理性较高的第一物种数目信息和第二物种数目信息，进而提高后续水质治理过程的准确性的技术效果。
步骤S400：根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；
步骤S500：在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；
具体而言，在获得所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息的基础上，根据其对所述第一水库进行水质治理。同时，在进行水质治理时，对所述第一水库进行实时信息采集，获得所述第一水库的水质变化信息和所述第二物种的物质浓缩信息。其中，所述第一水库的水质变化信息包括第一水库的水质硬度变化、有机物含量变化、酸碱度变化、菌种数量变化等数据信息。所述物质浓缩是指生物机体或处于同一营养级上的许多生物种群，从周围环境中蓄积某种元素或难分解的化合物，使生物体内该物质的浓度超过环境中的浓度的现象；又称生物学浓缩、生物学富集。所述第二物种的物质浓缩信息是表征第二物种的物质浓缩程度的数据信息。所述第二物种的物质浓缩信息可以为浓缩系数。示例性地，所述第一水库的水质变化信息表明第一水库的水体中无汞化合物。但所述第二物种的物质浓缩信息表明第一水库中鱼的体内含有若干ppm的汞。达到了对第一水库进行精确度较高的治理；并实时采集所述第一水库的水质变化信息和所述第二物种的物质浓缩信息，为后续对第一水库进行实时调整提供数据支持的技术效果。
步骤S600：根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。
进一步的，如附图2所示，本申请步骤S600还包括：
步骤S610：根据所述水质变化信息，设置获得对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行调整的多种第一调整方案；
步骤S620：根据所述物质浓缩信息，设置获得对所述第二物种信息和所述第二物种数目信息进行调整的多种第二调整方案；
步骤S630：随机组合多种所述第一调整方案和多种所述第二调整方案，获得多种总调整方案；
步骤S640：在多种所述总调整方案内进行全局寻优，获得最优总调整方案；
步骤S650：采用所述最优总调整方案进行调整。
具体而言，利用所述水质变化信息，获得多种第一调整方案。利用所述物质浓缩信息，获得多种第二调整方案。进而对多种所述第一调整方案与多种所述第二调整方案进行随机组合，获得多种总调整方案，并对其进行全局寻优，得出最优总调整方案。最终，根据所述最优总调整方案对第一水库进行调整。其中，所述多种第一调整方案是根据水质变化信息对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行初步调整的方案。所述多种第二调整方案是根据所述物质浓缩信息对所述第二物种信息和所述第二物种数目信息进行调整，缓解第一水库以及第二物种体内的物质浓缩情况的方案。示例性地，所述多种第一调整方案是增加水藻的种类和数量，减少鱼、虾、螺的种类和数量等。所述多种第二调整方案是增加鱼类的品种和数目等，且根据减少或增加的数量等，可组合获得多种不同的方案。达到了获得最优总调整方案，并根据其对第一水库进行调整，增强本申请的一种水库大水面污染治理方法的智能性、可靠性、适应性的技术效果。
进一步的，本申请步骤S640还包括：
步骤S641：根据多维度水质信息的治理重要程度，进行权重分配，获得第一权重分配结果；
步骤S642：根据所述物质浓缩信息中多种物质浓缩的危害程度，进行权重分配，获得第二权重分配结果；
步骤S643：根据所述水质信息、所述第一权重分配结果、所述物质浓缩信息和所述第二权重分配结果，设置寻优条件；
步骤S644：采用所述寻优条件在多种所述最优总调整方案中进行寻优。
具体而言，对多维度水质信息进行治理重要程度分析，并根据其进行权重分配，获得第一权重分配结果。示例性地，在所述第一权重分配结果中，多维度水质信息治理的重要程度越高，权重越大，例如营养有机物的危害对第一水库较大，对其进行治理的重要程度较大，则该维度水质信息的权重值也越大。对所述物质浓缩信息进行多种物质浓缩的危害程度分析，并根据其进行权重分配，获得第二权重分配结果。示例性地，在所述第二权重分配结果中，若某物质浓缩的危害程度最大，则该物质的权重最大。进一步，由所述一种水库大水面污染治理系统对所述水质信息、所述第一权重分配结果、所述物质浓缩信息和所述第二权重分配结果进行科学分析后，设置寻优条件，并根据其在多种所述最优总调整方案进行寻优。达到了获得准确性和适配度较高的寻优条件，提高在多种所述总调整方案内进行全局寻优的精确度的技术效果。
进一步的，本申请步骤S644还包括：
步骤S6441：在多种所述总调整方案中随机选择一总调整方案，作为第一总调整方案，且作为当前的所述最优总调整方案；
步骤S6442：采用所述寻优条件计算所述第一总调整方案的寻优评分，获得第一寻优评分；
步骤S6443：在多种所述总调整方案中随机选择一总调整方案，作为第二总调整方案；
步骤S6444：采用所述寻优条件计算所述第二总调整方案的寻优评分，获得第二寻优评分；
步骤S6445：分析判断所述第二寻优评分和所述第一寻优评分是否满足预设条件，若满足，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
步骤S6446：若所述最优总调整方案满足预设寻优条件，则输出所述最优总调整方案。
具体而言，利用所述寻优条件计算所述第一总调整方案的寻优评分，即采用第一权重分配结果对第一总调整方案的水质治理水平进行计算，以及采用第二权重分配结果对第一总调整方案的物质浓缩水平进行加权计算，进而获得第一寻优评分。再次利用所述寻优条件计算所述第二总调整方案的寻优评分，即采用第一权重分配结果对第二总调整方案的水质治理水平进行计算，以及采用第二权重分配结果对第二总调整方案的物质浓缩水平进行加权计算，获得第二寻优评分。进一步，对所述第一寻优评分和所述第二寻优评分是否满足预设条件进行判断，如果满足预设条件，则用所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；在多次的寻优迭代之后，对当前的最优总调整方案是否满足预设寻优条件进行判断，如果满足预设寻优条件，则将其输出最终的所述最优总调整方案。其中，所述第一总调整方案、所述第二总调整方案均为多种所述总调整方案中任意一个总调整方案，且所述第一总调整方案与所述第二总调整方案不同。所述预设寻优条件是表征预设的迭代寻优次数的信息。例如，所述预设寻优条件是10次迭代寻优中，当前的最优总调整方案均未发生变化，则说明难以寻找并接受新的总调整方案作为最优调整方案，寻优迭代到达后期，可认为当前的最优总调整方案为全局最优。如此，当前的所述最优总调整方案经过预设次数的迭代寻优后，仍没有发生变化，则将其输出为所述最优总调整方案。达到了获得精确度和合理性较高的最优总调整方案，为后续对第一水库进行调整奠定基础的技术效果。
进一步的，本申请步骤S6445还包括：
步骤S64451：若所述第二寻优评分大于所述第一寻优评分，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
步骤S64452：以及，若所述第二寻优评分小于所述第一寻优评分，则按照概率将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
所述概率采用下式计算：
Figure BDA0003604932670000141
其中，m2为所述第二寻优评分，m1为第一寻优评分，n为寻优速度因子。
具体而言，如果所述第二寻优评分大于所述第一寻优评分，则用所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案。如果所述第二寻优评分小于所述第一寻优评分，则利用概率计算公式
Figure BDA0003604932670000151
进行计算后，将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案。
其中，n为随着寻优迭代次数逐渐减小的常数，在寻优优化的初期，n较大，第一总调整方案大概率并非为最终的最优总调整方案，可能为局部最优，为避免优化进程停滞在第一总调整方案处，n较大，以使P较大，以较大概率接受较劣的第二总调整方案为最优解，且概率与第一寻优评分和第二寻优评分的差值相关，以提升寻优速率，快速迭代寻优。而在寻优的后期，当前的最优总调整方案大概率可能为全局最优的总调整方案，为提升寻优的准确性，n较小，以使P较小，以较小概率接受较劣的总调整方案为全局最优的总调整方案，提升寻优的准确度。可选的，n的减小方式可为指数减小或对数减小等任意现有技术中的减小方式，且n值以及减小方式可根据总调整方案的数量进行确定。如此，达到了获得可靠性较高的当前的所述最优总调整方案的技术效果。
综上所述，本申请所提供的一种水库大水面污染治理方法具有如下技术效果：
采集获取第一水库的水质信息；进行水质优化的物种筛选，获得第一物种信息和第二物种信息；进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；基于此，进行所述第一水库的水质治理；在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。达到了提高水库污染治理的精确度和准确性；提升水库污染治理的科学化和智能化水平；提高水库污染治理的效果和质量；同时，设计一种优化水库污染治理的方法，为水库污染治理技术的进一步发展奠定基础的技术效果。
实施例二
基于与前述实施例中一种水库大水面污染治理方法，同样发明构思，本发明还提供了一种水库大水面污染治理系统，请参阅附图3，所述系统包括：
第一执行单元11，所述第一执行单元11用于采集获取第一水库的水质信息；
第一获得单元12，所述第一获得单元12用于根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息；
第二获得单元13，所述第二获得单元13用于根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；
第二执行单元14，所述第二执行单元14用于根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；
第三执行单元15，所述第三执行单元15用于在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；
第四执行单元16，所述第四执行单元16用于根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整。
进一步的，所述系统还包括：
第三获得单元，所述第三获得单元用于采集获取所述第一水库内水的多维度水质信息，获得第一水质信息集合；
第四获得单元，所述第四获得单元用于采集获取所述第一水库此前多个历史时间节点的多维度水质信息，获得多个历史水质信息集合；
第五执行单元，所述第五执行单元用于根据多个所述历史水质信息集合和多个所述时间节点，构建所述多维度水质信息的变化函数；
第六执行单元，所述第六执行单元用于根据所述变化函数，预测当前所述多维度水质信息的变化趋势；
第五获得单元，所述第五获得单元用于将所述变化趋势加入所述第一水质信息集合，获得所述水质信息。
进一步的，所述系统还包括：
第六获得单元，所述第六获得单元用于根据所述第一水质信息集合，进行初步物种数量设置，获得第一物种初步数目信息和第二物种初步数目信息；
第七获得单元，所述第七获得单元用于根据所述变化趋势，获得多维度调整参数；
第八获得单元，所述第八获得单元用于采用所述多维度调整参数对所述第一物种初步数目信息和所述第二物种初步数目信息进行调整，获得所述第一物种数目信息和所述第二物种数目信息。
进一步的，所述系统还包括：
第七执行单元，所述第七执行单元用于根据所述水质变化信息，设置获得对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行调整的多种第一调整方案；
第八执行单元，所述第八执行单元用于根据所述物质浓缩信息，设置获得对所述第二物种信息和所述第二物种数目信息进行调整的多种第二调整方案；
第九获得单元，所述第九获得单元用于随机组合多种所述第一调整方案和多种所述第二调整方案，获得多种总调整方案；
第十获得单元，所述第十获得单元用于在多种所述总调整方案内进行全局寻优，获得最优总调整方案；
第九执行单元，所述第九执行单元用于采用所述最优总调整方案进行调整。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于根据多维度水质信息的治理重要程度，进行权重分配，获得第一权重分配结果；
第十二获得单元，所述第十二获得单元用于根据所述物质浓缩信息中多种物质浓缩的危害程度，进行权重分配，获得第二权重分配结果；
第十执行单元，所述第十执行单元用于根据所述水质信息、所述第一权重分配结果、所述物质浓缩信息和所述第二权重分配结果，设置寻优条件；
第十一执行单元，所述第十一执行单元用于采用所述寻优条件在多种所述最优总调整方案中进行寻优。
进一步的，所述系统还包括：
第十二执行单元，所述第十二执行单元用于在多种所述总调整方案中随机选择一总调整方案，作为第一总调整方案，且作为当前的所述最优总调整方案；
第十三获得单元，所述第十三获得单元用于采用所述寻优条件计算所述第一总调整方案的寻优评分，获得第一寻优评分；
第十三执行单元，所述第十三执行单元用于在多种所述总调整方案中随机选择一总调整方案，作为第二总调整方案；
第十四获得单元，所述第十四获得单元用于采用所述寻优条件计算所述第二总调整方案的寻优评分，获得第二寻优评分；
第十四执行单元，所述第十四执行单元用于分析判断所述第二寻优评分和所述第一寻优评分是否满足预设条件，若满足，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
第十五执行单元，所述第十五执行单元用于若所述最优总调整方案满足预设寻优条件，则输出所述最优总调整方案。
进一步的，所述系统还包括：
第十六执行单元，所述第十六执行单元用于若所述第二寻优评分大于所述第一寻优评分，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
第十七执行单元，所述第十七执行单元用于以及，若所述第二寻优评分小于所述第一寻优评分，则按照概率将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；所述概率采用下式计算：
Figure BDA0003604932670000201
其中，m2为所述第二寻优评分，m1为第一寻优评分，n为寻优速度因子。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种水库大水面污染治理方法和具体实例同样适用于本实施例的一种水库大水面污染治理系统，通过前述对一种水库大水面污染治理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种水库大水面污染治理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图4来描述本申请的电子设备。
基于与前述实施例中一种水库大水面污染治理方法相同的发明构思，本申请还提供了一种水库大水面污染治理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网，无线局域网，有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请提供的一种水库大水面污染治理方法。
可选的，本申请中的计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。
本申请解决了现有技术中的针对水库污染治理的精确度不高，进而造成水库污染治理的效果不佳的技术问题。达到了提高水库污染治理的精确度和准确性；提升水库污染治理的科学化和智能化水平；提高水库污染治理的效果和质量；同时，设计一种优化水库污染治理的方法，为水库污染治理技术的进一步发展奠定基础的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。
相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (6)

1.一种水库大水面污染治理方法，其特征在于，所述方法包括：
采集获取第一水库的水质信息，其中，所述水质信息包括多维度水质信息的变化趋势；
根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息，其中，所述第一物种信息为植物，所述第二物种信息为水产品；
根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；
根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；
在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；
根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整，包括：
根据所述水质变化信息，设置获得对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行调整的多种第一调整方案；
根据所述物质浓缩信息，设置获得对所述第二物种信息和所述第二物种数目信息进行调整的多种第二调整方案；
随机组合多种所述第一调整方案和多种所述第二调整方案，获得多种总调整方案；
在多种所述总调整方案内进行全局寻优，获得最优总调整方案，其中，所述在多种所述总调整方案内进行全局寻优，包括：
根据多维度水质信息的治理重要程度，进行权重分配，获得第一权重分配结果；
根据所述物质浓缩信息中多种物质浓缩的危害程度，进行权重分配，获得第二权重分配结果；
根据所述水质信息、所述第一权重分配结果、所述物质浓缩信息和所述第二权重分配结果，设置寻优条件；
采用所述寻优条件在多种所述最优总调整方案中进行寻优，包括：
在多种所述总调整方案中随机选择一总调整方案，作为第一总调整方案，且作为当前的所述最优总调整方案；
采用所述寻优条件计算所述第一总调整方案的寻优评分，获得第一寻优评分；
在多种所述总调整方案中随机选择另一总调整方案，作为第二总调整方案；
采用所述寻优条件计算所述第二总调整方案的寻优评分，获得第二寻优评分；
而后，分析判断所述第二寻优评分和所述第一寻优评分是否满足预设条件，其中，所述预设条件，包括：
若所述第二寻优评分大于所述第一寻优评分，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
以及，若所述第二寻优评分小于所述第一寻优评分，则按照概率将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
所述概率采用下式计算：
其中，为所述第二寻优评分，为第一寻优评分，n为寻优速度因子；
以及，若所述最优总调整方案满足预设的寻优条件，则输出所述最优总调整方案，所述预设的寻优条件表征预设的迭代寻优次数的信息；
最后，采用所述最优总调整方案进行实时调整。
2.根据权利要求1所述的方法，其特征在于，所述采集获取第一水库的水质信息，包括：
采集获取所述第一水库内水的多维度水质信息，获得第一水质信息集合；
采集获取所述第一水库此前多个历史时间节点的多维度水质信息，获得多个历史水质信息集合；
根据多个所述历史水质信息集合和多个所述时间节点，构建所述多维度水质信息的变化函数；
根据所述变化函数，预测当前所述多维度水质信息的变化趋势；
将所述多维度水质信息的变化趋势加入所述第一水质信息集合，获得所述水质信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述水质信息，进行水质优化的物种数量设置，包括：
根据所述第一水质信息集合，进行初步物种数量设置，获得第一物种初步数目信息和第二物种初步数目信息；
根据所述多维度水质信息的变化趋势，获得多维度调整参数；
采用所述多维度调整参数对所述第一物种初步数目信息和所述第二物种初步数目信息进行调整，获得所述第一物种数目信息和所述第二物种数目信息。
4.一种水库大水面污染治理系统，其特征在于，所述系统包括：
第一执行单元，所述第一执行单元用于采集获取第一水库的水质信息，其中，所述水质信息包括多维度水质信息的变化趋势；
第一获得单元，所述第一获得单元用于根据所述水质信息，进行水质优化的物种筛选，获得第一物种信息和第二物种信息，其中，所述第一物种信息为植物，所述第二物种信息为水产品；
第二获得单元，所述第二获得单元用于根据所述水质信息，进行水质优化的物种数量设置，获得第一物种数目信息和第二物种数目信息；
第二执行单元，所述第二执行单元用于根据所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行所述第一水库的水质治理；
第三执行单元，所述第三执行单元用于在所述水质治理中，实时采集获取所述第一水库的水质变化信息，以及所述第二物种的物质浓缩信息；
第四执行单元，所述第四执行单元用于根据所述水质变化信息和所述物质浓缩信息，对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行实时调整，包括：
根据所述水质变化信息，设置获得对所述第一物种信息、所述第二物种信息、所述第一物种数目信息和所述第二物种数目信息进行调整的多种第一调整方案；
根据所述物质浓缩信息，设置获得对所述第二物种信息和所述第二物种数目信息进行调整的多种第二调整方案；
随机组合多种所述第一调整方案和多种所述第二调整方案，获得多种总调整方案；
在多种所述总调整方案内进行全局寻优，获得最优总调整方案，其中，所述在多种所述总调整方案内进行全局寻优，包括：
根据多维度水质信息的治理重要程度，进行权重分配，获得第一权重分配结果；
根据所述物质浓缩信息中多种物质浓缩的危害程度，进行权重分配，获得第二权重分配结果；
根据所述水质信息、所述第一权重分配结果、所述物质浓缩信息和所述第二权重分配结果，设置寻优条件；
采用所述寻优条件在多种所述最优总调整方案中进行寻优，包括：
在多种所述总调整方案中随机选择一总调整方案，作为第一总调整方案，且作为当前的所述最优总调整方案；
采用所述寻优条件计算所述第一总调整方案的寻优评分，获得第一寻优评分；
在多种所述总调整方案中随机选择另一总调整方案，作为第二总调整方案；
采用所述寻优条件计算所述第二总调整方案的寻优评分，获得第二寻优评分；
而后，分析判断所述第二寻优评分和所述第一寻优评分是否满足预设条件，其中，所述预设条件，包括：
若所述第二寻优评分大于所述第一寻优评分，则将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
以及，若所述第二寻优评分小于所述第一寻优评分，则按照概率将所述第二总调整方案替代所述第一总调整方案，作为当前的所述最优总调整方案；
所述概率采用下式计算：
其中，为所述第二寻优评分，为第一寻优评分，n为寻优速度因子；
以及，若所述最优总调整方案满足预设的寻优条件，则输出所述最优总调整方案，所述预设的寻优条件表征预设的迭代寻优次数的信息；
最后，采用所述最优总调整方案进行实时调整。
5.一种水库大水面污染治理方法系统，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至3任一项所述方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述存储介质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权利要求1至3中任一项所述的方法。
CN202210416434.4A 2022-04-20 2022-04-20 一种水库大水面污染治理方法及系统 Active CN114861996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210416434.4A CN114861996B (zh) 2022-04-20 2022-04-20 一种水库大水面污染治理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210416434.4A CN114861996B (zh) 2022-04-20 2022-04-20 一种水库大水面污染治理方法及系统

Publications (2)

Publication Number Publication Date
CN114861996A CN114861996A (zh) 2022-08-05
CN114861996B true CN114861996B (zh) 2023-04-07

Family

ID=82632180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210416434.4A Active CN114861996B (zh) 2022-04-20 2022-04-20 一种水库大水面污染治理方法及系统

Country Status (1)

Country Link
CN (1) CN114861996B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578232B (zh) * 2022-11-11 2023-04-07 北京华科仪科技股份有限公司 一种基于水质分析的水污染治理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109665625A (zh) * 2019-03-01 2019-04-23 中国水利水电科学研究院 一种水库水体富营养化原位治理系统及方法
CN110782068A (zh) * 2019-09-23 2020-02-11 中国水利水电科学研究院 生态流量保障方法、装置、电子设备及计算机存储介质
AU2020101936A4 (en) * 2018-05-04 2020-10-01 Jinan University Method of eutrophic water body restoration based on ecosystem model and biomanipulation technology
CN113268922A (zh) * 2021-05-14 2021-08-17 深圳市懿水淘科技有限公司 一种基于数值模拟与遗传算法的地下水污染溯源计算方法
CN113836475A (zh) * 2021-11-26 2021-12-24 深圳奥雅设计股份有限公司 一种基于生态环境修复的污水智能处理方法及系统
CN113912250A (zh) * 2021-11-23 2022-01-11 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种乡村污水生物生态修复系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996013970A1 (en) * 1994-11-08 1996-05-17 Ecological Systems, Inc. Algal turf water purification method
US20060048713A1 (en) * 2004-09-03 2006-03-09 Congel Robert J Methods and systems for optimizing a body of water to support the health of particular fish species
CN103922478B (zh) * 2014-02-24 2017-06-09 深圳市益水生态科技有限公司 一种水库深水水体富营养化治理的方法
CN104112080B (zh) * 2014-07-29 2016-03-02 武汉大学 水体水华风险快速预警方法
CN106927573A (zh) * 2017-03-27 2017-07-07 武汉中博水产生物技术有限公司 一种污染水体的生物治理方法
CN107392380A (zh) * 2017-07-26 2017-11-24 中国环境科学研究院 一种用于淡水水生生物水质基准预测的系统
CN109022325A (zh) * 2018-08-28 2018-12-18 包平 一种降解水体中有机锡的方法
CN109947740B (zh) * 2019-01-25 2020-12-29 北京邮电大学 区块链系统的性能优化方法及装置
CN113683198A (zh) * 2021-08-17 2021-11-23 青海生源园林绿化工程有限公司 一种河道生态修复方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2020101936A4 (en) * 2018-05-04 2020-10-01 Jinan University Method of eutrophic water body restoration based on ecosystem model and biomanipulation technology
CN109665625A (zh) * 2019-03-01 2019-04-23 中国水利水电科学研究院 一种水库水体富营养化原位治理系统及方法
CN110782068A (zh) * 2019-09-23 2020-02-11 中国水利水电科学研究院 生态流量保障方法、装置、电子设备及计算机存储介质
CN113268922A (zh) * 2021-05-14 2021-08-17 深圳市懿水淘科技有限公司 一种基于数值模拟与遗传算法的地下水污染溯源计算方法
CN113912250A (zh) * 2021-11-23 2022-01-11 安徽省（水利部淮河水利委员会）水利科学研究院（安徽省水利工程质量检测中心站） 一种乡村污水生物生态修复系统
CN113836475A (zh) * 2021-11-26 2021-12-24 深圳奥雅设计股份有限公司 一种基于生态环境修复的污水智能处理方法及系统

Also Published As

Publication number Publication date
CN114861996A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
Goldenberg Vilar et al. Eutrophication decreases distance decay of similarity in diatom communities
CN114861996B (zh) 一种水库大水面污染治理方法及系统
Gao et al. Evaluating anthropogenic N inputs to diverse lake basins: A case study of three Chinese lakes
CN115953061A (zh) 一种水资源短缺度估算方法、装置及计算机可读存储介质
CN113887819A (zh) 一种河口枯水期的咸潮预报方法及预报设备
CN116362394A (zh) 一种海洋藻类生长污染协整预测方法及系统
CN112967763A (zh) 基于模糊神经网络的出水总磷预测方法、电子设备及介质
Khater et al. Mathematical model for predicting oxygen concentration in tilapia fish farms
Li et al. Adaptive filtering-based soft sensor method for estimating total nitrogen in aquaponic systems
CN109255200B (zh) 一种养殖水体氨氮的软测量方法及装置
CN114582439B (zh) 一种基于应用场景的土壤盐碱地改良剂筛选方法及系统
Galezan et al. Modeling oxygen and organic matter concentration in the intensive rainbow trout (Oncorhynchus mykiss) rearing system
CN113582309A (zh) 一种混凝剂投加量的确定方法和装置
Dittrich et al. Experimental nutrient enrichment increases plankton taxonomic and functional richness and promotes species dominance overtime
CN118052373B (zh) 海洋资源环境承载力评估方法
Wambua et al. Optimization Model for Recirculating Aquaculture Systems (RASs) for Nile Tilapia in Kenya
CN117886381B (zh) 一种水处理药剂的投加控制方法和系统
CN115423640A (zh) 一种流域农业面源污染物入湖负荷估算系统、设备及终端
CN112308287B (zh) 基于灰色系统理论的海洋鱼类旺汛期预测方法及其应用
CN117148729B (zh) 一种天然硬石膏的水化率控制方法及系统
CN118052373A (zh) 海洋资源环境承载力评估方法
CN117217519A (zh) 水产养殖疾病风险等级预测方法、装置、设备及存储介质
CN118183886A (zh) 基于神经网络的水质模型基础参数动态调优方法及装置
CN115316314B (zh) 一种叉尾鲇的人工繁殖方法
CN115545449A (zh) 一种人工湿地的环境效益评估方法、系统及电子设备

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