CN115290858A - 一种土壤污染检测分析方法及系统 - Google Patents

一种土壤污染检测分析方法及系统 Download PDF

Info

Publication number
CN115290858A
CN115290858A CN202210947145.7A CN202210947145A CN115290858A CN 115290858 A CN115290858 A CN 115290858A CN 202210947145 A CN202210947145 A CN 202210947145A CN 115290858 A CN115290858 A CN 115290858A
Authority
CN
China
Prior art keywords
pollution
sample
parameters
trend
soil
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.)
Granted
Application number
CN202210947145.7A
Other languages
English (en)
Other versions
CN115290858B (zh
Inventor
王勇
任戟
张杨
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.)
Chengdu Huace Detection Technology Co ltd
Original Assignee
Chengdu Huace Detection Technology 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 Chengdu Huace Detection Technology Co ltd filed Critical Chengdu Huace Detection Technology Co ltd
Priority to CN202210947145.7A priority Critical patent/CN115290858B/zh
Publication of CN115290858A publication Critical patent/CN115290858A/zh
Application granted granted Critical
Publication of CN115290858B publication Critical patent/CN115290858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24Earth materials
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明提供了一种土壤污染检测分析方法及系统,涉及土壤检测技术领域,通过获得待检测区域样本土壤污染信息集合,周边工厂信息集合,待检测区域农药使用信息集合,将周边工厂信息集合和农药使用信息集合输入污染趋势分析模型获得污染趋势参数,获取待检测区域内土壤进行自我净化的污染净化参数,将污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息,将污染信息集合和污染走向信息作为污染检测分析结果。解决现有技术中土壤污染检测结果不能反映土壤真实污染状况,对于土壤污染治理方案生成的参考价值较低的技术问题。达到获得反映土壤静态污染现状以及未来土壤污染变化趋势的土壤检测结果,便于参考进行污染治理的技术效果。

Description

一种土壤污染检测分析方法及系统
技术领域
本发明涉及土壤检测技术领域,具体涉及一种土壤污染检测分析方法及系统。
背景技术
土壤是人类赖以生存的物质基础,对土壤资源进行合理开放利用能够实现既保护土壤资源又满足人类生产生活需要。为实现对土壤资源的保护,实现对土壤资源的合理有效利用,常采用对土壤间隔一定周期进行污染检测分析,确定土壤是否存在污染恶化趋势。
通过定期进行污染检测判断土壤是否存在污染恶化,忽视了土壤的自我净化对于土壤污染的遏制作用,单一基于检测获得静态的土壤污染状态数据不利于土壤污染治理工作的开展和污染治理工作的有效进行。
现有技术中存在传统土壤污染检测所获结果不能反映土壤实际的污染状况,土壤污染检测结果对于土壤污染治理方案生成的参考价值较低的技术问题。
发明内容
本申请提供了一种土壤污染检测分析方法及系统,用于针对解决现有技术中存在传统土壤污染检测所获结果不能反映土壤实际的污染状况,土壤污染检测结果对于土壤污染治理方案生成的参考价值较低的技术问题。
鉴于上述问题,本申请提供了一种土壤污染检测分析方法及系统。
本申请的第一个方面,提供了一种土壤污染检测分析方法,所述方法包括:对当前的待检测区域进行土壤采样,获得样本土壤;对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;获取所述待检测区域内土壤进行自我净化的污染净化参数;将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
本申请的第二个方面,提供了一种土壤污染检测分析系统,所述系统包括:土壤采样执行模块,用于对当前的待检测区域进行土壤采样,获得样本土壤;土壤污染检测模块,用于对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;周边信息采集模块,用于采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;农药使用采集模块,用于采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;污染趋势分析模块,用于将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;净化参数获得模块,用于获取所述待检测区域内土壤进行自我净化的污染净化参数;污染走向采集模块,用于将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;检测分析获得模块,用于将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
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:
本申请实施例提供的方法通过对当前的待检测区域进行土壤采样,获得样本土壤;对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合,实现对土壤静态污染状况的获取,采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合,从外来因素方面分析土壤污染因素;采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数,实现从土壤本身农药使用以及临近排污污染入侵两方面进行综合污染分析;获取所述待检测区域内土壤进行自我净化的污染净化参数;将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;将所述污染信息集合和所述污染走向信息作为污染检测分析结果。达到了获得反映土壤静态污染现状以及未来土壤污染变化趋势的土壤检测结果,便于土壤污染治理人员参考进行污染治理方案生成,实现土壤资源保护有效进行的技术效果。
附图说明
图1为本申请提供的一种土壤污染检测分析方法流程示意图;
图2为本申请提供的一种土壤污染检测分析方法中采集周边工厂指标参数信息的流程示意图;
图3为本申请提供的一种土壤污染检测分析方法中获取获得污染趋势参数的流程示意图;
图4为本申请提供的一种土壤污染检测分析系统的结构示意图。
附图标记说明:土壤采样执行模块11,土壤污染检测模块12,周边信息采集模块13,农药使用采集模块14,污染趋势分析模块15,净化参数获得模块16,污染走向采集模块17,检测分析获得模块18。
具体实施方式
本申请提供了一种土壤污染检测分析方法及系统,用于针对解决现有技术中存在传统土壤污染检测所获结果不能反映土壤实际的污染状况,土壤污染检测结果对于土壤污染治理方案生成的参考价值较低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
采集待检测区域内的土壤进行土壤当前污染状况分析,采集待检测区域周边临近范围内的排污状况进行临近排污对土壤污染干扰程度的分析,结合土壤本身农药使用情况,从自身污染以及外部污染侵入两个角度进行待检测区域土壤污染趋势的分析,基于土壤污染趋势分析结合土壤自身自净能力进行土壤污染走向的输出,实现获得反映土壤污染状况以及未来土壤变化走向的土壤检测结果,便于土壤污染治理方案的生成,实现对土壤资源的有效保护。
实施例一
如图1所示,本申请提供了一种土壤污染检测分析方法,所述方法包括:
S100:对当前的待检测区域进行土壤采样,获得样本土壤;
S200:对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;
具体而言,在本实施例中,所述待检测区域为在一定面积区划内,待进行土壤污染状况检测的区域,本实施例对于土壤采样方法不做限制,可采用对角线法、分层采样法、剖面采样法中的一种或多种,使采样所获样本土壤可代表所述待检测区域内土壤真实状况。
将对待检测区域进行土壤采样获得的样本土壤进行多个污染指标的土壤检测,所述污染指标包括但不限于农药指标参数、重金属指标参数、肥料指标参数、有毒非金属指标参数,获得包含多个污染指标的指标参数信息的所述污染信息集合,所述污染信息集合为当前待检测区域土壤污染状况信息集合。
S300:采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;
进一步的,如图2所示,采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,本申请提供的方法步骤S300还包括:
S310:根据所述待检测区域,划分获得目标区域;
S320:获得所述目标区域内的多个工厂;
S330:采集获取所述多个工厂的污染排放量信息,获得污染排放量信息集合;
S340:采集获取所述多个工厂与所述待检测区域的距离信息,获得距离信息集合;
S350:将所述污染排放量信息集合和所述距离信息集合作为所述周边工厂信息集合。
具体而言,应理解的,随着我国工业生产现代化水平的不断提升,工业生产所产生的污染废水由于处理不充分或未经处理直接排除,在引起水体污染的同时,引起工厂附近区域内的土壤污染。
因而在本实施例中,以所述待检测区域为中心,分析与所述待进场区域一定距离范围内是否存在工厂开设以及工厂排污对于当前待检测区域内土壤污染状况是否存在关联性。
以所述待检测区域为中心进行划分获得与所述待检测区域具有一定距离的所述目标区域,基于大数据获地图获得所述目标区域内的多个工厂。采集获取所述多个工厂的污染排放量信息,所述污染排放量信息为在单位时间内,每一工厂排放出的整体污染物的排放量数据,获得污染排放量信息集合,在本实施例中,通过采集可能排污引起所述待检测区域土壤污染的工厂在单位时间内的排污量数据,为后续进行污染趋势分析提供数据基础。
采集获取所述多个工厂与所述待检测区域的距离信息,获得距离信息集合,将所述污染排放量信息集合和所述距离信息集合作为所述周边工厂信息集合。
在本实施例中,通过对待检测区域附近可能存在排污引起待检测区域土壤污染的一定区域范围内的工厂排污和工厂距离进行信息采集,达到了为后续进行待检测区域土壤污染和自净分析提供较为准确的数据分析基础的技术效果。
S400:采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;
应理解的,在所有人类活动中,引起土壤污染的较为重要的因素包括工业污染和农耕农药污染。在农药使用后土壤中的残留农药或降解后的农药残留会引起土壤微生物结构破坏以及导致土壤中砷化物等污染物沉积。
在本实施例中采集获得所述待检测区域使用有机农药的品类、频率、使用量信息,计算获得单位时间内的多种有机农药使用量作为所述多个农药指标参数信息,获得所述农药使用信息集合。
S500:将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;
进一步的,如图3所示,将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数,本申请提供的方法步骤S500还包括:
S510:根据所述距离信息集合内多个距离信息的大小,进行权重分配,获得权重分配结果;
S520:采用所述权重分配结果对所述污染排放量信息集合内的多个污染排放量信息进行加权计算求和,获得工厂污染参数;
S530:根据所述农药使用信息集合,获得农药污染参数;
S540:构建所述污染趋势分析模型;
S550:将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数。
具体而言,所述污染趋势为所述待检测区域土壤本身的农药使用状况以及附近一定区域内的工厂排污状况不受人工干预治理的状况下,在一定时间区间内的恶化速率,所述污染趋势参数采用1-x等级进行表示,等级越高表明进行待检测区域以及周边一定范围内污染及农药使用干预的紧迫程度越高。
在本实施例中,基于工厂距离越近,则排污可能引起待检测区域污染的影响性越大,根据所述距离信息集合内多个距离信息的大小,进行权重分配,获得权重分配结果。
采用所述权重分配结果对所述污染排放量信息集合内的多个污染排放量信息进行加权计算求和,获得工厂污染参数,根据所述农药使用信息集合,获得农药污染参数,所述工厂污染参数为单位时间内工厂排污总量,所述农药污染参数为根据农药使用频率以及使用量计算获得的单位时间内农药使用量。
构建所述污染趋势分析模型,将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数,基于所述污染趋势参数可获知当前动态不断增加的工厂排污和农药在待检测区域土壤中的累积可能诱发污染事故的速度以及进行人工干预减缓或消除污染源的紧迫程度。
本实施例对于所述污染趋势分析模型的构建方法、训练数据来源以及输出结果准确度不做任何限制,在具体应用中可根据实际状况进行模型构建和训练。
本实施例通过对直接作用于待检测区域本身的土壤污染信息以及周边排污间接性对待检测区域土壤的污染状况进行综合分析,获得土壤污染趋势参数,达到了对于待检测区域当前土壤状况以及后续动态变化进行较为准确的预估的技术效果。
S600:获取所述待检测区域内土壤进行自我净化的污染净化参数;
进一步的,获取所述待检测区域内土壤进行自我净化的污染净化参数,本申请提供的方法步骤S600还包括:
S610:获得预设时间周期;
S620:采集获取所述待检测区域内土壤在此前多个预设时间周期内的初始污染信息集合和最终污染信息集合;
S630:根据所述多个预设时间周期内的初始污染信息集合和最终污染信息集合,进行污染净化评价,获得多个周期污染净化参数;
S640:根据所述多个周期污染净化参数,计算获得所述污染净化参数。
具体而言,所述土壤自我净化为土壤受到外来污染物入侵后,通过土壤的自身作用,使污染物在土壤环境中的数量、浓度发生变化,污染物在土壤中的活性以及毒性降低,土壤污染程度下降的现象。
所述预设时间周期是人为设置的进行土壤自我净化能力实验检测的时间跨度。所述污染净化评价可基于经验丰富的污染处理人员或土壤污染领域专家进行。
在本实施例中采集获取所述待检测区域内土壤,将所述待检测区域土壤置于无外来污染且与待检测区域环境具有一致性的模拟实验室中进行土壤自我净化状况检测,获得在此前多个预设时间周期内的初始污染信息集合和最终污染信息集合,根据所述多个预设时间周期内的初始污染信息集合和最终污染信息集合,进行污染净化评价,获得多个周期污染净化参数,所述周期污染净化参数反映了同一污染土壤在不同净化周期内的净化能力等级,根据所述多个周期污染净化参数,进行包括但不限于均值计算的计算方法获得所述污染净化参数。
本实施例通过对待检测区域土壤自净能力进行实验和分析,达到了准确获知待检测区域土壤自我净化能力,为后续获得较为准确的土壤污染检测分析结果提供数据基础的技术效果,避免忽视土壤本身的自净能力导致对土壤污染状况进行错误分析判断,甚至导致技术人员设计的污染治理计划与土壤污染治理的实际需求不匹配的事故发生。
S700:将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;
进一步的,将所述污染趋势参数和污染净化参数输入污染分析模型内,本申请提供的方法步骤S700还包括:
S710:采集获取多个样本污染趋势参数,获得样本污染趋势参数集合;
S720:采集获取多个样本污染净化参数,获得样本污染净化参数集合;
S730:根据所述多个样本污染趋势参数和所述多个样本污染净化参数,计算获得多个样本污染走向信息,获得样本污染走向信息集合;
S740:对所述样本污染趋势参数集合、样本污染净化参数集合和样本污染走向信息集合进行划分和数据标识,获得训练集、验证集和测试集;
S750:基于前馈神经网络,构建所述污染分析模型;
S760:采用所述训练集对所述污染分析模型进行监督训练,训练至收敛后,采用所述验证集合所述测试集对所述污染分析模型进行验证和测试,若所述污染分析模型的准确率符合预设要求,则获得所述污染分析模型;
S770:将所述污染趋势参数和污染净化参数输入所述污染分析模型内,获得输出结果,根据所述输出结果内的标识信息,获得所述污染走向信息。
具体而言,在本实施例中,采集获得多个样本工厂污染参数以及多个样本农药污染参数,多个样本工厂污染参数以及多个样本农药污染参数具体一一对应关系,基于多个样本工厂污染参数以及多个样本农药污染参数多个样本污染趋势参数,基于步骤S500相同的方法获得样本污染趋势参数集合。
实验测试获得具有一一对应关系的多个样本工厂污染参数以及多个样本农药污染参数对应土壤的自我净化能力,生成样本污染净化参数集合,基于步骤S600相同的方法获得样本污染净化参数集合。
根据所述多个样本污染趋势参数和所述多个样本污染净化参数,进行差值计算,获得多个样本污染走向信息,所述污染走向信息表示同一土壤在不同污染影响及自我净化能力的共同作用下,土壤未来的污染走向,基于多个样本污染走向信息获得样本污染走向信息集合。
对所述样本污染趋势参数集合、样本污染净化参数集合和样本污染走向信息集合进行划分和数据标识,获得训练集、验证集和测试集,基于前馈神经网络,构建所述污染分析模型,采用所述训练集对所述污染分析模型进行监督训练,训练至收敛后,采用所述验证集合所述测试集对所述污染分析模型进行验证和测试,若所述污染分析模型的准确率符合预设要求,则获得所述污染分析模型。在进行模型输出准确度测试时,所述准确度预设要求可根据技术人员或土壤领域专家建议进行设定。
将所述污染趋势参数和污染净化参数输入所述污染分析模型内,获得输出结果,根据所述输出结果内的标识信息,获得所述污染走向信息。
本实施例通过获得多个样本土壤的自我净化参数以及多个工厂污染参数、多个农药污染参数,结合构建并训练土壤污染分析模型,进行土壤污染趋势分析,达到了准确获知当前待检测区域土壤在不加污染治理干预且农药用量以及邻近区域工厂排污不变的情况下,土壤污染趋势的技术效果。
S800:将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
在本实施例中,将步骤S200获得的反映待检测区域土壤静态污染实际状况的污染信息集合以及步骤S300~S700获得的反应待检测区域土壤未来污染趋势走向的污染走向信息进行打包作为所述污染检测分析结果,所述污染检测分析结果在当前状态和未来动态预测两个方向反映了待检测区域土壤污染状况,技术人员基于所述污染检测分析结果即可判断是否对待检测区域以及附近临近区域进行污染控制,以避免待检测区域土壤恶化。
本实施例提供的方法通过对当前的待检测区域进行土壤采样,获得样本土壤;对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合,实现对土壤静态污染状况的获取,采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合,从外来因素方面分析土壤污染因素;采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数,实现从土壤本身农药使用以及临近排污污染入侵两方面进行综合污染分析;获取所述待检测区域内土壤进行自我净化的污染净化参数;将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;将所述污染信息集合和所述污染走向信息作为污染检测分析结果。达到了获得反映土壤静态污染现状以及未来土壤污染变化趋势的土壤检测结果,便于土壤污染治理人员参考进行污染治理方案生成,实现土壤资源保护有效进行的技术效果。
进一步的,构建所述污染趋势分析模型,本申请提供的方法步骤S540还包括:
S541:采集获取多个样本工厂污染参数,获得样本工厂污染参数集合;
S542:采集获取多个样本农药污染参数,获得样本农药污染参数集合,其中,所述样本工厂污染参数集合内的样本工厂污染参数与所述样本农药污染参数集合内的样本农药污染参数一一对应;
S543:基于工厂污染参数和农药污染参数,构建二维坐标系;
S544:将所述样本工厂污染参数集合和所述样本农药污染参数集合内的多个样本工厂污染参数和多个样本农药污染参数分别输入所述二维坐标系内,获得多个样本坐标点;
S545:对所述样本工厂污染参数集合和所述样本农药污染参数集合内一一对应的多组样本工厂污染参数和样本农药污染参数进行污染趋势评价,获得多个样本污染趋势参数;
S546:根据所述多个样本污染趋势参数,对所述多个样本坐标点分别设置不同的样本污染趋势参数,获得所述污染趋势分析模型。
具体而言,在本实施例中,所述污染趋势分析模型的构建及训练方法优选采集获取多个样本工厂污染参数以及多个样本农药污染参数,作为训练数据,所述样本工厂污染参数集合内的样本工厂污染参数与所述样本农药污染参数集合内的样本农药污染参数一一对应。
基于工厂污染参数和农药污染参数,构建二维坐标系,将所述样本工厂污染参数集合和所述样本农药污染参数集合内的多个样本工厂污染参数和多个样本农药污染参数分别输入所述二维坐标系内,获得多个样本坐标点,对所述样本工厂污染参数集合和所述样本农药污染参数集合内一一对应的多组样本工厂污染参数和样本农药污染参数进行污染趋势评价,获得每一样本工厂污染参数与样本农药污染参数组合的污染趋势参数,生成多个样本污染趋势参数。示例性的,可基于经验丰富的污染处理人员或土壤污染领域专家进行所述污染趋势评价。根据所述多个样本污染趋势参数,对所述多个样本坐标点分别设置不同的样本污染趋势参数,获得所述污染趋势分析模型。
本实施例通过获得多组具有一一对应关系的样本工厂污染参数和样本农药污染参数对基于工厂污染参数和农药污染参数构建的二维坐标系进行污染趋势评价,生成所述污染趋势分析模型,实现了后续基于工厂污染参数和农药污染参数可快速且准确获知检测区域对象土壤的污染趋势的技术效果。
进一步的,将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数,本申请提供的方法步骤S550还包括:
S551:将所述工厂污染参数和所述农药污染参数输入所述二维坐标系,获得当前坐标点;
S552:获取所述当前坐标点最为邻近的K个样本坐标点;
S553:获得所述K个样本坐标点内出现频率最高的样本污染趋势参数,作为所述污染趋势参数。
具体而言,在本实施例中,应用在步骤S540构建并训练完成的所述污染趋势分析模型,即所述二维坐标系。将所述工厂污染参数和所述农药污染参数输入所述二维坐标系,在所述二维坐标系内获得一具体坐标点即为所述当前坐标点,所述当前坐标点可能并非与所述二维坐标系内标识工厂污染参数与农药污染参数,反映污染趋势的样本坐标点完全契合。
因而在本实施例中,获取与所述当前坐标点最为临近的K个样本坐标点,所述K个样本坐标点都有与之具有一一对应关系的样本污染趋势参数。获得K各样本坐标点对应的多个污染趋势参数中出现频率最高的样本污染趋势参数作为所述污染趋势参数。
本实施例通过将实际采集并计算获得的工厂污染参数和农药污染参数基于构建的污染趋势分析模型中获得具体的坐标点并根据与之最为接近的多个样本坐标点中污染趋势参数出现频率最高的样板污染趋势参数作为待检测区域土壤的污染趋势参数,达到了快速高效且准确的获知待检测区域土壤污染趋势以及待进行污染治理干预的紧迫度的技术效果。
实施例二
基于与前述实施例中一种土壤污染检测分析方法相同的发明构思,如图4所示,本申请提供了一种土壤污染检测分析系统,其中,所述系统包括:
土壤采样执行模块11,用于对当前的待检测区域进行土壤采样,获得样本土壤;
土壤污染检测模块12,用于对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;
周边信息采集模块13,用于采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;
农药使用采集模块14,用于采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;
污染趋势分析模块15,用于将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;
净化参数获得模块16,用于获取所述待检测区域内土壤进行自我净化的污染净化参数;
污染走向采集模块17,用于将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;
检测分析获得模块18,用于将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
进一步的,所述周边信息采集模块13还包括:
检测区域划分单元,用于根据所述待检测区域,划分获得目标区域;
区域工厂获得单元,用于获得所述目标区域内的多个工厂;
排污信息采集单元,用于采集获取所述多个工厂的污染排放量信息,获得污染排放量信息集合;
距离数据采集单元,用于采集获取所述多个工厂与所述待检测区域的距离信息,获得距离信息集合;
周边信息生成单元,用于将所述污染排放量信息集合和所述距离信息集合作为所述周边工厂信息集合。
进一步的,所述污染趋势分析模块15还包括:
权重分配执行单元,用于根据所述距离信息集合内多个距离信息的大小,进行权重分配,获得权重分配结果;
工厂污染计算单元,用于采用所述权重分配结果对所述污染排放量信息集合内的多个污染排放量信息进行加权计算求和,获得工厂污染参数;
农药污染计算单元,用于根据所述农药使用信息集合,获得农药污染参数;
分析模型构建单元,用于构建所述污染趋势分析模型;
污染趋势获得单元,用于将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数。
进一步的,所述分析模型构建单元还包括:
工厂污染采集单元,用于采集获取多个样本工厂污染参数,获得样本工厂污染参数集合;
农药污染采集单元,用于采集获取多个样本农药污染参数,获得样本农药污染参数集合,其中,所述样本工厂污染参数集合内的样本工厂污染参数与所述样本农药污染参数集合内的样本农药污染参数一一对应;
坐标系构建单元,用于基于工厂污染参数和农药污染参数,构建二维坐标系;
样本坐标点获得单元,用于将所述样本工厂污染参数集合和所述样本农药污染参数集合内的多个样本工厂污染参数和多个样本农药污染参数分别输入所述二维坐标系内,获得多个样本坐标点;
污染趋势生成单元,用于对所述样本工厂污染参数集合和所述样本农药污染参数集合内一一对应的多组样本工厂污染参数和样本农药污染参数进行污染趋势评价,获得多个样本污染趋势参数;
分析模型生成单元,用于根据所述多个样本污染趋势参数,对所述多个样本坐标点分别设置不同的样本污染趋势参数,获得所述污染趋势分析模型。
进一步的,所述污染趋势获得单元还包括:
污染参数处理单元,用于将所述工厂污染参数和所述农药污染参数输入所述二维坐标系,获得当前坐标点;
临近坐标获得单元,用于获取所述当前坐标点最为邻近的K个样本坐标点;
污染趋势参数获得单元,用于获得所述K个样本坐标点内出现频率最高的样本污染趋势参数,作为所述污染趋势参数。
进一步的,所述净化参数获得模块16还包括:
时间周期获得单元,用于获得预设时间周期;
污染信息采集单元,用于采集获取所述待检测区域内土壤在此前多个预设时间周期内的初始污染信息集合和最终污染信息集合;
净化评价执行单元,用于根据所述多个预设时间周期内的初始污染信息集合和最终污染信息集合,进行污染净化评价,获得多个周期污染净化参数;
净化参数计算单元,用于根据所述多个周期污染净化参数,计算获得所述污染净化参数。
进一步的,所述污染走向采集模块17还包括:
污染趋势参数采集单元,用于采集获取多个样本污染趋势参数,获得样本污染趋势参数集合;
净化参数采集单元,用于采集获取多个样本污染净化参数,获得样本污染净化参数集合;
污染走向计算单元,用于根据所述多个样本污染趋势参数和所述多个样本污染净化参数,计算获得多个样本污染走向信息,获得样本污染走向信息集合;
信息划分应用单元,用于对所述样本污染趋势参数集合、样本污染净化参数集合和样本污染走向信息集合进行划分和数据标识,获得训练集、验证集和测试集;
分析模型生成单元,用于基于前馈神经网络,构建所述污染分析模型;
模型训练执行单元,用于采用所述训练集对所述污染分析模型进行监督训练,训练至收敛后,采用所述验证集合所述测试集对所述污染分析模型进行验证和测试,若所述污染分析模型的准确率符合预设要求,则获得所述污染分析模型;
污染走向获得单元,用于将所述污染趋势参数和污染净化参数输入所述污染分析模型内,获得输出结果,根据所述输出结果内的标识信息,获得所述污染走向信息。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。

Claims (8)

1.一种土壤污染检测分析方法,其特征在于,所述方法包括:
对当前的待检测区域进行土壤采样,获得样本土壤;
对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;
采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;
采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;
将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;
获取所述待检测区域内土壤进行自我净化的污染净化参数;
将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;
将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
2.根据权利要求1所述的方法,其特征在于,采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,包括:
根据所述待检测区域,划分获得目标区域;
获得所述目标区域内的多个工厂;
采集获取所述多个工厂的污染排放量信息,获得污染排放量信息集合;
采集获取所述多个工厂与所述待检测区域的距离信息,获得距离信息集合;
将所述污染排放量信息集合和所述距离信息集合作为所述周边工厂信息集合。
3.根据权利要求2所述的方法,其特征在于,将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数,包括:
根据所述距离信息集合内多个距离信息的大小,进行权重分配,获得权重分配结果;
采用所述权重分配结果对所述污染排放量信息集合内的多个污染排放量信息进行加权计算求和,获得工厂污染参数;
根据所述农药使用信息集合,获得农药污染参数;
构建所述污染趋势分析模型;
将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数。
4.根据权利要求3所述的方法,其特征在于,构建所述污染趋势分析模型,包括:
采集获取多个样本工厂污染参数,获得样本工厂污染参数集合;
采集获取多个样本农药污染参数,获得样本农药污染参数集合,其中,所述样本工厂污染参数集合内的样本工厂污染参数与所述样本农药污染参数集合内的样本农药污染参数一一对应;
基于工厂污染参数和农药污染参数,构建二维坐标系;
将所述样本工厂污染参数集合和所述样本农药污染参数集合内的多个样本工厂污染参数和多个样本农药污染参数分别输入所述二维坐标系内,获得多个样本坐标点;
对所述样本工厂污染参数集合和所述样本农药污染参数集合内一一对应的多组样本工厂污染参数和样本农药污染参数进行污染趋势评价,获得多个样本污染趋势参数;
根据所述多个样本污染趋势参数,对所述多个样本坐标点分别设置不同的样本污染趋势参数,获得所述污染趋势分析模型。
5.根据权利要求4所述的方法,其特征在于,将所述工厂污染参数和所述农药污染参数输入所述污染趋势分析模型,获得所述污染趋势参数,包括:
将所述工厂污染参数和所述农药污染参数输入所述二维坐标系,获得当前坐标点;
获取所述当前坐标点最为邻近的K个样本坐标点;
获得所述K个样本坐标点内出现频率最高的样本污染趋势参数,作为所述污染趋势参数。
6.根据权利要求1所述的方法,其特征在于,获取所述待检测区域内土壤进行自我净化的污染净化参数,包括:
获得预设时间周期;
采集获取所述待检测区域内土壤在此前多个预设时间周期内的初始污染信息集合和最终污染信息集合;
根据所述多个预设时间周期内的初始污染信息集合和最终污染信息集合,进行污染净化评价,获得多个周期污染净化参数;
根据所述多个周期污染净化参数,计算获得所述污染净化参数。
7.根据权利要求6所述的方法,其特征在于,将所述污染趋势参数和污染净化参数输入污染分析模型内,包括:
采集获取多个样本污染趋势参数,获得样本污染趋势参数集合;
采集获取多个样本污染净化参数,获得样本污染净化参数集合;
根据所述多个样本污染趋势参数和所述多个样本污染净化参数,计算获得多个样本污染走向信息,获得样本污染走向信息集合;
对所述样本污染趋势参数集合、样本污染净化参数集合和样本污染走向信息集合进行划分和数据标识,获得训练集、验证集和测试集;
基于前馈神经网络,构建所述污染分析模型;
采用所述训练集对所述污染分析模型进行监督训练,训练至收敛后,采用所述验证集合所述测试集对所述污染分析模型进行验证和测试,若所述污染分析模型的准确率符合预设要求,则获得所述污染分析模型;
将所述污染趋势参数和污染净化参数输入所述污染分析模型内,获得输出结果,根据所述输出结果内的标识信息,获得所述污染走向信息。
8.一种土壤污染检测分析系统,其特征在于,所述系统包括:
土壤采样执行模块,用于对当前的待检测区域进行土壤采样,获得样本土壤;
土壤污染检测模块,用于对所述样本土壤进行多个污染指标的土壤污染检测,获得包含多个污染指标的指标参数信息的污染信息集合;
周边信息采集模块,用于采集获取所述待检测区域周边工厂的多个工厂指标的参数信息,获得周边工厂信息集合;
农药使用采集模块,用于采集获取所述待检测区域使用有机农药的多个农药指标的参数信息,获得农药使用信息集合;
污染趋势分析模块,用于将所述周边工厂信息集合和所述农药使用信息集合输入污染趋势分析模型,获得污染趋势参数;
净化参数获得模块,用于获取所述待检测区域内土壤进行自我净化的污染净化参数;
污染走向采集模块,用于将所述污染趋势参数和污染净化参数输入污染分析模型内,获得污染走向信息;
检测分析获得模块,用于将所述污染信息集合和所述污染走向信息作为污染检测分析结果。
CN202210947145.7A 2022-08-09 2022-08-09 一种土壤污染检测分析方法及系统 Active CN115290858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210947145.7A CN115290858B (zh) 2022-08-09 2022-08-09 一种土壤污染检测分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210947145.7A CN115290858B (zh) 2022-08-09 2022-08-09 一种土壤污染检测分析方法及系统

Publications (2)

Publication Number Publication Date
CN115290858A true CN115290858A (zh) 2022-11-04
CN115290858B CN115290858B (zh) 2023-06-20

Family

ID=83828340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210947145.7A Active CN115290858B (zh) 2022-08-09 2022-08-09 一种土壤污染检测分析方法及系统

Country Status (1)

Country Link
CN (1) CN115290858B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011745A (zh) * 2022-12-20 2023-04-25 速度时空信息科技股份有限公司 一种基于云服务的生态修复方案优化方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003094036A (ja) * 2001-09-26 2003-04-02 Mitsubishi Heavy Ind Ltd 土壌汚染評価方法及び土壌浄化処理方法
CN110969345B (zh) * 2019-11-20 2024-01-23 北京贵清科技有限公司 一种基于土壤重金属污染途径分析的风险评估方法
CN112836912A (zh) * 2019-11-25 2021-05-25 天津大学 基于gis的土壤污染防治分区划定的方法
CN111505241A (zh) * 2020-04-26 2020-08-07 深圳市宇驰检测技术股份有限公司 企业周边土壤污染等级评定方法、装置、设备及介质
CN114062649B (zh) * 2021-10-27 2022-09-23 生态环境部南京环境科学研究所 一种土壤污染趋势分析方法
CN114354892A (zh) * 2022-01-04 2022-04-15 北京市科学技术研究院资源环境研究所 一种基于工业园区的土壤污染分析方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116011745A (zh) * 2022-12-20 2023-04-25 速度时空信息科技股份有限公司 一种基于云服务的生态修复方案优化方法及系统
CN116011745B (zh) * 2022-12-20 2024-02-13 速度科技股份有限公司 一种基于云服务的生态修复方案优化方法及系统

Also Published As

Publication number Publication date
CN115290858B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
Sharma et al. An integrated statistical approach for evaluating the exceedence of criteria pollutants in the ambient air of megacity Delhi
CN106018359A (zh) 一种污水厂水质监测预警方法及系统
Jeon et al. Development of a new biomonitoring method to detect the abnormal activity of Daphnia magna using automated Grid Counter device
CN115290858A (zh) 一种土壤污染检测分析方法及系统
CN117491586B (zh) 一种水质检测方法及系统
CN115239070A (zh) 一种流域水环境有机污染物监测全过程质控指标评价系统
CN117114505B (zh) 一种建筑施工现场环境监测方法及系统
Brancher et al. Temporal variability in odour emissions: to what extent this matters for the assessment of annoyance using dispersion modelling
CN117875573B (zh) 一种基于生物毒性和生物有效性的水环境评价方法和系统
CN116994410A (zh) 一种流域水环境生态安全预警方法
CN115730852A (zh) 一种化工企业土壤污染管控方法及系统
CN118071177B (zh) 一种污水处理模拟调控方法和系统
Brancher et al. Dispersion modelling of environmental odours using hourly-resolved emission scenarios: Implications for impact assessments
CN116849191A (zh) 一种白蚁危害动态信息监测方法和系统
RU2413220C1 (ru) Способ экологического мониторинга опасных производственных объектов
CN116934102B (zh) 一种用于工业园区的环境风险管控系统
KR102199905B1 (ko) 기상장과 인공신경망을 이용한 복합 악취 예측 시스템
MacDonald et al. Designing monitoring programs for water quality based on experience in Canada I. Theory and framework
Andria et al. Model characterization in measurements of environmental pollutants via data correlation of sensor outputs
CN115980286B (zh) 一种利用电子鼻对污水处理厂不同阶段废水检测的方法
CN108132194B (zh) 一种远程无线混凝土内钢筋锈蚀风险监测传感装置
Baltacı et al. Water quality monitoring studies of Turkey with present and probable future constraints and opportunities
Shehhi et al. Time series and machine learning to forecast the water quality from satellite data
Long et al. Monitoring seagrasses in tropical ports and harbours
Sówka et al. The use of ordinary kriging and inverse distance weighted interpolation to assess the odour impact of a poultry farming

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