CN116205403B - 一种拦截氮磷的水生态修复管理方法及系统 - Google Patents
一种拦截氮磷的水生态修复管理方法及系统 Download PDFInfo
- Publication number
- CN116205403B CN116205403B CN202310130384.8A CN202310130384A CN116205403B CN 116205403 B CN116205403 B CN 116205403B CN 202310130384 A CN202310130384 A CN 202310130384A CN 116205403 B CN116205403 B CN 116205403B
- Authority
- CN
- China
- Prior art keywords
- result
- water area
- data
- scheme
- information
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 185
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 44
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 title claims abstract description 22
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 22
- 229910052698 phosphorus Inorganic materials 0.000 title claims abstract description 22
- 239000011574 phosphorus Substances 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 title abstract description 76
- 238000011282 treatment Methods 0.000 claims abstract description 142
- 238000011221 initial treatment Methods 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000006978 adaptation Effects 0.000 claims description 45
- 230000008439 repair process Effects 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000012098 association analyses Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 11
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 19
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000010219 correlation analysis Methods 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 244000058871 Echinochloa crus-galli Species 0.000 description 1
- 235000015225 Panicum colonum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种拦截氮磷的水生态修复管理方法及系统,属于水生态治理技术领域,包括采集获得目标治理水域的基础信息;调用关联数据,获得数据调用结果,数据调用结果包括关联水域信息、排放点信息;对目标治理水域进行图像采集,生成图像采集结果;将图像采集结果、数据调用结果和基础信息输入智能修复管理模型,输出初始治理方案;布设监测传感器,对监测数据进行读取;根据数据读取结果对初始治理方案的方案调整,基于调整治理方案进行目标治理水域的治理管理。本发明解决了现有技术中存在水生态修复管理存在漏洞,管理对象不明确,管理质量差的技术问题。
Description
技术领域
本发明属于水生态治理技术领域,具体涉及一种拦截氮磷的水生态修复管理方法及系统。
背景技术
随着近年来制造业的发展,对于水体的污染也在日益增加,因此,研究对水生态的修复对于促进我国的生态文明良好发展有着十分重要的意义。
目前,通过使用拦截氮磷的方式对水生态进行修复的方式被普遍采用,但是在修复过程中,往往只考虑到当前水域的环境,从而制定治理方案。然而水体并不是孤立的,还要考虑受到周围环境的影响,因此,治理的效果并不能达到预期。也有考虑到水域治理过程中的影响,但是影响因素过多,且数据量更是庞大,无法进行高效处理,也不能达到预期的治理效果。
现有技术中存在水生态修复管理存在漏洞,管理对象不明确,管理质量差的技术问题。
发明内容
本发明提供了一种拦截氮磷的水生态修复管理方法及系统,其目的在于解决了现有技术中存在水生态修复管理存在漏洞,管理对象不明确,管理质量差的技术问题。
本发明实施例提供一种拦截氮磷的水生态修复管理方法,其中,所述方法应用于水生态修复管理系统,所述水生态修复管理系统与图像采集装置、数据交互装置、监测传感器通信连接,所述方法包括:采集获得目标治理水域的基础信息;基于根据所述基础信息通过所述数据交互装置进行关联数据调用,获得数据调用结果,其中,所述数据调用结果包括关联水域信息、排放点信息;通过所述图像采集装置进行所述目标治理水域的图像采集,生成图像采集结果;将所述图像采集结果、所述数据调用结果和所述基础信息输入智能修复管理模型,输出初始治理方案,通过所述初始治理方案执行所述目标治理水域的生态修复;根据所述数据调用结果和所述基础信息布设所述监测传感器,通过所述监测传感器进行监测数据读取,获得数据读取结果;根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理。
通过采用上述技术方案,根据目标治理水域的基础信息确定与水域相关的数据,然后通过对目标治理水域的图像进行采集,通过利用智能修复管理模型对治理方案进行初步规划,然后利用反馈监测结果对方案进行调整,提高修复管理的智能化程度,提高管理质量的技术效果。
进一步地,根据所述关联水域信息、所述排放点信息和所述基础信息进行位置关联分析,获得位置关联分析结果;根据所述数据调用结果获得关联水域和排放点的氮磷数据;根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值;通过所述关联控制影响值和所述数据读取结果对所述初始治理方案的方案调整。
通过采用上述技术方案,实现了对于目标治理水域相关的水域的数据进行分析,得到周围水域对治理水域的影响,从而对治理方案进行有针对性的调整,达到了提高治理方案的质量的技术效果。
进一步地,根据所述初始治理方案获得排放控制阈值;通过所述数据读取结果和所述排放控制阈值进行偏差比对,获得偏差比对结果,其中,所述偏差比对结果具有位置标识;根据所述关联控制影响值和所述偏差比对结果进行治理效果影响预估,获得影响预估结果,其中,所述影响预估结果包括影响中心点和辐射区间;通过所述影响预估结果生成所述调整治理方案。
通过采用上述技术方案,实现了提高根据影响预估结果对治理方案进行调整的技术目的。
进一步地,通过大数据构建水生植物识别特征集合;获得所述目标治理水域的位置特征信息,通过所述位置特征信息进行所述水生植物识别特征集合的特征库调用;通过所述特征库对所述图像采集结果进行特征识别,获得特征识别分布结果;根据所述特征识别分布结果、所述数据调用结果和所述基础信息输出获得所述初始治理方案。
通过采用上述技术方案,实现了避对图像采集结果进行特征识别,提高特征识别的效率的技术目的。进一步地,通过所述水生植物识别特征集合构建特征识别隐含层,并将所述特征识别隐含层添加至所述智能修复管理模型;当所述智能修复管理模型接收输入数据时,根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化;当初始化完成后,通过所述特征识别隐含层对所述图像采集结果进行特征识别,获得所述特征识别分布结果;将所述特征识别分布结果、所述数据调用结果和所述基础信息输入至所述智能修复管理模型,输出获得所述初始治理方案。
通过采用上述技术方案,构建了智能修复管理模型,达到了提高治理方案输出的效率,以及提高治理方案的准确性的技术效果。
进一步地,根据所述数据读取结果和所述初始治理方案进行治理适配评价,获得适配评价结果;通过所述影响预估结果对所述适配评价结果进行适配修正,获得适配修正结果;判断所述适配修正结果是否能满足预设适配阈值;当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令;通过所述调整方案指令控制获得所述调整治理方案。
通过采用上述技术方案,通过比对初始治理方案和执行方案后得到的数据,对方案的适配性进行评价,实现了确定治理方案的合理的技术目的。
进一步地,对所述目标治理水域进行治理数据记录,获得数据记录结果;基于所述数据记录结果对所述智能修复管理模型进行模型优化更新;通过优化更新后的所述智能修复管理模型进行水生态修复管理。
通过采用上述技术方案,达到了对目标治理水域的治理情况进行实时记录,对模型进行更新迭代的技术效果。
本发明的有益效果为:
本发明经由通过采集获得目标治理水域的基础信息,然后基于根据基础信息通过数据交互装置进行关联数据调用,获得数据调用结果,其中,数据调用结果包括关联水域信息、排放点信息,进而通过图像采集装置进行目标治理水域的图像采集,生成图像采集结果,然后将图像采集结果、数据调用结果和基础信息输入智能修复管理模型,输出初始治理方案,通过初始治理方案执行目标治理水域的生态修复,通过根据数据调用结果和基础信息布设监测传感器,通过监测传感器进行监测数据读取,获得数据读取结果,然后根据数据读取结果对初始治理方案的方案调整,基于调整治理方案进行目标治理水域的治理管理。达到了对目标治理水域进行高效的治理管理,提高水生态质量的技术效果。
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说明书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明进一步理解,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为一个实施例中一种拦截氮磷的水生态修复管理方法的流程示意图;
图2为一个实施例中一种拦截氮磷的水生态修复管理方法中获得初始治理方案的流程示意图;
图3为一个实施例中一种拦截氮磷的水生态修复管理方法中对初始治理方案的方案进行调整的流程示意图;
图4为一个实施例中一种拦截氮磷的水生态修复管理系统的结构框图。
附图标记说明:基础信息采集模块11,调用结果获得模块12,图像采集结果获得模块13,治理方案获得模块14,数据读取结果获得模块15,治理管理模块16。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚,下文中将结合本发明具体实施例的附图,对本发明实施例的技术方案进行清楚、完整的描述。附图中相同的附图标记代表相同的部件。需要说明的是,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,本申请提供了一种拦截氮磷的水生态修复管理方法,本申请提供了一种拦截氮磷的水生态修复管理方法,其中,所述方法应用于水生态修复管理系统,所述水生态修复管理系统与图像采集装置、数据交互装置、监测传感器通信连接,所述方法包括:
步骤S100:采集获得目标治理水域的基础信息;
步骤S200:基于根据所述基础信息通过所述数据交互装置进行关联数据调用,获得数据调用结果,其中,所述数据调用结果包括关联水域信息、排放点信息;
具体而言,目标治理水域是需要通过使用拦截氮磷进行水生态修复的任意一个水域。所述基础信息是对目标治理水域的水域环境进行描述的信息,包括名称、所在地理位置、等级、范围、水域面积等。所述图像采集装置是对目标治理水域的图像进行采集的设备,包括CCD照相机、红外摄像仪、摄像机等。所述数据交互装置是与目标治理水域相关的数据信息进行数据调取的装置。所述监测传感器是对目标治理水域内的水生态信息进行实时监测的传感器,包括温度传感器、湿度传感器、氮氧化物传感器等。
具体的,通过以所述基础信息为调用关联目标,利用所述数据交互装置对于调用关联目标有关联的数据进行调取,得到所述数据调用结果。其中,所述调用关联目标是进行数据调取的过程中进行关联的主体。所述数据调用结果是与所述基础信息相关的数据,包括关联水域信息和所述排放点信息。其中,所述关联水域信息是对所述目标治理水域的水流有相互贯通的水域相关信息,包括名称、所在地理位置、等级、范围、水域面积等。所述排放点信息是与所述目标治理水域进行水流交叉的各个排放点有关的信息,包括排放点位置、排放点环境等。
步骤S300:通过所述图像采集装置进行所述目标治理水域的图像采集,生成图像采集结果;
具体而言,通过所述图像采集装置对所述目标治理水域的多维度图像进行采集,优选的,在采集过程中,通过调节图像采集装置的焦距,对目标治理水域从俯视图、细节图等多个角度进行图像采集,得到所述图像采集结果。其中所述图像采集结果反映了目标治理水域的实时外观状态,包括水草覆盖度、水体浑浊度等。
步骤S400:将所述图像采集结果、所述数据调用结果和所述基础信息输入智能修复管理模型,输出初始治理方案,通过所述初始治理方案执行所述目标治理水域的生态修复;
进一步的,参照图2,本申请实施例步骤S400还包括:
步骤S410:通过大数据构建水生植物识别特征集合;
步骤S420:获得所述目标治理水域的位置特征信息,通过所述位置特征信息进行所述水生植物识别特征集合的特征库调用;
步骤S430:通过所述特征库对所述图像采集结果进行特征识别,获得特征识别分布结果;
步骤S440:根据所述特征识别分布结果、所述数据调用结果和所述基础信息输出获得所述初始治理方案。
具体而言,所述水生植物识别特征集合是以水生植物为索引在大数据中进行搜索,得到对水生植物进行识别时的特征,包括植物形态特征、植物颜色特征、生长环境特征等。对所述目标治理水域的位置特征信息进行获取,即获取目标治理水域的地理位置,包括定位信息、温度环境信息、气候信息等。通过根据所述位置特征信息对所述水生植物识别特征集合中符合位置特征信息所在区域可以生长的水生植物识别特征集合的特征库调用。进而,根据所述特征库中的特征,对所述图像采集结果中的图像特征进行匹配,根据匹配结果得到特征识别结果,然后根据特征识别结果在目标治理水域的分布位置,得到所述特征识别分布结果。其中,所述特征识别分布结果反映了目标治理水域中的水生植物分布情况。所述初始治理方案是根据特征识别分布结果、所述数据调用结果和所述基础信息得到的对目标治理水域进行初步治理的方案。
具体的,所述智能修复管理模型是对目标治理水域进行水生态修复的治理方案初步进行设定的功能模型,输入数据为所述图像采集结果、所述数据调用结果和所述基础信息,输出数据为初始治理方案,包括输入层、特征识别隐含层和输出层。通过大数据获得水域治理的历史图像采集结果、历史数据调用结果和历史基础信息,然后通过以历史图像采集结果、历史数据调用结果和历史基础信息和所述历史初始治理方案作为构建数据,对以BP神经网络为网络结构的所述智能修复管理模型进行训练。将所述历史图像采集结果、历史数据调用结果和历史基础信息和所述历史初始治理方案作为样本数据集,按照一定的比例将所述样本数据集划分为训练集和验证集,划分比例可以为3:1。进而,利用所述训练集对所述智能修复管理模型进行训练,直至训练至收敛,然后将验证集中的历史图像采集结果、历史数据调用结果和历史基础信息输入收敛的智能修复管理模型中,得到验证初始治理方案,将所述验证初始治理方案与所述历史初始治理方案进行匹配,将匹配成功的数量比上历史初始治理方案的数量,得到验证准确率,当验证准确率符合要求,则输出智能修复管理模型,当验证准确率不符合要求时,将获取更多构建数据对所述智能修复管理模型进行增量学习,直至验证准确率符合要求。
进一步的,本申请实施例步骤S400还包括:
步骤S450:通过所述水生植物识别特征集合构建特征识别隐含层,并将所述特征识别隐含层添加至所述智能修复管理模型;
步骤S460:当所述智能修复管理模型接收输入数据时,根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化;
步骤S470:当初始化完成后,通过所述特征识别隐含层对所述图像采集结果进行特征识别,获得所述特征识别分布结果;
步骤S480:将所述特征识别分布结果、所述数据调用结果和所述基础信息输入至所述智能修复管理模型,输出获得所述初始治理方案。
具体而言,所述特征识别隐含层是对图像采集结果中的水生植物进行特征识别的网络层,将所述特征识别隐含层添加至所述智能修复管理模型。根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化,换句话说,是根据所述位置特征信息对特征识别隐含层按照所处的位置进行网络层初始规划。通过利用所述历史图像采集结果和历史特征识别分布结果对所述特征识别隐含层进行训练,并对历史特征识别分布结果进行监督标识,在以BP神经网络为框架建立的特征识别隐含层训练的过程中,根据所述监督标识对训练过程进行监督,得到收敛的所述特征识别隐含层。
进一步的,本申请实施例步骤S480还包括:
步骤S481:对所述目标治理水域进行治理数据记录,获得数据记录结果;
步骤S482:基于所述数据记录结果对所述智能修复管理模型进行模型优化更新;
步骤S483:通过优化更新后的所述智能修复管理模型进行水生态修复管理。
具体而言,通过对目标治理水域进行水生态修复治理过程中的数据进行记录,得到所述数据记录结果。其中,所述数据记录结果包括治理时间、治理方案、治理效果等。根据所述数据记录结果中的水域治理情况,根据治理后的水域情况,对所述智能修复管理模型进行优化更新,使其更加符合目标治理水域的最新黄金,从而提高初始治理方案的准确性,提高生态修复质量。
步骤S500:根据所述数据调用结果和所述基础信息布设所述监测传感器,通过所述监测传感器进行监测数据读取,获得数据读取结果;
具体而言,根据所述数据调用结果和所述基础信息中水域面积、排水点信息,确定监测传感器的布设位置和布设数量,进而,按照布设位置和布设数量进行监测传感器的布设。通过监测传感器进行实时监测数据的读取,得到水域的实时情况。所述数据读取结果反映了水域治理过程中的实时动态变化情况。
步骤S600:根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理。
进一步的,参照图3,本申请实施例步骤S600还包括:
步骤S610:根据所述关联水域信息、所述排放点信息和所述基础信息进行位置关联分析,获得位置关联分析结果;
步骤S620:根据所述数据调用结果获得关联水域和排放点的氮磷数据;
步骤S630:根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值;
步骤S640:通过所述关联控制影响值和所述数据读取结果对所述初始治理方案的方案调整。
具体而言,根据所述数据读取结果对所述初始治理方案的方案调整,由于水域之间是相互流通的,因此仅仅考虑目标治理水域的情况无法对治理效果进行合理的评估,也无法判断初始治理方案是否能够达到预期效果。所述调整治理方案对所述初始治理方案进行优化后得到的对目标治理水域的水生态修复方案。
具体的,通过根据所述关联水域信息、所述排放点信息和所述基础信息确定关联水域的排放点距离目标治理水域的距离,根据距离的远近确定位置关联分析结果。其中,所述位置关联分析结果是对目标治理水域受到周围水域的影响情况进行分析得到。根据所述数据调用结果获得关联水域和排放点的氮磷数据,包括氮含量和磷含量。根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值,换句话说是根据所述氮磷数据的含量信息,含量越高对应的影响越大,结合所述位置关联分析结果得到所述关联控制影响值。其中,所述关联控制影响值是周围水域以及排放点对目标治理水域的影响系数,根据所述数据读取结果和所述关联控制影响值,对所述初始治理方案的方案调整。优选的,根据所述数据读取结果确定水域的实际情况,进而结合所述关联控制影响值对数据读取结果进行影响计算,根据计算的结果确定所述初始治理方案的调整幅度。
进一步的,本申请实施例步骤S600还包括:
步骤S650:根据所述初始治理方案获得排放控制阈值;
步骤S660:通过所述数据读取结果和所述排放控制阈值进行偏差比对,获得偏差比对结果,其中,所述偏差比对结果具有位置标识;
步骤S670:根据所述关联控制影响值和所述偏差比对结果进行治理效果影响预估,获得影响预估结果,其中,所述影响预估结果包括影响中心点和辐射区间;
步骤S680:通过所述影响预估结果生成所述调整治理方案。
具体而言,所述排放控制阈值是通过根据所述初始治理方案对目标治理水域进行水生态修复后的各个排放数值可以控制的范围。通过根据数据读取结果和所述排放控制阈值进行比对,得到偏差比对结果。其中,所述偏差比对结果是数据读取结果与排放控制阈值的差值,所述位置标识是对偏差所处的位置进行标识定位。以所述关联控制影响值作为影响系数,结合所述偏差比对结果确定各个监测点受到影响后,治理效果受影响降低的程度,根据预估结果获得所述影响预估结果。其中,所述影响中心点是监测点,所述辐射区间是受影响的范围。进而,根据所述影响预估结果对所述初始治理方案中的治理参数进行调整,从而对受到影响的治理效果进行弥补。
进一步的,本申请实施例步骤S680还包括:
步骤S681:根据所述数据读取结果和所述初始治理方案进行治理适配评价,获得适配评价结果;
步骤S682:通过所述影响预估结果对所述适配评价结果进行适配修正,获得适配修正结果;
步骤S683:判断所述适配修正结果是否能满足预设适配阈值;
步骤S684:当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令;
步骤S685:通过所述调整方案指令控制获得所述调整治理方案。
具体而言,据所述数据读取结果和所述初始治理方案进行治理适配评价,即通过根据所述数据读取结果确定目标治理水域的实际水生态现状,根据所述初始治理方案确定根据治理方案进行治理可以调整的范围,结合所述数据读取结果判断初始治理方案是否可以将数据读取结果中的实际水生态修复至符合要求的程度,即进行治理适配评价。将数据读取结果与治理后各项数据能够达到的数值之间的差值作为适配评价结果。进而,根据所述影响预估结果对所述适配评价结果进行修正,考虑到关联水域和排放点的影响,得到所述适配修正结果。所述预设适配阈值是由工作人员设定的可以满足要求的范围。当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令,通过根据调整方案指令控制获得所述调整治理方案。所述调整方案指令是用于下达对初始治理方案进行调整的命令。
在一个实施例中,参照图4,提供了一种拦截氮磷的水生态修复管理系统,包括:基础信息采集模块11,调用结果获得模块12,图像采集结果获得模块13,治理方案获得模块14,数据读取结果获得模块15,治理管理模块16,其中:
基础信息采集模块11,所述基础信息采集模块11用于采集获得目标治理水域的基础信息;
调用结果获得模块12,所述调用结果获得模块12用于基于根据所述基础信息通过数据交互装置进行关联数据调用,获得数据调用结果,其中,所述数据调用结果包括关联水域信息、排放点信息;
图像采集结果获得模块13,所述图像采集结果获得模块13用于通过图像采集装置进行所述目标治理水域的图像采集,生成图像采集结果;
治理方案获得模块14,所述治理方案获得模块14用于将所述图像采集结果、所述数据调用结果和所述基础信息输入智能修复管理模型,输出初始治理方案,通过所述初始治理方案执行所述目标治理水域的生态修复;
数据读取结果获得模块15,所述数据读取结果获得模块15用于根据所述数据调用结果和所述基础信息布设监测传感器,通过所述监测传感器进行监测数据读取,获得数据读取结果;
治理管理模块16,所述治理管理模块16用于根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理。
进一步的,所述系统还包括:
位置关联分析单元,所述位置关联分析单元用于根据所述关联水域信息、所述排放点信息和所述基础信息进行位置关联分析,获得位置关联分析结果;
氮磷数据获得单元,所述氮磷数据获得单元用于根据所述数据调用结果获得关联水域和排放点的氮磷数据;
控制影响值获得单元,所述控制影响值获得单元用于根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值;
方案调整单元,所述方案调整单元用于通过所述关联控制影响值和所述数据读取结果对所述初始治理方案的方案调整。
进一步的,所述系统还包括:
控制阈值获得单元,所述控制阈值获得单元用于根据所述初始治理方案获得排放控制阈值;
偏差比对结果获得单元,所述偏差比对结果获得单元用于通过所述数据读取结果和所述排放控制阈值进行偏差比对,获得偏差比对结果,其中,所述偏差比对结果具有位置标识;
影响预估结果获得单元,所述影响预估结果获得单元用于根据所述关联控制影响值和所述偏差比对结果进行治理效果影响预估,获得影响预估结果,其中,所述影响预估结果包括影响中心点和辐射区间;
调整治理方案生成单元,所述调整治理方案生成单元用于通过所述影响预估结果生成所述调整治理方案。
进一步的,所述系统还包括:
识别特征集合获得单元,所述识别特征集合获得单元用于通过大数据构建水生植物识别特征集合;
特征库调用单元,所述特征库调用单元用于获得所述目标治理水域的位置特征信息,通过所述位置特征信息进行所述水生植物识别特征集合的特征库调用;
特征识别分布结果获得单元,所述特征识别分布结果获得单元用于通过所述特征库对所述图像采集结果进行特征识别,获得特征识别分布结果;
初始治理方案获得单元,所述初始治理方案获得单元用于根据所述特征识别分布结果、所述数据调用结果和所述基础信息输出获得所述初始治理方案。
进一步的,所述系统还包括:
隐含层添加单元,所述隐含层添加单元用于通过所述水生植物识别特征集合构建特征识别隐含层,并将所述特征识别隐含层添加至所述智能修复管理模型;
隐含层初始化单元,所述隐含层初始化单元用于当所述智能修复管理模型接收输入数据时,根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化;
特征识别单元,所述特征识别单元用于当初始化完成后,通过所述特征识别隐含层对所述图像采集结果进行特征识别,获得所述特征识别分布结果;
模型输入单元,所述模型输入单元用于将所述特征识别分布结果、所述数据调用结果和所述基础信息输入至所述智能修复管理模型,输出获得所述初始治理方案。
进一步的,所述系统还包括:
适配评价结果获得单元,所述适配评价结果获得单元用于根据所述数据读取结果和所述初始治理方案进行治理适配评价,获得适配评价结果;
适配修正结果获得单元,所述适配修正结果获得单元用于通过所述影响预估结果对所述适配评价结果进行适配修正,获得适配修正结果;
适配修正结果判断单元,所述适配修正结果判断单元用于判断所述适配修正结果是否能满足预设适配阈值;
调整方案指令生成单元,所述调整方案指令生成单元用于当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令;
调整方案生成单元,所述调整方案生成单元用于通过所述调整方案指令控制获得所述调整治理方案。
进一步的,所述系统还包括:
数据记录结果获得单元,所述数据记录结果获得单元用于对所述目标治理水域进行治理数据记录,获得数据记录结果;
模型优化更新单元,所述模型优化更新单元用于基于所述数据记录结果对所述智能修复管理模型进行模型优化更新;
修复管理单元,所述修复管理单元用于通过优化更新后的所述智能修复管理模型进行水生态修复管理。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种拦截氮磷的水生态修复管理方法,其特征在于,所述方法应用于水生态修复管理系统,所述水生态修复管理系统与图像采集装置、数据交互装置、监测传感器通信连接,所述方法包括:
采集获得目标治理水域的基础信息;
基于根据所述基础信息通过所述数据交互装置进行关联数据调用,获得数据调用结果,其中,所述数据调用结果包括关联水域信息、排放点信息,所述关联水域信息是对所述目标治理水域的水流有相互贯通的水域相关信息,包括名称、所在地理位置、等级、范围、水域面积;所述排放点信息是与所述目标治理水域进行水流交叉的各个排放点有关的信息,包括排放点位置、排放点环境;
通过所述图像采集装置进行所述目标治理水域的图像采集,生成图像采集结果;
将所述图像采集结果、所述数据调用结果和所述基础信息输入智能修复管理模型,输出初始治理方案,通过所述初始治理方案执行所述目标治理水域的生态修复;
根据所述数据调用结果和所述基础信息布设所述监测传感器,通过所述监测传感器进行监测数据读取,获得数据读取结果;
根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理;
其中,输出初始治理方案,包括:
通过大数据构建水生植物识别特征集合;
获得所述目标治理水域的位置特征信息,通过所述位置特征信息进行所述水生植物识别特征集合的特征库调用;
通过所述特征库对所述图像采集结果进行特征识别,获得特征识别分布结果;
根据所述特征识别分布结果、所述数据调用结果和所述基础信息输出获得所述初始治理方案;
通过所述水生植物识别特征集合构建特征识别隐含层,并将所述特征识别隐含层添加至所述智能修复管理模型;
当所述智能修复管理模型接收输入数据时,根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化;
当初始化完成后,通过所述特征识别隐含层对所述图像采集结果进行特征识别,获得所述特征识别分布结果;
将所述特征识别分布结果、所述数据调用结果和所述基础信息输入至所述智能修复管理模型,输出获得所述初始治理方案;
其中,根据所述数据读取结果对所述初始治理方案的方案调整,包括:
根据所述关联水域信息、所述排放点信息和所述基础信息进行位置关联分析,获得位置关联分析结果,其中,通过根据所述关联水域信息、所述排放点信息和所述基础信息确定关联水域的排放点距离目标治理水域的距离,根据距离的远近确定位置关联分析结果;
根据所述数据调用结果获得关联水域和排放点的氮磷数据;
根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值,所述关联控制影响值是周围水域以及排放点对目标治理水域的影响系数;
通过所述关联控制影响值和所述数据读取结果对所述初始治理方案的方案调整;
根据所述初始治理方案获得排放控制阈值;
通过所述数据读取结果和所述排放控制阈值进行偏差比对,获得偏差比对结果,其中,所述偏差比对结果具有位置标识;
根据所述关联控制影响值和所述偏差比对结果进行治理效果影响预估,获得影响预估结果,其中,所述影响预估结果包括影响中心点和辐射区间;
通过所述影响预估结果生成所述调整治理方案;
其中,根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理,包括:
根据所述数据读取结果和所述初始治理方案进行治理适配评价,获得适配评价结果;
通过所述影响预估结果对所述适配评价结果进行适配修正,获得适配修正结果;
判断所述适配修正结果是否能满足预设适配阈值;
当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令;
通过所述调整方案指令控制获得所述调整治理方案;
对所述目标治理水域进行治理数据记录,获得数据记录结果;
基于所述数据记录结果对所述智能修复管理模型进行模型优化更新;
通过优化更新后的所述智能修复管理模型进行水生态修复管理。
2.一种拦截氮磷的水生态修复管理系统,其特征在于,所述系统包括:
基础信息采集模块,所述基础信息采集模块用于采集获得目标治理水域的基础信息;
调用结果获得模块,所述调用结果获得模块用于基于根据所述基础信息通过数据交互装置进行关联数据调用,获得数据调用结果,其中,所述数据调用结果包括关联水域信息、排放点信息,所述关联水域信息是对所述目标治理水域的水流有相互贯通的水域相关信息,包括名称、所在地理位置、等级、范围、水域面积;所述排放点信息是与所述目标治理水域进行水流交叉的各个排放点有关的信息,包括排放点位置、排放点环境;
图像采集结果获得模块,所述图像采集结果获得模块用于通过图像采集装置进行所述目标治理水域的图像采集,生成图像采集结果;
治理方案获得模块,所述治理方案获得模块用于将所述图像采集结果、所述数据调用结果和所述基础信息输入智能修复管理模型,输出初始治理方案,通过所述初始治理方案执行所述目标治理水域的生态修复;
数据读取结果获得模块,所述数据读取结果获得模块用于根据所述数据调用结果和所述基础信息布设监测传感器,通过所述监测传感器进行监测数据读取,获得数据读取结果;
治理管理模块,所述治理管理模块用于根据所述数据读取结果对所述初始治理方案的方案调整,基于调整治理方案进行所述目标治理水域的治理管理;
位置关联分析单元,所述位置关联分析单元用于根据所述关联水域信息、所述排放点信息和所述基础信息进行位置关联分析,获得位置关联分析结果,其中,通过根据所述关联水域信息、所述排放点信息和所述基础信息确定关联水域的排放点距离目标治理水域的距离,根据距离的远近确定位置关联分析结果;
氮磷数据获得单元,所述氮磷数据获得单元用于根据所述数据调用结果获得关联水域和排放点的氮磷数据;
控制影响值获得单元,所述控制影响值获得单元用于根据所述氮磷数据和所述位置关联分析结果设定关联控制影响值,所述关联控制影响值是周围水域以及排放点对目标治理水域的影响系数;
方案调整单元,所述方案调整单元用于通过所述关联控制影响值和所述数据读取结果对所述初始治理方案的方案调整;
控制阈值获得单元,所述控制阈值获得单元用于根据所述初始治理方案获得排放控制阈值;
偏差比对结果获得单元,所述偏差比对结果获得单元用于通过所述数据读取结果和所述排放控制阈值进行偏差比对,获得偏差比对结果,其中,所述偏差比对结果具有位置标识;
影响预估结果获得单元,所述影响预估结果获得单元用于根据所述关联控制影响值和所述偏差比对结果进行治理效果影响预估,获得影响预估结果,其中,所述影响预估结果包括影响中心点和辐射区间;
调整治理方案生成单元,所述调整治理方案生成单元用于通过所述影响预估结果生成所述调整治理方案;
识别特征集合获得单元,所述识别特征集合获得单元用于通过大数据构建水生植物识别特征集合;
特征库调用单元,所述特征库调用单元用于获得所述目标治理水域的位置特征信息,通过所述位置特征信息进行所述水生植物识别特征集合的特征库调用;
特征识别分布结果获得单元,所述特征识别分布结果获得单元用于通过所述特征库对所述图像采集结果进行特征识别,获得特征识别分布结果;
初始治理方案获得单元,所述初始治理方案获得单元用于根据所述特征识别分布结果、所述数据调用结果和所述基础信息输出获得所述初始治理方案;
隐含层添加单元,所述隐含层添加单元用于通过所述水生植物识别特征集合构建特征识别隐含层,并将所述特征识别隐含层添加至所述智能修复管理模型;
隐含层初始化单元,所述隐含层初始化单元用于当所述智能修复管理模型接收输入数据时,根据所述基础信息获得所述位置特征信息,基于所述位置特征信息进行所述特征识别隐含层的初始化;
特征识别单元,所述特征识别单元用于当初始化完成后,通过所述特征识别隐含层对所述图像采集结果进行特征识别,获得所述特征识别分布结果;
模型输入单元,所述模型输入单元用于将所述特征识别分布结果、所述数据调用结果和所述基础信息输入至所述智能修复管理模型,输出获得所述初始治理方案;
适配评价结果获得单元,所述适配评价结果获得单元用于根据所述数据读取结果和所述初始治理方案进行治理适配评价,获得适配评价结果;
适配修正结果获得单元,所述适配修正结果获得单元用于通过所述影响预估结果对所述适配评价结果进行适配修正,获得适配修正结果;
适配修正结果判断单元,所述适配修正结果判断单元用于判断所述适配修正结果是否能满足预设适配阈值;
调整方案指令生成单元,所述调整方案指令生成单元用于当所述适配修正结果不能满足所述预设适配阈值,则生成调整方案指令;
调整方案生成单元,所述调整方案生成单元用于通过所述调整方案指令控制获得所述调整治理方案;
数据记录结果获得单元,所述数据记录结果获得单元用于对所述目标治理水域进行治理数据记录,获得数据记录结果;
模型优化更新单元,所述模型优化更新单元用于基于所述数据记录结果对所述智能修复管理模型进行模型优化更新;
修复管理单元,所述修复管理单元用于通过优化更新后的所述智能修复管理模型进行水生态修复管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310130384.8A CN116205403B (zh) | 2023-02-17 | 2023-02-17 | 一种拦截氮磷的水生态修复管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310130384.8A CN116205403B (zh) | 2023-02-17 | 2023-02-17 | 一种拦截氮磷的水生态修复管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116205403A CN116205403A (zh) | 2023-06-02 |
CN116205403B true CN116205403B (zh) | 2023-09-22 |
Family
ID=86516809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310130384.8A Active CN116205403B (zh) | 2023-02-17 | 2023-02-17 | 一种拦截氮磷的水生态修复管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116205403B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118469250A (zh) * | 2024-07-09 | 2024-08-09 | 浙江中蓝环境科技有限公司 | 一种沟渠化河道模块化原位治理设备及其管控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109653156A (zh) * | 2019-01-14 | 2019-04-19 | 河海大学 | 一种多变环境下的河道健康实时诊断与自修复方法 |
CN112684133A (zh) * | 2020-12-18 | 2021-04-20 | 南京大博环境监测科技有限公司 | 基于大数据平台的水质监测预警方法、系统及存储介质 |
CN114255402A (zh) * | 2021-12-21 | 2022-03-29 | 江苏天汇空间信息研究院有限公司 | 基于大数据的生态环境修复过程动态监管系统 |
CN114351828A (zh) * | 2022-01-17 | 2022-04-15 | 大唐融合通信股份有限公司 | 一种污水处理方法、装置及控制设备 |
CN216486750U (zh) * | 2021-10-29 | 2022-05-10 | 重庆市綦江区水利局 | 河流水文数据定点采集装置 |
CN115205066A (zh) * | 2022-06-13 | 2022-10-18 | 长沙理工大学 | 一种基于控制单元水环境质量目标管理的水质模拟系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210163324A1 (en) * | 2019-12-01 | 2021-06-03 | Jiangsu Easthigh Environmental Holdings Ltd. | River course treatment integration system |
-
2023
- 2023-02-17 CN CN202310130384.8A patent/CN116205403B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109653156A (zh) * | 2019-01-14 | 2019-04-19 | 河海大学 | 一种多变环境下的河道健康实时诊断与自修复方法 |
CN112684133A (zh) * | 2020-12-18 | 2021-04-20 | 南京大博环境监测科技有限公司 | 基于大数据平台的水质监测预警方法、系统及存储介质 |
CN216486750U (zh) * | 2021-10-29 | 2022-05-10 | 重庆市綦江区水利局 | 河流水文数据定点采集装置 |
CN114255402A (zh) * | 2021-12-21 | 2022-03-29 | 江苏天汇空间信息研究院有限公司 | 基于大数据的生态环境修复过程动态监管系统 |
CN114351828A (zh) * | 2022-01-17 | 2022-04-15 | 大唐融合通信股份有限公司 | 一种污水处理方法、装置及控制设备 |
CN115205066A (zh) * | 2022-06-13 | 2022-10-18 | 长沙理工大学 | 一种基于控制单元水环境质量目标管理的水质模拟系统 |
Non-Patent Citations (1)
Title |
---|
长江生态环境保护修复智慧决策平台构建与初步设计;刘柏音;刘孝富;王维;环境科学研究(第005期);第1276-1283 * |
Also Published As
Publication number | Publication date |
---|---|
CN116205403A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116205403B (zh) | 一种拦截氮磷的水生态修复管理方法及系统 | |
CN115358332A (zh) | 面向多源数据的大气污染溯源方法 | |
CN109116444B (zh) | 基于PCA-kNN的空气质量模式PM2.5预报方法 | |
CN115661547B (zh) | 一种基于知识图谱的植物灌溉养护方法及系统 | |
CN114444660A (zh) | 基于注意力机制和lstm的短期电力负荷预测方法 | |
CN116109011B (zh) | 一种智慧园区的能耗管理方法及终端 | |
Florita et al. | Comparison of short-term weather forecasting models for model predictive control | |
CN112508437A (zh) | 一种微气候环境下风速预报的时序相似误差订正方法 | |
CN115623974A (zh) | 一种基于物联网的智慧城市绿地管理方法和系统 | |
CN118037014B (zh) | 基于物联网的道路施工监测系统 | |
CN116822115A (zh) | 一种基于数字孪生技术的智慧园区的环境管理方法及系统 | |
CN117937497A (zh) | 算力负载均衡方法及装置 | |
CN116957141A (zh) | 一种基于Transformer模型的智能灌溉预测方法及系统 | |
CN116662466A (zh) | 通过大数据进行土地全生命周期维护系统 | |
CN115619605A (zh) | 一种基于语义信息的传统民居环境质量评估方法 | |
CN113627687A (zh) | 一种基于arima-lstm组合模型的供水量预测方法 | |
JP7546442B2 (ja) | 生育評価制御装置、生育評価方法、生育評価制御プログラム | |
CN114754396B (zh) | 一种经智能算法优化的热电厂集中供热系统和方法 | |
KR102486456B1 (ko) | 스마트 온실 관리 방법 및 클라우드 서버 | |
CN109520095A (zh) | 一种基于智能家居的室内装修空气净化控制系统 | |
CN117905637B (zh) | 基于多传感数据的风机动态调节方法及系统 | |
KR102672318B1 (ko) | 스마트팜 냉방 패키지 최적설계 지원 시스템 | |
CN116076339B (zh) | 一种田间智能灌溉系统 | |
CN114881382B (zh) | 一种用于供热需求负荷自主预测的优化调节方法 | |
CN117951531B (zh) | 训练方法、区域雨水径流污染负荷预测方法及装置 |
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 |