CN115965496A - 流域水环境智慧化管理方法 - Google Patents
流域水环境智慧化管理方法 Download PDFInfo
- Publication number
- CN115965496A CN115965496A CN202211513556.1A CN202211513556A CN115965496A CN 115965496 A CN115965496 A CN 115965496A CN 202211513556 A CN202211513556 A CN 202211513556A CN 115965496 A CN115965496 A CN 115965496A
- Authority
- CN
- China
- Prior art keywords
- water quality
- analysis
- data
- pollution
- early warning
- 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
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种流域水环境智慧化管理方法,包括:流域水环境大数据采集及标准化处理;水质大数据分析预警;污染分析及溯源;水质预测;生成智慧决策报告;分析过程及结果可视化展示。本发明提供一种基于大数据、人工智能等现代信息技术的流域水环境智慧化管理方法,包括流域水环境大数据采集与标准化处理、水质大数据分析预警、污染分析及溯源、水质预测、智慧决策报告生成及可视化展示等步骤,形成水环境智慧化全流程管理闭环,有效支撑流域水环境智慧化管理、污染治理的决策分析。
Description
技术领域
本发明属于流域水环境管理技术领域,具体涉及一种流域水环境智慧化管理方法。
背景技术
通常流域水环境信息化管理技术,以单一水质信息管理与污染源管理为主,侧重于水质监测数据或污染源监测数据实现常规监测信息与业务的管理,缺乏对其它相关数据的融合以及深入挖掘分析,未能为流域水环境提供快速精准决策服务。另一方面,现有水环境信息化平台侧重于地市层级的应用,缺乏流域层面的整体协调和系统调度。
发明内容
针对现有技术存在的缺陷,本发明提供一种流域水环境智慧化管理方法,可有效解决上述问题。
本发明采用的技术方案如下:
本发明提供一种流域水环境智慧化管理方法,包括以下步骤:
步骤一:采集流域水环境大数据,并对采集到的所述流域水环境大数据进行标准化处理,得到标准化处理后的流域水环境大数据;
步骤二:对所述标准化处理后的流域水环境大数据进行水质大数据分析预警;
步骤三:基于步骤二得到的水质大数据分析预警结果,进行污染分析及溯源;
步骤四:基于步骤三的污染分析及溯源结果,进行水质预测;
步骤五:生成智慧决策报告;
步骤六:将分析过程及结果可视化展示。
优选的,所述流域水环境大数据包括流域基础地理数据、水质数据、污染源数据、水文水利数据、气象数据、自然生态数据、排污口数据和社会经济数据。
优选的,对采集到的所述流域水环境大数据进行标准化处理,具体为:
构建流域水网拓扑关系:构建不同河流断面上下游拓扑关系,使一个河流断面对应多个上游河流断面,且只对应一个下游河流断面;
水环境时空数据标准化处理:针对水文、气象、排污口、污染源实时监测数据与水质监测数据在监测的空间范围、时间尺度的差异性问题,以水质监测数据的时间、空间精度为基准进行数据标准化。
优选的,对所述标准化处理后的流域水环境大数据进行水质大数据分析预警,具体包括:水质达标分析、水质趋势变化分析、河流沿程变化分析、对比分析、水质相关分析和水质预警分析。
优选的,所述水质达标分析为:基于地表水人工监测数据、自动监测数据、饮用水源地数据、地下水环境监测数据,对水质评价类别、各污染指标达标情况进行分析;
所述水质趋势变化分析为:基于流域水环境相关监测数据,对单个断面、各区域及流域从不同时间尺度分析水质类别、各污染指标的变化趋势;
所述河流沿程变化分析为:对流域内不同级别河流上下游主要监测指标进行空间分布分析,从空间尺度分析流域不同河流沿程水质指标的变化情况,深入挖掘上下游指标的相关性;
所述对比分析包括单断面多指标对比、多断面单指标对比和同环比对比分析;所述单断面多指标对比为:对单个断面不同指标随时间的变化情况进行分析;所述多断面单指标对比为:选择多个断面对指定指标随时间的变化情况进行对比分析;所述同环比对比分析为:对不同指标不同断面同比环比情况进行对比;
所述水质相关分析为:评估水质断面各监测指标的相关性,得到水质内在协同变化规律,形成监测断面指标间强相关结构模型;
所述水质预警分析包括水质突变预警、水质浓度变差预警、不能稳定消劣断面预警、雷达图预警和城市预警;
所述水质突变预警为:当不同污染物指标水质综合类别或污染物单因子评价类别下降1个类别及以上时做出预警提示;
所述水质浓度变差预警为:对逐小时、逐日、逐月或逐年的一定时间范围内的各个污染物指标水质浓度变化趋势进行变化分析,若浓度呈现下降趋势,提示预警;
所述不能稳定消劣断面预警为:计算某个时间范围内劣Ⅴ类断面占比,劣Ⅴ类断面超出设定阈值时发出预警;
所述雷达图预警为:选取相关评价指标,通过归一化计算方法计算指标指数,并将结果通过雷达图的方式进行呈现,由中心原点向外等夹角辐射分布,坐标轴上等距离设置水质等级,原点向外分别代表Ⅰ-劣Ⅴ类6个水质等级,通过雷达图内着色区域面积大小反映综合水质状况,当水质雷达指数一直处于增大趋势时发出水质预警;
所述城市预警为:基于CWQI指数,对于流域范围的所有城市,分析水质同环比变化趋势,超出指定阈值时发出预警。
优选的,进行污染分析及溯源,包括污染源分析及污染溯源;
所述污染源分析为:基于工业源、畜禽养殖、水产养殖、种植面源、生活面源、水土流失污染来源数据,运用数据融合分析方法,生成网格排放数据,然后按照不同区域、不同子流域、自定义区域方式对污染排放情况进行汇总分析;
所述污染溯源为:基于流域断面水质监测数据、排污口监测、企业污染排放数据,对水质监测断面超标成因进行上下游影响因素模型分析,对污染路径进行计算,定量化计算区域污染源影响因素占比与上游多路径区域污染源影响因素占比。
优选的,进行水质预测具体为:
整合水文监测、气象监测、水质监测、上下游监测、污染源监测、排污口监测数据,对多种水质预测模型进行训练,并比较各个水质预测模型的预测精度,筛选出最终的水质预测模型;
采用所述最终的水质预测模型,预测未来各水质断面监测指标浓度变化;
优选的,生成智慧决策报告具体为:
针对水环境形势变化情况,依据各类水质大数据分析预警方法以及预测结果,按照日、周、月、季、年度不同时间间隔,选择不同地区、不同流域定期生成水质达标形势分析报告,分析水质未来达标趋势。
优选的,将分析过程及结果可视化展示具体包括水质预警展示、水质预测展示、污染排放展示和污染溯源展示;
所述水质预警展示为:以图形式展示水质变化情况,不同的指标选择不同的颜色进行渲染,发出预警的通过设置预警样式进行预警展示;
所述水质预测展示为:根据各监测断面预测的水质浓度或类别结果,进行插值,对该段河流的水质浓度或类别进行颜色渲染;当选定单因子指标时,地图对应显示相应指标的结果图;
所述污染排放展示为:将污染源排放数据通过强度图和热力图展示;
所述污染溯源展示为:溯源分析基于不同的污染溯源模型,对溯源过程及分析结果进行三维可视化渲染。
优选的,所述污染溯源展示具体为:
1)定位溯源断面起点,展示溯源断面评价类别及主要污染物;
2)溯源路径绘制,三维视角跟随,从下游到上游逐个断面进行溯源;
3)在溯源分叉口,展示上游对下游的影响权重及不同断面的相关因子;
4)溯源飞行过程中,展示污染点源、农业面源、生活面源数据;
5)当断面对自身影响超过一定阈值或相关性低于一定阈值时停止断面溯源;
6)终点断面高亮显示关联排污口及污染源;
7)宏观场景显示从起点到终点的溯源路径,叠加路径周边相关污染源排放量热力图,并显示污染排放统计情况。
本发明提供的流域水环境智慧化管理方法具有以下优点:
本发明提供一种基于大数据、人工智能等现代信息技术的流域水环境智慧化管理方法,包括流域水环境大数据采集与标准化处理、水质大数据分析预警、污染分析及溯源、水质预测、智慧决策报告生成及可视化展示等步骤,形成水环境智慧化全流程管理闭环,有效支撑流域水环境智慧化管理、污染治理的决策分析。
附图说明
图1为本发明提供的流域水环境智慧化管理方法的整体流程示意图;
图2为本发明提供的水质预测分析流程的流程示意图;
图3为本发明提供的流域水网拓扑关系构建示意图;
图4为本发明提供的河流水质沿程相关性分析的示意图。
图5为本发明提供的流域水环境智慧化管理方法在实际平台中的可视化示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
为解决上述现有技术存在的问题,本发明的目的是针对水环境管理技术手段做出改进,汇集水质、污染源、排污口、水文水利、气象、自然生态、社会经济等数据,实现流域水环境数据采集的多样化,并对各类数据进行多元化、精准化大数据挖掘分析,在统一的可视化平台上对多源数据、模型、分析成果等进行可视化展示,推动流域水环境智慧化决策,辅助一市一策、一河一策、一湖一策等方案制定。
本发明提供一种基于大数据、人工智能等现代信息技术的流域水环境智慧化管理方法,包括流域水环境大数据采集与标准化处理、水质大数据分析预警、污染分析及溯源、水质预测、智慧决策报告生成及可视化展示等步骤,形成水环境智慧化全流程管理闭环,有效支撑流域水环境智慧化管理、污染治理的决策分析,具体步骤如下:
步骤一:采集流域水环境大数据,并对采集到的所述流域水环境大数据进行标准化处理,得到标准化处理后的流域水环境大数据;
步骤二:对所述标准化处理后的流域水环境大数据进行水质大数据分析预警;
步骤三:基于步骤二得到的水质大数据分析预警结果,进行污染分析及溯源;
步骤四:基于步骤三的污染分析及溯源结果,进行水质预测;
步骤五:生成智慧决策报告;
步骤六:将分析过程及结果可视化展示。
可具体通过以下步骤实现:
步骤一:流域水环境大数据采集与标准化处理。
流域水环境大数据采集:通过物联网数据接入、现有平台数据接入、互联网数据抓取等方式采集基础地理、水质、污染源、水文水利、气象、自然生态、社会经济等流域水生态环境数据,确定数据属性、频次及精度。
流域水环境大数据标准化处理:包括流域水网拓扑关系构建、水环境时空数据标准化。
流域水网拓扑关系构建:根据高程及水文资料,构建不同河流断面上下游拓扑关系,确保一个断面对应多个上游断面,且只对应一个下游断面。
水环境时空数据标准化:针对水文、气象、排污口、污染源等实时监测数据与水质监测数据在监测的空间范围、时间尺度的差异性问题,以水质监测数据的时间、空间精度为基准进行数据标准化。
步骤二:水质大数据分析预警。
水质历史大数据分析包括水质达标分析、水质趋势变化分析、河流沿程变化分析、对比分析、水质相关分析、水质预警分析。
水质达标分析:基于地表水人工监测数据、自动监测数据、饮用水源地数据、地下水环境监测数据,对水质评价类别、各污染指标达标情况进行分析。其中,水质指标包括总磷、总氮、化学需氧量、氨氮、高锰酸盐指数、PH、溶解氧、五日生化需氧量、氟化物、重金属指标等。
水质趋势变化分析:基于流域水环境相关监测数据,对单个断面、各区域及流域从小时、日、周、月、季年等不同时间尺度分析水质类别、各污染指标、富营养化指数、优良率等变化趋势。
河流沿程变化分析:对流域内不同级别河流上下游主要监测指标进行空间分布分析,从空间尺度分析流域不同河流沿程水质指标的变化情况。深入挖掘上下游指标的相关性,为水质溯源提供分析基础。
对比分析:包括单断面多指标对比、多断面单指标对比、同环比对比分析。其中单断面多指标是对单个断面不同指标随时间的变化情况进行分析;多断面单指标是选择多个断面对指定指标随时间的变化情况进行对比分析;同环比对比分析是对不同指标不同断面同比环比情况进行对比。
水质相关分析:评估水质断面各监测指标的相关性,上下游水质指标的相关性,进行指标趋势相关性度量,得到强相关阈值指标,即某水质指标增加时另一指标是否也会增加或减小,掌握水质内在协同变化的规律形成监测断面指标间强相关结构模型。同时对水质与水量、流速等水文指标相关性,水质与降水、气温等气象指标相关性,水质与排污口监测浓度相关性、水质与污染源排放相关性等进行分析。
水质预警分析包括水质突变预警、水质浓度变差预警、不能稳定消劣断面预警、雷达图预警、城市预警。
水质突变预警:当不同污染物指标水质综合类别或污染物单因子评价类别下降1个类别及以上时做出预警提示。
水质浓度变差预警:对逐小时、逐日、逐月、逐年等一定时间范围内的各个污染物指标水质浓度变化趋势进行变化分析,若浓度呈现下降趋势,提示预警。
不能稳定消劣断面预警:计算某个时间范围内劣Ⅴ类断面占比,劣Ⅴ类断面超出设定阈值时发出预警。
雷达图预警:选取相关评价指标,通过归一化计算方法计算指标指数,并将结果通过雷达图的方式进行呈现,由中心原点向外等夹角辐射分布,坐标轴上等距离设置水质等级,原点向外分别代表Ⅰ-劣Ⅴ类6个水质等级,通过雷达图内着色区域面积大小反映综合水质状况,当水质雷达指数一直处于增大趋势时发出水质预警。
城市预警:基于CWQI指数,对于流域范围的所有城市,分析水质同环比变化趋势,超出指定阈值时发出预警。
步骤三:污染分析及溯源。该部分包括污染源分析及污染溯源。
污染源分析基于工业源、畜禽养殖、水产养殖、种植面源、生活面源、水土流失等污染来源数据,运用数据融合分析方法,生成网格排放数据,然后按照不同区域、不同子流域、自定义区域等方式对污染排放情况进行汇总分析。
污染溯源基于流域断面水质监测数据、排污口监测、企业污染排放等数据,对水质监测断面超标成因进行上下游影响因素模型分析,对污染路径进行计算,定量化计算区域污染源影响因素占比与上游多路径区域污染源影响因素占比。
步骤四:水质预测。
整合水文监测、气象监测、水质监测、上下游监测、污染源监测、排污口监测等数据,采用时间序列模型、GBDT、XGBOOST、多项式回归、神经网络模型等模型算法进行同步训练,根据预测结果的相对误差、绝对误差、均方差进行模型筛选,并采用Stacking等集成策略模型对优势模型进行特征提取并进行随机森林模拟,形成水质预测模型,预测未来1-7天的水质指标浓度,对未来各水质断面监测指标浓度变化的快速研判。
根据预测浓度结果对监测断面、湖库、河流、流域进行水质类别、主要污染物评价并进行预警预报。
步骤五:智慧决策报告生成。
针对水环境形势变化情况,依据各类水质大数据分析预警方法以及预测结果,按照日、周、月、季、年度等不同时间间隔,选择不同地区、不同流域定期生成水质达标形势分析报告,分析水质未来达标趋势,辅助相关管理人员进行水环境形势分析。针对水质超标溯源情况,根据溯源分析路径及上游工业源、畜禽养殖、农业面源、生活面源等排放情况,生成溯源分析报告。
步骤六:分析过程及结果可视化展示。包括水质预警展示、水质预测展示、污染排放展示、污染溯源展示。
水质预警展示:以曲线图、折线图、柱状图等形式展示水质变化情况,不同的指标选择不同的颜色进行渲染,发出预警的通过设置预警样式进行预警展示。
水质预测展示:根据各监测断面预测的水质浓度或类别结果,进行插值,对该段河流的水质浓度或类别进行颜色渲染。当选定单因子指标时,地图对应显示相应指标的结果图,指标包括水质类别、高锰酸盐指数、氨氮、溶解氧、总磷、总氮、PH等指标,可切换时间或通过时间进度条详细查看该流域未来7天水质日均预报结果及变化情况。
污染排放展示:污染源排放数据通过强度图和热力图展示。强度图依据计算结果进行污染排放强度分级渲染,热力图根据格网排放量密度进行聚类展示。
污染溯源展示:溯源分析基于不同的污染溯源模型,对溯源过程及分析结果进行三维可视化渲染。过程如下:1)首先定位溯源断面起点,然后展示溯源断面评价类别及主要污染物;2)溯源路径绘制,三维视角跟随,从下游到上游逐个断面进行溯源;3)在溯源分叉口,展示上游对下游的影响权重及不同断面的相关因子;4)飞行溯源飞行过程中,展示污染点源(工业源、畜禽养殖场)、农业面源、生活面源数据;5)当断面对自身影响超过一定阈值或相关性低于一定阈值时停止断面溯源;6)终点断面高亮显示关联排污口及污染源;7)宏观场景显示从起点到终点的溯源路径,叠加路径周边相关污染源排放量热力图,并显示污染排放统计情况。
下面介绍一个具体实施例:
本发明实施例选择长江流域作为案例分析区域,进行流域水环境智慧化管理。如图5所示,为本发明提供的流域水环境智慧化管理方法在实际平台中的可视化示意图。
步骤一:采集长江流域水环境大数据并进行标准化处理,数据内容包括地理数据、水质数据、污染源数据、排污口数据、水文数据、气象数据、生态数据、社会经济等流域生态环境数据。采集方式包括物联网监测设备、监控设备数据的实时接入,现有第三方平台通过接口调用的方式接入,互联网公共数据抓取,对于必要的业务数据,采用系统填报的方式导入。
流域水环境大数据标准化处理:包括流域水网拓扑关系构建、水环境时空数据标准化。
流域水网拓扑关系构建:根据长江12.5m高程及水文资料,构建长江流域不同河流断面上下游拓扑关系,确保一个断面对应多个上游断面,且只对应一个下游断面。如图3所示:北温泉断面的上游断面包括临渡、中和、太和、官渡,下游断面为唯一断面寸滩。
水环境时空数据标准化:针对水文、气象、排污口、污染源等实时监测数据与水质监测数据在监测的空间范围、时间尺度的差异性问题,以水质监测数据的时间、空间精度为基准进行数据标准化。气象数据通过反距离权重插值方法与水质数据建立联系,水文数据选择距离最近的水质监测站进行数据关联。
步骤二:基于长江流域人工监测数据、自动监测数据等进行水质大数据分析预警。
水质达标分析:基于地表水人工监测数据、自动监测数据、饮用水源地数据、地下水环境监测数据,对水质评价类别、各污染指标达标情况进行分析。其中,水质指标包括总磷、总氮、化学需氧量、氨氮、高锰酸盐指数、PH、溶解氧、五日生化需氧量、氟化物、重金属指标等。
水质趋势变化分析:基于长江流域水环境相关监测数据,对单个断面、各区域及流域从小时、日、周、月、季年等不同时间尺度,根据不同范围(长江流域、干流、支流、湖库)、对水环境变化趋势进行分析包括水质类别、各污染指标(总磷、总氮、COD、氨氮等)、富营养化指数、优良率等变化趋势。
河流沿程变化分析:对长江流域内不同级别河流上下游主要监测指标(COD、氨氮、总磷、总氮、高锰酸盐指数等)进行空间分布分析,从空间尺度分析流域不同河流沿程水质指标的变化情况。深入挖掘上下游指标的相关性,为水质溯源提供分析基础。如图4所示:大磨子、胡市大桥、沱江大桥断面在总氮-PH指标、CODMn-总磷指标上具有协同相关性。
对比分析:包括单断面多指标对比、多断面单指标对比、同比环比对比分析。其中单断面多指标是对单个断面不同指标随时间的变化情况进行分析;多断面单指标是选择多个断面对指定指标随时间的变化情况进行对比分析;同比环比对比分析是对不同污染物监测指标、统计指标(优良率、达标率、水质综合指数等)同比环比情况进行对比分析。
水质相关分析:评估水质断面各监测指标的相关性,上下游水质指标的相关性,水质与水文流量、径流量,水质与气象降雨、气温等指标相关性,进行趋势相关性度量,得到强相关阈值指标,即某水质指标增加时另一指标是否也会增加或减小,掌握水质内在协同变化的规律,形成监测断面指标间强相关结构模型。相关模型计算方法包括Pearson相关系数计算以及Spearman相关系数计算。
Pearson相关系数定义为两个变量的协方差和标准差的商:
Spearman相关系数是秩相关的一种非参数度量,该方法可看作是Pearson的非参数版本,考察两个随机变量的变化趋势在多大程度上保持一致,及单调关系的强度。
对于样本容量为n的样本,x y原始数据被转换成等级数据,相关系数ρ为:
可通过相关系数法比较上下游监测断面不同指标的关联关系:溶解氧与水温、总氮与总磷、总磷与高锰酸盐指数、总磷与氨氮等。
以昆明市富民大桥监测断面为例,富民大桥总磷超标与降雨、上游通仙桥总磷排放密切相关,COD超标与径流量因素、上游海口西化学需氧量排放密切相关。
排污口与污染源关系分析:对管网关系、排污口-污染源空间矢量关系、污染物成分对应关系、污染物成分变化特征关系、地形、降雨、地表径流关系进行梳理,制定污染源动态权重计算规则。根据水质预警报警特征因子、区域水环境污染特点等,耦合污染源关系权重计算规则,构建排污口与污染源水质监测关系矩阵,可计算针对报警事件特征的每个污染源对每个排口的关系系数。
关系矩阵 | 溶解氧 | 总氮 | 电导率 | 总磷 | 水温 | CODMn | pH |
溶解氧 | 2 | 1 | -2 | -4 | -1 | 1 | |
总氮 | 2 | 1 | -2 | 1 | -2 | ||
电导率 | 2 | -1 | 1 | 1 | |||
总磷 | 2 | 3 | 1 | ||||
水温 | 1 | 1 | |||||
CODMn | 2 | ||||||
pH值 |
水质预警分析包括水质突变预警、水质浓度变差预警、不能稳定消劣断面预警、雷达图预警、城市预警。
水质突变预警:当不同污染物指标水质综合类别或污染物单因子评价类别下降1个类别及以上时做出预警提示。
水质浓度变差预警:对逐小时、逐日、逐月、逐年等一定时间范围内的各个污染物指标水质浓度变化趋势进行变化分析,若浓度呈现下降趋势,提示预警。通过对水质断面进行长时间监测序列分析,总磷浓度逐年升高的断面为:太浦河桥、以礼河水文站、姚渡、地阳坪公路大桥、醒觉溪,化学需氧量浓度逐年升高断面为白廊、小湾、车家河、诸葛庙、坝上中。
不能稳定消劣断面预警:计算某个时间范围内劣Ⅴ类断面占比,劣Ⅴ类断面超出设定阈值时发出预警。通过对水质断面进行长时间监测序列分析,分析罗家营、灰湾中、泗河口、神定河口、富民大桥、程海湖中、施口、通仙桥等断面不能稳定消劣。
雷达图预警:选取化学需氧量、高锰酸盐指数、五日生化需氧量、石油类、溶解氧、总磷、氨氮、挥发酚作为评价指标,湖库增加总氮,通过归一化计算方法计算指标指数,并将结果通过雷达图的方式进行呈现,由中心原点向外等夹角辐射分布,坐标轴上等距离设置水质等级,原点向外分别代表Ⅰ-劣Ⅴ类6个水质等级,通过雷达图内着色区域面积大小反映综合水质状况,当水质雷达指数一直处于增大趋势时发出水质预警。通过对水质断面进行长时间监测序列分析,分析出针对河流、湖库及干流区域整体雷达指数逐年下降,面积减少,水质逐年变好。2020年连续7个月水质雷达图指数变大断面包括浪河口、沱江大桥、罗家营、马兰河口、七桥瓮、浙江路桥等断面。
城市预警:基于城市水质指数,对于流域范围的所有城市,分析水质同环比变化趋势,超出指定阈值时发出预警。
城市水质指数由河流水质指数和湖库水质指数综合计算而得。城市水质指数评价指标为pH、溶解氧、高锰酸盐指数、生化需氧量、氨氮、石油类、挥发酚、汞、铅、总磷、化学需氧量、铜、锌、氟化物、硒、砷、镉、铬(六价)、氰化物、阴离子表面活性剂和硫化物。河流水质指数计算:先计算出所有河流监测断面各单项指标浓度的算术平均值,然后计算出单项指标的水质指数,再综合计算出河流的水质指数CWQI河流。湖库水质指数(CWQI湖库)计算方法与河流一致,先计算出所有湖库监测点位各单项指标浓度的算术平均值,然后计算出单项指标的水质指数,再综合计算出湖库的CWQI湖库。根据城市行政区域内河流和湖库CWQI,取其加权均值即为该城市的CWQI城市。
步骤三:污染分析及溯源。该部分包括污染源分析及污染溯源。
污染源分析基于工业源、畜禽养殖、水产养殖、种植面源、生活面源、水土流失等污染来源数据,运用数据融合分析方法,生成网格排放数据,然后按照不同区域、不同子流域、自定义区域等方式对污染排放情况进行汇总分析。建立长江流域总磷、总氮、COD和氨氮等污染物,工业源、畜禽养殖、种植源、生活源、水土流失等不同来源的1km网格污染物排放计算模型。计算任意区域排放量、排放强度,分析不同区域排放量、排放强度、单位GDP排放排名。
污染溯源基于流域断面水质监测数据、排污口监测、企业污染排放等数据,对水质监测断面超标成因进行上下游影响因素模型分析,对污染路径进行计算,定量化计算区域污染源影响因素占比与上游多路径区域污染源影响因素占比。
步骤四:水质预测。
整合水文监测、气象监测、水质监测、上下游监测、污染源监测、排污口监测等数据,采用时间序列模型、GBDT、XGBOOST、多项式回归、神经网络模型等模型算法进行同步训练,根据预测结果的相对误差、绝对误差、均方差进行模型筛选,并采用Stacking等集成策略模型对优势模型进行特征提取并进行随机森林模拟,形成水质预测模型,预测未来1-7天、15天、30天、60天、90天的溶解氧、总氮、电导率、总磷、水温、高锰酸盐指数、pH值、浊度、氨氮水质指标浓度最大值、最小值、均值,对未来各水质断面监测指标浓度变化进行快速研判。
根据预测浓度结果对监测断面、湖库、河流、流域进行水质类别、主要污染物评价、超标因子分析并进行预警预报。
步骤五:智慧决策报告生成。
针对水环境形势变化情况,依据各类水质大数据分析预警方法以及预测结果,按照日、周、月、季、年度等不同时间间隔,按照长江流域选择不同地区、不同流域定期在线交互生成水质达标形势分析报告,分析水质未来达标趋势,辅助相关管理人员进行水环境形势分析,生成的分析报告主要包括总体情况、水质状况评价、水环境质量形势分析、成因分析、对策措施等部分,分析报告可一键导出。针对水质超标溯源情况,根据溯源分析路径及上游工业源、畜禽养殖、农业面源、生活面源等排放情况,生成溯源分析报告。
步骤六:分析过程及结果可视化展示。包括水质预警展示、水质预测展示、污染排放展示、污染溯源展示。
水质预警展示:以曲线图、折线图、柱状图等形式展示水质变化情况,不同的指标选择不同的颜色进行渲染,不同符号和颜色标识长江流域预警类型和级别。
水质预测展示:根据各监测断面预测的水质浓度或类别结果,进行插值,对该段河流的水质浓度或类别进行颜色渲染。当选定单因子指标时,地图对应显示相应指标的结果图,指标包括水质类别、高锰酸盐指数、氨氮、溶解氧、总磷、总氮、PH等指标,可切换时间或通过时间播放进度条详细查看该流域未来7天水质日均预报结果及变化情况。对于重点河段或超标河段地图逐一高亮显示,并显示对应河段的水质指标预测和实测曲线。
污染排放统计展示:从工业污染源、集中污染源、农业污染源、生活污染源等方面进行统计分析,相关统计内容如下:
综合统计:各类源数量,各类污染物排放量(化学需氧量、氨氮、总氮、总磷)及排放来源占比分析。
工业源统计:各区/流域磷矿、磷石膏库、磷化工企业数量。各区/流域十大重点行业(造纸、制革、原料药制造、农副食品加工、印染、焦化、有色金属、农药、电镀、氮肥)工业源数量及主要污染物排放量;工业源不同指标污染物产排量;不同行业/不同排水去向/不同受纳水体企业占比及污染物产排量;废水排放企业数量、废水排放量;不同区域排放总量及排放行业排名;
集中源统计:污水处理厂分类数量及污水处理量进行统计(城镇污水处理、工业污水处理、农村集中式、其他);分地区集中源数量、污水实际处理量;污水处理厂主要污染物产生量、排放量。
农业源统计:规模化畜禽养殖场数量及养殖数量;规模化畜禽养殖场主要污染物产生量排放量;不同地区污水产生量、污水利用量、粪便收集量、粪便利用量、粪便产生量、尿液产生量、尿液利用量。不同地区/流域规模化畜禽养殖场数量及排放量对比。
污染排放展示:污染源排放数据通过强度图和热力图展示。强度图依据计算结果进行污染排放强度分级渲染,热力图根据格网排放量密度进行聚类展示。基于地图通过点缓冲、线缓冲、多边形缓冲等方式进行污染排放分析,系统会分析出指定范围对应的污染排放数据。分析结果以统计图及列表两种方式进行展示,统计信息包括:工业源数量、COD排放量、氨氮排放量、总氮排放量、总磷排放量、以及排放量最大的行业排名。
污染溯源展示:溯源分析基于不同的污染溯源模型,对溯源过程及分析结果进行三维可视化渲染。过程如下:
1)首先定位溯源断面起点,然后展示溯源断面评价类别及主要污染物;
2)溯源路径绘制,三维视角跟随,从下游到上游逐个断面进行溯源;
3)在溯源分叉口,展示上游对下游的影响权重及不同断面的相关因子;
4)飞行溯源飞行过程中,展示污染点源(工业源、畜禽养殖场)、农业面源、生活面源数据;水面波纹做三维展示动效;周边(主线路例如2km范围内)加载相关建筑物白模;
5)当断面对自身影响超过一定阈值或相关性低于一定阈值时停止断面溯源;
6)终点断面高亮显示关联排污口及污染源;
7)宏观场景显示从起点到终点的溯源路径,叠加路径周边相关污染源排放量热力图,并显示污染排放统计情况。包括:污染指标排放分布、工业企业行业分布、污染指标排放量排名。
本发明提供的一种基于大数据、人工智能等现代信息技术的流域水环境智慧化管理方法,集成数据标准化治理算法、水质预测预警算法、污染溯源等算法模型,建立了从流域水环境大数据采集与标准化处理,到水质大数据分析预警、污染分析及溯源、水质预测,最后进行智慧决策报告生成及可视化展示的全业务流程技术体系,形成水环境智能决策闭环,为提升流域水环境精细化、智能化监管治理水平提供技术支撑。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (10)
1.一种流域水环境智慧化管理方法,其特征在于,包括以下步骤:
步骤一:采集流域水环境大数据,并对采集到的所述流域水环境大数据进行标准化处理,得到标准化处理后的流域水环境大数据;
步骤二:对所述标准化处理后的流域水环境大数据进行水质大数据分析预警;
步骤三:基于步骤二得到的水质大数据分析预警结果,进行污染分析及溯源;
步骤四:基于步骤三的污染分析及溯源结果,进行水质预测;
步骤五:生成智慧决策报告;
步骤六:将分析过程及结果可视化展示。
2.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,所述流域水环境大数据包括流域基础地理数据、水质数据、污染源数据、水文水利数据、气象数据、自然生态数据、排污口数据和社会经济数据。
3.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,对采集到的所述流域水环境大数据进行标准化处理,具体为:
构建流域水网拓扑关系:构建不同河流断面上下游拓扑关系,使一个河流断面对应多个上游河流断面,且只对应一个下游河流断面;
水环境时空数据标准化处理:针对水文、气象、排污口、污染源实时监测数据与水质监测数据在监测的空间范围、时间尺度的差异性问题,以水质监测数据的时间、空间精度为基准进行数据标准化。
4.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,对所述标准化处理后的流域水环境大数据进行水质大数据分析预警,具体包括:水质达标分析、水质趋势变化分析、河流沿程变化分析、对比分析、水质相关分析和水质预警分析。
5.根据权利要求4所述的流域水环境智慧化管理方法,其特征在于,所述水质达标分析为:基于地表水人工监测数据、自动监测数据、饮用水源地数据、地下水环境监测数据,对水质评价类别、各污染指标达标情况进行分析;
所述水质趋势变化分析为:基于流域水环境相关监测数据,对单个断面、各区域及流域从不同时间尺度分析水质类别、各污染指标的变化趋势;
所述河流沿程变化分析为:对流域内不同级别河流上下游主要监测指标进行空间分布分析,从空间尺度分析流域不同河流沿程水质指标的变化情况,深入挖掘上下游指标的相关性;
所述对比分析包括单断面多指标对比、多断面单指标对比和同环比对比分析;所述单断面多指标对比为:对单个断面不同指标随时间的变化情况进行分析;所述多断面单指标对比为:选择多个断面对指定指标随时间的变化情况进行对比分析;所述同环比对比分析为:对不同指标不同断面同比环比情况进行对比;
所述水质相关分析为:评估水质断面各监测指标的相关性,得到水质内在协同变化规律,形成监测断面指标间强相关结构模型;
所述水质预警分析包括水质突变预警、水质浓度变差预警、不能稳定消劣断面预警、雷达图预警和城市预警;
所述水质突变预警为:当不同污染物指标水质综合类别或污染物单因子评价类别下降1个类别及以上时做出预警提示;
所述水质浓度变差预警为:对逐小时、逐日、逐月或逐年的一定时间范围内的各个污染物指标水质浓度变化趋势进行变化分析,若浓度呈现下降趋势,提示预警;
所述不能稳定消劣断面预警为:计算某个时间范围内劣Ⅴ类断面占比,劣Ⅴ类断面超出设定阈值时发出预警;
所述雷达图预警为:选取相关评价指标,通过归一化计算方法计算指标指数,并将结果通过雷达图的方式进行呈现,由中心原点向外等夹角辐射分布,坐标轴上等距离设置水质等级,原点向外分别代表Ⅰ-劣Ⅴ类6个水质等级,通过雷达图内着色区域面积大小反映综合水质状况,当水质雷达指数一直处于增大趋势时发出水质预警;
所述城市预警为:基于CWQI指数,对于流域范围的所有城市,分析水质同环比变化趋势,超出指定阈值时发出预警。
6.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,进行污染分析及溯源,包括污染源分析及污染溯源;
所述污染源分析为:基于工业源、畜禽养殖、水产养殖、种植面源、生活面源、水土流失污染来源数据,运用数据融合分析方法,生成网格排放数据,然后按照不同区域、不同子流域、自定义区域方式对污染排放情况进行汇总分析;
所述污染溯源为:基于流域断面水质监测数据、排污口监测、企业污染排放数据,对水质监测断面超标成因进行上下游影响因素模型分析,对污染路径进行计算,定量化计算区域污染源影响因素占比与上游多路径区域污染源影响因素占比。
7.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,进行水质预测具体为:
整合水文监测、气象监测、水质监测、上下游监测、污染源监测、排污口监测数据,对多种水质预测模型进行训练,并比较各个水质预测模型的预测精度,筛选出最终的水质预测模型;
采用所述最终的水质预测模型,预测未来各水质断面监测指标浓度变化。
8.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,生成智慧决策报告具体为:
针对水环境形势变化情况,依据各类水质大数据分析预警方法以及预测结果,按照日、周、月、季、年度不同时间间隔,选择不同地区、不同流域定期生成水质达标形势分析报告,分析水质未来达标趋势。
9.根据权利要求1所述的流域水环境智慧化管理方法,其特征在于,将分析过程及结果可视化展示具体包括水质预警展示、水质预测展示、污染排放展示和污染溯源展示;
所述水质预警展示为:以图形式展示水质变化情况,不同的指标选择不同的颜色进行渲染,发出预警的通过设置预警样式进行预警展示;
所述水质预测展示为:根据各监测断面预测的水质浓度或类别结果,进行插值,对该段河流的水质浓度或类别进行颜色渲染;当选定单因子指标时,地图对应显示相应指标的结果图;
所述污染排放展示为:将污染源排放数据通过强度图和热力图展示;
所述污染溯源展示为:溯源分析基于不同的污染溯源模型,对溯源过程及分析结果进行三维可视化渲染。
10.根据权利要求9所述的流域水环境智慧化管理方法,其特征在于,所述污染溯源展示具体为:
1)定位溯源断面起点,展示溯源断面评价类别及主要污染物;
2)溯源路径绘制,三维视角跟随,从下游到上游逐个断面进行溯源;
3)在溯源分叉口,展示上游对下游的影响权重及不同断面的相关因子;
4)溯源飞行过程中,展示污染点源、农业面源、生活面源数据;
5)当断面对自身影响超过一定阈值或相关性低于一定阈值时停止断面溯源;
6)终点断面高亮显示关联排污口及污染源;
7)宏观场景显示从起点到终点的溯源路径,叠加路径周边相关污染源排放量热力图,并显示污染排放统计情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513556.1A CN115965496A (zh) | 2022-11-29 | 2022-11-29 | 流域水环境智慧化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211513556.1A CN115965496A (zh) | 2022-11-29 | 2022-11-29 | 流域水环境智慧化管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115965496A true CN115965496A (zh) | 2023-04-14 |
Family
ID=87362442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211513556.1A Pending CN115965496A (zh) | 2022-11-29 | 2022-11-29 | 流域水环境智慧化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115965496A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166896A (zh) * | 2021-11-17 | 2022-03-11 | 长江水资源保护科学研究所 | 水体重金属钒污染带范围的快速识别方法及系统 |
CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
CN116629640A (zh) * | 2023-07-20 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 高寒区水电梯级开发的生物生境影响评估方法及系统 |
CN116757898A (zh) * | 2023-08-21 | 2023-09-15 | 中国环境监测总站 | 一种基于预测比对的汛期污染强度核算方法及系统 |
CN116757897A (zh) * | 2023-08-21 | 2023-09-15 | 中国环境监测总站 | 一种基于数据分解的汛期污染强度分析方法及系统 |
CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
CN117309067A (zh) * | 2023-11-30 | 2023-12-29 | 长春职业技术学院 | 水资源实时监控方法、系统和电子设备 |
CN117333772A (zh) * | 2023-10-12 | 2024-01-02 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
CN117541451A (zh) * | 2023-11-13 | 2024-02-09 | 西藏自治区农牧科学院农业资源与环境研究所 | 一种流域农业面源污染在线监测方法及系统 |
CN117709208A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 一种人为排放污染物的大气环境容量计算方法 |
CN117933827A (zh) * | 2024-03-13 | 2024-04-26 | 深圳市吉方工控有限公司 | 计算机终端工控信息数据处理方法、电子设备及存储介质 |
CN117933572A (zh) * | 2024-03-20 | 2024-04-26 | 四川飞洁科技发展有限公司 | 一种水质预测方法及相关装置 |
CN117333772B (zh) * | 2023-10-12 | 2024-06-04 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
-
2022
- 2022-11-29 CN CN202211513556.1A patent/CN115965496A/zh active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166896B (zh) * | 2021-11-17 | 2023-07-18 | 长江水资源保护科学研究所 | 水体重金属钒污染带范围的快速识别方法及系统 |
CN114166896A (zh) * | 2021-11-17 | 2022-03-11 | 长江水资源保护科学研究所 | 水体重金属钒污染带范围的快速识别方法及系统 |
CN116564431A (zh) * | 2023-06-02 | 2023-08-08 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
CN116564431B (zh) * | 2023-06-02 | 2024-01-09 | 江苏捷利达环保科技有限公司 | 一种基于大数据处理的污染源在线分析系统及方法 |
CN116629640B (zh) * | 2023-07-20 | 2023-09-29 | 水利部交通运输部国家能源局南京水利科学研究院 | 高寒区水电梯级开发的生物生境影响评估方法及系统 |
CN116629640A (zh) * | 2023-07-20 | 2023-08-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 高寒区水电梯级开发的生物生境影响评估方法及系统 |
CN116757898A (zh) * | 2023-08-21 | 2023-09-15 | 中国环境监测总站 | 一种基于预测比对的汛期污染强度核算方法及系统 |
CN116757898B (zh) * | 2023-08-21 | 2023-11-14 | 中国环境监测总站 | 一种基于预测比对的汛期污染强度核算方法及系统 |
CN116757897B (zh) * | 2023-08-21 | 2023-11-14 | 中国环境监测总站 | 一种基于数据分解的汛期污染强度分析方法及系统 |
CN116757897A (zh) * | 2023-08-21 | 2023-09-15 | 中国环境监测总站 | 一种基于数据分解的汛期污染强度分析方法及系统 |
CN117333772A (zh) * | 2023-10-12 | 2024-01-02 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
CN117333772B (zh) * | 2023-10-12 | 2024-06-04 | 北京德众国良环保科技有限公司 | 一种基于大数据的水环境污染分析管理方法及系统 |
CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
CN117236565B (zh) * | 2023-11-10 | 2024-04-05 | 韩宇 | 一种流域水环境智慧化管理方法 |
CN117541451A (zh) * | 2023-11-13 | 2024-02-09 | 西藏自治区农牧科学院农业资源与环境研究所 | 一种流域农业面源污染在线监测方法及系统 |
CN117541451B (zh) * | 2023-11-13 | 2024-05-07 | 西藏自治区农牧科学院农业资源与环境研究所 | 一种流域农业面源污染在线监测方法及系统 |
CN117309067A (zh) * | 2023-11-30 | 2023-12-29 | 长春职业技术学院 | 水资源实时监控方法、系统和电子设备 |
CN117309067B (zh) * | 2023-11-30 | 2024-02-09 | 长春职业技术学院 | 水资源实时监控方法、系统和电子设备 |
CN117709208B (zh) * | 2024-02-05 | 2024-04-16 | 四川国蓝中天环境科技集团有限公司 | 一种人为排放污染物的大气环境容量计算方法 |
CN117709208A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 一种人为排放污染物的大气环境容量计算方法 |
CN117933827A (zh) * | 2024-03-13 | 2024-04-26 | 深圳市吉方工控有限公司 | 计算机终端工控信息数据处理方法、电子设备及存储介质 |
CN117933572A (zh) * | 2024-03-20 | 2024-04-26 | 四川飞洁科技发展有限公司 | 一种水质预测方法及相关装置 |
CN117933572B (zh) * | 2024-03-20 | 2024-06-11 | 四川飞洁科技发展有限公司 | 一种水质预测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115965496A (zh) | 流域水环境智慧化管理方法 | |
Wang et al. | Assessment of surface water quality via multivariate statistical techniques: a case study of the Songhua River Harbin region, China | |
CN114443982B (zh) | 一种大区域土壤重金属检测与时空分布特征分析方法及系统 | |
Parajuli et al. | Comparison of AnnAGNPS and SWAT model simulation results in USDA‐CEAP agricultural watersheds in south‐central Kansas | |
CN111524030A (zh) | 一种平原河网区水环境监测预警与安全保障管理系统 | |
Dou et al. | Refined water security assessment for sustainable water management: A case study of 15 key cities in the Yangtze River Delta, China | |
CN102831297A (zh) | 一种湖泊污染成因诊断的集成方法 | |
CN108536908A (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
CN114723179A (zh) | 一种基于水量水质联合管控的水环境预警溯源系统和方法 | |
Noori et al. | A reliable GIS-based FAHP-FTOPSIS model to prioritize urban water supply management scenarios: A case study in semi-arid climate | |
CN114169266B (zh) | 一种河流污染源解析和污染物运移计算方法及系统 | |
CN115471065A (zh) | 一种独流入海河流的健康评价指标系统及其评价方法 | |
CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
CN114997499A (zh) | 一种半监督学习下的城市颗粒物浓度时空预测方法 | |
Hu et al. | Explore the relationship between fish community and environmental factors by machine learning techniques | |
Babić et al. | Assessing surface water quality in the Serbian part of the Tisa River basin. | |
CN115757367A (zh) | 一种小流域水生态环境精细化管控的方法及系统 | |
Lee et al. | Characterizing land use effect on shallow groundwater contamination by using self-organizing map and buffer zone | |
CN113780826B (zh) | 基于长江流域水环境模型的集成及可视化决策分析方法 | |
Xia et al. | The supply and demand of water purification service in an urbanizing basin on the Tibetan Plateau | |
Chen et al. | A procedure for comparing the ecological status and transformation measures in an anthropized coastal area | |
Wang et al. | Stream water quality optimized prediction based on human activity intensity and landscape metrics with regional heterogeneity in Taihu Basin, China | |
Pan et al. | Assessment Methods of Small Watershed Ecosystem Health. | |
Lei | Assessment of water quality using multivariate statistical techniques in the Ying River Basin, China | |
Xia et al. | Urban water system theory and its model development and application |
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 |