CN115855898A - 一种基于大数据的水质指纹溯源方法和系统 - Google Patents
一种基于大数据的水质指纹溯源方法和系统 Download PDFInfo
- Publication number
- CN115855898A CN115855898A CN202211478067.7A CN202211478067A CN115855898A CN 115855898 A CN115855898 A CN 115855898A CN 202211478067 A CN202211478067 A CN 202211478067A CN 115855898 A CN115855898 A CN 115855898A
- Authority
- CN
- China
- Prior art keywords
- enterprises
- enterprise
- screening
- dimensional fluorescence
- water quality
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种基于大数据的水质指纹溯源方法和系统，包括：利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征图；对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
Description
技术领域
本发明涉及大数据、水质检测技术领域，特别涉及一种基于大数据的水质指纹溯源方法和系统。
背景技术
随着我国经济的持续发展，工业企业数量不断增加，产生的工业废水排放量大、种类多、成分复杂，污水处理难度大。工业企业污废水的超标排放、偷排等违法违规排放行为会直接对受纳水环境造成污染甚至引发污染事故。因此诊断污染来源已成为环境执法以及污染应急处置的首要任务，也是亟待解决的难点。但常规有机物监测指标如高锰酸盐指数、总有机碳等只反映总量，无法反映有机物的毒性和给出污染源信息，难以为污染源的监管或应急处置溯源提供关键可操作的信息。因此，需要一种快速识别污染的主要成分和可能行业、精准锁定可疑污染源的方法。
发明内容
本发明提供一种基于大数据的水质指纹溯源方法和系统，以解决上述问题。
本发明提供一种基于大数据的水质指纹溯源方法，包括：
利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征图；
对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
作为本技术方案的一种实施例，所述检测仪器，至少包括荧光分光光度计。
作为本技术方案的一种实施例，所述三维荧光光谱，包括激发波长、发射波长和荧光强度。
作为本技术方案的一种实施例，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，包括：
通过三维荧光指纹特征图，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；
计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
通过沿河流上游布点采样，检测水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；
通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
作为本技术方案的一种实施例，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，还包括：
当所述匹配结果到的可疑排污企业大于预设数量时，采集可疑排污企业的历史三维荧光指纹特征图；
计算所述三维荧光指纹特征图和可疑排污企业的历史三维荧光指纹特征图的相似度；
确定相似度在预设相似度阈值范围内的可疑排污企业，并反馈至终端设备。
作为本技术方案的一种实施例，所述n个企业分别和n维特征向量一一对应。
本技术方案提供一种基于大数据的水质指纹溯源系统，包括：
特征图谱库建立模块，用于利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
三维荧光指纹特征模块，用于采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征；
匹配模块，用于对比所述三维荧光指纹特征和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
作为本技术方案的一种实施例，所述匹配模块，包括：
企业锁定单元，用于通过三维荧光指纹特征，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；
第一筛选单元，用于计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
流域锁定单元，用于采集、检测流域水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；
第二筛选单元，用于通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
成分分析单元，用于一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
匹配结果单元，用于通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于大数据的水质指纹溯源方法的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例一
根据图1所示，本发明实施例提供了一种基于大数据的水质指纹溯源方法，包括：
利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征图；
对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
上述技术方案的工作原理和有益效果在于：
本发明实施例提供了一种基于大数据的水质指纹溯源方法，包括：利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征图；对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。从而提高人工检测的效率，从而更快的定位，匹配到可疑企业。
本技术方案提供了一种实施例，所述检测仪器，至少包括荧光分光光度计。
上述技术方案的工作原理和有益效果在于：
本技术方案通过检测仪器，至少包括荧光分光光度计，可以对水质的荧光光谱进行分析。
本技术方案提供了一种实施例，所述三维荧光光谱，包括激发波长、发射波长和荧光强度。
上述技术方案的工作原理和有益效果在于：
本技术方案通过三维荧光光谱，包括激发波长、发射波长和荧光强度。
本技术方案提供了一种实施例，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，包括：
通过三维荧光指纹特征图，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；
计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
通过沿河流上游布点采样，检测水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；
通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
上述技术方案的工作原理和有益效果在于：
本技术方案通过对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，包括：通过三维荧光指纹特征图，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；通过采样、检测流域水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果，通过对指纹特征图谱库的特征，从而对可疑的行业、可疑的企业进行排查，提高检测的效率，提高定位的精准性。
优选的，所述筛选过程，包括：
根据n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；再通过所述锁定流域，对第一筛选结果中的企业进行二次筛选，确定第二筛选结果；一一计算所述第二筛选结果中的企业的污染物贡献率，并对所述污染物贡献率进行自动排序生成第二筛选结果中的企业的污染物贡献率数组以及对应的企业编号数组，其具体步骤包括，
步骤A1：利用公式(1)根据n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果，并生成第一筛选结果数组
其中A(a)表示第一筛选结果数组中的第a个元素的数值；D(a)表示第a个企业的第一筛选值；G(a)表示第a个企业的企业贡献率；G0表示预设阈值的企业贡献率；||表示求取绝对值；
步骤A2：利用公式(2)根据所述锁定流域，对第一筛选结果中的企业进行二次筛选，确定第二筛选结果，并生成第二筛选结果数组B(a)＝A(a)×F[r(a)∈R] (2)
其中B(a)表示第二筛选结果数组中的第a个元素的数值；F[r(a)∈R]表示第a个企业属于所述锁定流域的检测函数值，若所述第a个企业在所述锁定流域内则函数值为1，反之函数值为0；
步骤A3：利用公式(3)根据所述第二筛选结果中的企业的污染物贡献率，对所述污染物贡献率进行自动排序生成第二筛选结果中的企业的污染物贡献率对应的企业编号数组
其中P[B(a)]表示企业编号B(a)在企业编号数组中的位数值(若P[B(a)]数值相同则对相同数值所对应的企业编号按照数值B(a)的从大到小的顺序在数组中按照从小到大的位数顺序进行排列)；n表示企业的总数；G[B(a)]表示第B(a)个企业的企业贡献率；G[B(i)]表示第B(i)个企业的企业贡献率；Z{}表示判断函数，若括号内的算式成立则函数值为1，若括号内的函数值不成立则函数值为0；
从而通过企业编号数组得到相应企业的污染物贡献率，便于分析污染物的主要成分，提高效率。
上述技术方案的有益效果是：利用步骤A1的公式(1)根据n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果，并生成第一筛选结果数组，从而利用数组来进行后续的计算一是便于计算，二是可以准确快速的对数据进行定位；然后利用步骤A2的公式(2)根据所述锁定流域，对第一筛选结果中的企业进行二次筛选，确定第二筛选结果，并生成第二筛选结果数组，生成数组的过程全部自动化智能化，体现了系统的智能化的特点；最后利用步骤A3的公式(3)根据所述第二筛选结果中的企业的污染物贡献率，对所述污染物贡献率进行自动排序生成第二筛选结果中的企业的污染物贡献率对应的企业编号数组，从而通过企业编号数组得到相应企业的污染物贡献率，便于分析污染物的主要成分，提高系统整体效率。
本技术方案提供了一种实施例，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，还包括：
当所述匹配结果到的可疑排污企业大于预设数量时，采集可疑排污企业的历史三维荧光指纹特征图；
计算所述三维荧光指纹特征图和可疑排污企业的历史三维荧光指纹特征图的相似度；
确定相似度在预设相似度阈值范围内的可疑排污企业，并反馈至终端设备。
上述技术方案的工作原理和有益效果在于：
本技术方案通过对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，还包括：当所述匹配结果到的可疑排污企业大于预设数量时，采集可疑排污企业的历史三维荧光指纹特征图；计算所述三维荧光指纹特征图和可疑排污企业的历史三维荧光指纹特征图的相似度；确定相似度在预设相似度阈值范围内的可疑排污企业，并反馈至终端设备。从而提高人工检测的效率，从而更快的定位，匹配到可疑企业。
本技术方案提供了一种实施例，所述n个企业分别和n维特征向量一一对应。
本技术方案提供了一种实施例，包括：
特征图谱库建立模块，用于利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
三维荧光指纹特征模块，用于采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征；
匹配模块，用于对比所述三维荧光指纹特征和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
本技术方案提供了一种实施例，所述匹配模块，包括：
企业锁定单元，用于通过三维荧光指纹特征，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；
第一筛选单元，用于计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
流域锁定单元，用于采集、检测流域水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；
第二筛选单元，用于通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
成分分析单元，用于一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
匹配结果单元，用于通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
实施例二
在该实施例中，可以建立3个三维荧光指纹特征图谱库：主要污染物指纹图谱库、行业指纹图谱库、指定区域内的具体企业指纹图谱库，主要污染物指纹图谱库中存储有主要污染物的指纹信息，行业指纹图谱库中存储有不同行业的指纹信息，指定区域内的具体企业指纹图谱库中存储有指定区域内企业的指纹信息。在进行污染物匹配时，进行4重维度匹配，提高溯源的准确性：1)行业类别匹配：在河流下游发现污染，通过三维荧光指纹特征，分解成行业贡献率，大致确定是哪个行业的；2)污染物匹配：分解成不同污染物贡献率，确认主要成分；3)企业匹配：分解成流域内企业的贡献率，可初步确定企业；4)区域匹配：流域沿线布点，通过这3个库的比对获取污染的行业、成分及可能的企业，从而锁定一定范围内的企业。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于大数据的水质指纹溯源方法，其特征在于，包括：
利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征图；
对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
2.根据权利要求1所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述检测仪器，至少包括荧光分光光度计。
3.根据权利要求1所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述三维荧光光谱，包括激发波长、发射波长和荧光强度。
4.根据权利要求1所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，包括：
通过三维荧光指纹特征图，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向量，锁定对应的n个企业；
计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
通过沿河流上游布点采样，检测水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域受污染区域；
通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
5.根据权利要求1所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述对比所述三维荧光指纹特征图和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果，还包括：
当所述匹配结果到的可疑排污企业大于预设数量时，采集可疑排污企业的历史三维荧光指纹特征图；
计算所述三维荧光指纹特征图和可疑排污企业的历史三维荧光指纹特征图的相似度；
确定相似度在预设相似度阈值范围内的可疑排污企业，并反馈至终端设备。
6.根据权利要求4所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述n个企业分别和n维特征向量一一对应。
7.根据权利要求4所述的一种基于大数据的水质指纹溯源方法，其特征在于，所述筛选过程，包括：
根据n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；再通过所述锁定流域，对第一筛选结果中的企业进行二次筛选，确定第二筛选结果；一一计算所述第二筛选结果中的企业的污染物贡献率，并对所述污染物贡献率进行自动排序生成第二筛选结果中的企业的污染物贡献率数组以及对应的企业编号数组，其具体步骤包括，
步骤A1：利用公式(1)根据n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果，并生成第一筛选结果数组
其中A(a)表示第一筛选结果数组中的第a个元素的数值；D(a)表示第a个企业的第一筛选值；G(a)表示第a个企业的企业贡献率；G0表示预设阈值的企业贡献率；||表示求取绝对值；
步骤A2：利用公式(2)根据所述锁定流域，对第一筛选结果中的企业进行二次筛选，确定第二筛选结果，并生成第二筛选结果数组
B(a)＝A(a)×F,r(a)∈R-(2)
其中B(a)表示第二筛选结果数组中的第a个元素的数值；F,r(a)∈R-表示第a个企业属于所述锁定流域的检测函数值，若所述第a个企业在所述锁定流域内则函数值为1，反之函数值为0；
步骤A3：利用公式(3)根据所述第二筛选结果中的企业的污染物贡献率，对所述污染物贡献率进行自动排序生成第二筛选结果中的企业的污染物贡献率对应的企业编号数组
其中P,B(a)-表示企业编号B(a)在企业编号数组中的位数值(若P,B(a)-数值相同则对相同数值所对应的企业编号按照数值B(a)的从大到小的顺序在数组中按照从小到大的位数顺序进行排列)；n表示企业的总数；G,B(a)-表示第B(a)个企业的企业贡献率；G,B(i)-表示第B(i)个企业的企业贡献率；Z*+表示判断函数，若括号内的算式成立则函数值为1，若括号内的函数值不成立则函数值为0；
从而通过企业编号数组得到相应企业的污染物贡献率，便于分析污染物的主要成分，提高效率。
8.一种基于大数据的水质指纹溯源系统，其特征在于，包括：
特征图谱库建立模块，用于利用预设的检测仪器检测水质样本的三维荧光光谱，通过所述三维荧光光谱，建立相关企业的三维荧光指纹特征图谱库；
三维荧光指纹特征模块，用于采集待检水质样本，分析所述待检水质样本的三维荧光指纹特征；
匹配模块，用于对比所述三维荧光指纹特征和三维荧光指纹特征图谱库，匹配可疑排污企业，确定匹配结果。
9.根据权利要求8所述的一种基于大数据的水质指纹溯源系统，其特征在于，所述匹配模块，包括：
企业锁定单元，用于通过三维荧光指纹特征，定位三维荧光指纹特征图谱库的n维特征向量，通过所述n维特征向，锁定对应的n个企业；
第一筛选单元，用于计算n个企业的企业贡献率，筛选大于预设阈值的企业贡献率的企业，确定第一筛选结果；
流域锁定单元，用于采集、检测流域水质样本的三维荧光指纹特征，通过流域沿线布点，锁定流域可疑区域；
第二筛选单元，用于通过所述锁定流域可疑区域，对筛选结果中的企业进行二次筛选，确定第二筛选结果；
成分分析单元，用于一一计算所述第二筛选结果中的企业的污染物贡献率，通过所述污染物贡献率，分析污染物的主要成分；
匹配结果单元，用于通过所述主要成分，第二筛选结果中的企业的污染物贡献率，匹配可疑排污企业，确定匹配结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211478067.7A CN115855898A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的水质指纹溯源方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211478067.7A CN115855898A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的水质指纹溯源方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115855898A true CN115855898A (zh) | 2023-03-28 |
Family
ID=85665549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211478067.7A Pending CN115855898A (zh) | 2022-11-23 | 2022-11-23 | 一种基于大数据的水质指纹溯源方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115855898A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116328482A (zh) * | 2023-04-12 | 2023-06-27 | 舟山市生态环境应急与监控监测中心 | 一种含氟化合物的气流的处理装置 |
-
2022
- 2022-11-23 CN CN202211478067.7A patent/CN115855898A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116328482A (zh) * | 2023-04-12 | 2023-06-27 | 舟山市生态环境应急与监控监测中心 | 一种含氟化合物的气流的处理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023024463A1 (zh) | 一种水体有机污染智能化溯源方法及系统 | |
| Smith et al. | Benthic response index for assessing infaunal communities on the southern California mainland shelf | |
| CN110376343B (zh) | 污染源精准诊断方法、装置以及电子装置 | |
| 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 | |
| CN110412006A (zh) | 一种实现水污染在线溯源的方法 | |
| Chow et al. | Development of smart data analytics tools to support wastewater treatment plant operation | |
| CN112198144B (zh) | 一种快速污水溯源的方法及系统 | |
| CN115855898A (zh) | 一种基于大数据的水质指纹溯源方法和系统 | |
| Boyacioglu et al. | Application of factor analysis in the assessment of surface water quality in Buyuk Menderes River Basin | |
| CN116298159B (zh) | 一种工业污水厂污染物溯源方法、装置、存储介质和计算机设备 | |
| CN110033133A (zh) | 一种河湖系统中泥沙溯源方法 | |
| CN113034013A (zh) | 污染溯源方法、装置、电子设备及存储介质 | |
| CN114660030A (zh) | 污染源解析方法、装置及存储介质 | |
| Peleato et al. | Investigation of fluorescence methods for rapid detection of municipal wastewater impact on drinking water sources | |
| CN114563381A (zh) | 一种水体污染溯源方法 | |
| Sadler et al. | Computational surveillance of microbial water quality with online flow cytometry | |
| CN116881747B (zh) | 基于医疗废水监测的智能处理方法及系统 | |
| CN117331913A (zh) | 一种工业园区水污染源荧光指纹数据库的构建方法 | |
| CN113295635A (zh) | 一种基于动态更新数据集的水质污染报警方法 | |
| He et al. | Problems in air quality monitoring and assessment | |
| CN115508322A (zh) | 一种水污染源多维度溯源方法及装置 | |
| CN116297936A (zh) | 一种污染物的溯源方法、系统、装置及介质 | |
| CN115950864A (zh) | 一种基于三维荧光光谱法的水污染溯源检测方法 | |
| Yu et al. | Detection of water contamination events using fluorescence spectroscopy and alternating trilinear decomposition algorithm | |
| Yin et al. | Open-Set Recognition for Unknown Organic Pollutants in Drinking Water With 3-D Fluorescence Spectroscopy |
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 |