CN116433041A - 一种小流域水生态的集成治理方法及系统 - Google Patents
一种小流域水生态的集成治理方法及系统 Download PDFInfo
- Publication number
- CN116433041A CN116433041A CN202310130392.2A CN202310130392A CN116433041A CN 116433041 A CN116433041 A CN 116433041A CN 202310130392 A CN202310130392 A CN 202310130392A CN 116433041 A CN116433041 A CN 116433041A
- Authority
- CN
- China
- Prior art keywords
- water
- ecological
- sub
- treatment
- basin
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 238000011156 evaluation Methods 0.000 claims abstract description 55
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 238000012806 monitoring device Methods 0.000 claims abstract description 21
- 230000008439 repair process Effects 0.000 claims description 29
- 238000010276 construction Methods 0.000 claims description 10
- 238000003066 decision tree Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 abstract description 9
- 230000001419 dependent effect Effects 0.000 abstract 1
- 230000006378 damage Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000011157 data evaluation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种小流域水生态的集成治理方法及系统，涉及水生态治理技术领域，确定目标区域的流域编码，关联水生态管理系统提取流域定量信息；划定多级子流域，基于流域定量信息配置监测点位，基于传感监测装置采集待评数据源，构建水生态测评模型分析待评数据源，输出水生态测评结果，进而输入修复决策模型中，确定生态治理方案，辅助调节装置进行作业单元水生态修复治理，解决了现有技术中对于水生态治理方案的处理方式智能度不足，过于依赖专家的经验进行主观评定，使得确认的治理方案精准度不足，导致最终的治理效果无法达到期望值的技术问题，通过进行目标区域等级划分，建模进行分级评估，实现治理方案的智能化精准分析。
Description
技术领域
本发明涉及水生态治理技术领域，具体涉及一种小流域水生态的集成治理方法及系统。
背景技术
水资源作为生物群落的生存发展依托，由于人为或环境外因的影响，存在着水生态破坏失衡等状况，长远可持续发展作为当前的主要发展方针，要求针对失衡生态基于发展规律进行治理修复，以维系生态平衡，保障生态系统的稳步运行。现如今，主要依据水生态治理政策，通过专家进行监测数据评估与采样分析，依据自身经验探讨确定治理方针，由于当前的方法存在着一定的主观能动性，对治理方案的确认造成一定的影响，使得与实际状况的贴合度不足。
现有技术中，对于水生态治理方案的处理方式智能度不足，过于依赖专家的经验进行主观评定，使得确认的治理方案精准度不足，导致最终的治理效果无法达到期望值。
发明内容
本申请提供了一种小流域水生态的集成治理方法及系统，用于针对解决现有技术中存在的对于水生态治理方案的处理方式智能度不足，过于依赖专家的经验进行主观评定，使得确认的治理方案精准度不足，导致最终的治理效果无法达到期望值的技术问题。
鉴于上述问题，本申请提供了一种小流域水生态的集成治理方法及系统。
第一方面，本申请提供了一种小流域水生态的集成治理方法，所述方法包括：
确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
对所述多级子流域配置多维指标参数，构建水生态测评模型；
将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
第二方面，本申请提供了一种小流域水生态的集成治理系统，所述系统包括：
信息提取模块，所述信息提取模块用于确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
子流域划定模块，所述子流域划定模块用于基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
数据监测模块，所述数据监测模块用于基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
模型构建模块，所述模型构建模块用于对所述多级子流域配置多维指标参数，构建水生态测评模型；
结果输出模块，所述结果输出模块用于将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
方案确定模块，所述方案确定模块用于将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
方案治理模块，所述方案治理模块用于基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
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一种小流域水生态的集成治理方法，确定目标区域的流域编码，关联水生态管理系统提取流域定量信息；基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源，对所述多级子流域配置多维指标参数，构建水生态测评模型分析所述待评数据源，输出水生态测评结果，进而输入修复决策模型中，进行多层级匹配确定生态治理方案，基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理，解决了现有技术中存在的对于水生态治理方案的处理方式智能度不足，过于依赖专家的经验进行主观评定，使得确认的治理方案精准度不足，导致最终的治理效果无法达到期望值的技术问题，通过进行目标区域等级划分，建模进行分级评估，实现治理方案的智能化精准分析。
附图说明
图1为本申请提供了一种小流域水生态的集成治理方法流程示意图；
图2为本申请提供了一种小流域水生态的集成治理方法中多维指标参数配置流程示意图；
图3为本申请提供了一种小流域水生态的集成治理方法中修复决策模型构建流程示意图；
图4为本申请提供了一种小流域水生态的集成治理系统结构示意图。
附图标记说明：信息提取模块11，子流域划定模块12，数据监测模块13，模型构建模块14，结果输出模块15，方案确定模块16，方案治理模块17。
具体实施方式
本申请通过提供一种小流域水生态的集成治理方法及系统，确定目标区域的流域编码，关联水生态管理系统提取流域定量信息；划定多级子流域，基于流域定量信息配置监测点位，基于传感监测装置采集待评数据源，构建水生态测评模型分析待评数据源，输出水生态测评结果，进而输入修复决策模型中，确定生态治理方案，辅助调节装置进行作业单元水生态修复治理，用于解决现有技术中存在的对于水生态治理方案的处理方式智能度不足，过于依赖专家的经验进行主观评定，使得确认的治理方案精准度不足，导致最终的治理效果无法达到期望值的技术问题。
实施例一
如图1所示，本申请提供了一种小流域水生态的集成治理方法，所述方法应用于小流域水生态的集成治理系统，所述系统与传感监测装置、调节装置通信连接，所述方法包括：
步骤S100：确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
具体而言，由于人为或环境外因的影响，存在着水生态破坏失衡等状况，长远可持续发展为当前的主要发展方针，要求针对失衡生态基于发展规律进行治理修复，以维系生态平衡。本申请提供的一种小流域水生态的集成治理方法应用于小流域水生态的集成治理系统，所述系统为进行管辖区域水生态监测治理的管控系统，所述系统与所述传感监测装置与所述调节装置通信连接，所述传感监测装置包括多类，用于进行实时生态数据的监测采集，所述调节装置为进行生态修复的辅助性装置，例如增氧设备等。
具体的，规定国土下划的各小流域区域，有一流域编码，用于进行标识区分与管控。所述目标区域为待进行水生态集成治理的目标区域，确定所述目标区域的流域编码。关联所述水生态管理系统，所述水生态管理系统为进行流域管辖的总控系统，根据所述流域编码，基于所述水生态管理系统进行相关信息调取，包括所述目标区域的分布位置、面积、生态系统等，对调取信息进行整合，生成所述流域定量信息。所述流域定量信息为所述目标区域的基础信息源，为后续进行生态状况监测分析提供了基本依据。
步骤S200：基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
具体而言，所述目标区域作为待监测治理范围，即待治理小流域，可能包含着多个微流域，不同微流域可能存在着生态系统的差异性，例如生物链，使得水质要求不同，例如，水质中的矿物质、菌落、微生物、酸碱性、含氧量等。设定水质评定标准，即对所述目标区域进行划分的评定标准，其中，生物链越复杂，对应的等级越高，确定所述多个微流域对应的生态系统，设定差异阈值，对所述目标区域进行划分，通过进行区域聚类，确定所述多级子流域，基于子流域所属类别、所属等级配置唯一标码，对所述多级子流域进行标识，以便快速进行识别区分，同一级别可能包括多个子流域，同级别子流域的水生态差异度较小。通过对所述目标区域进行多级子流域划分，便于基于流域级别进行针对性集成管控，提高后续管控治理效率。
步骤S300：基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
具体而言，基于所述水生态管理系统，调取所述流域定量信息，基于所述流域定量信息，对所述目标区域基于划分的所述多级子流域进行分布信息确定，确定所述多级子流域中各子流域的边界范围。进一步基于实际生态实况确定布设传感监测装置，例如温度传感监测装置、图像传感监测装置等，在不妨碍正常生态链运作的基础上，于所述多级子流域内进行均匀布设，包括水域区域、植被生长区域等。进一步基于所述传感监测装置进行数据实时监测采集，基于采集位置对采集数据进行对应标识，进行数据区域整合，生成所述待评数据源，以保障所述待评数据源的实时性与精准性，基于所述待评数据源进行生态状况评估，以作相应治理修复。
步骤S400：对所述多级子流域配置多维指标参数，构建水生态测评模型；
进一步而言，如图2所示，所述对所述多级子流域配置多维指标参数，本申请步骤S400还包括：
步骤S410-1：确定多维监测指标，包括环境维度、结构维度与功能维度；
步骤S420-1：基于所述多级子流域，确定各子流域的平衡要求；
步骤S430-1：基于所述平衡要求与所述多维监测指标，依据所述环境维度、所述结构维度与所述功能维度确定所述多维指标参数。
具体而言，基于所述传感监测装置对所述多级子流域进行实时数据监测采集，获取所述待评数据源。对所述待评数据源基于多维指标进行评估，以确定生态实况。基于所述环境维度、所述结构维度与所述功能维度分别进行评估分析，以保障数据分析完备性与准确度，例如，针对所述环境维度，将入侵异物、入侵范围作为监测指标；针对所述结构维度，将生态完整度、种群层次变化等作为监测指标，获取所述多维监测指标，一般而言，单维度存在异常，会对其余维度造成影响，三者相辅相成。
进一步的，针对所述多级子流域，确定各个子流域维系各项指标的标准要求，其中并非要求越高越好，与实际生态需求相匹配即可，例如生物链关系、水质要求、植被覆盖要求等，确定所述多级子流域的平衡要求。进一步基于所述平衡要求与所述多维监测指标，确定各子流域的指标阈值，即维系正常生态的指标数据临界值，对所述多级子流域与所述指标阈值进行映射对应，生成所述多维指标参数，可有效保障所述多维指标参数与对应子流域的契合度，为后续进行监测数据评估提供了依据。
基于所述多维指标参数，确定水生态评估标准，其中，不同子流域对应的所述多维指标参数不同，构建所述水生态测评模型，所述水生态测评模型为辅助性测评工具，可有效保障测评结果的客观性与准确度。所述水生态测评模型包括多个水生态测评模块，与所述多级子流域相对应，对所述多级子流域进行数据的针对性分析，提高分析精准度与数据处理效率。
进一步而言，所述构建水生态测评模型，本申请步骤S400还包括：
步骤S410-2：基于所述水生态管理系统，调取预定时间粒度下的历史数据集，其中，所述历史数据集包括历史监测数据与生态评估结果，所述生态评估结果包涵所述多维指标参数的评估结果；
步骤S420-2：基于所述多级子流域，对所述历史数据集进行划分，确定N项历史数据子集；
步骤S430-2：基于所述N项历史数据子集，构建N项水生态测评模块；
步骤S440-2：对所述N项水生态测评模块进行集成，生成所述水生态测评模型。
进一步而言，本申请步骤S430-2还包括：
步骤S431-2：基于所述N项历史数据子集，提取一项历史数据子集；
步骤S432-2：基于一项历史监测数据与一项生态评估结果的映射关系，对所述一项历史数据子集进行分组，确定K组监管数据；
步骤S433-2：基于机器学习算法，构建第一水生态测评模块；
步骤S434-2：根据K折交叉法，基于所述K组监管数据对所述第一水生态测评模块进行训练，获取构建完成的所述第一水生态测评模块；
步骤S435-2：基于所述N项历史数据子集，重复N次，生成N项水生态测评模块，其中，所述N项水生态测评模块与所述多级子流域一一对应。
具体而言，设定所述预定时间粒度，即进行历史数据调取的时间区间，基于所述水生态管理系统，根据所述预定时间粒度，对所述多级子流域分别进行所述历史监测数据与所述生态评估结果进行调取，作为所述历史数据集，其中，所述生态评估结果包括所述多维指标参数的评估结果。进一步将所述历史数据集划分为所述N项历史数据子集，所述N项历史数据子集与所述多级子流域相对应，分别用于进行对应子流域的所述水生态测评模块的构建。
具体的，基于所述N项历史数据子集，提取一项历史数据子集，为所述多级子流域中一子流域水生态测评模块的构建数据集。所述一项历史数据子集包括所述一项历史监测数据与所述一项生态评估结果，其中所述一项历史监测数据为监测采集数据，所述一项生态评估结果为该监测采集数据的对应评估结果，两者一一对应。将所述一项历史数据子集均分为K组，获取所述K组监管数据。基于所述机器学习算法，构建所述第一水生态测评模块，所述第一水生态测评模块包括多级功能层，即数据识别层与结果评估层。将所述K组监管数据中K-1组作为训练集，将剩余一组作为测试集，输入所述第一水生态测评模块中，进行模块训练测试，将测试集输入模块，将对应的输出结果与测试集的生态评估结果进行比对，确定模块的泛化误差；进一步对所述训练集与所述验证集进行数据调整，保障每组数据有机会作为测试集，并确定各个训练模块的泛化误差，确定其中误差最小者，将对应的训练模块作为最终确定的所述第一水生态测评模型，可有效提高模型分析结果的精准度。
重复上述模块建立步骤，基于所述N项历史数据子集，生成所述N项水生态测评模块，其中，所述N项水生态测评模块的构建流程机制相同，且与所述多级子流域一一对应。集成所述N项水生态测评模块，生成所述水生态测评模型，基于所述水生态测评模型，对所述待评数据源进行评估。
步骤S500：将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
具体而言，通过构建所述水生态测评模型，作为所述待评数据源的辅助性分析工具。将所述待评数据源输入所述水生态测评模型中，对所述待评数据源基于所述多级子流域进行数据划分，对数据划分结果与N项水生态测评模块进行匹配，进而将数据传输至对应的水生态测评模块中，分别输出对应子流域的水生态测评结果，对结果进行整合与子流域标码标识，作为所述水生态测评模型的输出结果。所述水生态测评结果的获取为后续进行生态修复分析夯实了基础。
步骤S600：将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
进一步而言，如图3所示，所述将所述水生态测评结果输入修复决策模型中之前，本申请步骤S600还包括：
步骤S610：基于子流域标码，确定多组编码识别节点；
步骤S620：基于所述多级子流域，确定多个等级匹配节点；
步骤S630：进行水生态污染统计，构建生态数据库，其中，所述生态数据库包括多种受损水生态与水生态治理方案；
步骤S640：基于所述多种受损水生态，确定多组受损溯源节点；
步骤S650：基于所述水生态治理方案，确定多组方案匹配节点；
步骤S660：对所述编码识别节点、所述等级匹配节点、所述受损溯源节点与所述方案匹配节点进行层级关联连接，构建修复决策树；
步骤S670：基于所述修复决策树，生成所述修复决策模型。
具体而言，构建所述修复决策模型，所述修复决策模型为进行生态修复方案分析的辅助性工具。基于所述子流域标码，可进行所述多级子流域的区分识别，确定所述多组编码识别节点，所述多组编码识别节点对应所述多级子流域。基于所述多级子流域，确定所述多个等级匹配节点，所述多个等级匹配节点与子流域级别相一致，不同级别子流域的修复要求、状态不同，便于进行集成针对性分析。
进一步的，对所述多级子流域进行生态污染统计，确定各个子流域的生态破坏次数与破坏程度，并确定对应的治理方案，进行信息归类筛选整合，确定代表性信息，包括多种受损水生态与所述水生态治理方案，对两者进行映射对应，生成所述生态数据库。基于所述多种受损水生态，其中，同种受损水生态包括多种受损等级，例如点源污染、面源污染等，确定所述多组受损溯源节点，用于进行生态破坏受损类型与等级匹配分析。基于所述生态数据库，提取所述水生态治理方案，对所述水生态治理方案与所述多组受损溯源节点进行关联对应，生成所述多组方案匹配节点。
基于所述编码识别节点、所述等级匹配节点、所述受损溯源节点与所述方案匹配节点，确定多级匹配层，基于层级节点关联关系进行节点连接，生成所述修复决策树，基于所述修复决策树生成所述修复决策模型。将所述水生态测评结果输入所述修复决策模型中，基于所述修复决策模型进行层级匹配分析，确定所述生态治理方案并进行模型输出，可有效提高分析效率与精准度，保障方案的实际契合度。
步骤S700：基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
进一步而言，本申请步骤S700还包括：
步骤S710：获取生态治理影响因素；
步骤S720：基于所述生态治理影响因素，生成制约系数，其中，所述制约系数带有正负号标识；
步骤S730：基于所述制约系数，对所述生态治理方案进行修正调整。
具体而言，通过构建所述修复决策模型对所述水生态测评结果进行生态修复分析，获取所述生态治理方案。所述生态治理方案为与实时生态实况契合度最高的修复方案，但收到不可控外因的影响，为保障治理结果与期望值相符，需针对不可控外因对所述生态治理方法进行调整。获取所述生态治理影响因素，即影响治理效果的外因，示例性的水流方向、速度等，例如进行物料投放时，可能导致无法达到目标位置。基于所述生态治理影响因素，确定各因素对于所述生态治理方案的执行制约程度，生成所述制约系数，即执行制约程度的可视化表述，其中，可能存在正向推进效果与反向制约效果，基于正负号对所述制约系数进行标识，为后续提供了方案调整便利。基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理，其中，所述调节装置为辅助治理装置，例如增氧设备等，所述作业单元为待进行修复治理的区域。基于所述制约系数对所述生态治理方案进行调整，使得所述生态治理方案与生态实况更加契合，使得治理效果更符合期望值。
进一步而言，本申请实施例还包括步骤S800，包括
步骤S810：基于所述历史数据集，设定监测周期；
步骤S820：针对特殊时区，确定增设监测时间节点；
步骤S830：基于所述增设监测时间节点作一级应急处理，获取一级应急处理结果；
步骤S840：基于所述一级应急处理结果，基于所述生态治理方案作二级修复治理；
步骤S850：基于所述监测周期进行流域生态定期监测，基于所述生态治理方案进行修复治理。
具体而言，对所述目标区域进行生态监测时，可定期间隔一定时间区间进行。基于所述历史数据集，确定所述目标区域中所述多级子流域的生态损伤周期，分别针对所述多级子流域配置监测时间区间，生成所述监测周期，其中，所述多级子流域的监测时间节点并非同步，基于各子流域实况而定。基于所述监测周期进行对应子流域的生态数据监测采集，基于分析结果生成所述生态治理方案完成修复治理。
其中，由于环境、地质运动等外界因素的不可控性，会造成突发性生态破坏，例如突发排污、自然灾害等，以导致生态损伤严重，甚至无法维系生态系统运行。基于所述目标区域的地理位置，确定突发性历史事件，确定对应的时间节点，可适当进行节点宽泛化，避免造成遗漏或作适当预防，确定所述增设监测时间节点。基于所述增设监测时间节点，对所述多级子流域进行全方位同步监测采集，进行监测数据评估进行一级应急处理，所述一级应急处理为大范围下的初步修复，获取所述一级应急处理结果。进一步将所述一级应急处理结果作为所述水生态测评结果，基于上述方案分析步骤确定所述生态治理方案，基于所述生态治理方案进行二级修复治理，即细化治理，进行生态系统完整性恢复。
实施例二
基于与前述实施例中一种小流域水生态的集成治理方法相同的发明构思，如图4所示，本申请提供了一种小流域水生态的集成治理系统，所述系统包括：
信息提取模块11，所述信息提取模块11用于确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
子流域划定模块12，所述子流域划定模块12用于基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
数据监测模块13，所述数据监测模块13用于基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
模型构建模块14，所述模型构建模块14用于对所述多级子流域配置多维指标参数，构建水生态测评模型；
结果输出模块15，所述结果输出模块15用于将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
方案确定模块16，所述方案确定模块16用于将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
方案治理模块17，所述方案治理模块17用于基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
进一步而言，所述系统还包括：
指标确定模块，所述指标确定模块用于确定多维监测指标，包括环境维度、结构维度与功能维度；
平衡要求获取模块，所述平衡要求获取模块用于基于所述多级子流域，确定各子流域的平衡要求；
参数确定模块，所述参数确定模块用于基于所述平衡要求与所述多维监测指标，依据所述环境维度、所述结构维度与所述功能维度确定所述多维指标参数。
进一步而言，所述系统还包括：
数据集调取模块，所述数据集调取模块用于基于所述水生态管理系统，调取预定时间粒度下的历史数据集，其中，所述历史数据集包括历史监测数据与生态评估结果，所述生态评估结果包涵所述多维指标参数的评估结果；
数据集划分模块，所述数据集划分模块用于基于所述多级子流域，对所述历史数据集进行划分，确定N项历史数据子集；
构建模块，所述构建模块用于基于所述N项历史数据子集，构建N项水生态测评模块；
模型生成模块，所述模型生成模块用于对所述N项水生态测评模块进行集成，生成所述水生态测评模型。
进一步而言，所述系统还包括：
子集提取模块，所述子级提取模块用于基于所述N项历史数据子集，提取一项历史数据子集；
数据分组模块，所述数据分组模块用于基于一项历史监测数据与一项生态评估结果的映射关系，对所述一项历史数据子集进行分组，确定K组监管数据；
第一水生态测评模块构建模块，所述第一水生态测评模块构建模块用于基于机器学习算法，构建第一水生态测评模块；
训练模块，所述训练模块用于根据K折交叉法，基于所述K组监管数据对所述第一水生态测评模块进行训练，获取构建完成的所述第一水生态测评模块；
N项水生态测评模块生成模块，所述N项水生态测评模块生成模块用于基于所述N项历史数据子集，重复N次，生成N项水生态测评模块，其中，所述N项水生态测评模块与所述多级子流域一一对应。
进一步而言，所述系统还包括：
编码识别节点确定模块，所述编码识别节点确定模块用于基于子流域标码，确定多组编码识别节点；
等级匹配节点确定模块，所述等级匹配节点确定模块用于基于所述多级子流域，确定多个等级匹配节点；
数据库构建模块，所述数据库构建模块用于进行水生态污染统计，构建生态数据库，其中，所述生态数据库包括多种受损水生态与水生态治理方案；
受损溯源节点确定模块，所述受损溯源节点确定模块用于基于所述多种受损水生态，确定多组受损溯源节点；
方案匹配节点确定模块，所述方案匹配节点确定模块用于基于所述水生态治理方案，确定多组方案匹配节点；
决策树构建模块，所述决策树构建模块用于对所述编码识别节点、所述等级匹配节点、所述受损溯源节点与所述方案匹配节点进行层级关联连接，构建修复决策树；
修复决策模型生成模块，所述修复决策模型生成模块用于基于所述修复决策树，生成所述修复决策模型。
进一步而言，所述系统还包括：
影响因素获取模块，所述影响因素获取模块用于获取生态治理影响因素；
系数生成模块，所述系数生成模块用于基于所述生态治理影响因素，生成制约系数，其中，所述制约系数带有正负号标识；
方案调整模块，所述方案调整模块用于基于所述制约系数，对所述生态治理方案进行修正调整。
进一步而言，所述系统还包括
周期设定模块，所述周期设定模块用于基于所述历史数据集，设定监测周期；
增设节点确定模块，所述增设节点确定模块用于针对特殊时区，确定增设监测时间节点；
一级应急处理模块，所述一级应急处理模块用于基于所述增设监测时间节点作一级应急处理，获取一级应急处理结果；
二级修复治理模块，所述二级修复治理模块用于基于所述一级应急处理结果，基于所述生态治理方案作二级修复治理；
生态修复模块，所述生态修复模块用于基于所述监测周期进行流域生态定期监测，基于所述生态治理方案进行修复治理。
本说明书通过前述对一种小流域水生态的集成治理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种小流域水生态的集成治理方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种小流域水生态的集成治理方法，其特征在于，所述方法应用于小流域水生态的集成治理系统，所述系统与传感监测装置、调节装置通信连接，所述方法包括：
确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
对所述多级子流域配置多维指标参数，构建水生态测评模型；
将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
2.如权利要求1所述的方法，其特征在于，所述对所述多级子流域配置多维指标参数，包括：
确定多维监测指标，包括环境维度、结构维度与功能维度；
基于所述多级子流域，确定各子流域的平衡要求；
基于所述平衡要求与所述多维监测指标，依据所述环境维度、所述结构维度与所述功能维度确定所述多维指标参数。
3.权利要求1所述的方法，其特征在于，所述构建水生态测评模型，包括：
基于所述水生态管理系统，调取预定时间粒度下的历史数据集，其中，所述历史数据集包括历史监测数据与生态评估结果，所述生态评估结果包涵所述多维指标参数的评估结果；
基于所述多级子流域，对所述历史数据集进行划分，确定N项历史数据子集；
基于所述N项历史数据子集，构建N项水生态测评模块；
对所述N项水生态测评模块进行集成，生成所述水生态测评模型。
4.如权利要求3所述的方法，其特征在于，包括：
基于所述N项历史数据子集，提取一项历史数据子集；
基于一项历史监测数据与一项生态评估结果的映射关系，对所述一项历史数据子集进行分组，确定K组监管数据；
基于机器学习算法，构建第一水生态测评模块；
根据K折交叉法，基于所述K组监管数据对所述第一水生态测评模块进行训练，获取构建完成的所述第一水生态测评模块；
基于所述N项历史数据子集，重复N次，生成N项水生态测评模块，其中，所述N项水生态测评模块与所述多级子流域一一对应。
5.如权利要求1所述的方法，其特征在于，所述将所述水生态测评结果输入修复决策模型中，之前包括：
基于子流域标码，确定多组编码识别节点；
基于所述多级子流域，确定多个等级匹配节点；
进行水生态污染统计，构建生态数据库，其中，所述生态数据库包括多种受损水生态与水生态治理方案；
基于所述多种受损水生态，确定多组受损溯源节点；
基于所述水生态治理方案，确定多组方案匹配节点；
对所述编码识别节点、所述等级匹配节点、所述受损溯源节点与所述方案匹配节点进行层级关联连接，构建修复决策树；
基于所述修复决策树，生成所述修复决策模型。
6.如权利要求1所述的方法，其特征在于，包括：
获取生态治理影响因素；
基于所述生态治理影响因素，生成制约系数，其中，所述制约系数带有正负号标识；
基于所述制约系数，对所述生态治理方案进行修正调整。
7.如权利要求3所述的方法，其特征在于，包括
基于所述历史数据集，设定监测周期；
针对特殊时区，确定增设监测时间节点；
基于所述增设监测时间节点作一级应急处理，获取一级应急处理结果；
基于所述一级应急处理结果，基于所述生态治理方案作二级修复治理；
基于所述监测周期进行流域生态定期监测，基于所述生态治理方案进行修复治理。
8.一种小流域水生态的集成治理系统，其特征在于，所述系统与传感监测装置、调节装置通信连接，所述系统包括：
信息提取模块，所述信息提取模块用于确定目标区域的流域编码，关联水生态管理系统，提取流域定量信息；
子流域划定模块，所述子流域划定模块用于基于水质评定标准，对所述目标区域进行水质等级评定，划定多级子流域，其中，同一级别包括单个或多个子流域，所述多级子流域分别带有唯一标码；
数据监测模块，所述数据监测模块用于基于所述流域定量信息，对所述多级子流域配置监测点位，基于所述传感监测装置，获取待评数据源；
模型构建模块，所述模型构建模块用于对所述多级子流域配置多维指标参数，构建水生态测评模型；
结果输出模块，所述结果输出模块用于将所述待评数据源输入所述水生态测评模型中，输出水生态测评结果；
方案确定模块，所述方案确定模块用于将所述水生态测评结果输入修复决策模型中，进行多层级匹配确定生态治理方案；
方案治理模块，所述方案治理模块用于基于所述生态治理方案，辅助所述调节装置进行作业单元水生态修复治理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310130392.2A CN116433041B (zh) | 2023-02-17 | 2023-02-17 | 一种小流域水生态的集成治理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310130392.2A CN116433041B (zh) | 2023-02-17 | 2023-02-17 | 一种小流域水生态的集成治理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116433041A true CN116433041A (zh) | 2023-07-14 |
| CN116433041B CN116433041B (zh) | 2024-04-05 |
Family
ID=87091447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310130392.2A Active CN116433041B (zh) | 2023-02-17 | 2023-02-17 | 一种小流域水生态的集成治理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433041B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150248A (zh) * | 2023-10-31 | 2023-12-01 | 南通思泽塑业有限公司 | 用于塑料瓶的气密评估方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2464056A1 (en) * | 2003-04-29 | 2004-10-29 | Vernon Rogers | Water resource management system and methods of use thereof |
| CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
| CN109636670A (zh) * | 2018-12-17 | 2019-04-16 | 郑州大学 | 一种基于小流域水生态环境保护阶段的河流类型划分方法 |
| CN110570089A (zh) * | 2019-08-09 | 2019-12-13 | 中国科学院南京地理与湖泊研究所 | 水生生物群落多参数指数评价河流生态状况的构建方法 |
| CN112150334A (zh) * | 2020-09-25 | 2020-12-29 | 山东科技大学 | 一种用于水质监测的多参数环保软件控制系统及控制方法 |
| CN112330081A (zh) * | 2020-08-05 | 2021-02-05 | 辽宁省生态环境保护科技中心 | 基于水生态环境功能分区单元的流域治理效果评估方法 |
| US20210389293A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis |
| CN113807702A (zh) * | 2021-09-18 | 2021-12-17 | 中铝环保生态技术(湖南)有限公司 | 一种矿山生态修复评价方法 |
| CN114529101A (zh) * | 2021-03-08 | 2022-05-24 | 中电建华东勘测设计研究院(郑州)有限公司 | 基于水生态功能分区的健康河流生态系统构建方法 |
| CN114693074A (zh) * | 2022-03-04 | 2022-07-01 | 湖南省水资源研究和利用合作中心 | 一种多维度流域生态安全动态监管系统 |
| CN115470702A (zh) * | 2022-09-14 | 2022-12-13 | 中山大学 | 一种基于机器学习的污水处理水质预测方法及系统 |
| CN115577018A (zh) * | 2022-12-01 | 2023-01-06 | 北京华科仪科技股份有限公司 | 一种水质监测数据的智能处理方法及系统 |
-
2023
- 2023-02-17 CN CN202310130392.2A patent/CN116433041B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2464056A1 (en) * | 2003-04-29 | 2004-10-29 | Vernon Rogers | Water resource management system and methods of use thereof |
| CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
| CN109636670A (zh) * | 2018-12-17 | 2019-04-16 | 郑州大学 | 一种基于小流域水生态环境保护阶段的河流类型划分方法 |
| CN110570089A (zh) * | 2019-08-09 | 2019-12-13 | 中国科学院南京地理与湖泊研究所 | 水生生物群落多参数指数评价河流生态状况的构建方法 |
| US20210389293A1 (en) * | 2020-06-12 | 2021-12-16 | Chinese Research Academy Of Environmental Sciences | Methods and Systems for Water Area Pollution Intelligent Monitoring and Analysis |
| CN112330081A (zh) * | 2020-08-05 | 2021-02-05 | 辽宁省生态环境保护科技中心 | 基于水生态环境功能分区单元的流域治理效果评估方法 |
| CN112150334A (zh) * | 2020-09-25 | 2020-12-29 | 山东科技大学 | 一种用于水质监测的多参数环保软件控制系统及控制方法 |
| CN114529101A (zh) * | 2021-03-08 | 2022-05-24 | 中电建华东勘测设计研究院(郑州)有限公司 | 基于水生态功能分区的健康河流生态系统构建方法 |
| CN113807702A (zh) * | 2021-09-18 | 2021-12-17 | 中铝环保生态技术(湖南)有限公司 | 一种矿山生态修复评价方法 |
| CN114693074A (zh) * | 2022-03-04 | 2022-07-01 | 湖南省水资源研究和利用合作中心 | 一种多维度流域生态安全动态监管系统 |
| CN115470702A (zh) * | 2022-09-14 | 2022-12-13 | 中山大学 | 一种基于机器学习的污水处理水质预测方法及系统 |
| CN115577018A (zh) * | 2022-12-01 | 2023-01-06 | 北京华科仪科技股份有限公司 | 一种水质监测数据的智能处理方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 彭文启;刘晓波;王雨春;邹晓雯;: "流域水环境与生态学研究回顾与展望", 水利学报, no. 09 * |
| 彭文启;刘晓波;王雨春;邹晓雯;: "流域水环境与生态学研究回顾与展望", 水利学报, no. 09, 18 September 2018 (2018-09-18) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150248A (zh) * | 2023-10-31 | 2023-12-01 | 南通思泽塑业有限公司 | 用于塑料瓶的气密评估方法及系统 |
| CN117150248B (zh) * | 2023-10-31 | 2024-01-26 | 南通思泽塑业有限公司 | 用于塑料瓶的气密评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116433041B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Man et al. | Forecasting COD load in municipal sewage based on ARMA and VAR algorithms | |
| CN115577018B (zh) | 一种水质监测数据的智能处理方法及系统 | |
| CN116433041B (zh) | 一种小流域水生态的集成治理方法及系统 | |
| Abrahart et al. | Using pruning algorithms and genetic algorithms to optimise network architectures and forecasting inputs in a neural network rainfall-runoff model | |
| CN117522632B (zh) | 一种基于深度学习的水质指标预测方法 | |
| CN106405030B (zh) | 一种基于rbf神经网络的出水总磷检测装置及检测方法 | |
| CN115757367A (zh) | 一种小流域水生态环境精细化管控的方法及系统 | |
| CN115713448A (zh) | 基于汇水单元的流域水污染常规因子快速溯源方法 | |
| CN112287613B (zh) | 针对流域水环境控制断面的污染物削减方法 | |
| CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
| CN117164103A (zh) | 生活污水处理系统的智能控制方法、终端及系统 | |
| Zhang et al. | Effluent Quality Prediction of Wastewater Treatment System Based on Small-world ANN. | |
| Jalalkamali et al. | Estimating water losses in water distribution networks using a hybrid of GA and neuro-fuzzy models | |
| KR101773568B1 (ko) | 수공간에서의 생태복원용 처리수 공급 제어방법 | |
| Ganoulis et al. | Risk analysis of wastewater reclamation and reuse | |
| CN114693493A (zh) | 一种基于IoT的污染河流水生态修复系统 | |
| Liang et al. | Prediction of Optimal Coagulant Dosage Based on FCM-ISSA-ANFIS Hybrid Mod. | |
| Zeng et al. | A convolutional neural network-based prediction mechanism for sewage treatment | |
| Šulyová et al. | Integrated water resources management in an urban concept: results from water smart cities and water management institutions in Slovakia | |
| Al-Aboodi et al. | Prediction of groundwater level in Safwan-Zubair area using artificial neural networks | |
| Chuvanich et al. | Evaluation of Artificial Neural Networks for Electrical Conductivity-based and Flow Rate-based Prediction of the Nitrate Nitrogen Concentration in the U-Tapao Canal, Hat Yai, Thailand. | |
| CN115879747B (zh) | 一种数字化防汛抗旱调度方法和系统 | |
| Babaali et al. | The efficiency of genetic programming model in simulating rainfall-runoff process (Case Study: Khorramabad river basin) | |
| Rosin et al. | Prediction of CSO chamber level using evolutionary artificial neural networks | |
| Ray et al. | Availability in different source of irrigation in India: a statistical approach |
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 |