CN115169663A - 一种维持旱区湖泊水生态健康的补水系统 - Google Patents
一种维持旱区湖泊水生态健康的补水系统 Download PDFInfo
- Publication number
- CN115169663A CN115169663A CN202210732810.0A CN202210732810A CN115169663A CN 115169663 A CN115169663 A CN 115169663A CN 202210732810 A CN202210732810 A CN 202210732810A CN 115169663 A CN115169663 A CN 115169663A
- Authority
- CN
- China
- Prior art keywords
- water
- lake
- data
- precipitation
- prediction
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 269
- 230000036541 health Effects 0.000 title claims abstract description 24
- 230000001502 supplementing effect Effects 0.000 title claims description 8
- 238000001556 precipitation Methods 0.000 claims abstract description 74
- 150000003839 salts Chemical class 0.000 claims abstract description 42
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 18
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 11
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 11
- 239000011574 phosphorus Substances 0.000 claims abstract description 11
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 239000013589 supplement Substances 0.000 claims description 7
- 241001113556 Elodea Species 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 229930002868 chlorophyll a Natural products 0.000 claims description 6
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000005086 pumping Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000003647 oxidation Effects 0.000 claims description 4
- 238000007254 oxidation reaction Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 230000003020 moisturizing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 4
- 229910000019 calcium carbonate Inorganic materials 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- CADZRPOVAQTAME-UHFFFAOYSA-L calcium;hydroxy phosphate Chemical compound [Ca+2].OOP([O-])([O-])=O CADZRPOVAQTAME-UHFFFAOYSA-L 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000003643 water by type Substances 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
- G06Q10/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种维持旱区湖泊水生态健康的补水系统,涉及湖泊生态技术领域,由于旱区湖泊的特殊环境,建立缺水分析模型进行旱区湖泊的缺水量确定,并通过特征提取建立降水量预测模型,安排水库和湖泊的补水工作,在降水补水效果不优的前提下,控制水库进行湖泊水量辅助补水工作,多方案多角度的进行湖泊缺水处理工作;同时本申请的技术方案还对湖泊中的盐分、磷浓度和氮浓度的监控和调节,保障湖泊水质的健康;本发明提供的一种维持旱区湖泊水生态健康的补水系统,监测旱区湖泊的降水数据、湖泊的水量数据和水库水量数据,实现合理的补水循环操作,并对湖泊中的盐分进行控制净化,保障旱区湖泊的水质安全和水量。
Description
技术领域
本发明涉及湖泊生态技术领域,特别涉及一种维持旱区湖泊水生态健康的补水系统。
背景技术
在干旱地区,水资源匮乏、生态环境脆弱,因此干旱地区湖泊的健康和可持续发展在社会经济建设中的作用尤为突出。由于干旱地区湖泊无地表及地下径流与大洋相通,并且与其它集水区域无直接水力联系,独特的水循环系统使湖泊对气候变化和人类活动影响具有高度敏感性。
旱区湖泊独特的水文学、水文物理学、水化学和水生态学特征,决定了湖泊的演化过程及特征与湿润区有较大的不同,因此,湿润区湖泊研究的相关方法理论体系在干旱区已不完全适用。我们需要从水生态、水文等方面考虑,构建一种适用于维持旱区湖泊水生态健康的补水系统。
针对此问题,本发明提出一种维持旱区湖泊水生态健康的补水系统,监测旱区湖泊的降水数据、湖泊的水量数据和水库水量数据,实现合理的补水循环操作,并对湖泊中的盐分进行控制净化,保障旱区湖泊的水质安全和水量。
发明内容
本发明的目的在于提供一种维持旱区湖泊水生态健康的补水系统,监测旱区湖泊的降水数据、湖泊的水量数据和水库水量数据,实现合理的补水循环操作,并对湖泊中的盐分进行控制净化,保障旱区湖泊的水质安全和水量。
本发明提供了一种维持旱区湖泊水生态健康的补水系统,包括:
湖泊缺水分析模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积,构建缺水分析模型,向缺水分析模型输入当前水位数据,获得湖泊缺水量;
降水预测模块:获取湖泊区域各历史时序内不同高度层的气象数据,利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,得到特征提取网络,将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,构建降水量预测模型,将当前时序的气象数据输入降水量预测模型,获得降水量预测结果;
水库水泵控制模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充;
盐分控制模块:基于历史气象数据分析湖泊所在区域各时节的盛行风向,根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据,根据湖泊历史标准水量计算湖泊含盐度,按照湖泊含盐度上限确定抽水量和注水量,进行湖泊换水,降低湖泊含盐度。
进一步地,还包括:
水质数据获取模块:获取湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据,并分析各个数据的变化趋势。
进一步地,还包括:
氧化模块:若湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据的变化趋势均为上升状态,则控制风机在湖泊水下对湖泊进行曝气;
反硝化模块:根据风机造氧量确定所需的碳源量,按照所需的碳源量在湖泊中种植浮叶植物;
去磷模块:根据总磷浓度数据确定在湖泊中种植沉水植物的数量;
进一步地,所述湖泊缺水分析模块,包括:
水量数据获取模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积;
模型构建模块:将湖泊的历史水位数据和湖泊所在流域的集水区面积按比例划分为训练集和验证集,构建缺水分析模型;
模型计算模块:获取当前的水位数据,输入至缺水分析模型,所述缺水分析模型计算历史水位数据与当前水位数据的水位差值,结合集水区面积,输出当前时刻的湖泊缺水量,所述缺水分析模型的计算公式为:
hv*s=V
(hv-hi)*s=V-Vi=VQ
其中,hv为历史水位数据的平均值,单位m;hi为历史水位数据的平均值,单位m;s为集水区面积值,单位m2;V为湖泊历史标准水量,单位m3;Vi为湖泊历史标准水量,单位m3;VQ为湖泊缺水量,单位m3。
进一步地,所述盐分控制模块,包括:
盛行风向分析模块:基于历史气象数据,分析北、北东北、东北、东东北、东、东东南、东南、南东南、南、南西南、西南、西西南、西、西西北、西北、北西北16个风向出现的频率和时,进而确定东、南、西、北4个方位下湖泊的盛行风向;
盐分数据获取模块:根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据;
换水计算模块:根据盐分厚度数据和盐分覆盖面积数据,获得盐分结晶体的体积和,获取湖泊历史标准水量,进行湖泊含盐度的计算,根据湖泊含盐度的上限确定抽水量和注水量,进行换水。
进一步地,所述降水预测模块,包括:
气象数据收集模块:用于收集湖泊区域各历史时序内不同高度层的气象数据;
特征提取模块:利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,基于气象类别中层特征以及气象类别高层特征,获取预测时序的预测特征;
特征训练模块:依据预测时序的预测特征以及该预测时序的融合特征,调整神经网络的参数,直至预测时序的预测特征以及该预测时序的融合特征的均方差满足预设的均方误差阈值,得到完成训练的特征提取网络;
降水等级预测模块:将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,得到各预测时序的短时降水量,基于预测时序的短时降水量,训练分类器,依据完成训练的特征提取网络以及分类器,构建降水量等级预测模型,将当前时序的气象数据输入降水量等级预测模型,获得降水量预测结果。
进一步地,所述水库水泵控制模块,包括:
数值判别模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则生成水库补水命令,发送至水量补充模块;
水量补充模块:接收水库补水命令,获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充。
进一步地,还包括:
水库蓄水模块:获取降水量预测结果,根据预测结果适时开启水库入口,进行雨水存储,当水位达到预设水位时,关闭水库入口。
与现有技术相比,本发明具有如下显著优点:
本发明提出的一种维持旱区湖泊水生态健康的补水系统,由于旱区湖泊的特殊环境,建立缺水分析模型进行旱区湖泊的缺水量确定,并通过特征提取建立降水量预测模型,安排水库和湖泊的补水工作,在降水补水效果不优的前提下,控制水库进行湖泊水量辅助补水工作,多方案多角度的进行湖泊缺水处理工作;同时本申请的技术方案还对湖泊中的盐分、磷浓度和氮浓度的监控和调节,保障湖泊水质的健康;本发明提供的一种维持旱区湖泊水生态健康的补水系统,监测旱区湖泊的降水数据、湖泊的水量数据和水库水量数据,实现合理的补水循环操作,并对湖泊中的盐分进行控制净化,保障旱区湖泊的水质安全和水量。
附图说明
图1为本发明实施例提供的一种维持旱区湖泊水生态健康的补水系统的系统结构图。
具体实施方式
下面结合本发明中的附图,对本发明实施例的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例1
参照图1,本发明提供了一种维持旱区湖泊水生态健康的补水系统,包括:
湖泊缺水分析模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积,构建缺水分析模型,向缺水分析模型输入当前水位数据,获得湖泊缺水量;
降水预测模块:获取湖泊区域各历史时序内不同高度层的气象数据,利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,得到特征提取网络,将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,构建降水量预测模型,将当前时序的气象数据输入降水量预测模型,获得降水量预测结果;
水库水泵控制模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充;
盐分控制模块:基于历史气象数据分析湖泊所在区域各时节的盛行风向,根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据,根据湖泊历史标准水量计算湖泊含盐度,按照湖泊含盐度上限确定抽水量和注水量,进行湖泊换水,降低湖泊含盐度。
水质数据获取模块:获取湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据,并分析各个数据的变化趋势。
氧化模块:若湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据的变化趋势均为上升状态,则控制风机在湖泊水下对湖泊进行曝气;提高湖泊含氧量,水中充足的氧气能够提高微生物的活性,加快对水中悬浮物和有机污染物的净化。
反硝化模块:根据风机造氧量确定所需的碳源量,按照所需的碳源量在湖泊中种植浮叶植物;释放碳源进行反硝化作用,将氧化形成的硝酸盐还原成氮气。
去磷模块:根据总磷浓度数据确定在湖泊中种植沉水植物的数量;沉水植物产生的碳酸钙钙离子和水中的磷酸根在水中形成羟基磷酸钙直接沉降到塘底,不影响下层碳酸钙的释放。
本发明实施例提供的湖泊缺水分析模块,包括:
水量数据获取模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积;
模型构建模块:将湖泊的历史水位数据和湖泊所在流域的集水区面积按比例划分为训练集和验证集,构建缺水分析模型;
模型计算模块:获取当前的水位数据,输入至缺水分析模型,所述缺水分析模型计算历史水位数据与当前水位数据的水位差值,结合集水区面积,输出当前时刻的湖泊缺水量,所述缺水分析模型的计算公式为:
hv*s=V
(hv-hi)*s=V-Vi=VQ
其中,hv为历史水位数据的平均值,单位m;hi为历史水位数据的平均值,单位m;s为集水区面积值,单位m2;V为湖泊历史标准水量,单位m3;Vi为湖泊历史标准水量,单位m3;VQ为湖泊缺水量,单位m3。
本发明实施例提供的盐分控制模块,包括:
盛行风向分析模块:基于历史气象数据,分析北、北东北、东北、东东北、东、东东南、东南、南东南、南、南西南、西南、西西南、西、西西北、西北、北西北16个风向出现的频率和时,进而确定东、南、西、北4个方位下湖泊的盛行风向;
盐分数据获取模块:根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据;
换水计算模块:根据盐分厚度数据和盐分覆盖面积数据,获得盐分结晶体的体积和,获取湖泊历史标准水量,进行湖泊含盐度的计算,根据湖泊含盐度的上限确定抽水量和注水量,进行换水。
本发明实施例提供的降水预测模块,包括:
气象数据收集模块:用于收集湖泊区域各历史时序内不同高度层的气象数据;
特征提取模块:利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,基于气象类别中层特征以及气象类别高层特征,获取预测时序的预测特征;
特征训练模块:依据预测时序的预测特征以及该预测时序的融合特征,调整神经网络的参数,直至预测时序的预测特征以及该预测时序的融合特征的均方差满足预设的均方误差阈值,得到完成训练的特征提取网络;
降水等级预测模块:将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,得到各预测时序的短时降水量,基于预测时序的短时降水量,训练分类器,依据完成训练的特征提取网络以及分类器,构建降水量等级预测模型,将当前时序的气象数据输入降水量等级预测模型,获得降水量预测结果。
本发明实施例提供的水库水泵控制模块,包括:
数值判别模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则生成水库补水命令,发送至水量补充模块;
水量补充模块:接收水库补水命令,获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充。
水库蓄水模块:获取降水量预测结果,根据预测结果适时开启水库入口,进行雨水存储,当水位达到预设水位时,关闭水库入口。
以上公开的仅为本发明的几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (8)
1.一种维持旱区湖泊水生态健康的补水系统,其特征在于,包括:
湖泊缺水分析模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积,构建缺水分析模型,向缺水分析模型输入当前水位数据,获得湖泊缺水量;
降水预测模块:获取湖泊区域各历史时序内不同高度层的气象数据,利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,得到特征提取网络,将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,构建降水量预测模型,将当前时序的气象数据输入降水量预测模型,获得降水量预测结果;
水库水泵控制模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充;
盐分控制模块:基于历史气象数据分析湖泊所在区域各时节的盛行风向,根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据,根据湖泊历史标准水量计算湖泊含盐度,按照湖泊含盐度上限确定抽水量和注水量,进行湖泊换水,降低湖泊含盐度。
2.如权利要求1所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,还包括:
水质数据获取模块:获取湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据,并分析各个数据的变化趋势。
3.如权利要求2所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,还包括:
氧化模块:若湖泊的水草盖度数据、总磷浓度数据、总氮浓度数据和叶绿素a浓度数据的变化趋势均为上升状态,则控制风机在湖泊水下对湖泊进行曝气;
反硝化模块:根据风机造氧量确定所需的碳源量,按照所需的碳源量在湖泊中种植浮叶植物;
去磷模块:根据总磷浓度数据确定在湖泊中种植沉水植物的数量。
4.如权利要求1所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,所述湖泊缺水分析模块,包括:
水量数据获取模块:获取湖泊的历史水位数据和湖泊所在流域的集水区面积:
模型构建模块:将湖泊的历史水位数据和湖泊所在流域的集水区面积按比例划分为训练集和验证集,构建缺水分析模型;
模型计算模块:获取当前的水位数据,输入至缺水分析模型,所述缺水分析模型计算历史水位数据与当前水位数据的水位差值,结合集水区面积,输出当前时刻的湖泊缺水量,所述缺水分析模型的计算公式为:
hv*s=V
(hv-hi)*s=V-Vi=VQ
其中,hv为历史水位数据的平均值,单位m;hi为历史水位数据的平均值,单位m;s为集水区面积值,单位m2;V为湖泊历史标准水量,单位m3;Vi为湖泊历史标准水量,单位m3;VQ为湖泊缺水量,单位m3。
5.如权利要求4所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,所述盐分控制模块,包括:
盛行风向分析模块:基于历史气象数据,分析北、北东北、东北、东东北、东、东东南、东南、南东南、南、南西南、西南、西西南、西、西西北、西北、北西北16个风向出现的频率和时,进而确定东、南、西、北4个方位下湖泊的盛行风向;
盐分数据获取模块:根据风向数据确定当前时节的盐分聚集方位,获取盐分聚集方位的盐分厚度数据和盐分覆盖面积数据;
换水计算模块:根据盐分厚度数据和盐分覆盖面积数据,获得盐分结晶体的体积和,获取湖泊历史标准水量,进行湖泊含盐度的计算,根据湖泊含盐度的上限确定抽水量和注水量,进行换水。
6.如权利要求1所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,所述降水预测模块,包括:
气象数据收集模块:用于收集湖泊区域各历史时序内不同高度层的气象数据;
特征提取模块:利用神经网络对气象数据进行气象类别中层特征提取以及气象类别高层特征提取,基于气象类别中层特征以及气象类别高层特征,获取预测时序的预测特征;
特征训练模块:依据预测时序的预测特征以及该预测时序的融合特征,调整神经网络的参数,直至预测时序的预测特征以及该预测时序的融合特征的均方差满足预设的均方误差阈值,得到完成训练的特征提取网络;
降水等级预测模块:将特征提取网络中时序卷积网络输出的各预测时序的预测特征输入分类器,得到各预测时序的短时降水量,基于预测时序的短时降水量,训练分类器,依据完成训练的特征提取网络以及分类器,构建降水量等级预测模型,将当前时序的气象数据输入降水量等级预测模型,获得降水量预测结果。
7.如权利要求1所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,所述水库水泵控制模块,包括:
数值判别模块:获取湖泊缺水量和降水预测结果,判断湖泊缺水量和降水量预测结果的大小,若湖泊缺水量不大于降水量预测结果,则水泵不开启;若湖泊缺水量大于降水量预测结果,则生成水库补水命令,发送至水量补充模块;
水量补充模块:接收水库补水命令,获取湖泊缺水量与降水量预测结果间的差值,开启水库的水泵,按差值进行湖泊水量补充。
8.如权利要求7所述的一种维持旱区湖泊水生态健康的补水系统,其特征在于,还包括:
水库蓄水模块:获取降水量预测结果,根据预测结果适时开启水库入口,进行雨水存储,当水位达到预设水位时,关闭水库入口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732810.0A CN115169663A (zh) | 2022-06-27 | 2022-06-27 | 一种维持旱区湖泊水生态健康的补水系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210732810.0A CN115169663A (zh) | 2022-06-27 | 2022-06-27 | 一种维持旱区湖泊水生态健康的补水系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115169663A true CN115169663A (zh) | 2022-10-11 |
Family
ID=83486957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210732810.0A Pending CN115169663A (zh) | 2022-06-27 | 2022-06-27 | 一种维持旱区湖泊水生态健康的补水系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115169663A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236553A (zh) * | 2023-08-22 | 2023-12-15 | 重庆华悦生态环境工程研究院有限公司 | 水库的排水状态确定方法及装置 |
-
2022
- 2022-06-27 CN CN202210732810.0A patent/CN115169663A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236553A (zh) * | 2023-08-22 | 2023-12-15 | 重庆华悦生态环境工程研究院有限公司 | 水库的排水状态确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103253822B (zh) | 一种复合型人工湿地尾水处理系统 | |
CN103979736B (zh) | 低污染水脱氮的人工湿地装置及其处理方法 | |
CN104649520A (zh) | 一种酸性矿山废水处理系统及方法 | |
CN103351086A (zh) | 一种海水养殖池塘排放水生态处理循环系统 | |
CN101391855B (zh) | 利用高负荷蚯蚓生物滤池处理农村分散污水的方法 | |
CN115169663A (zh) | 一种维持旱区湖泊水生态健康的补水系统 | |
CN102167470B (zh) | 一种景观水体生态自维持装置 | |
CN205687651U (zh) | 一种潮汐流人工湿地 | |
US20210298275A1 (en) | Water treatment system for a recirculation aquaculture facility | |
CN207933136U (zh) | 一种微生物修复水体系统 | |
CN103214093A (zh) | 低c/n生活污水高效脱氮的复合电极水平潜流人工湿地装置 | |
CN203284289U (zh) | 生活污水高效脱氮的复合电极水平潜流人工湿地装置 | |
CN203048673U (zh) | 一种用于处理含铅废水的人工湿地系统 | |
CN213202739U (zh) | 一种景观水体循环净化的人工湿地 | |
CN101851025B (zh) | 一种人工湿地工艺的污废水预处理方法 | |
CN111362504A (zh) | 地下水净化回灌系统 | |
CN202011808U (zh) | 一种景观水体生态自维持装置 | |
CN110501926B (zh) | 基于环境物联网技术的盐田精准纳潮方法 | |
CN205917134U (zh) | 一种环境水体原位净化系统 | |
CN220503828U (zh) | 一种智能化稳定排口生态优化系统 | |
CN112638829B (zh) | 再循环水产养殖设施的水处理系统 | |
CN212293001U (zh) | 一种用于污水处理的轻质高孔隙率植物滤床装置 | |
CN204675951U (zh) | 一种酸性矿山废水处理系统 | |
CN203794737U (zh) | 一种生活污水处理系统 | |
CN115432823B (zh) | 一种自动浮沉式人工浮岛耦合微生物电解池的装置及净化水体的方法 |
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 |