CN116628959A - 一种携沙河流污染物迁移检测方法、装置及电子设备 - Google Patents
一种携沙河流污染物迁移检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116628959A CN116628959A CN202310538834.7A CN202310538834A CN116628959A CN 116628959 A CN116628959 A CN 116628959A CN 202310538834 A CN202310538834 A CN 202310538834A CN 116628959 A CN116628959 A CN 116628959A
- Authority
- CN
- China
- Prior art keywords
- sand
- river
- carrying
- detected
- pollutant
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 239
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 239
- 230000005012 migration Effects 0.000 title claims abstract description 171
- 238000013508 migration Methods 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 132
- 239000004576 sand Substances 0.000 claims abstract description 147
- 238000001514 detection method Methods 0.000 claims abstract description 98
- 230000008569 process Effects 0.000 claims abstract description 94
- 238000004088 simulation Methods 0.000 claims abstract description 59
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 31
- 238000009792 diffusion process Methods 0.000 claims description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 239000013049 sediment Substances 0.000 claims description 14
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种携沙河流污染物迁移检测方法、装置及电子设备,该方法包括:根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据;根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型;基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。通过依据历史断面数据及水文环境数据构建待测携沙河流的污染物迁移过程仿真模型,使该模型能够根据待测携沙河流的当前断面流速,精确模拟待测携沙河流的污染物迁移过程,从而提高了最终得到的污染物迁移检测结果的准确性。
Description
技术领域
本申请涉及工程仿真与数值模拟技术领域,尤其涉及一种携沙河流污染物迁移检测方法、装置及电子设备。
背景技术
水环境中的泥沙是许多污染物的主要迁移载体,泥沙运动是影响污染物迁移的重要因素,其运动过程对水环境污染有着重要的影响,考察携沙水流污染物迁移过程能够对水污染防治提供科学指导。
但是,由于携沙河流污染物迁移涉及到繁多且复杂的外部物理作用,尤其是在一些地形复杂的天然河段中,污染物的迁移受到泥沙沉降和断面阻碍影响,经典的泥沙输运公式和对流-扩散方程模型难以精确地刻画这类复杂的迁移行为,也就导致现有技术无法保证携沙河流污染物迁移检测结果的准确性。
发明内容
本申请提供一种携沙河流污染物迁移检测方法、装置及电子设备,以解决现有技术无法保证携沙河流污染物迁移检测结果的准确性等缺陷。
本申请第一个方面提供一种携沙河流污染物迁移检测方法,包括:
获取待测携沙河流的历史断面数据及水文环境数据;
根据所述待测携沙河流的历史断面数据及水文环境数据,确定所述待测携沙河流的污染物示踪剂实验数据;
根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型;
基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果。
可选的,所述根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型,包括:
根据所述待测携沙河流的污染物示踪剂实验数据,反演所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数;
根据所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建所述待测携沙河流的污染物迁移过程仿真模型;
其中,所述时间分数阶导数阶数表征所述待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性,所述空间分数阶导数阶数表征所述待测携沙河流中污染物沿着水流方向的扩散特性。
可选的,所述根据所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建所述待测携沙河流的污染物迁移过程仿真模型,包括:
基于如下表达式,构建所述待测携沙河流的污染物迁移过程仿真模型:
其中,u表示所述待测携沙河流的污染物浓度,t表示当前检测时间,x表示所述待测携沙河流的检测点空间位置,v表示所述待测携沙河流的当前断面流速,表示初始时刻的Caputo类型的时间分数阶导数,α表示时间分数阶导数阶数,/>表示待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数,β表示空间分数阶导数阶数,D表示超扩散系数。
可选的,所述基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果,包括:
获取所述待测携沙河流的当前断面流速;
向所述污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速,以基于所述污染物迁移过程仿真模型,根据所述当前检测时间、目标检测点空间位置及当前断面流速,模拟所述待测携沙河流的污染物迁移过程,得到所述待测携沙河流的污染物迁移检测结果;
其中,所述污染物迁移检测结果至少包括目标检测点的污染物浓度。
可选的,还包括:
根据所述待测携沙河流的污染物迁移检测结果,确定所述待测携沙河流的污染物时空分布结果;
根据所述待测携沙河流的污染物时空分布结果,确定所述待测携沙河流的污染程度。
可选的,所述历史断面数据至少包括所述待测携沙河流的历史断面流速。
可选的,所述水文环境数据至少包括所述待测携沙河流的污染物含量、水体温度和PH值。
本申请第二个方面提供一种携沙河流污染物迁移检测装置,包括:
获取模块,用于获取待测携沙河流的历史断面数据及水文环境数据;
确定模块,用于根据所述待测携沙河流的历史断面数据及水文环境数据,确定所述待测携沙河流的污染物示踪剂实验数据;
模型构建模块,用于根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型;
检测模块,用于基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果。
可选的,所述模型构建模块,具体用于:
根据所述待测携沙河流的污染物示踪剂实验数据,反演所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数;
根据所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建所述待测携沙河流的污染物迁移过程仿真模型;
其中,所述时间分数阶导数阶数表征所述待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性,所述空间分数阶导数阶数表征所述待测携沙河流中污染物沿着水流方向的扩散特性。
可选的,所述模型构建模块,具体用于:
基于如下表达式,构建所述待测携沙河流的污染物迁移过程仿真模型:
其中,u表示所述待测携沙河流的污染物浓度,t表示当前检测时间,x表示所述待测携沙河流的检测点空间位置,v表示所述待测携沙河流的当前断面流速,表示初始时刻的Caputo类型的时间分数阶导数,α表示时间分数阶导数阶数,/>表示待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数,β表示空间分数阶导数阶数,D表示超扩散系数。
可选的,所述检测模块,具体用于:
获取所述待测携沙河流的当前断面流速;
向所述污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速,以基于所述污染物迁移过程仿真模型,根据所述当前检测时间、目标检测点空间位置及当前断面流速,模拟所述待测携沙河流的污染物迁移过程,得到所述待测携沙河流的污染物迁移检测结果;
其中,所述污染物迁移检测结果至少包括目标检测点的污染物浓度。
可选的,所述检测模块,还用于:
根据所述待测携沙河流的污染物迁移检测结果,确定所述待测携沙河流的污染物时空分布结果;
根据所述待测携沙河流的污染物时空分布结果,确定所述待测携沙河流的污染程度。
可选的,所述历史断面数据至少包括所述待测携沙河流的历史断面流速。
可选的,所述水文环境数据至少包括所述待测携沙河流的污染物含量、水体温度和PH值。
本申请第三个方面提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请第四个方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请技术方案,具有如下优点:
本申请提供一种携沙河流污染物迁移检测方法、装置及电子设备,该方法包括:获取待测携沙河流的历史断面数据及水文环境数据;根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据;根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型;基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。上述方案提供的方法,通过依据历史断面数据及水文环境数据构建待测携沙河流的污染物迁移过程仿真模型,使该模型能够根据待测携沙河流的当前断面流速,精确模拟待测携沙河流的污染物迁移过程,从而提高了最终得到的污染物迁移检测结果的准确性。
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,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例基于的携沙河流污染物迁移检测系统的结构示意图;
图2为本申请实施例提供的携沙河流污染物迁移检测方法的流程示意图;
图3为本申请实施例提供的携沙河流污染物迁移检测装置的结构示意图;
图4为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
携沙河流污染物迁移涉及到繁多且复杂的外部物理作用,经典的泥沙输运公式和对流-扩散方程模型难以精确地刻画这类复杂的迁移行为,尤其是在一些地形复杂的河段中,受到泥沙沉降和断面阻碍影响,泥沙中污染物出现明显的滞留特点,迁移过程呈现明显的幂律拖尾现象,精准刻画其迁移过程直接关系到水环境污染防治工作的效果,而现有技术无法保证携沙河流污染物迁移检测结果的准确性。
针对上述问题,本申请实施例提供的携沙河流污染物迁移检测方法、装置及电子设备,通过获取待测携沙河流的历史断面数据及水文环境数据;根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据;根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型;基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。上述方案提供的方法,通过依据历史断面数据及水文环境数据构建待测携沙河流的污染物迁移过程仿真模型,使该模型能够根据待测携沙河流的当前断面流速,精确模拟待测携沙河流的污染物迁移过程,从而提高了最终得到的污染物迁移检测结果的准确性。
下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明实施例进行描述。
首先,对本申请所基于的携沙河流污染物迁移检测系统的结构进行说明:
本申请实施例提供的携沙河流污染物迁移检测方法、装置及电子设备,适用于对待测携沙河流的污染物迁移过程进行检测。如图1所示,为本申请实施例基于的携沙河流污染物迁移检测系统的结构示意图,主要包括携沙河流、数据采集装置及携沙河流污染物迁移检测装置。具体地,可以基于数据采集装置,采集携沙河流的历史断面数据及水文环境数据,并将采集到的所有数据发送至携沙河流污染物迁移检测装置,该携沙河流污染物迁移检测装置根据得到的数据,对携沙河流的污染物迁移过程进行检测。
本申请实施例提供了一种携沙河流污染物迁移检测方法,用于对待测携沙河流的污染物迁移过程进行检测。本申请实施例的执行主体为电子设备,比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于对待测携沙河流的污染物迁移过程进行检测的电子设备。
如图2所示,为本申请实施例提供的携沙河流污染物迁移检测方法的流程示意图,该方法包括:
步骤201,获取待测携沙河流的历史断面数据及水文环境数据。
其中,历史断面数据至少包括待测携沙河流的历史断面流速;水文环境数据至少包括待测携沙河流的污染物含量、水体温度和PH值。
步骤202,根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据。
具体地,可以根据待测携沙河流的历史断面数据及水文环境数据,对待测携沙河流针对性开展污染物溶质示踪剂试验,以得到待测携沙河流的污染物示踪剂实验数据。
步骤203,根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型。
具体地,可以根据待测携沙河流的污染物示踪剂实验数据,确定待测携沙河流对污染物的滞留特性以及污染物在待测携沙河流中的扩散特性,进而构建能够实现待测携沙河流中污染物迁移过程仿真模拟的污染物迁移过程仿真模型。
步骤204,基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。
具体地,可以基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流中污染物随时间迁移过程,以得到待测携沙河流在不同时刻的污染物迁移检测结果。
在上述实施例的基础上,由于携沙河流中污染物的迁移主要为物理迁移过程中,因此为了在确保污染物迁移过程仿真模型可靠性的同时,降低模型计算复杂度,作为一种可实施的方式,在一实施例中,根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型,包括:
步骤2031,根据待测携沙河流的污染物示踪剂实验数据,反演待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数;
步骤2032,根据待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建待测携沙河流的污染物迁移过程仿真模型。
其中,时间分数阶导数阶数表征待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性,空间分数阶导数阶数表征待测携沙河流中污染物沿着水流方向的扩散特性。
具体地,可以基于预设的拟合算法,根据待测携沙河流的污染物示踪剂实验数据,拟合待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性、污染物沿着水流方向的扩散特性等,进而得到待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数。其中,污染物迁移过程仿真模型具体可以采用时空分数阶导数模型。
具体地,在一实施例中,可以基于如下表达式,构建待测携沙河流的污染物迁移过程仿真模型:
其中,u表示待测携沙河流的污染物浓度,t表示当前检测时间,x表示待测携沙河流的检测点空间位置,v表示待测携沙河流的当前断面流速,表示初始时刻的Caputo类型的时间分数阶导数,α表示时间分数阶导数阶数,0<α<1,α取值越低,污染物滞留现象越明显,/>表示待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数,β表示空间分数阶导数阶数,1<β<2,β取值越接近1,表征待测携沙河流中污染物超扩散现象越明显,D表示超扩散系数。
需要说明的是,初始时刻的Caputo类型的时间分数阶导数的定义如下:
其中,待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数的定义如下:
其中,Γ(α)为单参数的Gamma函数,有如下定义:
进一步地,在一实施例中,可以获取待测携沙河流的当前断面流速;向污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速,以基于污染物迁移过程仿真模型,根据当前检测时间、目标检测点空间位置及当前断面流速,模拟待测携沙河流的污染物迁移过程,得到待测携沙河流的污染物迁移检测结果。
其中,污染物迁移检测结果至少包括目标检测点的污染物浓度。
具体地,可以在向污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速后,基于有限差分方法求解进行模型求解,得到待测携沙河流目标检测点在当前检测时间的污染物浓度。
进一步地,在一实施例中,可以根据待测携沙河流的污染物迁移检测结果,确定待测携沙河流的污染物时空分布结果;根据待测携沙河流的污染物时空分布结果,确定待测携沙河流的污染程度。
具体地,依次输入若干个检测点的空间位置及对应的当前检测时间和当前断面流速,即可得到待测携沙河流的污染物时空分布结果。然后按照预设的污染程度评价标准,根据待测携沙河流的污染物时空分布结果,确定待测携沙河流的污染程度,即确定河库水环境污染程度。
本申请实施例提供的携沙河流污染物迁移检测方法,通过获取待测携沙河流的历史断面数据及水文环境数据;根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据;根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型;基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。上述方案提供的方法,通过依据历史断面数据及水文环境数据构建待测携沙河流的污染物迁移过程仿真模型,使该模型能够根据待测携沙河流的当前断面流速,精确模拟待测携沙河流的污染物迁移过程,从而提高了最终得到的污染物迁移检测结果的准确性。并且,采用了参数少的时空分数阶对流扩散方程精确地描述污染物运移过程的历史记忆性和空间非局域性过程,建立能够准确有效描述河道中携沙水流污染物迁移转化机理的动力学模型,实现携沙河流性污染物迁移过程的准确定量描述和实时预测。
本申请实施例提供了一种携沙河流污染物迁移检测装置,用于执行上述实施例提供的携沙河流污染物迁移检测方法。
如图3所示,为本申请实施例提供的携沙河流污染物迁移检测装置的结构示意图。该携沙河流污染物迁移检测装置30包括:获取模块301、确定模块302、模型构建模块303及检测模块304。
其中,获取模块,用于获取待测携沙河流的历史断面数据及水文环境数据;确定模块,用于根据待测携沙河流的历史断面数据及水文环境数据,确定待测携沙河流的污染物示踪剂实验数据;模型构建模块,用于根据待测携沙河流的污染物示踪剂实验数据,构建待测携沙河流的污染物迁移过程仿真模型;检测模块,用于基于待测携沙河流的污染物迁移过程仿真模型,根据待测携沙河流的当前断面流速,模拟待测携沙河流的污染物迁移过程,以得到待测携沙河流的污染物迁移检测结果。
具体地,在一实施例中,模型构建模块,具体用于:
根据待测携沙河流的污染物示踪剂实验数据,反演待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数;
根据待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建待测携沙河流的污染物迁移过程仿真模型;
其中,时间分数阶导数阶数表征待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性,空间分数阶导数阶数表征待测携沙河流中污染物沿着水流方向的扩散特性。
具体地,在一实施例中,模型构建模块,具体用于:
基于如下表达式,构建待测携沙河流的污染物迁移过程仿真模型:
其中,u表示待测携沙河流的污染物浓度,t表示当前检测时间,x表示待测携沙河流的检测点空间位置,v表示待测携沙河流的当前断面流速,表示初始时刻的Caputo类型的时间分数阶导数,α表示时间分数阶导数阶数,/>表示待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数,β表示空间分数阶导数阶数,D表示超扩散系数。
具体地,在一实施例中,检测模块,具体用于:
获取待测携沙河流的当前断面流速;
向污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速,以基于污染物迁移过程仿真模型,根据当前检测时间、目标检测点空间位置及当前断面流速,模拟待测携沙河流的污染物迁移过程,得到待测携沙河流的污染物迁移检测结果;
其中,污染物迁移检测结果至少包括目标检测点的污染物浓度。
具体地,在一实施例中,检测模块,还用于:
根据待测携沙河流的污染物迁移检测结果,确定待测携沙河流的污染物时空分布结果;
根据待测携沙河流的污染物时空分布结果,确定待测携沙河流的污染程度。
具体地,在一实施例中,历史断面数据至少包括待测携沙河流的历史断面流速。
具体地,在一实施例中,水文环境数据至少包括待测携沙河流的污染物含量、水体温度和PH值。
关于本实施例中的携沙河流污染物迁移检测装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本申请实施例提供的携沙河流污染物迁移检测装置,用于执行上述实施例提供的携沙河流污染物迁移检测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种电子设备,用于执行上述实施例提供的携沙河流污染物迁移检测方法。
如图4所示,为本申请实施例提供的电子设备的结构示意图。该电子设备40包括:至少一个处理器41和存储器42。
存储器存储计算机执行指令;至少一个处理器执行存储器存储的计算机执行指令,使得至少一个处理器执行如上实施例提供的携沙河流污染物迁移检测方法。
本申请实施例提供的一种电子设备,用于执行上述实施例提供的携沙河流污染物迁移检测方法,其实现方式与原理相同,不再赘述。
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,当处理器执行计算机执行指令时,实现如上任一实施例提供的携沙河流污染物迁移检测方法。
本申请实施例的包含计算机可执行指令的存储介质,可用于存储前述实施例中提供的携沙河流污染物迁移检测方法的计算机执行指令,其实现方式与原理相同,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,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。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本申请各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,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。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种携沙河流污染物迁移检测方法,其特征在于,包括:
获取待测携沙河流的历史断面数据及水文环境数据;
根据所述待测携沙河流的历史断面数据及水文环境数据,确定所述待测携沙河流的污染物示踪剂实验数据;
根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型;
基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型,包括:
根据所述待测携沙河流的污染物示踪剂实验数据,反演所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数;
根据所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建所述待测携沙河流的污染物迁移过程仿真模型;
其中,所述时间分数阶导数阶数表征所述待测携沙河流中污染物受到泥沙沉降和断面阻碍影响下的滞留特性,所述空间分数阶导数阶数表征所述待测携沙河流中污染物沿着水流方向的扩散特性。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待测携沙河流的时间分数阶导数阶数、空间分数阶导数阶数及超扩散系数,构建所述待测携沙河流的污染物迁移过程仿真模型,包括:
基于如下表达式,构建所述待测携沙河流的污染物迁移过程仿真模型:
其中,u表示所述待测携沙河流的污染物浓度,t表示当前检测时间,x表示所述待测携沙河流的检测点空间位置,v表示所述待测携沙河流的当前断面流速,表示初始时刻的Caputo类型的时间分数阶导数,α表示时间分数阶导数阶数,/>表示待测携沙河流上边界位置的Riemann-Liouville类型的空间分数阶导数,β表示空间分数阶导数阶数,D表示超扩散系数。
4.根据权利要求3所述的方法,其特征在于,所述基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果,包括:
获取所述待测携沙河流的当前断面流速;
向所述污染物迁移过程仿真模型输入当前检测时间、目标检测点空间位置及当前断面流速,以基于所述污染物迁移过程仿真模型,根据所述当前检测时间、目标检测点空间位置及当前断面流速,模拟所述待测携沙河流的污染物迁移过程,得到所述待测携沙河流的污染物迁移检测结果;
其中,所述污染物迁移检测结果至少包括目标检测点的污染物浓度。
5.根据权利要求4所述的方法,其特征在于,还包括:
根据所述待测携沙河流的污染物迁移检测结果,确定所述待测携沙河流的污染物时空分布结果;
根据所述待测携沙河流的污染物时空分布结果,确定所述待测携沙河流的污染程度。
6.根据权利要求1所述的方法,其特征在于,所述历史断面数据至少包括所述待测携沙河流的历史断面流速。
7.根据权利要求1所述的方法,其特征在于,所述水文环境数据至少包括所述待测携沙河流的污染物含量、水体温度和PH值。
8.一种携沙河流污染物迁移检测装置,其特征在于,包括:
获取模块,用于获取待测携沙河流的历史断面数据及水文环境数据;
确定模块,用于根据所述待测携沙河流的历史断面数据及水文环境数据,确定所述待测携沙河流的污染物示踪剂实验数据;
模型构建模块,用于根据所述待测携沙河流的污染物示踪剂实验数据,构建所述待测携沙河流的污染物迁移过程仿真模型;
检测模块,用于基于所述待测携沙河流的污染物迁移过程仿真模型,根据所述待测携沙河流的当前断面流速,模拟所述待测携沙河流的污染物迁移过程,以得到所述待测携沙河流的污染物迁移检测结果。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310538834.7A CN116628959A (zh) | 2023-05-12 | 2023-05-12 | 一种携沙河流污染物迁移检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310538834.7A CN116628959A (zh) | 2023-05-12 | 2023-05-12 | 一种携沙河流污染物迁移检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116628959A true CN116628959A (zh) | 2023-08-22 |
Family
ID=87635762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310538834.7A Pending CN116628959A (zh) | 2023-05-12 | 2023-05-12 | 一种携沙河流污染物迁移检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116628959A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911072A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 透镜体分布占比的确定方法、装置、计算机设备及介质 |
CN116911071A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种液体氮肥施放方式的确定方法、装置、设备及介质 |
-
2023
- 2023-05-12 CN CN202310538834.7A patent/CN116628959A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911072A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 透镜体分布占比的确定方法、装置、计算机设备及介质 |
CN116911071A (zh) * | 2023-09-07 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种液体氮肥施放方式的确定方法、装置、设备及介质 |
CN116911071B (zh) * | 2023-09-07 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 一种液体氮肥施放方式的确定方法、装置、设备及介质 |
CN116911072B (zh) * | 2023-09-07 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 透镜体分布占比的确定方法、装置、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116628959A (zh) | 一种携沙河流污染物迁移检测方法、装置及电子设备 | |
Moudrý et al. | Influence of positional accuracy, sample size and scale on modelling species distributions: a review | |
Bulygina et al. | Estimating the uncertain mathematical structure of a water balance model via Bayesian data assimilation | |
Zhao et al. | Meridional heat transport variability induced by mesoscale processes in the subpolar North Atlantic | |
CN111752934A (zh) | 一种基于重力卫星的高分辨率含水层储水系数反演方法及系统 | |
Ani et al. | Development, calibration and evaluation of two mathematical models for pollutant transport in a small river | |
US20170338802A1 (en) | Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation | |
Moatar et al. | pH modelling by neural networks. Application of control and validation data series in the Middle Loire river | |
CN109448124A (zh) | 水质模拟方法和装置 | |
CN110288003A (zh) | 数据变化识别方法及设备 | |
CN107797154A (zh) | 一种电成像测井图像刻度方法及装置 | |
CN116539482A (zh) | 河流中磷元素迁移检测方法、装置、电子设备及存储介质 | |
CN111428419A (zh) | 悬浮泥沙浓度预测方法、装置、计算机设备和存储介质 | |
Contractor et al. | Efficacy of Feedforward and LSTM Neural Networks at predicting and gap filling coastal ocean timeseries: Oxygen, nutrients, and temperature | |
CN115471679A (zh) | 一种天然河道水位流量同步同化方法及智能系统 | |
Ashley et al. | Estimating bedload from suspended load and water discharge in sand bed rivers | |
Li et al. | Groundwater contamination sources identification based on kernel extreme learning machine and its effect due to wavelet denoising technique | |
Cinkus et al. | Comparison of artificial neural networks and reservoir models for simulating karst spring discharge on five test sites in the Alpine and Mediterranean regions | |
CN111476824A (zh) | 海表面温度预测方法、装置及计算机可读存储介质 | |
CN116559396A (zh) | 一种河流中硝酸盐检测方法、装置、电子设备及存储介质 | |
Feigl et al. | Learning from mistakes—Assessing the performance and uncertainty in process‐based models | |
Tritthart et al. | Modelling highly variable environmental factors to assess potential microbial respiration in complex floodplain landscapes | |
CN111580179A (zh) | 一种有机碳含量确定方法、装置及系统 | |
CN112561171B (zh) | 一种滑坡的预测方法、装置、设备及存储介质 | |
CN114218202A (zh) | 用于矿区地表形变监测的处理方法、装置及存储介质 |
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 |