CN116738539B - 一种基于水动力模型的污染物扩散预测系统及方法 - Google Patents
一种基于水动力模型的污染物扩散预测系统及方法 Download PDFInfo
- Publication number
- CN116738539B CN116738539B CN202310686561.0A CN202310686561A CN116738539B CN 116738539 B CN116738539 B CN 116738539B CN 202310686561 A CN202310686561 A CN 202310686561A CN 116738539 B CN116738539 B CN 116738539B
- Authority
- CN
- China
- Prior art keywords
- pollutant
- model
- river
- information
- pollution discharge
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 320
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 320
- 238000009792 diffusion process Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000000295 complement effect Effects 0.000 claims abstract description 52
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 239000000356 contaminant Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 7
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims 6
- 238000012806 monitoring device Methods 0.000 description 6
- 238000003911 water pollution Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Civil Engineering (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于水动力模型的污染物扩散预测系统及方法,其中,系统包括:河道模型建模模块,用于基于水动力模型,对目标河道进行建模,获得河道模型;排污分布图获取模块,用于当目标河道中的污染物检测网络检测到污染物信息时,获取目标河道对应的预设的排污分布图;信息补全处理模块,用于基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据;污染物扩散预测模块,用于将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果。本发明的基于水动力模型的污染物扩散预测系统及方法,将污染物扩散预测依据输入至河道模型中进行污染物扩散预测,提升了扩散预测全面性。
Description
技术领域
本发明涉及计算机数据处理技术领域,特别涉及一种基于水动力模型的污染物扩散预测系统及方法。
背景技术
目前,污染物进入河道后,其扩散受河道的内部流动影响,因此,可以基于水动力模型对河道建模,基于建模后的河道模型对污染物进行扩散预测。
对污染物进行扩散预测前,首先要监测到河道内哪部分区域出现了污染物,因此,需要在河道内提前设置水污染监测装置,比如:水质传感器等。
但是,由于成本问题,水污染监测装置只能分布式设置,无法做到密集设置,因此,当水污染监测装置监测到污染物时,其之前已经在河道里由排污点开始随河道内部流动发生了一段时间的扩散,只是刚扩散到水污染监测装置监测位置而已,从而,若仅将水污染监测装置监测到的信息输入至河道模型进行对污染物进行扩散预测,扩散预测是不全面的。因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于水动力模型的污染物扩散预测系统,基于排污分布图,对污染物信息进行补全处理,推导污染物由排污点排出后直至形成污染物信息前这段时间内的排污信息,补入到污染物信息中,形成污染物扩散预测依据,将污染物扩散预测依据输入至河道模型中进行污染物扩散预测,提升了扩散预测全面性。
本发明实施例提供的一种基于水动力模型的污染物扩散预测系统,包括:
河道模型建模模块,用于基于水动力模型,对目标河道进行建模,获得河道模型;
排污分布图获取模块,用于当目标河道中的污染物检测网络检测到污染物信息时,获取目标河道对应的预设的排污分布图;
信息补全处理模块,用于基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据;
污染物扩散预测模块,用于将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果。
优选的,河道模型建模模块基于水动力模型,对目标河道进行建模,获得河道模型,执行如下操作:
获取目标河道的河道信息;
基于水动力模型,根据河道信息,对目标河道进行建模,获得河道模型。
优选的,信息补全处理模块基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据,执行如下操作:
对污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;
获取污染物类型集对应的预设的污染物群落来源方向确定库,污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;
将污染浓度分布与任一标准污染浓度分布进行匹配,获取第一匹配度;
将产生最大第一匹配度时进行匹配的标准浓度分布对应的来源方向项作为污染物群落的来源方向;
在排污分布图内以污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由圆心出发向来源方向的射线平分1/N圆形,N为大于1的整数;
在排污分布图内确定落入1/N圆形的排污点和对应的排污类型集;
将污染物类型集与排污类型集进行匹配,获取第二匹配度;
当第二匹配度大于等于预设的匹配度阈值时,将对应排污点作为排污来源;
从排污分布地图内确定排污来源与圆心之间的相对位置关系;
构建描述污染物类型集、污染浓度分布和相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;
将第一描述向量与任一第二描述向量进行匹配,获取第三匹配度;
将产生最大第三匹配度时进行匹配的第二描述向量对应的补全策略项作为污染物信息补全策略;
基于污染物信息补全策略,对污染物信息进行补全处理,获得污染物扩散预测依据。
优选的,污染物扩散预测模块将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果,包括:
污染物扩散预测依据在河道模型中被转化成污染物模型;
控制河道模型开始对污染物模型进行污染物扩散推演;
持续获取污染物模型在河道模型中的模型位置分布,并作为预测结果。
优选的,基于水动力模型的污染物扩散预测系统,还包括:
预测结果输出模块,用于输出预测结果。
优选的,预测结果输出模块输出预测结果,执行如下操作:
获取目标河道对应的预设的区域三维地图;
将预测结果映射进区域三维地图中,获得污染物区域;
将预设的虚拟相机设置于区域三维地图中开始进行拍摄,使得拍摄的第一拍摄画面满足第一画面条件,并输出第一拍摄画面;
当污染物区域开始变化时,控制虚拟相机开始进行第一跟踪拍摄,使得拍摄的第二拍摄画面满足第二画面条件,并输出第二拍摄画面;
当污染物区域靠近重要水域时,控制虚拟相机开始进行第二跟踪拍摄,使得拍摄的第三拍摄画面满足第三画面条件,并输出第三拍摄画面;
其中,第一画面条件包括:
第一画面中污染物区域的中心位置周边预设半径范围内的河流面积与污染物区域的区域面积的比值落在预设的比值区间内;
第一方向向量与第二方向向量的夹角落在的预设的第一夹角区间内;第一方向向量基于虚拟相机的拍摄位置和拍摄方向构建,第二方向向量基于中心位置和由中心位置垂直向上的方向构建;
第二画面条件包括:
第二画面的上半部分为目标圆形的外接矩形;目标圆形为污染物区域的最小覆盖圆;
第二画面的下半部分为污染物区域的变化方向上的区域画面;
第三画面条件包括:
第三画面的画面中心点与目标点位对齐;目标点位为污染物区域与重要水域之间的最短直线的中点;
第三画面中同时出现污染物区域的部分区域和重要水域的部分区域。
本发明实施例提供的一种基于水动力模型的污染物扩散预测方法,包括:
步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型;
步骤S2:当目标河道中的污染物检测网络检测到污染物信息时,获取目标河道对应的预设的排污分布图;
步骤S3:基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据;
步骤S4:将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果。
优选的,步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型,包括:
获取目标河道的河道信息;
基于水动力模型,根据河道信息,对目标河道进行建模,获得河道模型。
优选的,步骤S3:基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据,包括:
对污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;
获取污染物类型集对应的预设的污染物群落来源方向确定库,污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;
将污染浓度分布与任一标准污染浓度分布进行匹配,获取第一匹配度;
将产生最大第一匹配度时进行匹配的标准浓度分布对应的来源方向项作为污染物群落的来源方向;
在排污分布图内以污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由圆心出发向来源方向的射线平分1/N圆形,N为大于1的整数;
在排污分布图内确定落入1/N圆形的排污点和对应的排污类型集;
将污染物类型集与排污类型集进行匹配,获取第二匹配度;
当第二匹配度大于等于预设的匹配度阈值时,将对应排污点作为排污来源;
从排污分布地图内确定排污来源与圆心之间的相对位置关系;
构建描述污染物类型集、污染浓度分布和相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;
将第一描述向量与任一第二描述向量进行匹配,获取第三匹配度;
将产生最大第三匹配度时进行匹配的第二描述向量对应的补全策略项作为污染物信息补全策略;
基于污染物信息补全策略,对污染物信息进行补全处理,获得污染物扩散预测依据。
优选的,步骤S4:将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果,包括:
污染物扩散预测依据在河道模型中被转化成污染物模型;
控制河道模型开始对污染物模型进行污染物扩散推演;
持续获取污染物模型在河道模型中的模型位置分布,并作为预测结果。
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所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,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为本发明实施例中一种基于水动力模型的污染物扩散预测系统的示意图;
图2为本发明实施例中一种基于水动力模型的污染物扩散预测方法的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于水动力模型的污染物扩散预测系统,如图1所示,包括:
河道模型建模模块1,用于基于水动力模型,对目标河道进行建模,获得河道模型;
排污分布图获取模块2,用于当目标河道中的污染物检测网络检测到污染物信息时,获取目标河道对应的预设的排污分布图;污染物检测网络由分布设置于目标河道内的水质监测装置组成;排污分布图中有目标河道的岸边可能会有污染物排放的点位(比如:岸边靠近居民区的位置、靠近化工厂的位置等)的分布;
信息补全处理模块3,用于基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据;补全时,溯源对应于污染物信息的污染物是由哪个排污点排放,推导污染物由排污点排出后直至形成污染物信息前这段时间内的排污信息,补入到污染物信息中,实现补全;
污染物扩散预测模块4,用于将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果。
上述技术方案的工作原理及有益效果为:
本申请基于排污分布图,对污染物信息进行补全处理,推导污染物由排污点排出后直至形成污染物信息前这段时间内的排污信息,补入到污染物信息中,形成污染物扩散预测依据,将污染物扩散预测依据输入至河道模型中进行污染物扩散预测,提升了扩散预测全面性。
在一个实施例中,河道模型建模模块1基于水动力模型,对目标河道进行建模,获得河道模型,执行如下操作:
获取目标河道的河道信息;河道信息包括:目标河道的地理信息、气象信息、水下地貌信息等;
基于水动力模型,根据河道信息,对目标河道进行建模,获得河道模型。根据河道信息,在水动力模型上对目标河道进行建模,属于现有技术范畴,不作赘述,比如:中国专利申请号为CN202210030250.4的一种水动力模型的建立方法的说明书第[0054]段至第[0085]段有作介绍。
在一个实施例中,信息补全处理模块3基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据,执行如下操作:
对污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;污染物类型集代表污染物群落内有哪些类型的污染物,比如:铅、镉、氢氟酸等;污染浓度分布代表污染物群落内不同类型的污染物在不同位置的浓度;
获取污染物类型集对应的预设的污染物群落来源方向确定库,污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;标准污染浓度分布的包含内容与污染浓度分布同理;若污染物群落产生该标准污染浓度分布,则代表污染物群落的来源方向为对应来源方向项(比如:东边等);一般的,污染物的污染浓度分布会从来源方向向来源方向的相反方向渐渐递减(被河流冲散稀释),因此,标准污染浓度分布和来源方向项可由工作人员提前根据大量实验(比如:将实验用的污染物放入封闭水池内,模拟水池流动,测实验污染物扩散一定时长后的浓度分布,根据目测的来源方向与该浓度分布搭配形成一组标准污染浓度分布和来源方向项)预先设定;
将污染浓度分布与任一标准污染浓度分布进行匹配,获取第一匹配度;第一匹配度越大,说明污染物群落的来源方向越有可能是对应来源方向项;
将产生最大第一匹配度时进行匹配的标准浓度分布对应的来源方向项作为污染物群落的来源方向;
在排污分布图内以污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由圆心出发向来源方向的射线平分1/N圆形,N为大于1的整数;预设长度可以为,比如:10米;N可由技术人员根据需求提前进行设定;
在排污分布图内确定落入1/N圆形的排污点和对应的排污类型集;排污点落入1/N圆形,说明污染物群落可能由排污点排出,排污类型集代表排污点可能会有哪些类型的污染物排出,比如:排污点靠近居民区,则排污的污染物类型会是一些有机物居多,若靠近化工厂,则是重金属居多;
将污染物类型集与排污类型集进行匹配,获取第二匹配度;第二匹配度越大,说明污染物群落越可能由对应排污点排出;
当第二匹配度大于等于预设的匹配度阈值时,将对应排污点作为排污来源;
从排污分布地图内确定排污来源与圆心之间的相对位置关系;
构建描述污染物类型集、污染浓度分布和相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;第二描述向量的包含内容与第一描述向量同理;补全策略项为代表若污染物类型集、污染浓度分布和相对位置关系形成第二描述向量下如何对污染物信息进行补全的策略,其由技术人员提前设定,推导污染物群落由排污来源开始扩散,扩散过程中有哪些类型污染物,最后在圆心形成污染物信息,这一段时间内的扩散轨迹和污染物浓度变化等,将推导结果补入污染物信息;
将第一描述向量与任一第二描述向量进行匹配,获取第三匹配度;第三匹配度越大,对应补全策略项越适合对污染物信息进行补全;
将产生最大第三匹配度时进行匹配的第二描述向量对应的补全策略项作为污染物信息补全策略;
基于污染物信息补全策略,对污染物信息进行补全处理,获得污染物扩散预测依据。
上述技术方案的工作原理及有益效果为:
基于排污分布图,对污染物信息进行补全处理时,首先确定污染物群落的来源方向,再找来源方向上寻找匹配的排污点,完成排污溯源,根据排污点推导污染物由排污点排出后直至形成污染物信息前这段时间内的排污信息,提升了补全处理的合理性和适用性。另外,引入污染物群落来源方向确定库、污染物信息补全策略确定库等,提升了补全处理的效率。
在一个实施例中,污染物扩散预测模块4将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果,包括:
污染物扩散预测依据在河道模型中被转化成污染物模型;
控制河道模型开始对污染物模型进行污染物扩散推演;水动力模型会根据目标河道的历史内部河流运动学习运动规律,从而可以根据当前河流内部运动预测未来的河流内部运动,从而进行污染物扩散推演;
持续获取污染物模型在河道模型中的模型位置分布,并作为预测结果。模型位置分布为污染物模型在河道模型中的分布位置。
在一个实施例中,基于水动力模型的污染物扩散预测系统,还包括:
预测结果输出模块,用于输出预测结果。
预测结果输出模块输出预测结果,执行如下操作:
获取目标河道对应的预设的区域三维地图;区域三维地图上有目标河道,还标记出了目标河道内的重要水域,比如:靠近水产养殖场的水域、靠近农田的水域等;
将预测结果映射进区域三维地图中,获得污染物区域;随着预测结果的不断更新,污染物区域也会发生变化;
将预设的虚拟相机设置于区域三维地图中开始进行拍摄,使得拍摄的第一拍摄画面满足第一画面条件,并输出第一拍摄画面;虚拟相机为现有技术范畴,不作赘述;
当污染物区域开始变化时,控制虚拟相机开始进行第一跟踪拍摄,使得拍摄的第二拍摄画面满足第二画面条件,并输出第二拍摄画面;
当污染物区域靠近重要水域时,控制虚拟相机开始进行第二跟踪拍摄,使得拍摄的第三拍摄画面满足第三画面条件,并输出第三拍摄画面;
其中,第一画面条件包括:
第一画面中污染物区域的中心位置周边预设半径范围内的河流面积与污染物区域的区域面积的比值落在预设的比值区间内;比值区间可以为,比如:1.5至3;满足这一条件时,可使得用户在查看第一画面时可以看到污染物区域占整个河道的情况;
第一方向向量与第二方向向量的夹角落在的预设的第一夹角区间内;第一方向向量基于虚拟相机的拍摄位置和拍摄方向构建,第二方向向量基于中心位置和由中心位置垂直向上的方向构建;第一夹角区间可以为,比如:150度至180度;当虚拟相机在污染物区域的正上方拍摄时,两方向向量形成的夹角为180度;满足这一条件时,可使得用户查看第一画面时可以从上方角度看到污染物区域;
第二画面条件包括:
第二画面的上半部分为目标圆形的外接矩形;目标圆形为污染物区域的最小覆盖圆;第二画面的下半部分为污染物区域的变化方向上的区域画面;满足这两个条件时,可以使得用户查看第二画面时,不仅可以看到污染物区域,还可以看到污染物区域在向哪个方向扩散,做出相应的预警判断;
第三画面条件包括:
第三画面的画面中心点与目标点位对齐;目标点位为污染物区域与重要水域之间的最短直线的中点;第三画面中同时出现污染物区域的部分区域和重要水域的部分区域。满足这两个条件时,可以使得用户查看第三画面时,可以看到污染物区域与重要水域慢慢逼近,相对于是一种污染物区域逼近重要水域的预测直播,可以使得用户清晰、直观确定可以采取哪些措施,进行预警。
上述技术方案的工作原理及有益效果为:
在输出预测结果时,先给用户看到污染物大体在哪的第一画面,在跟踪污染物扩散发展的趋势,输出第二画面,最后当污染物靠近重要水域时,进行逼近直播,提升了预测结果输出的合理性,为用户预警决策带来较高的辅助作用。
本发明实施例提供了一种基于水动力模型的污染物扩散预测方法,如图2所示,包括:
步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型;
步骤S2:当目标河道中的污染物检测网络检测到污染物信息时,获取目标河道对应的预设的排污分布图;
步骤S3:基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据;
步骤S4:将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果。
在一个实施例中,步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型,包括:
获取目标河道的河道信息;
基于水动力模型,根据河道信息,对目标河道进行建模,获得河道模型。
在一个实施例中,步骤S3:基于排污分布图,对污染物信息进行补全处理,获得污染物扩散预测依据,包括:
对污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;
获取污染物类型集对应的预设的污染物群落来源方向确定库,污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;
将污染浓度分布与任一标准污染浓度分布进行匹配,获取第一匹配度;
将产生最大第一匹配度时进行匹配的标准浓度分布对应的来源方向项作为污染物群落的来源方向;
在排污分布图内以污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由圆心出发向来源方向的射线平分1/N圆形,N为大于1的整数;
在排污分布图内确定落入1/N圆形的排污点和对应的排污类型集;
将污染物类型集与排污类型集进行匹配,获取第二匹配度;
当第二匹配度大于等于预设的匹配度阈值时,将对应排污点作为排污来源;
从排污分布地图内确定排污来源与圆心之间的相对位置关系;
构建描述污染物类型集、污染浓度分布和相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;
将第一描述向量与任一第二描述向量进行匹配,获取第三匹配度;
将产生最大第三匹配度时进行匹配的第二描述向量对应的补全策略项作为污染物信息补全策略;
基于污染物信息补全策略,对污染物信息进行补全处理,获得污染物扩散预测依据。
在一个实施例中,步骤S4:将污染物扩散预测依据输入至河道模型中,进行污染物扩散预测,获得预测结果,包括:
污染物扩散预测依据在河道模型中被转化成污染物模型;
控制河道模型开始对污染物模型进行污染物扩散推演;
持续获取污染物模型在河道模型中的模型位置分布,并作为预测结果。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于水动力模型的污染物扩散预测系统,其特征在于,包括:
河道模型建模模块,用于基于水动力模型,对目标河道进行建模,获得河道模型;
排污分布图获取模块,用于当所述目标河道中的污染物检测网络检测到污染物信息时,获取所述目标河道对应的预设的排污分布图;
信息补全处理模块,用于基于所述排污分布图,对所述污染物信息进行补全处理,获得污染物扩散预测依据;
污染物扩散预测模块,用于将所述污染物扩散预测依据输入至所述河道模型中,进行污染物扩散预测,获得预测结果;
所述信息补全处理模块基于所述排污分布图,对所述污染物信息进行补全处理,获得污染物扩散预测依据,执行如下操作:
对所述污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;
获取所述污染物类型集对应的预设的污染物群落来源方向确定库,所述污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;
将所述污染浓度分布与任一所述标准污染浓度分布进行匹配,获取第一匹配度;
将产生最大所述第一匹配度时进行匹配的所述标准浓度分布对应的所述来源方向项作为所述污染物群落的来源方向;
在所述排污分布图内以所述污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由所述圆心出发向所述来源方向的射线平分所述1/N圆形,N为大于1的整数;
在所述排污分布图内确定落入所述1/N圆形的排污点和对应的排污类型集;
将所述污染物类型集与所述排污类型集进行匹配,获取第二匹配度;
当所述第二匹配度大于等于预设的匹配度阈值时,将对应所述排污点作为排污来源;
从所述排污分布地图内确定所述排污来源与所述圆心之间的相对位置关系;
构建描述所述污染物类型集、所述污染浓度分布和所述相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,所述污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;
将所述第一描述向量与任一所述第二描述向量进行匹配,获取第三匹配度;
将产生最大所述第三匹配度时进行匹配的所述第二描述向量对应的所述补全策略项作为污染物信息补全策略;
基于所述污染物信息补全策略,对所述污染物信息进行补全处理,获得所述污染物扩散预测依据。
2.如权利要求1所述的一种基于水动力模型的污染物扩散预测系统,其特征在于,所述河道模型建模模块基于水动力模型,对目标河道进行建模,获得河道模型,执行如下操作:
获取所述目标河道的河道信息;
基于所述水动力模型,根据所述河道信息,对所述目标河道进行建模,获得所述河道模型。
3.如权利要求1所述的一种基于水动力模型的污染物扩散预测系统,其特征在于,所述污染物扩散预测模块将所述污染物扩散预测依据输入至所述河道模型中,进行污染物扩散预测,获得预测结果,包括:
所述污染物扩散预测依据在所述河道模型中被转化成污染物模型;
控制所述河道模型开始对所述污染物模型进行污染物扩散推演;
持续获取所述污染物模型在所述河道模型中的模型位置分布,并作为所述预测结果。
4.如权利要求1所述的一种基于水动力模型的污染物扩散预测系统,其特征在于,还包括:
预测结果输出模块,用于输出所述预测结果。
5.如权利要求4所述的一种基于水动力模型的污染物扩散预测系统,其特征在于,所述预测结果输出模块输出所述预测结果,执行如下操作:
获取所述目标河道对应的预设的区域三维地图;
将所述预测结果映射进所述区域三维地图中,获得污染物区域;
将预设的虚拟相机设置于所述区域三维地图中开始进行拍摄,使得拍摄的第一拍摄画面满足第一画面条件,并输出所述第一拍摄画面;
当所述污染物区域开始变化时,控制所述虚拟相机开始进行第一跟踪拍摄,使得拍摄的第二拍摄画面满足第二画面条件,并输出所述第二拍摄画面;
当所述污染物区域靠近重要水域时,控制所述虚拟相机开始进行第二跟踪拍摄,使得拍摄的第三拍摄画面满足第三画面条件,并输出所述第三拍摄画面;
其中,所述第一画面条件包括:
所述第一画面中所述污染物区域的中心位置周边预设半径范围内的河流面积与所述污染物区域的区域面积的比值落在预设的比值区间内;
第一方向向量与第二方向向量的夹角落在的预设的第一夹角区间内;所述第一方向向量基于所述虚拟相机的拍摄位置和拍摄方向构建,所述第二方向向量基于所述中心位置和由所述中心位置垂直向上的方向构建;
所述第二画面条件包括:
所述第二画面的上半部分为目标圆形的外接矩形;所述目标圆形为所述污染物区域的最小覆盖圆;
所述第二画面的下半部分为所述污染物区域的变化方向上的区域画面;
所述第三画面条件包括:
所述第三画面的画面中心点与目标点位对齐;所述目标点位为所述污染物区域与所述重要水域之间的最短直线的中点;
所述第三画面中同时出现所述污染物区域的部分区域和所述重要水域的部分区域。
6.一种基于水动力模型的污染物扩散预测方法,其特征在于,包括:
步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型;
步骤S2:当所述目标河道中的污染物检测网络检测到污染物信息时,获取所述目标河道对应的预设的排污分布图;
步骤S3:基于所述排污分布图,对所述污染物信息进行补全处理,获得污染物扩散预测依据;
步骤S4:将所述污染物扩散预测依据输入至所述河道模型中,进行污染物扩散预测,获得预测结果;
所述步骤S3:基于所述排污分布图,对所述污染物信息进行补全处理,获得污染物扩散预测依据,包括:
对所述污染物信息进行解析,获取污染物群落的污染物类型集和污染浓度分布;
获取所述污染物类型集对应的预设的污染物群落来源方向确定库,所述污染物群落来源方向确定库包括:多组一一对应的标准污染浓度分布和来源方向项;
将所述污染浓度分布与任一所述标准污染浓度分布进行匹配,获取第一匹配度;
将产生最大所述第一匹配度时进行匹配的所述标准浓度分布对应的所述来源方向项作为所述污染物群落的来源方向;
在所述排污分布图内以所述污染物群落的中心位置为圆心,预设长度为半径,绘制1/N圆形;其中,由所述圆心出发向所述来源方向的射线平分所述1/N圆形,N为大于1的整数;
在所述排污分布图内确定落入所述1/N圆形的排污点和对应的排污类型集;
将所述污染物类型集与所述排污类型集进行匹配,获取第二匹配度;
当所述第二匹配度大于等于预设的匹配度阈值时,将对应所述排污点作为排污来源;
从所述排污分布地图内确定所述排污来源与所述圆心之间的相对位置关系;
构建描述所述污染物类型集、所述污染浓度分布和所述相对位置关系的第一描述向量;
获取预设的污染物信息补全策略确定库,所述污染物信息补全策略确定库包括:多组一一对应的第二描述向量和补全策略项;
将所述第一描述向量与任一所述第二描述向量进行匹配,获取第三匹配度;
将产生最大所述第三匹配度时进行匹配的所述第二描述向量对应的所述补全策略项作为污染物信息补全策略;
基于所述污染物信息补全策略,对所述污染物信息进行补全处理,获得所述污染物扩散预测依据。
7.如权利要求6所述的一种基于水动力模型的污染物扩散预测方法,其特征在于,所述步骤S1:基于水动力模型,对目标河道进行建模,获得河道模型,包括:
获取所述目标河道的河道信息;
基于所述水动力模型,根据所述河道信息,对所述目标河道进行建模,获得所述河道模型。
8.如权利要求6所述的一种基于水动力模型的污染物扩散预测方法,其特征在于,所述步骤S4:将所述污染物扩散预测依据输入至所述河道模型中,进行污染物扩散预测,获得预测结果,包括:
所述污染物扩散预测依据在所述河道模型中被转化成污染物模型;
控制所述河道模型开始对所述污染物模型进行污染物扩散推演;
持续获取所述污染物模型在所述河道模型中的模型位置分布,并作为所述预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686561.0A CN116738539B (zh) | 2023-06-09 | 2023-06-09 | 一种基于水动力模型的污染物扩散预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686561.0A CN116738539B (zh) | 2023-06-09 | 2023-06-09 | 一种基于水动力模型的污染物扩散预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116738539A CN116738539A (zh) | 2023-09-12 |
CN116738539B true CN116738539B (zh) | 2024-01-09 |
Family
ID=87918045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310686561.0A Active CN116738539B (zh) | 2023-06-09 | 2023-06-09 | 一种基于水动力模型的污染物扩散预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738539B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109085100A (zh) * | 2018-09-17 | 2018-12-25 | 北京英视睿达科技有限公司 | 污染物浓度的确定方法及装置 |
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
CN111126710A (zh) * | 2019-12-27 | 2020-05-08 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN111950936A (zh) * | 2020-08-31 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 空气质量监测方法、装置、设备及介质 |
CN112749478A (zh) * | 2020-12-11 | 2021-05-04 | 江苏汇环环保科技有限公司 | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 |
CN114299231A (zh) * | 2021-12-23 | 2022-04-08 | 盐城工学院 | 一种河道水污染3d模型的构建方法 |
CN115984068A (zh) * | 2022-12-27 | 2023-04-18 | 重庆大学 | 河流突发水污染应急管理系统 |
-
2023
- 2023-06-09 CN CN202310686561.0A patent/CN116738539B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117549A (zh) * | 2018-08-08 | 2019-01-01 | 浙江航天恒嘉数据科技有限公司 | 一种污染物扩散预测方法及系统 |
CN109085100A (zh) * | 2018-09-17 | 2018-12-25 | 北京英视睿达科技有限公司 | 污染物浓度的确定方法及装置 |
CN111126710A (zh) * | 2019-12-27 | 2020-05-08 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN111950936A (zh) * | 2020-08-31 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 空气质量监测方法、装置、设备及介质 |
CN112749478A (zh) * | 2020-12-11 | 2021-05-04 | 江苏汇环环保科技有限公司 | 一种基于高斯扩散模型大气污染溯源扩散分析系统及方法 |
CN114299231A (zh) * | 2021-12-23 | 2022-04-08 | 盐城工学院 | 一种河道水污染3d模型的构建方法 |
CN115984068A (zh) * | 2022-12-27 | 2023-04-18 | 重庆大学 | 河流突发水污染应急管理系统 |
Non-Patent Citations (1)
Title |
---|
解决环境监测污染物浓度数据缺失异常问题的 方法分析;董玲玲;黑 龙 江 环 境 通 报;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116738539A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116186566B (zh) | 基于深度学习的扩散预测方法及系统 | |
CN104103005B (zh) | 一种有限条件下突发性水环境事件污染源的溯源方法 | |
CN108564460A (zh) | 互联网信贷场景下的实时欺诈检测方法及装置 | |
CN110196083A (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
KR102210698B1 (ko) | 하천 유해화학물질 유출 시나리오 기반 기계학습모형과 재귀적 특징 제거법을 결합한 화학사고 발생원 역추적 방법 | |
CN103514430B (zh) | 检测火焰的方法和装置 | |
CN111612002A (zh) | 一种基于神经网络的多目标物体运动追踪方法 | |
CN115330153A (zh) | 一种重金属污染土壤治理修复决策方法 | |
CN111125290B (zh) | 一种基于河长制的智能巡河方法、装置及存储介质 | |
CN109684910A (zh) | 一种网络检测输电线路地表环境变化的方法及系统 | |
CN108629254A (zh) | 一种运动目标的检测方法及装置 | |
CN109115949A (zh) | 基于大数据的污染溯源方法及计算机可读介质 | |
CN116738539B (zh) | 一种基于水动力模型的污染物扩散预测系统及方法 | |
Masmoudi et al. | Trajectory analysis for parking lot vacancy detection system | |
CN113792638B (zh) | 基于Parallelogram-YOLOv4的火电厂雨排口污染物识别方法 | |
CN117172995B (zh) | 基于微生物的污染评估分析方法、系统及存储介质 | |
Jiang et al. | A compatible detector based on improved YOLOv5 for hydropower device detection in AR inspection system | |
CN112766795A (zh) | 一种基于云端处理的管廊智能信息管理方法及系统 | |
CN116341231B (zh) | 人工增雨催化剂扩散轨迹的模拟方法、装置、服务器和存储介质 | |
CN111477012A (zh) | 基于路况状态预测模型的溯源方法、装置和计算机设备 | |
CN113970073B (zh) | 一种基于ResNet的供水管网泄漏精准定位方法 | |
CN114814135A (zh) | 一种基于多元监测的河流水质污染溯源方法及系统 | |
CN115705457A (zh) | 气体扩散态势预测方法及系统、存储介质及终端 | |
CN112988945A (zh) | 一种河流悬浮污染物的预测方法及预测系统 | |
CN114299231A (zh) | 一种河道水污染3d模型的构建方法 |
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 |