CN116050951B - 一种基于数据分析模型的污染监测方法及系统 - Google Patents

一种基于数据分析模型的污染监测方法及系统 Download PDF

Info

Publication number
CN116050951B
CN116050951B CN202310344328.4A CN202310344328A CN116050951B CN 116050951 B CN116050951 B CN 116050951B CN 202310344328 A CN202310344328 A CN 202310344328A CN 116050951 B CN116050951 B CN 116050951B
Authority
CN
China
Prior art keywords
area
pollution
water
trend
water pollution
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
CN202310344328.4A
Other languages
English (en)
Other versions
CN116050951A (zh
Inventor
李碧
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.)
Yunnan Bixiang Internet Of Things Technology Co ltd
Original Assignee
Yunnan Bixiang Internet Of Things 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 Yunnan Bixiang Internet Of Things Technology Co ltd filed Critical Yunnan Bixiang Internet Of Things Technology Co ltd
Priority to CN202310344328.4A priority Critical patent/CN116050951B/zh
Publication of CN116050951A publication Critical patent/CN116050951A/zh
Application granted granted Critical
Publication of CN116050951B publication Critical patent/CN116050951B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • 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
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20Controlling water pollution; Waste water treatment

Abstract

本发明公开了一种基于数据分析模型的污染监测方法及系统,包括以下步骤:数据采集模块采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块。本发明通过采集水污染区域参数和水污染区域内部参数,将中度污染区域的水域分离,对该水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,分析出中度污染区域污染的发展趋势,对高增长趋势风险等级的水域进行处理,有效地防止污染区域在短时间内发展为污染较严重的区域,进而有效地防止突发性水污染事件发生,保障人民生活、生态环境和经济建设不受侵害。

Description

一种基于数据分析模型的污染监测方法及系统
技术领域
本发明涉及水污染监测技术领域,具体涉及一种基于数据分析模型的污染监测方法及系统。
背景技术
流域污染日益严重和有效治理中存在的实际困难,是我们研究流域水污染防治对策的驱动力之一。水生态系统是人类和其他生物的生存和发展的基础,如果水生态系统受到破坏和污染,就会对生态平衡和经济社会发展造成严重的影响。水污染监测对生态发展具有重要的意义和作用,水污染监测可以及时发现和解决水污染问题,保护水资源和水生态系统的健康和稳定。
现有技术存在以下不足:为了对水污染有效地治理,现有技术大多会对水污染进行定期监测,及时发现污染比较严重的水域,并对该水域进行处理,因该监测过程花费的时间比较长、且花费较大,一般监测的周期会相对较长,由于现有技术的污染监测系统无法对水污染的污染趋势进行分析,当水污染区域的污染程度较小,但是污染增长的趋势较强时,污染程度较小区域可在短时间内发展为污染较严重的区域,所以突发性水污染事件时有发生,给人民生活、生态环境和经济建设带来了极大危害。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的是提供一种基于数据分析模型的污染监测方法及系统,以解决上述背景技术中的问题。
为了实现上述目的,本发明提供如下技术方案:一种基于数据分析模型的污染监测方法,包括以下步骤:
数据采集模块采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
水域划分模块根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
污染趋势分析模块对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
综合分析模块根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估。
优选的,采集的水污染区域参数包括水污染的面积和水污染区域内污染物的平均浓度,采集后,数据采集模块将水污染的面积和水污染区域内污染物的平均浓度分别标定为、/>,采集的水污染区域内部参数包括水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量,采集后,数据采集模块将水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量分别标定为/>、/>
优选的,采集到水污染的面积、水污染区域内污染物的平均浓度/>、水污染区域内平均溶解氧含量/>以及水污染区域的平均悬浮物含量/>后,将/>、/>以及/>进行公式化处理,生成水污染指数/>,依据的公式为:;式中,f1、f2分别为水污染区域参数/>与水污染区域内部参数/>的预设比例系数,且f1、f2均大于0。
优选的,水域划分模块接收到水污染指数后,将水污染指数/>与预设的阈值YZ1和阈值YZ2进行比对,其中,阈值YZ1小于阈值YZ2,若是水污染指数/>小于阈值YZ1,表明水污染严重,水域划分模块将该区域划分为重度污染区域,若是水污染指数大于等于阈值YZ1小于等于阈值YZ2,表明水污染中等,水域划分模块将该区域划分为中度污染区域,若是水污染指数/>大于阈值YZ2,表明水污染轻微,水域划分模块将该区域划分为轻度污染区域;
水域划分模块对水域进行划分后,将中度污染区域信息传递至污染趋势分析模块。
优选的,污染趋势分析模块接收到中度污染区域的信息后,对水污染的面积和水污染区域内污染物的平均浓度进一步分析,计算水污染面积的变化趋势,计算公式如下:
记初始水污染的面积为S1,即T时间后水污染的面积为S2,记水污染面积的变化趋势为,则水污染面积的变化趋势/>为/>;记T时间内n个取样区域内污染物平均浓度上升的平均值为/>,记每个取样区域的污染物的浓度增加值为/>,其中,i为选定区域的标号,记T时间内n个取样区域内污染物平均浓度增加的离散程度为PX1,则T时间内n个取样区域内污染物平均浓度增加的离散程度PX1为/>
优选的,获取到T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度上升的平均值/>以及T时间内n个取样区域内污染物平均浓度增加的离散程度PX1后,将T、/>、PX1、/>进行公式化处理,得出水污染区域的污染趋势指数/>,依据的公式为:/>
其中,b1、b2、b3、b4分别为时间T、T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度增加的离散程度PX1、T时间内n个取样区域内污染物平均浓度上升的平均值/>的预设比例系数,且b1、b2、b3、b4均大于0。
优选的,通过求T时间内n个取样区域内污染物平均浓度上升的平均值和T时间内n个取样区域内污染物平均浓度增加的离散程度的方式求得T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值/>,并求得T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2,求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值/>,并求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3,将T、/>、PX2、/>以及PX3进行公式化处理,求得水污染区域内部的污染趋势指数/>,依据的公式为:/>
其中,a1、a2、a3、a4、a5分别为时间T、T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值、T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2、T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值/>以及T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3的预设比例系数,且a1、a2、a3、a4、a5均大于0。
优选的,对水污染区域的污染趋势指数设置阈值YZ3,若水污染区域的污染趋势指数/>大于等于阈值YZ3,表明水污染区域恶化的趋势高,综合分析模块生成第一高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ3,表明水污染区域恶化的趋势低,综合分析模块生成第一低增长趋势风险等级;
对水污染区域内部的污染趋势指数设置阈值YZ4,若水污染区域的污染趋势指数/>大于等于阈值YZ4,表明水污染区域内部恶化的趋势高,综合分析模块生成第二高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ4,表明水污染区域内部恶化的趋势低,综合分析模块生成第二低增长趋势风险等级。
优选的,对污染水域的第一增长趋势风险等级与第二增长趋势风险等级进行综合分析,若污染水域中同时存在第一高增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三高增长趋势风险等级,若污染水域中同时存在第一高增长趋势风险等级与第二低增长趋势风险等级或者同时存在第一低增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三中等增长趋势风险等级,若污染水域中同时存在第一低增长趋势风险等级与第二低增长趋势风险等级,则综合分析模块生成第三低增长趋势风险等级。
一种基于数据分析模型的污染监测系统,包括数据采集模块、水域划分模块、污染趋势分析模块、综合分析模块;
数据采集模块,采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
水域划分模块,根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
污染趋势分析模块,对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
综合分析模块,根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过采集水污染区域参数和水污染区域内部参数,将中度污染区域的水域分离,对该水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,分析出中度污染区域污染的发展趋势,对高增长趋势风险等级的水域进行处理,有效地防止污染区域在短时间内发展为污染较严重的区域,进而有效地防止突发性水污染事件发生,保障人民生活、生态环境和经济建设不受侵害,同时对中等增长趋势风险等级的水域缩短监测周期,有效地防止中等增长趋势风险等级的水域发展成为高增长趋势风险等级的水域,进一步有效地防止污染区域在短时间内发展为污染较严重的区域,进而进一步有效地防止突发性水污染事件发生。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的模块示意图。
图2为本发明的方法流程图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些示例实施方式使得本发明公开的描述将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
本发明提供了如图1与图2所示的一种基于数据分析模型的污染监测方法,包括数据采集模块、水域划分模块、污染趋势分析模块、综合分析模块;
数据采集模块,采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
采集的水污染区域参数包括水污染的面积和水污染区域内污染物的平均浓度,采集后,数据采集模块将水污染的面积和水污染区域内污染物的平均浓度分别标定为
水污染面积的测量可通过以下方式:
遥感技术:使用卫星或无人机等遥感设备,对污染区域进行拍照或图像获取,然后通过图像处理和分析,测量出污染区域的面积,适用于大范围、连续的污染区域测量;
激光雷达测距法:使用激光雷达设备对污染区域进行测距和扫描,然后通过激光测距和三维建模等技术,计算出污染区域的面积,测量精度较高;
水污染区域内污染物的平均浓度测量的方式如下:
确定污染区域的范围后,在污染区域的范围内进行均匀式多点取样,取样的区域大小相等,取样后,测量每个区域内污染物的浓度,再将每个区域内污染物的浓度相加,再除以取样的个数,便可得到水污染区域内污染物的平均浓度,需要说明的是,取样的个数越多,计算得出的水污染区域内污染物的平均浓度越准确;
水污染区域内污染物浓度的测量可通过如下方式:
分光光度计:分光光度计是一种测量光学密度的仪器,用于测量水中各种污染物的浓度,通过对样品中特定波长的光吸收进行测量,计算出样品中污染物的浓度;
色谱仪:色谱仪是一种分析化学仪器,用于测量水中微量有机污染物的浓度,通过将样品化合物进行分离和识别,从而得出污染物的浓度;
采集的水污染区域内部参数包括水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量,采集后,数据采集模块将水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量分别标定为、/>
水污染区域内溶解氧含量可通过称为溶解氧仪的仪器来测量,水污染区域的平均悬浮物含量可使用激光颗粒计数器来测量,激光颗粒计数器可直接测量水样中的悬浮物数量和大小,从而计算出悬浮物含量;
需要说明的是,水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量测量的方式同水污染区域内污染物的平均浓度测量的方式相同,在此不再详细赘述;
当水污染的面积越大、水污染区域内污染物的平均浓度越高,即水污染区域参数越小时,表明水污染越严重,反之则表明水污染越轻,当水污染区域内平均溶解氧含量越低、水污染区域的平均悬浮物含量越高,即水污染区域内部参数越小时,表明水污染越严重,反之则表明水污染越轻;
采集到水污染的面积、水污染区域内污染物的平均浓度/>、水污染区域内平均溶解氧含量/>以及水污染区域的平均悬浮物含量/>后,将/>、/>以及/>进行公式化处理,生成水污染指数/>,依据的公式为:;式中,f1、f2分别为水污染区域参数/>与水污染区域内部参数/>的预设比例系数,且f1、f2均大于0;
由公式可知,当水污染区域参数越小、水污染区域内部参数越小,即水污染指数越小时,表明水污染越严重,反之则表明水污染越轻;
水污染指数生成后,数据采集模块将采集的水污染指数/>信息传递至水域划分模块;
水域划分模块,根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
水域划分模块接收到水污染指数后,将水污染指数/>与预设的阈值YZ1和阈值YZ2进行比对,其中,阈值YZ1小于阈值YZ2,若是水污染指数/>小于阈值YZ1,表明水污染严重,水域划分模块将该区域划分为重度污染区域,若是水污染指数/>大于等于阈值YZ1小于等于阈值YZ2,表明水污染中等,水域划分模块将该区域划分为中度污染区域,若是水污染指数/>大于阈值YZ2,表明水污染轻微,水域划分模块将该区域划分为轻度污染区域;
水域划分模块对水域进行划分后,将中度污染区域信息传递至污染趋势分析模块;
需要说明的是,重度污染区域的污染严重,划分后被认定为需要处理的区域,后续对该区域进行污染处理,轻度污染区域的污染轻微,基本无污染;
污染趋势分析模块,对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
污染趋势分析模块接收到中度污染区域的信息后,对水污染的面积和水污染区域内污染物的平均浓度进一步分析,计算水污染面积的变化趋势,计算公式如下:
记初始水污染的面积为S1,即T时间后水污染的面积为S2,记水污染面积的变化趋势为,则水污染面积的变化趋势/>为/>;记T时间内n个取样区域内污染物平均浓度上升的平均值为/>,记每个取样区域的污染物的浓度增加值为/>,其中,i为选定区域的标号,记T时间内n个取样区域内污染物平均浓度增加的离散程度为PX1,则T时间内n个取样区域内污染物平均浓度增加的离散程度PX1为/>;需要说明的是,当取样区域内污染物平均浓度上升的平均值越小、且上升后T时间内n个取样区域内污染物平均浓度增加的离散程度越小,则表明取样区域内普遍存在污染浓度上升幅度较小的情况,当取样区域内污染物平均浓度上升的平均值越大、且上升后T时间内n个取样区域内污染物平均浓度增加的离散程度越小,则表明取样区域内普遍存在污染浓度上升幅度较大的情况;
获取到T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度上升的平均值/>以及T时间内n个取样区域内污染物平均浓度增加的离散程度PX1后,将T、/>、PX1、/>进行公式化处理,得出水污染区域的污染趋势指数/>,依据的公式为:/>
需要说明的是,b1、b2、b3、b4分别为时间T、T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度增加的离散程度PX1、T时间内n个取样区域内污染物平均浓度上升的平均值/>的预设比例系数,且b1、b2、b3、b4均大于0;
当T时间内水污染面积的变化趋势越小、T时间内n个取样区域内污染物平均浓度上升的平均值/>越低以及T时间内n个取样区域内污染物平均浓度增加的离散程度PX1越小,即水污染区域的污染趋势指数/>越小,则表明水污染恶化的趋势越低,反之则表明水污染恶化的趋势越高;
求得T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值,并求得T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2,求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值/>,并求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3;
T时间内n个取样区域内水污染的平均溶解氧含量上升的值记为Xi,则T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2求得的方式如下:
T时间内n个取样区域内水污染区域的平均悬浮物含量上升的值记为Yi,则T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3求得的方式如下:
将T、、PX2、/>以及PX3进行公式化处理,求得水污染区域内部的污染趋势指数/>,依据的公式为:/>
需要说明的是,a1、a2、a3、a4、a5分别为时间T、T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值、T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2、T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值以及T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3的预设比例系数,且a1、a2、a3、a4、a5均大于0,且a2大于a3、a4大于a5;
需要说明的是,本方案中对水污染的平均溶解氧含量的讨论,是在最佳平均溶解氧含量以下水域进行的讨论;
当T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值越高、T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2越小、T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值/>越低以及T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3越小,即水污染区域内部的污染趋势指数/>越小,则表明水污染恶化的趋势越低,反之则表明水污染恶化的趋势越高;
污染趋势分析模块分析出水污染区域的污染趋势指数与水污染区域内部的污染趋势指数/>后,将水污染区域的污染趋势指数/>与水污染区域内部的污染趋势指数/>传递至综合分析模块;
综合分析模块,根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估;
对水污染区域的污染趋势指数设置阈值YZ3,若水污染区域的污染趋势指数/>大于等于阈值YZ3,表明水污染区域恶化的趋势高,综合分析模块生成第一高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ3,表明水污染区域恶化的趋势低,综合分析模块生成第一低增长趋势风险等级;
对水污染区域内部的污染趋势指数设置阈值YZ4,若水污染区域的污染趋势指数/>大于等于阈值YZ4,表明水污染区域内部恶化的趋势高,综合分析模块生成第二高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ4,表明水污染区域内部恶化的趋势低,综合分析模块生成第二低增长趋势风险等级;
当T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2,T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3偏大时,即T时间内n个取样区域水污染的平均溶解氧含量上升的偏差较大时,T时间内n个取样区域内水污染区域的平均悬浮物含量上升的偏差较大时,可通过设置的阈值将该情况限制在第一高增长趋势风险等级与第二高增长趋势风险等级的区域内;
对污染水域的第一增长趋势风险等级与第二增长趋势风险等级进行综合分析,若污染水域中同时存在第一高增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三高增长趋势风险等级,若污染水域中同时存在第一高增长趋势风险等级与第二低增长趋势风险等级或者同时存在第一低增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三中等增长趋势风险等级,若污染水域中同时存在第一低增长趋势风险等级与第二低增长趋势风险等级,则综合分析模块生成第三低增长趋势风险等级;
需要说明的是,第三高增长趋势风险等级的风险高于第一高增长趋势风险等级与第二高增长趋势风险等级,即第三高增长趋势风险等级的污染区域内污染恶化的趋势更快,此时需要对第三高增长趋势风险等级的区域进行处理,有效地防止污染区域在短时间内发展为污染较严重的区域,进而有效地防止突发性水污染事件发生,保障人民生活、生态环境和经济建设不受侵害,第三中等增长趋势风险等级污染区域内污染恶化的趋势相对较快,当发现污染区域为第三中等增长趋势风险等级时,应该及时采取措施,缩短监测周期,有效地防止第三中等增长趋势风险等级的水域发展成为第三高增长趋势风险等级的水域,进一步有效地防止污染区域在短时间内发展为污染较严重的区域,进而进一步有效地防止突发性水污染事件发生;
本发明通过采集水污染区域参数和水污染区域内部参数,将中度污染区域的水域分离,对该水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,分析出中度污染区域污染的发展趋势,对高增长趋势风险等级的水域进行处理,有效地防止污染区域在短时间内发展为污染较严重的区域,进而有效地防止突发性水污染事件发生,保障人民生活、生态环境和经济建设不受侵害,同时对中等增长趋势风险等级的水域缩短监测周期,有效地防止中等增长趋势风险等级的水域发展成为高增长趋势风险等级的水域,进一步有效地防止污染区域在短时间内发展为污染较严重的区域,进而进一步有效地防止突发性水污染事件发生。
一种基于数据分析模型的污染监测系统,包括数据采集模块、水域划分模块、污染趋势分析模块、综合分析模块;
数据采集模块,采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
水域划分模块,根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
污染趋势分析模块,对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
综合分析模块,根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估;
本发明实施例提供的一种基于数据分析模型的污染监测系统,用于执行本发明上述各实施例提供的一种基于数据分析模型的污染监测方法,一种基于数据分析模型的污染监测系统包括的各模块实现相应功能的具体方法和流程详见上述一种基于数据分析模型的污染监测方法的实施例,此处不再赘述。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上只通过说明的方式描述了本发明的某些示范性实施例,毋庸置疑,对于本领域的普通技术人员,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式对所描述的实施例进行修正。因此,上述附图和描述在本质上是说明性的,不应理解为对本发明权利要求保护范围的限制。
需要说明的是,在本文中,如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种基于数据分析模型的污染监测方法,其特征在于,包括以下步骤:
数据采集模块采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
水域划分模块根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
污染趋势分析模块对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
综合分析模块根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估;
采集的水污染区域参数包括水污染的面积和水污染区域内污染物的平均浓度,采集后,数据采集模块将水污染的面积和水污染区域内污染物的平均浓度分别标定为,采集的水污染区域内部参数包括水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量,采集后,数据采集模块将水污染区域内平均溶解氧含量和水污染区域的平均悬浮物含量分别标定为/>、/>
采集到水污染的面积、水污染区域内污染物的平均浓度/>、水污染区域内平均溶解氧含量/>以及水污染区域的平均悬浮物含量/>后,将/>、/>以及/>进行公式化处理,生成水污染指数/>,依据的公式为:;式中,f1、f2分别为水污染区域参数/>与水污染区域内部参数/>的预设比例系数,且f1、f2均大于0;
水域划分模块接收到水污染指数后,将水污染指数/>与预设的阈值YZ1和阈值YZ2进行比对,其中,阈值YZ1小于阈值YZ2,若是水污染指数/>小于阈值YZ1,表明水污染严重,水域划分模块将该区域划分为重度污染区域,若是水污染指数/>大于等于阈值YZ1小于等于阈值YZ2,表明水污染中等,水域划分模块将该区域划分为中度污染区域,若是水污染指数/>大于阈值YZ2,表明水污染轻微,水域划分模块将该区域划分为轻度污染区域;
水域划分模块对水域进行划分后,将中度污染区域信息传递至污染趋势分析模块;
污染趋势分析模块接收到中度污染区域的信息后,对水污染的面积和水污染区域内污染物的平均浓度进一步分析,计算水污染面积的变化趋势,计算公式如下:
记初始水污染的面积为S1,即T时间后水污染的面积为S2,记水污染面积的变化趋势为,则水污染面积的变化趋势/>为/>;记T时间内n个取样区域内污染物平均浓度上升的平均值为/>,记每个取样区域的污染物的浓度增加值为/>,其中,i为选定区域的标号,记T时间内n个取样区域内污染物平均浓度增加的离散程度为PX1,则T时间内n个取样区域内污染物平均浓度增加的离散程度PX1为/>
2.根据权利要求1所述的一种基于数据分析模型的污染监测方法,其特征在于,获取到T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度上升的平均值/>以及T时间内n个取样区域内污染物平均浓度增加的离散程度PX1后,将T、/>、PX1、/>进行公式化处理,得出水污染区域的污染趋势指数/>,依据的公式为:
其中,b1、b2、b3、b4分别为时间T、T时间内水污染面积的变化趋势、T时间内n个取样区域内污染物平均浓度增加的离散程度PX1、T时间内n个取样区域内污染物平均浓度上升的平均值/>的预设比例系数,且b1、b2、b3、b4均大于0。
3.根据权利要求2所述的一种基于数据分析模型的污染监测方法,其特征在于,通过求T时间内n个取样区域内污染物平均浓度上升的平均值和T时间内n个取样区域内污染物平均浓度增加的离散程度的方式求得T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值/>,并求得T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2,求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值,并求得T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3,将T、/>、PX2、/>以及PX3进行公式化处理,求得水污染区域内部的污染趋势指数/>,依据的公式为:/>
其中,a1、a2、a3、a4、a5分别为时间T、T时间内n个取样区域内水污染的平均溶解氧含量上升的平均值、T时间内n个取样区域水污染的平均溶解氧含量上升的离散程度值PX2、T时间内n个取样区域内水污染区域的平均悬浮物含量上升的平均值/>以及T时间内n个取样区域内水污染区域的平均悬浮物含量上升的离散程度值PX3的预设比例系数,且a1、a2、a3、a4、a5均大于0。
4.根据权利要求3所述的一种基于数据分析模型的污染监测方法,其特征在于,对水污染区域的污染趋势指数设置阈值YZ3,若水污染区域的污染趋势指数/>大于等于阈值YZ3,表明水污染区域恶化的趋势高,综合分析模块生成第一高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ3,表明水污染区域恶化的趋势低,综合分析模块生成第一低增长趋势风险等级;
对水污染区域内部的污染趋势指数设置阈值YZ4,若水污染区域的污染趋势指数/>大于等于阈值YZ4,表明水污染区域内部恶化的趋势高,综合分析模块生成第二高增长趋势风险等级,若水污染区域的污染趋势指数/>小于阈值YZ4,表明水污染区域内部恶化的趋势低,综合分析模块生成第二低增长趋势风险等级。
5.根据权利要求4所述的一种基于数据分析模型的污染监测方法,其特征在于,对污染水域的第一增长趋势风险等级与第二增长趋势风险等级进行综合分析,若污染水域中同时存在第一高增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三高增长趋势风险等级,若污染水域中同时存在第一高增长趋势风险等级与第二低增长趋势风险等级或者同时存在第一低增长趋势风险等级与第二高增长趋势风险等级,则综合分析模块生成第三中等增长趋势风险等级,若污染水域中同时存在第一低增长趋势风险等级与第二低增长趋势风险等级,则综合分析模块生成第三低增长趋势风险等级。
6.根据权利要求1-5任意一项所述方法的一种基于数据分析模型的污染监测系统,其特征在于,包括数据采集模块、水域划分模块、污染趋势分析模块、综合分析模块;
数据采集模块,采集水污染区域参数和水污染区域内部参数,生成水污染指数,并将水污染指数传递至水域划分模块;
水域划分模块,根据水污染指数阈值对水域进行划分,将水域划分成重度污染水域、中度污染水域以及轻度污染水域,并将中度污染水域信息传递至污染趋势分析模块;
污染趋势分析模块,对水污染区域的污染趋势和水污染区域内部的污染趋势进行分析,得出水污染区域的污染趋势指数和水污染区域内部的污染趋势指数,并将水污染区域的污染趋势指数和水污染区域内部的污染趋势指数传递至综合分析模块;
综合分析模块,根据水污染区域的污染趋势指数和水污染区域内部的污染趋势指数对污水域进行增长趋势风险评估,生成第一增长趋势风险等级与第二增长趋势风险等级,并根据第一增长趋势风险等级与第二增长趋势风险等级生成第三增长趋势风险等级,对污染水域进行风险评估。
CN202310344328.4A 2023-04-03 2023-04-03 一种基于数据分析模型的污染监测方法及系统 Active CN116050951B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310344328.4A CN116050951B (zh) 2023-04-03 2023-04-03 一种基于数据分析模型的污染监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310344328.4A CN116050951B (zh) 2023-04-03 2023-04-03 一种基于数据分析模型的污染监测方法及系统

Publications (2)

Publication Number Publication Date
CN116050951A CN116050951A (zh) 2023-05-02
CN116050951B true CN116050951B (zh) 2023-08-11

Family

ID=86122215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310344328.4A Active CN116050951B (zh) 2023-04-03 2023-04-03 一种基于数据分析模型的污染监测方法及系统

Country Status (1)

Country Link
CN (1) CN116050951B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116125027B (zh) * 2023-04-11 2023-07-04 江苏海峡环保科技发展有限公司 一种基于物联网的污水在线监测系统及方法
CN116338132A (zh) * 2023-05-23 2023-06-27 苏州北控环保科技有限公司 一种基于河道修复的水环境监控装置及其控制系统
CN117630319B (zh) * 2024-01-26 2024-04-05 深圳市天地互通科技有限公司 一种基于大数据的水质监测预警方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744829A (zh) * 2014-01-02 2014-04-23 环境保护部环境规划院 一种地下水污染防治区划分的方法
RU2563317C1 (ru) * 2014-07-01 2015-09-20 Николай Аркадьевич Нестеров Способ акустического мониторинга изменчивости параметров морских акваторий
CN105184095A (zh) * 2015-09-24 2015-12-23 中国环境科学研究院 一种地下水污染源强评价方法
CN107525907A (zh) * 2017-10-16 2017-12-29 中国环境科学研究院 地下水污染监测网多目标优化方法
CN108862831A (zh) * 2018-06-25 2018-11-23 安徽恒宇环保设备制造股份有限公司 一种具备水质监测功能的纳米水处理系统
CN111598431A (zh) * 2020-05-13 2020-08-28 沈阳建筑大学 一种具有功能差异性的流域水生态环境承载力评估方法
CN213239563U (zh) * 2020-10-13 2021-05-18 青岛斯八达分析测试有限公司 一种智能海水采样装置
CN115270632A (zh) * 2022-08-02 2022-11-01 天津天滨瑞成环境技术工程有限公司 饮用水水源地水华风险预测系统和方法
CN115436593A (zh) * 2022-09-21 2022-12-06 江苏预立新能源科技有限公司 一种湖泊水质监测系统
CN115660413A (zh) * 2022-10-17 2023-01-31 生态环境部南京环境科学研究所 一种用于污染场地地下水的风险管控系统
CN115774953A (zh) * 2022-11-09 2023-03-10 安徽新宇环保科技股份有限公司 一种基于数据处理的污染时空风险监管评估系统及方法
CN115855172A (zh) * 2023-03-02 2023-03-28 云南碧翔物联网科技有限公司 一种环境污染在线监测数据采集系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103744829A (zh) * 2014-01-02 2014-04-23 环境保护部环境规划院 一种地下水污染防治区划分的方法
RU2563317C1 (ru) * 2014-07-01 2015-09-20 Николай Аркадьевич Нестеров Способ акустического мониторинга изменчивости параметров морских акваторий
CN105184095A (zh) * 2015-09-24 2015-12-23 中国环境科学研究院 一种地下水污染源强评价方法
CN107525907A (zh) * 2017-10-16 2017-12-29 中国环境科学研究院 地下水污染监测网多目标优化方法
CN108862831A (zh) * 2018-06-25 2018-11-23 安徽恒宇环保设备制造股份有限公司 一种具备水质监测功能的纳米水处理系统
CN111598431A (zh) * 2020-05-13 2020-08-28 沈阳建筑大学 一种具有功能差异性的流域水生态环境承载力评估方法
CN213239563U (zh) * 2020-10-13 2021-05-18 青岛斯八达分析测试有限公司 一种智能海水采样装置
CN115270632A (zh) * 2022-08-02 2022-11-01 天津天滨瑞成环境技术工程有限公司 饮用水水源地水华风险预测系统和方法
CN115436593A (zh) * 2022-09-21 2022-12-06 江苏预立新能源科技有限公司 一种湖泊水质监测系统
CN115660413A (zh) * 2022-10-17 2023-01-31 生态环境部南京环境科学研究所 一种用于污染场地地下水的风险管控系统
CN115774953A (zh) * 2022-11-09 2023-03-10 安徽新宇环保科技股份有限公司 一种基于数据处理的污染时空风险监管评估系统及方法
CN115855172A (zh) * 2023-03-02 2023-03-28 云南碧翔物联网科技有限公司 一种环境污染在线监测数据采集系统

Also Published As

Publication number Publication date
CN116050951A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN116050951B (zh) 一种基于数据分析模型的污染监测方法及系统
Gorgoglione et al. A framework for assessing modeling performance and effects of rainfall-catchment-drainage characteristics on nutrient urban runoff in poorly gauged watersheds
Gad et al. Combining water quality indices and multivariate modeling to assess surface water quality in the Northern Nile Delta, Egypt
Almomani et al. Monitoring and measurement of microalgae using the first derivative of absorbance and comparison with chlorophyll extraction method
Sendra et al. A low cost turbidity sensor development
CN114839343B (zh) 一种便携式水质监测巡检仪装置及使用方法
KR100965756B1 (ko) 하수처리장 공정 운영 상태 진단을 위한 방법 및 장치
Tassinari et al. Application of turbidity meters for the quantitative analysis of flocculation in a jar test apparatus
Severin Hansen et al. Uncertainty analysis of fluorescence-based oil-in-water monitors for oil and gas produced water
Valente et al. Image processing tools in the study of environmental contamination by microplastics: reliability and perspectives
Davies‐Colley et al. Weak numerical comparability of ISO‐7027‐compliant nephelometers. Ramifications for turbidity measurement applications
Hamdhani et al. Performance of a handheld chlorophyll-a fluorometer: Potential use for rapid algae monitoring
Peng et al. Role of minerogenic particles in light scattering in lakes and a river in central New York
Despot et al. Comparison of online sensors for liquid phase hydrogen sulphide monitoring in sewer systems
Becker et al. Bacterial community composition and carbon metabolism in a subtropical riverscape
Knutsson et al. Estimation of measurement uncertainties for the DGT passive sampler used for determination of copper in water
Nguyen Thi Lan et al. Estimating the possibility of surface soil pollution with atmospheric lead deposits using the ADMER model
Banerjee et al. A portable spectroscopic instrument for multiplexed monitoring of acute water toxicity: Design, testing, and evaluation
Huo et al. Defining physico-chemical variables, chlorophyll-a and Secchi depth reference conditions in northeast eco-region lakes, China
Liu et al. Underappreciated microplastic galaxy biases the filter-based quantification
Wibisono et al. Water pollution identification and mitigation at several points of Bengawan Solo River
CN114493179A (zh) 土壤污染风险的判断方法、系统、存储介质及电子设备
Yu et al. Detection and identification of organic pollutants in drinking water from fluorescence spectra based on deep learning using convolutional autoencoder
Dahmardan et al. Identification of location, activity time and intensity of the unknown pollutant source in river
Dunn et al. An affordable methodology for quantifying waterborne microplastics-an emerging contaminant in inland-waters

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