CN116756523B - 跨界水污染源解析方法、系统、装置和存储介质 - Google Patents
跨界水污染源解析方法、系统、装置和存储介质 Download PDFInfo
- Publication number
- CN116756523B CN116756523B CN202311016607.4A CN202311016607A CN116756523B CN 116756523 B CN116756523 B CN 116756523B CN 202311016607 A CN202311016607 A CN 202311016607A CN 116756523 B CN116756523 B CN 116756523B
- Authority
- CN
- China
- Prior art keywords
- node
- water
- data
- analysis
- pollution source
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 94
- 238000003911 water pollution Methods 0.000 title claims abstract description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 106
- 238000012544 monitoring process Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 239000010865 sewage Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 239000010842 industrial wastewater Substances 0.000 claims description 3
- -1 surface runoff Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011109 contamination Methods 0.000 claims 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012821 model calculation Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及水污染治理技术领域，尤其是一种跨界水污染源解析方法、系统、装置和存储介质。本发明提出的一种跨界水污染源解析方法，首先根据先验知识在河段内设置监测节点，令河段待解析处作为目标节点；获取与目标节点处的水样组分的相似度排名靠前的监测节点作为解析对象，对解析对象进行污染源解析，将对解析对象的影响系数达到设定的影响条件的污染源作为目标节点的高相关污染源。本发明可针对任意水域及时、快速、精确的进行污染溯源。
Description
技术领域
本发明涉及水污染治理技术领域，尤其是一种跨界水污染源解析方法、系统、装置和存储介质。
背景技术
现有常态化水污染以及突发污染事故发生后的溯源方法常采集被污染的河湖下游水样和上游涉污企业排污口的水样，对这些水样进行检测分析、比对，以实现对污染源的排查和追溯，污染溯源的工作量大，耗费时间精力大，不能有效对进行污染源排查、污染物溯源工作，跨区域污染责任难以界定。尤其河湖管理涉及不同行政区域、上下游、左右岸，区域跨度大，普遍存在水域“入侵污染物说不清、变化原因说不透，污染源头更难抓”，企业偷排“摸不清、抓不住、管不了”等问题。故跨界水污染责任区分以及有效溯源是落实水污染主题责任、提高水污染防治以及污染事故应急处理的关键。
发明内容
为了克服上述现有技术中水污染溯源及时性差的缺陷，本发明提出了一种跨界水污染源解析方法，可针对任意水域进行污染溯源及跨区域水污染责任界定。
本发明提出的一种跨界水污染源解析方法，首先根据先验知识在河段内设置监测节点，令河段待解析处作为目标节点；获取与目标节点处的水样组分的相似度达到设定的相似条件且位于目标节点上游的监测节点作为解析对象，对解析对象进行污染源解析，将对解析对象的影响系数达到设定的影响条件的污染源作为目标节点的高相关污染源。
优选的，包括以下步骤：
S1、在河段内沿着河流方向设置监测节点，监测节点位于河流的断面或者入河排口处；获取各监测节点的水质水量数据；水质水量数据包括用于描述水质组分的水质数据和描述水流流速以及流量的水量数据；令河段待解析处作为目标节点，获取目标节点的水质水量数据；
S2、根据水质水量监测数据，计算目标节点与其上游各监测节点在水质组分上的距离以及相似度；
S3、筛选与目标节点的相似度达到设定的相似条件的监测节点作为解析对象；采用定量源分析法解析各污染源对解析对象的影响系数；
S4、针对各解析对象，获取对应的影响系数f(k,j)达到设定的影响条件的污染源作为解析对象的高相关污染源；获取所有解析对象的高相关污染源的并集作为目标节点的高相关污染源的集合。
优选的，S2根据以下公式计算河段上节点A处和节点B处的相似度W(A,B)；
d(A,B)=[ΣI i=1(x(A,i)-x(B,i))2]1/2
d(A,B)表示节点A和节点B之间的组分距离，x(A,i)表示节点A中组分i的质量百分含量，x(B,i)表示节点B中组分i的质量百分含量，I为组分总数量；
w(A,B)表示节点A和节点B之间的相似度；L(A,B)为节点A和节点B之间的空间距离，u(A)为节点A处的水流流速，u(A,B)为点A和节点B之间水段的平均流速。
优选的，S3中采用定量源分析法解析各污染源对解析对象的影响系数，解析过程包括以下步骤：
首先构建线性矩阵：x(i,j)=Σq k=1[g(i,k)×f(k,j)]+e(i,j)
x(i,j)为第j个解析对象的水质数据中组分i的质量百分比，q为污染源的数量，g(i,k )为第k个污染源中组分i的质量百分比；f(k,j)表示第k个污染源对第j个解析对象的水质数据的影响系数；1≤k≤q；e(i,j)为第j个解析对象的水质数据中组分i 的计算浓度与观测浓度的差值；f(k,j)和e(i,j)均为待学习参数；
然后结合S1中获取的各解析对象的水质数据对线性矩阵进行回归分解，获得各解析对象的相关系数矩阵f(j)；
f(j)=[f(1,j),f(2,j)…,f(k,j),…f(q,j)]
Σq k=1f(k,j)=1，0<f(k,j)<1。
优选的，污染源包括生活污水、地表径流、工业废水和官网沉积、内源污染等相关污染。
优选的，相似条件为：解析对象与目标节点的水样组分的相似度达到设定的相似度阈值，相似度阈值≥0.5；或者相似条件为：将监测节点与目标节点的水样组分的相似度由大到小排序，获取相似度最大的前c1个监测节点作为解析对象，c1小于或等于监测节点总数量的一半，且c1≥1。
影响条件为：满足以下约束中的一项或者两项；
约束1：影响系数f(k,j)大于或等于设定的影响阈值；
约束2：影响系数f(k,j)在从大到小的排序中位于前c2位；1≤c2≤3。
本发明提出的一种跨界水污染源解析系统，包括：数据采集模块、数据解析模块和数据筛选模块；
数据采集模块分别与监测节点处的监测设备以及目标节点处的监测设备通信连接，数据采集模块用于与各监测设备通信，以获取监测设备采集的水质水量数据；水质水量数据包括用于描述水质组分的水质数据和描述水流流速以及流量的水量数据；数据采集模块对获取的水质水量数据进行清洗，并将清洗后的水质水量数据发送给数据解析模块；
数据解析模块数据解析模块计算目标节点与其上游的各监测节点在水质组分上的相似度，根据相似度筛选解析对象，并计算各污染源对各解析对象的影响系数；
数据筛选模块与数据解析模块连接，数据筛选模块根据影响系数筛选各解析对象的高相关污染源，获取所有的高相关污染源作为目标节点的高相关污染源。
本发明提出的一种跨界水污染源解析装置，包括存储器和处理器，存储器中存储有计算机程序，处理器与存储器连接，处理器用于执行所述计算机程序，以实现所述的跨界水污染源解析方法。
本发明提出的一种存储介质，存储有计算机程序，所述计算机程序被执行时用于实现所述的跨界水污染源解析方法。
本发明的优点在于：
（1）本专利针对流域特性，在水流流向上针对性地进行连续性采样或监测以获得相应水质、水量数据，利用欧式距离聚类方法获取流域重点问题河段信息及污染影响系数数据，并利用因子解析分析方法识别该重点问题河段水污染成分及其占比，实现流域内污染河段及污染成因解析的目的，提高污染来源识别与解析的准确性。
（2）本发明通过预设监测节点实现对河流污染结构的重点污染单元识别及污染源分布解析，便于后续河流的整治提供决策性建议。
（3）本发明结合组分距离计算目标节点和监测节点之间的相似度，将动态变化的目标节点的污染源解析变为监测节点的污染源解析，监测节点根据先验知识设置，相对于目标节点更具有代表性，提高了目标节点污染解析的准确性和效率。
（4）本发明结合误差估计，能很好的解释处理过程中的缺失异常值，将数据的损失降到最低，以至可以最大化利用数据信息，同时能保证分解矩阵中的因子得分及载荷非负，最大化的降低矩阵旋转的不确定性。
附图说明
图1为一种跨界水污染源解析方法流程图；
图2为实施例中各监测节点与目标节点的相似度统计图；
图3为实施例中解析对象受各污染源的影响系数对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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1，一种跨界水污染源解析方法，用于解析河段断面处的污染来源，该方法包括以下步骤：
S1、在河段内沿着河流方向设置监测节点，监测节点位于河流的断面或者入河排口处；令河段待解析处作为目标节点。
具体的，各监测节点的监测数据可通过现场设置的监测设备采集，也可通过人工取样实验室检测获得。同理，可通过监测设备获取目标节点的水质数据和水量数据，也可通过人工取样检测获得。
S2、对所获取监测节点和目标节点的水质水量数据进行数据清洗，去除异常值、重复值等，计算目标节点与其上游各监测节点在水质组分上的距离以及相似度；
d(A,B)=[ΣI i=1(x(A,i)-x(B,i))2]1/2
d(A,B)表示节点A和节点B在水质组分上的距离，x(A,i)表示节点A检测到的组分i的质量百分含量，x(B,i)表示节点B检测到的组分i的质量百分含量，I为组分总数量；
w(A,B)表示节点A和节点B之间的相似度；L(A,B)为节点A和节点B之间的空间距离，u(A)为节点A处的水流流速；u(A,B)为节点A和节点B之间水段的平均流速，具体为节点A处流速与节点B处流速的平均值；
S3、筛选与目标节点的相似度达到设定的相似度阈值或者相似度由大到小位于前序位置的监测节点作为解析对象；采用定量源分析法解析各污染源对解析对象的影响系数；令f(k,j)表示第 k 个污染源对第 j 个解析对象的影响系数，第 j 个解析对象的解析结果为相关系数矩阵f(j)；
f(j)=[f(1,j),f(2,j)…,f(k,j),…f(q,j)]
Σq k=1f(k,j)=1，0<f(k,j)<1；
q为污染源数量。
本实施方式中，采用的定量源分析法为PMF（Positive Matrix Factorization，正定因子矩阵模型）模型解析方法。
首先构建（1）所示的线性矩阵；
x(i,j)=Σq k=1[g(i,k)×f(k,j)]+e(i,j) （1）
x(i,j)为第j个解析对象的水质数据中组分i的质量百分比，q为污染源的数量，g(i,k )为第k个污染源中组分i的质量百分比；f(k,j)表示第 k 个污染源对第j个解析对象的水质数据的相对贡献，即影响系数；1≤k≤q；e(i,j)为第j个解析对象的水质数据中组分i 的计算浓度与观测浓度的差值；计算浓度指的是根据数学计算获得的质量百分比，观测浓度指的是根据化学实验获得的质量百分比；
然后结合S1中获取的水质数据对公式（1）进行回归分解，获得各解析对象的相关系数矩阵f(j)。
S4、针对各解析对象，获取对应的影响系数f(k,j)达到设定的影响阈值或者影响系数由大到小位于前序位置的污染源作为解析对象的高相关污染源；获取所有解析对象的高相关污染源的并集作为目标节点的高相关污染源集合。
本实施方式提供了一种跨界水污染源解析系统，包括：数据采集模块、数据解析模块和数据筛选模块。
数据采集模块分别与监测节点处的监测设备以及目标节点处的监测设备通信连接，数据采集模块用于与各监测设备通信，以获取监测设备采集的水质水量数据。具体实施时，可设置数据采集模块与各节点处的监测设备无线连接，以方便实施。
水质水量数据包括用于描述水质组分的水质数据和描述水流流速以及流量的水量数据。具体实施时，水质数据包括多种组分的质量百分比，以便满足不同目标节点的不同的水质成分解析需求，例如富氧、氨氮、重金属等。
数据采集模块对获取的水质水量数据进行清洗，并将清洗后的水质水量数据发送给数据解析模块。本实施例中，数据采集模块先清洗数据再传输数据，有利于减少传输的数据量。数据清洗具体包括过滤无效数据例如突变值、重复值等，还可以包括数据归一化。
数据解析模块数据解析模块计算目标节点与其上游的各监测节点在水质组分上的相似度，根据相似度筛选解析对象，并计算各污染源对各解析对象的影响系数。即，数据解析模块用于实现上述步骤S2和S3。
数据筛选模块与数据解析模块连接，数据筛选模块根据影响系数筛选各解析对象的高相关污染源，获取所有的高相关污染源作为目标节点的高相关污染源。即，数据筛选模块用于实现上述步骤S4。
以下结合具体的实施例对本发明提供的跨界水污染源解析方法进行解析。
本实施例针对某河流的一段流域进行实验分析。首先，该河段的目标节点上游设置有五个监测节点，且5个监测节点均设置在入河排口处。监测节点和目标节点的监测设备的监测结果包括：COD（化学需氧量）、氨氮和流量。
本实施例的目的为判断目标节点的氨氮污染来源。
本实施例中，对流域氨氮源进行解析，令I=2，组分1为氨，组分2为氮；q=4，4个污染源分别为：生活污水、地表径流、工业废水和官网沉积；
执行上述步骤S1-S4，首先根据氨氮组分计算5个监测节点与目标监测节点在水样组分上的欧式距离，结算结果如图2所示。
本实施例中，相似条件为：令与目标节点的水样组分相似度最大的监测节点作为解析对象；影响条件为：令影响系数最大的污染源作为解析对象的高相关污染源。
结合图2可知监测节点中只有5号排口满足条件可作为解析对象。即本实施例中，目标节点仅与一个监测节点的相似度达到设定值，即只有一个解析对象。对解析对象进行PMF模型解析，获得解析对象对应的四个污染源的影响系数如下表1所示。
为了验证效果，本实施例对该试验河段流道上的入河排口进行追溯，测量目标节点的污染源如表1、图3所示。表1中模型计算即为采用本发明提供的跨界水污染源解析方法获得的各污染源对解析对象的影响系数，实际测量即为通过化学方法获得的各污染源对解析对象的影响系数。
表1：模型计算与实际测量的对比
结合表1和图3可知，本发明对实施例的解析结果与实际测量相比误差最大为10.1%，且模型计算中各污染源对解析对象的影响系数排序与实际测量的污染源对解析对象的影响系数排序一致，证明了本发明提供的解析方法的有效性。
当然，对于本领域技术人员而言，本发明不限于上述示范性实施例的细节，而还包括在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现的相同或类似结构。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (8)
1.一种跨界水污染源解析方法，其特征在于，首先根据先验知识在河段内设置监测节点，令河段待解析处作为目标节点；获取与目标节点处的水样组分的相似度达到设定的相似条件且位于目标节点上游的监测节点作为解析对象，对解析对象进行污染源解析，将对解析对象的影响系数达到设定的影响条件的污染源作为目标节点的高相关污染源；
所述的跨界水污染源解析方法，包括以下步骤：
S1、在河段内沿着河流方向设置监测节点，监测节点位于河流的断面或者入河排口处；获取各监测节点的水质水量数据；水质水量数据包括用于描述水质组分的水质数据和描述水流流速以及流量的水量数据；令河段待解析处作为目标节点，获取目标节点的水质水量数据；
S2、根据水质水量监测数据，计算目标节点与其上游各监测节点在水质组分上的距离以及相似度；
S3、筛选与目标节点的相似度达到设定的相似条件的监测节点作为解析对象；采用定量源分析法解析各污染源对解析对象的影响系数；
S4、针对各解析对象，获取对应的影响系数f(k,j)达到设定的影响条件的污染源作为解析对象的高相关污染源；获取所有解析对象的高相关污染源的并集作为目标节点的高相关污染源的集合；
S2根据以下公式计算河段上节点A处和节点B处的相似度W(A,B)；
d(A,B)表示节点A和节点B之间的组分距离，x(A,i)表示节点A中组分i的质量百分含量，x(B,i)表示节点B中组分i的质量百分含量，I为组分总数量；
w(A,B)表示节点A和节点B之间的相似度；L(A,B)为节点A和节点B之间的空间距离，u(A)为节点A处的水流流速，u(A,B)为点A和节点B之间水段的平均流速。
2.如权利要求1所述的跨界水污染源解析方法，其特征在于，S3中采用定量源分析法解析各污染源对解析对象的影响系数，解析过程包括以下步骤：
首先构建线性矩阵：x(i,j)=Σq k=1[g(i,k)×f(k,j)]+e(i,j)
x(i,j)为第j个解析对象的水质数据中组分i的质量百分比，q为污染源的数量，g(i,k)为第k个污染源中组分i的质量百分比；f(k,j)表示第k个污染源对第j个解析对象的水质数据的影响系数；1≤k≤q；e(i,j)为第j个解析对象的水质数据中组分i 的计算浓度与观测浓度的差值；f(k,j)和e(i,j)均为待学习参数；
然后结合S1中获取的各解析对象的水质数据对线性矩阵进行回归分解，获得各解析对象的相关系数矩阵f(j)；
f(j)=[f(1,j),f(2,j)…,f(k,j),…f(q,j)]
Σq k=1f(k,j)=1，0<f(k,j)<1。
3.如权利要求1所述的跨界水污染源解析方法，其特征在于，污染源包括生活污水、地表径流、工业废水和官网沉积。
4.如权利要求1所述的跨界水污染源解析方法，其特征在于，相似条件为：解析对象与目标节点的水样组分的相似度达到设定的相似度阈值，相似度阈值≥0.5；或者相似条件为：将监测节点与目标节点的水样组分的相似度由大到小排序，获取相似度最大的前c1个监测节点作为解析对象，c1小于或等于监测节点总数量的一半，且c1≥1。
5.如权利要求1所述的跨界水污染源解析方法，其特征在于，影响条件为：满足以下约束中的一项或者两项；
约束1：影响系数f(k,j)大于或等于设定的影响阈值；
约束2：影响系数f(k,j)在从大到小的排序中位于前c2位；1≤c2≤3。
6.一种采用如权利要求1-5任一项跨界水污染源解析方法的跨界水污染源解析系统，其特征在于，包括：数据采集模块、数据解析模块和数据筛选模块；
数据采集模块分别与监测节点处的监测设备以及目标节点处的监测设备通信连接，数据采集模块用于与各监测设备通信，以获取监测设备采集的水质水量数据；水质水量数据包括用于描述水质组分的水质数据和描述水流流速以及流量的水量数据；数据采集模块对获取的水质水量数据进行清洗，并将清洗后的水质水量数据发送给数据解析模块；
数据解析模块数据解析模块计算目标节点与其上游的各监测节点在水质组分上的相似度，根据相似度筛选解析对象，并计算各污染源对各解析对象的影响系数；
数据筛选模块与数据解析模块连接，数据筛选模块根据影响系数筛选各解析对象的高相关污染源，获取所有的高相关污染源作为目标节点的高相关污染源。
7.一种跨界水污染源解析装置，其特征在于，包括存储器和处理器，存储器中存储有计算机程序，处理器与存储器连接，处理器用于执行所述计算机程序，以实现如权利要求1-5任一项所述的跨界水污染源解析方法。
8.一种存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时用于实现如权利要求1-5任一项所述的跨界水污染源解析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016607.4A CN116756523B (zh) | 2023-08-14 | 2023-08-14 | 跨界水污染源解析方法、系统、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016607.4A CN116756523B (zh) | 2023-08-14 | 2023-08-14 | 跨界水污染源解析方法、系统、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116756523A CN116756523A (zh) | 2023-09-15 |
| CN116756523B true CN116756523B (zh) | 2023-10-20 |
Family
ID=87959357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311016607.4A Active CN116756523B (zh) | 2023-08-14 | 2023-08-14 | 跨界水污染源解析方法、系统、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116756523B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117309067B (zh) * | 2023-11-30 | 2024-02-09 | 长春职业技术学院 | 水资源实时监控方法、系统和电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112198144A (zh) * | 2020-09-16 | 2021-01-08 | 安徽泽众安全科技有限公司 | 一种快速污水溯源的方法及系统 |
| WO2022027943A1 (zh) * | 2020-08-03 | 2022-02-10 | 生态环境部南京环境科学研究所 | 一种基于污染要素源解析的水污染溯源系统及方法 |
| CN114660030A (zh) * | 2022-03-17 | 2022-06-24 | 清华大学合肥公共安全研究院 | 污染源解析方法、装置及存储介质 |
| CN115587667A (zh) * | 2022-11-04 | 2023-01-10 | 深圳市生态环境智能管控中心 | 智慧环保平台水环境管理系统的污染分析管理模块及方法 |
| CN116402389A (zh) * | 2023-04-04 | 2023-07-07 | 西南交通大学 | 一种混合用地类型的流域水体污染源解析方法 |
| CN116500220A (zh) * | 2023-04-26 | 2023-07-28 | 中国环境科学研究院 | 一种基于物料守恒与时程相似的水污染溯源方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113689099B (zh) * | 2021-08-16 | 2022-05-06 | 河海大学 | 基于水量构成的环状河网水系水质考核断面污染负荷贡献率确定方法 |
| US20230196060A1 (en) * | 2021-12-21 | 2023-06-22 | True Elements, Inc. | Systems and methods for identifying toxic elements in water |
-
2023
- 2023-08-14 CN CN202311016607.4A patent/CN116756523B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022027943A1 (zh) * | 2020-08-03 | 2022-02-10 | 生态环境部南京环境科学研究所 | 一种基于污染要素源解析的水污染溯源系统及方法 |
| CN112198144A (zh) * | 2020-09-16 | 2021-01-08 | 安徽泽众安全科技有限公司 | 一种快速污水溯源的方法及系统 |
| CN114660030A (zh) * | 2022-03-17 | 2022-06-24 | 清华大学合肥公共安全研究院 | 污染源解析方法、装置及存储介质 |
| CN115587667A (zh) * | 2022-11-04 | 2023-01-10 | 深圳市生态环境智能管控中心 | 智慧环保平台水环境管理系统的污染分析管理模块及方法 |
| CN116402389A (zh) * | 2023-04-04 | 2023-07-07 | 西南交通大学 | 一种混合用地类型的流域水体污染源解析方法 |
| CN116500220A (zh) * | 2023-04-26 | 2023-07-28 | 中国环境科学研究院 | 一种基于物料守恒与时程相似的水污染溯源方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 梁鸿等.水污染预警溯源技术应用案例研究.环境影响评价.2021,第56-60页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116756523A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116756523B (zh) | 跨界水污染源解析方法、系统、装置和存储介质 | |
| JP4762088B2 (ja) | プロセス異常診断装置 | |
| Alferes et al. | Advanced monitoring of water systems using in situ measurement stations: data validation and fault detection | |
| CN109344971B (zh) | 一种基于自适应递归模糊神经网络的出水氨氮浓度预测方法 | |
| CN113111478B (zh) | 排水系统管网混接与入流、入渗程度的评估方法及设备 | |
| CN109064048B (zh) | 基于废水处理流程分析的废水排放源快速排查方法与系统 | |
| CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
| CN111160776A (zh) | 利用分块主成分分析的污水处理过程异常工况检测方法 | |
| CN116701885B (zh) | 一种废水处理数据采集分析方法 | |
| Montgomery et al. | TECHNIQUES FOR DETECTING TRENDS IN LAKE WATER QUALITY 1 | |
| CN103454390A (zh) | 一种测量溶解氧浓度的方法及装置 | |
| CN114817851A (zh) | 水质监测方法及设备 | |
| CN114564699B (zh) | 一种总磷总氮连续在线监测方法及系统 | |
| CN105372995B (zh) | 污水处理系统测控方法 | |
| Xia et al. | A computationally efficient self-starting scheme to monitor general linear profiles with abrupt changes | |
| CN113887119A (zh) | 一种基于sarima-lstm的河流水质预测方法 | |
| Bouaynaya et al. | Nonstationary analysis of coding and noncoding regions in nucleotide sequences | |
| CN111007220B (zh) | 一种生猪养殖污水水质敏捷监测的方法 | |
| CN114723123A (zh) | 一种基于流域大尺度水质时空规律分析和预测一体化方法 | |
| Sengul et al. | Prediction of optimal coagulant dosage in drinking water treatment by artificial neural network | |
| Foroutan et al. | Improving Phase I monitoring of Dirichlet regression profiles | |
| CN116629034B (zh) | 一种排水管网污染物溯源方法、装置、计算机设备及介质 | |
| CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
| Masliev et al. | Probabilistic methods for uncertainty analysis and parameter estimation for dissolved oxygen models | |
| CN112561118B (zh) | 一种基于gru神经网络的市政管网水流量预测方法 |
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 |