CN117113027B - 一种基于水污染的污染源溯源方法及系统 - Google Patents
一种基于水污染的污染源溯源方法及系统 Download PDFInfo
- Publication number
- CN117113027B CN117113027B CN202311062023.0A CN202311062023A CN117113027B CN 117113027 B CN117113027 B CN 117113027B CN 202311062023 A CN202311062023 A CN 202311062023A CN 117113027 B CN117113027 B CN 117113027B
- Authority
- CN
- China
- Prior art keywords
- river
- water pollution
- data
- simulation
- 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.)
- Active
Links
- 238000003911 water pollution Methods 0.000 title claims abstract description 180
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 217
- 231100000719 pollutant Toxicity 0.000 claims abstract description 217
- 238000004088 simulation Methods 0.000 claims abstract description 204
- 238000012544 monitoring process Methods 0.000 claims abstract description 72
- 238000009792 diffusion process Methods 0.000 claims abstract description 61
- 238000012937 correction Methods 0.000 claims description 61
- 238000004458 analytical method Methods 0.000 claims description 49
- 238000013508 migration Methods 0.000 claims description 22
- 230000005012 migration Effects 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 239000000356 contaminant Substances 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 230000000246 remedial effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Food Science & Technology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于水污染的污染源溯源方法及系统，其污染源溯源方法包括：确定被监测河流，并获取被监测河流的基本信息；参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，针对被监测河流进行观测点水污染监测，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，基于观测点的位置和污染物浓度利用河流仿真模型采用污染物扩散方式进行水污染仿真模拟得到水污染模拟数据；根据水污染模拟数据进行投放位置分析确定污染源。本发明在河流仿真模型中结合污染物扩散方式进行水污染仿真模拟，提高河流仿真模型的适用范围，减小水污染仿真模拟的误差，从而提高确定的污染源的准确性。
Description
技术领域
本发明涉及水污染溯源技术领域，特别涉及一种基于水污染的污染源溯源方法及系统。
背景技术
随着现代工业生产领域和规模的日益扩大，各种化学品和危险品的生产、贮存、运输、使用等大量增加，事故潜在危险源也随之增加，一旦出现事故性泄漏，不仅破坏当地的水域环境，对人们的身体健康构成威胁，甚至还影响到社会稳定，为将损失降到最低，应在突发性水污染事件发生后的第一时间掌握污染源相关信息，以便采取各种针对性的补救措施。
目前，在针对河流进行水污染溯源时，通常只能针对单一情形进行水污染仿真模拟，针对不同污染物则会造成水污染模拟数据误差较大，因此，本发明提出一种针对水污染进行污染源溯源的方法及系统，在河流仿真模型中结合污染物扩散方式进行水污染仿真模拟，不仅能够提高河流仿真模型的适用范围，还能够减小水污染仿真模拟的误差，提高水污染模拟数据的准确度，从而提高确定的污染源的准确性。
发明内容
本发明的目的在于提供一种基于水污染的污染源溯源方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于水污染的污染源溯源方法，包括：
确定被监测河流，并获取被监测河流的基本信息；
参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型；
针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据；
根据水污染模拟数据进行投放位置分析，确定污染源。
进一步地，所述基本信息包括：物理参数信息、生态环境信息、水文特征信息和地理位置信息，获取被监测河流的基本信息时，通过仪器设备针对被监测河流进行基本信息采集，而且在得到被监测河流的基本信息之后还针对河流进行历史监测数据获取。
进一步地，参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，包括：
根据物理参数信息将被监测河流按段搭建河流框架，得到多个河流段框架；
参照生态环境信息和水文特征信息针对河流段框架进行优化，将生态环境信息和水文特征信息增添到河流段框架中，得到河流段优化框架；
将河流段优化框架组合在一起，得到河流初始模型；
基于地理位置信息和历史监测数据形成动态调整数据库；
建立河流初始模型与动态调整数据库之间的模型调整关系，得到河流仿真模型。
进一步地，所述河流仿真模型得到之后还针对河流仿真模型进行校正，包括：
获取被监测河流的当前基本信息；
在当前基本信息中进行特征提取，得到当前基本信息特征，并根据当前基本信息特征在动态调整数据库中进行当前数据目标模型配置数据；
根据当前数据目标模型配置数据针对河流仿真模型进行参数调整，得到当前目标河流仿真模型；
针对被监测河流进行河流走向分析，将河流拐点和分叉点作为目标校正点；
在当前目标河流仿真模型中根据目标校正点寻找，并获取目标校正点的仿真数据；
在被监测河流中针对目标校正点进行数据获取，得到目标校正点的实际数据；
将目标校正点的仿真数据与目标校正点的实际数据进行比较，得到目标校正点的校正值；
根据目标校正点的校正值针对河流仿真模型进行校正，得到优化河流仿真模型。
进一步地，针对被监测河流进行水污染监测时，按照预设频率在观察点进行水污染监测数据获取，得到水污染监测数据信息，然后针对水污染监测数据信息进行水污染分析，确定河流水域中是否包含污染物，得到污染物第一判断结果，根据污染物第一判断结果在河流水域中包含污染物时针对污染物浓度进行是否超标判断，得到污染物第二判断结果，接着根据污染物第二判断结果在污染物浓度超标时进行污染物超标预警。
进一步地，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，包括：
根据水污染监测数据信息解析观测点处的污染物；
按照污染物分别获取污染物在观测点的浓度，得到污染物浓度；
针对污染物结合河流的基本信息确定污染物在水域中的属性，确定污染物属性，得到污染物类型；
根据污染物类型进行扩散方式匹配，得到污染物扩散方式。
进一步地，所述模型调整关系还接通河流仿真模型和扩散方式数据配置库，在进行水污染仿真模拟时，包括：
确定水污染监测数据信息在观测点的获取时间；
根据获取时间在动态调整数据库中进行第一配置数据获取，将获取时间结合地理位置信息进行历史监测数据匹配调取，获取被监测河流历史当前数据，并基于被监测河流历史当前数据生成第一配置数据；
根据污染物扩散方式在扩散方式数据配置库中进行第二配置数据获取，得到第二配置数据；
采用第一配置参数针对河流仿真模型进行动态数据调整，得到目标河流仿真模型；
在目标河流仿真模型中根据观测点的位置进行污染物浓度导入，并在导入污染物浓度后参照第二配置数据使得目标河流仿真模型进行水污染仿真模拟，实现污染物扩散的逆向推理，得到水污染模拟数据。
进一步地，根据水污染模拟数据进行投放位置分析包括：
针对被监测河流进行排放口分析，获取排放口的排污信息；
根据排放口的排污信息针对污染物进行关联分析，确定排放口污染物关系系数；
结合排放口污染物关系系数针对水污染模拟数据进行浓度分析，筛选出浓度最高的排放口，确定投放位置，得到污染源。
进一步地，结合排放口污染物关系系数针对水污染模拟数据进行浓度分析时，确定浓度最高的排放口的水污染模拟数据是否达到污染物浓度的饱和值，当浓度最高的排放口的水污染模拟数据未达到污染物浓度的饱和值时，此时的排放口对应的位置即为投放位置，当浓度最高的排放口的水污染模拟数据达到污染物浓度的饱和值时，进一步结合预设半径针对浓度最高的排放口所在位置区域扩大，得到扩充分析区域，然后在扩充分析区域内分析污染物浓度是否全为污染物浓度的饱和值，当预设半径区域内全为污染物浓度的饱和值，针对扩充分析区域进行水流反向迁移，得到迁移扩充区域，接着在迁移扩充区域内分析污染物浓度是否全为污染物浓度的饱和值，重复迁移直至迁移扩充区域内分析污染物浓度不全为污染物浓度的饱和值，此时分析迁移扩充区域内是否存在排放口，当迁移扩充区域内存在排放口时，迁移扩充区域内的排放口的位置即为投放位置，当迁移扩充区域内不存在排放口时，则在迁移扩充区域的下游中距离迁移扩充区域最近的排放口的位置即为投放位置。
一种基于水污染的污染源溯源系统，包括：信息采集模块、模型建立模块、监测分析模块、仿真模拟模块和位置溯源模块；
所述信息采集模块，用于确定被监测河流，并获取被监测河流的基本信息；
所述模型建立模块，用于参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型；
所述监测分析模块，用于针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
所述仿真模拟模块，用于在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据；
所述位置溯源模块，用于根据水污染模拟数据进行投放位置分析，确定污染源。
本发明实现了河流中水污染的污染源溯源，从而使得河流在发生水污染时能够确定污染源，以便采取各种针对性的补救措施，从而降低水污染带来的损失。通过针对被监测河流进行虚拟模型建立使得能够将被监测河流虚拟化复刻，使得在进行污染源溯源时无需针对被监测河流进行过多的实地考察，减少实地考察的工作量和风险，为污染源溯源分析提供便捷，而且，河流仿真模型是可配置调整的，能够根据污染物选择不同的污染物扩散方式进行水污染仿真模拟，提高了河流仿真模型的适用范围，使得河流仿真模型针对不同类型的污染物都能够进行高精度的水污染仿真模拟，在针对被监测河流进行水污染监测时，通过基于水污染监测数据信息确定污染物类型和污染物浓度从而可以使得在利用河流仿真模型进行水污染仿真模拟时能够将污染物在河流中的扩散方式结合河流的特性进行水污染模拟数据获取，使得水污染仿真模拟与河流中的水污染状况更接近，减小水污染仿真模拟的误差，提高水污染模拟数据的准确度，进而提高确定的污染源的准确性。
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为本发明所述的一种基于水污染的污染源溯源方法的步骤示意图；
图2为本发明所述的一种基于水污染的污染源溯源方法中步骤二的流程示意图；
图3为本发明所述的一种基于水污染的污染源溯源方法中河流仿真模型的校正步骤示意图；
图4为本发明所述的一种基于水污染的污染源溯源方法中步骤三的步骤示意图；
图5为本发明所述的一种基于水污染的污染源溯源方法中步骤四的步骤示意图；
图6为本发明所述的一种基于水污染的污染源溯源方法中步骤五的步骤示意图；
图7为本发明所述的一种基于水污染的污染源溯源系统的示意图。
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。
如图1所示，本发明实施例提供了一种基于水污染的污染源溯源方法，包括：
步骤一、确定被监测河流，并获取被监测河流的基本信息；
步骤二、参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型；
步骤三、针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
步骤四、在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据；
步骤五、根据水污染模拟数据进行投放位置分析，确定污染源。
上述技术方案中，河流仿真模型是三维立体模型，在针对被监测河流进行虚拟模型构建时将待监测河流等比复刻。
上述技术方案中，被监测河流即为进行水污染监测的河流，在被监测河流出现水污染现象时，进行污染源溯源。
上述技术方案中，针对被监测河流进行水污染监测时，在被监测河流中确定进行水污染监测的观测点，在观测点获取水污染监测数据信息。
上述技术方案实现了河流中水污染的污染源溯源，从而使得河流在发生水污染时能够确定污染源，以便采取各种针对性的补救措施，从而降低水污染带来的损失。通过针对被监测河流进行虚拟模型建立使得能够将被监测河流虚拟化复刻，使得在进行污染源溯源时无需针对被监测河流进行过多的实地考察，减少实地考察的工作量和风险，为污染源溯源分析提供便捷，而且，河流仿真模型是可配置调整的，能够根据污染物选择不同的污染物扩散方式进行水污染仿真模拟，提高了河流仿真模型的适用范围，使得河流仿真模型针对不同类型的污染物都能够进行高精度的水污染仿真模拟，在针对被监测河流进行水污染监测时，通过基于水污染监测数据信息确定污染物类型和污染物浓度从而可以使得在利用河流仿真模型进行水污染仿真模拟时能够将污染物在河流中的扩散方式结合河流的特性进行水污染模拟数据获取，使得水污染仿真模拟与河流中的水污染状况更接近，减小水污染仿真模拟的误差，提高水污染模拟数据的准确度，进而提高确定的污染源的准确性。
本发明提供的一个实施例中，所述基本信息包括：物理参数信息、生态环境信息、水文特征信息和地理位置信息，获取被监测河流的基本信息时，通过仪器设备针对被监测河流进行基本信息采集，而且在得到被监测河流的基本信息之后还针对河流进行历史监测数据获取。
上述技术方案中，物理参数信息包括：河宽、水流速度、水深、河岸类型等。
上述技术方案中，生态环境信息包括：水生生物群落、水流、水质等。
上述技术方案中，水文特征信息包括：径流量、蒸发量、地下水位、水文地质等。
上述技术方案中，仪器设备包括：激光测距仪、摄像头、声呐、水质监测仪、雷达测距仪、GPS定位仪等，根据基本信息中获得目标信息选择仪器设备进行物理参数信息、生态环境信息、水文特征信息和地理位置信息采集，得到物理参数信息、生态环境信息、水文特征信息和地理位置信息。
上述技术方案中，历史监测数据是从被监测河流对应的数据存储装置调取的，在被监测河流的数据储存装置中，存储记录针对被监测河流的基本信息监测数据。
上述技术方案通过仪器设备方便针对被监测河流进行基本信息采集，节省人力劳动消耗和财力成本支出，而且还能够减少人为获取误差，提高基本信息的准确性，在基本信息中包括：物理参数信息、生态环境信息、水文特征信息和地理位置信息，从而能够全面反映被监测河流的状况，进而在参照被监测河流的基本信息针对被监测河流进行虚拟模型建立时能够提高河流仿真模型与被监测河流的吻合度，确保河流仿真模型完整复刻被监测河流。
如图2所示，本发明提供的一个实施例中，参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，包括：
S201、根据物理参数信息将被监测河流按段搭建河流框架，得到多个河流段框架；
S202、参照生态环境信息和水文特征信息针对河流段框架进行优化，将生态环境信息和水文特征信息增添到河流段框架中，得到河流段优化框架；
S203、将河流段优化框架组合在一起，得到河流初始模型；
S204、基于地理位置信息和历史监测数据形成动态调整数据库；
S205、建立河流初始模型与动态调整数据库之间的模型调整关系，得到河流仿真模型。
上述技术方案中，搭建河流框架时针对被监测河流进行物理参数信息特征分析，然后按照特征分成多段，得到多个河流段，并针对河流段进行顺序标记，确定河流段标记，从而根据物理参数信息针对河流段进行河流框架搭建，并将河流段标记赋予对应的河流框架，得到河流段框架。
上述技术方案中，将河流段优化框架组合在一起时，按照河流段标记将河流段优化框架拼接到一起。
上述技术方案通过建立河流初始模型与动态调整数据库之间的模型调整关系使得河流仿真模型是一个动态可变模型，从而使得河流仿真模型能够根据被监测河流的动态变化呈现一致调整，使得在进行仿真模拟时与被监测河流始终调整成一致，进而提高仿真模拟的准确性。
如图3所示，本发明提供的一个实施例中，所述河流仿真模型得到之后还针对河流仿真模型进行校正，包括：
S2101、获取被监测河流的当前基本信息；
S2102、在当前基本信息中进行特征提取，得到当前基本信息特征，并根据当前基本信息特征在动态调整数据库中进行当前数据目标模型配置数据；
S2103、根据当前数据目标模型配置数据针对河流仿真模型进行参数调整，得到当前目标河流仿真模型；
S2104、针对被监测河流进行河流走向分析，将河流拐点和分叉点作为目标校正点；
S2105、在当前目标河流仿真模型中根据目标校正点寻找，并获取目标校正点的仿真数据；
S2106、在被监测河流中针对目标校正点进行数据获取，得到目标校正点的实际数据；
S2107、将目标校正点的仿真数据与目标校正点的实际数据进行比较，得到目标校正点的校正值；
S2108、根据目标校正点的校正值针对河流仿真模型进行校正，得到优化河流仿真模型。
上述技术方案中，针对被监测河流进行河流走向分析时，按照河流走向，从上游开始分析河流是否存在拐点或者交叉点，将河流的拐点和分叉点作为目标校正点。
上述技术方案中，根据目标校正点的校正值针对河流仿真模型进行校正时，包括：
针对目标校正点的校正值进行筛选，确定需要进行校正的目标校正点；
在需要进行校正的目标校正点进行校正值分析，确定目标校正点的调控因素，结合校正值确定调控因素的校正数据；
根据调控因素的校正数据针对调控因素进行调控，实现对需要进行校正的目标校正点的校正，得到优化河流仿真模型；
针对优化河流仿真模型在需要进行校正的目标校正点进行校正效果评估，将需要进行校正的目标校正点在校正后根据仿真数据与实际数据确定校正效果评估数据，当校正效果评估数据为可行范围内时，完成河流仿真模型的校正。其中，可行范围是预先针对河流仿真模型设置的允许误差范围。
上述技术方案通过基于目标校正点针对河流仿真模型进行校正从而优化河流仿真模型在河流拐点和分叉点对应污染物的扩散情况，进而使得河流仿真模型在出现拐点或者分叉点时能够与实际情况保持一致，减小了河流仿真模型的误差。此外，在根据目标校正点的校正值针对河流仿真模型进行校正时，通过确定需要进行校正的目标校正点使得在进行河流仿真模型优化时只针对需要进行校正的目标校正点进行校正，从而提高优化效率，而且在针对需要进行校正的目标校正点进行校正后还进行校正效果评估，从而确保了河流仿真模型的优化效果，保障河流仿真模型的精准度，提高水污染模拟数据的准确性，进而提高污染源的确定精度。
本发明提供的一个实施例中，针对被监测河流进行水污染监测时，按照预设频率在观察点进行水污染监测数据获取，得到水污染监测数据信息，然后针对水污染监测数据信息进行水污染分析，确定河流水域中是否包含污染物，得到污染物第一判断结果，根据污染物第一判断结果在河流水域中包含污染物时针对污染物浓度进行是否超标判断，得到污染物第二判断结果，接着根据污染物第二判断结果在污染物浓度超标时进行污染物超标预警。
上述技术方案中，根据污染物第二判断结果在污染物浓度超标时进行污染物超标预警时，根据污染物浓度进行等级映射，确定污染物的污染等级，并根据污染物的污染等级进行不同级别的污染物超标预警。
上述技术方案通过进行污染物超标预警使得在污染物浓度超标时能够及时提醒相关人员，引起相关人员的重视，而且针对被监测河流进行水污染监测时只有发现被监测河流出现水污染时才进行水污染仿真模拟。
如图4所示，本发明提供的一个实施例中，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，包括：
S301、根据水污染监测数据信息解析观测点处的污染物；
S302、按照污染物分别获取污染物在观测点的浓度，得到污染物浓度；
S303、针对污染物结合河流的基本信息确定污染物在水域中的属性，确定污染物属性，得到污染物类型；
S304、根据污染物类型进行扩散方式匹配，得到污染物扩散方式。
上述技术方案中，扩散方式包括：分子扩散、胶体扩散、吸附扩散、溶液扩散等。
上述技术方案通过进行污染物在水域中的属性的确定使得能够得到污染物扩散方式，从而使得不同的污染物都能够得到在被监测河流中的扩散方式，进而使得在进行仿真模拟时能够按照污染物的扩散方式进行仿真模拟，使得仿真模拟更加逼真。
如图5所示，本发明提供的一个实施例中，所述模型调整关系还接通河流仿真模型和扩散方式数据配置库，在进行水污染仿真模拟时，包括：
S401、确定水污染监测数据信息在观测点的获取时间；
S402、根据获取时间在动态调整数据库中进行第一配置数据获取，将获取时间结合地理位置信息进行历史监测数据匹配调取，获取被监测河流历史当前数据，并基于被监测河流历史当前数据生成第一配置数据；
S403、根据污染物扩散方式在扩散方式数据配置库中进行第二配置数据获取，得到第二配置数据；
S404、采用第一配置参数针对河流仿真模型进行动态数据调整，得到目标河流仿真模型；
S405、在目标河流仿真模型中根据观测点的位置进行污染物浓度导入，并在导入污染物浓度后参照第二配置数据使得目标河流仿真模型进行水污染仿真模拟，实现污染物扩散的逆向推理，得到水污染模拟数据。
上述技术方案在进行水污染仿真模拟时针对河流仿真模型进行第一配置参数和第二配置参数确定，从而使得进行水污染仿真模拟时河流仿真模型能够根据被监测河流的当前状况进行仿真模拟，使得仿真模拟与实际情况更接近，减小仿真模拟的误差，提高水污染模拟数据的准确性。
如图6所示，本发明提供的一个实施例中，根据水污染模拟数据进行投放位置分析包括：
S501、针对被监测河流进行排放口分析，获取排放口的排污信息；
S502、根据排放口的排污信息针对污染物进行关联分析，确定排放口污染物关系系数；
S503、结合排放口污染物关系系数针对水污染模拟数据进行浓度分析，筛选出浓度最高的排放口，确定投放位置，得到污染源。
上述技术方案中，排放口污染物关系系数是动态变化数据，针对排放口的排污信息进行规律分析，确定排放口的排污规律，然后根据排放口的排污规律和排放口污染物的排放量计算得到排放口污染物关系系数，其中，排放口污染物的排放量在获取时，针对排放口的排污信息进行污染物关联分析，确定排放口的排污信息中包含污染物的占比，然后根据排放口的排污信息中包含污染物的占比得到排放口污染物的排放量。
上述技术方案中，结合排放口污染物关系系数针对水污染模拟数据进行浓度分析时，包括：
确定排放口污染物关系系数；
根据排放口污染物关系系数针对水污染模拟数据进行排放口污染物整合分析，得到排放口污染物浓度信息；
针对排放口污染物浓度信息进行大小筛选，将浓度最高的排放口确认为投放位置，得到污染源。
上述技术方案通过进行排放口污染物关系系数使得针对污染物有关联得排放口进行分析，减少了工作量，提高了投放位置的确定效率，从而可以更加快速的确定污染源，进而可以及时采取各种针对性的补救措施，降低水污染带来的损失，并且，排放口污染物关系系数是动态变化数据，使得能够更加准确的反映排放口针对污染物排放的情况，从而在排放口对污染物排放不恒定时也能够准确进行污染源溯源，此外在结合排放口污染物关系系数针对水污染模拟数据进行浓度分析时，通过确定排放口污染物关系系数使得能够基于当前状况最合适的排放口污染物关系系数针对水污染模拟数据进行分析，从而提高污染源的准确性。
本发明提供的一个实施例中，结合排放口污染物关系系数针对水污染模拟数据进行浓度分析时，确定浓度最高的排放口的水污染模拟数据是否达到污染物浓度的饱和值，当浓度最高的排放口的水污染模拟数据未达到污染物浓度的饱和值时，此时的排放口对应的位置即为投放位置，当浓度最高的排放口的水污染模拟数据达到污染物浓度的饱和值时，进一步结合预设半径针对浓度最高的排放口所在位置区域扩大，得到扩充分析区域，然后在扩充分析区域内分析污染物浓度是否全为污染物浓度的饱和值，当预设半径区域内全为污染物浓度的饱和值，针对扩充分析区域进行水流反向迁移，得到迁移扩充区域，接着在迁移扩充区域内分析污染物浓度是否全为污染物浓度的饱和值，重复迁移直至迁移扩充区域内分析污染物浓度不全为污染物浓度的饱和值，此时分析迁移扩充区域内是否存在排放口，当迁移扩充区域内存在排放口时，迁移扩充区域内的排放口的位置即为投放位置，当迁移扩充区域内不存在排放口时，则在迁移扩充区域的下游中距离迁移扩充区域最近的排放口的位置即为投放位置。
上述技术方案通过结合污染物浓度的饱和值针对水污染模拟数据进行浓度分析，从而使得在被监测河流的水污染出现污染物浓度饱和时更加准确的确定污染源，避免在水污染严重时出现投放位置确定出现偏差，导致污染源确定错误，进而保障了污染源的准确性。
本发明提供了一种基于水污染的污染源溯源系统，包括：信息采集模块、模型建立模块、监测分析模块、仿真模拟模块和位置溯源模块；
所述信息采集模块，用于确定被监测河流，并获取被监测河流的基本信息；
所述模型建立模块，用于参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型；
所述监测分析模块，用于针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
所述仿真模拟模块，用于在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据；
所述位置溯源模块，用于根据水污染模拟数据进行投放位置分析，确定污染源。
上述技术方案中，如图7所示，信息采集模块与模型建立模块连接，模型建立模块还与监测分析模块连接，仿真模拟模块连接在监测分析模块上，且与位置溯源模块连接。
上述技术方案实现了河流中水污染的污染源溯源，从而使得河流在发生水污染时能够确定污染源，以便采取各种针对性的补救措施，从而降低水污染带来的损失。通过模型建立模块针对被监测河流进行虚拟模型建立使得能够将被监测河流虚拟化复刻，使得在进行污染源溯源时无需针对被监测河流进行过多的实地考察，减少实地考察的工作量和风险，为污染源溯源分析提供便捷，而且，河流仿真模型是可配置调整的，能够根据污染物选择不同的污染物扩散方式进行水污染仿真模拟，提高了河流仿真模型的适用范围，使得仿真模拟模块利用河流仿真模型针对不同类型的污染物都能够进行高精度的水污染仿真模拟，在针对被监测河流进行水污染监测时，通过位置溯源模块基于水污染监测数据信息确定污染物类型和污染物浓度从而可以使得在利用河流仿真模型进行水污染仿真模拟时能够将污染物在河流中的扩散方式结合河流的特性进行水污染模拟数据获取，使得水污染仿真模拟与河流中的水污染状况更接近，减小水污染仿真模拟的误差，提高水污染模拟数据的准确度，进而提高确定的污染源的准确性。
本领域技术人员应当理解的是，本发明中的第一、第二仅仅指的是不同应用阶段而已。
本领域技术客户员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (7)
1.一种基于水污染的污染源溯源方法，其特征在于，所述污染源溯源方法包括：
确定被监测河流，并获取被监测河流的基本信息；所述基本信息包括：物理参数信息、生态环境信息、水文特征信息和地理位置信息，获取被监测河流的基本信息时，通过仪器设备针对被监测河流进行基本信息采集，而且在得到被监测河流的基本信息之后还针对河流进行历史监测数据获取；
参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型，包括：根据物理参数信息将被监测河流按段搭建河流框架，得到多个河流段框架；参照生态环境信息和水文特征信息针对河流段框架进行优化，将生态环境信息和水文特征信息增添到河流段框架中，得到河流段优化框架；将河流段优化框架组合在一起，得到河流初始模型；基于地理位置信息和历史监测数据形成动态调整数据库；建立河流初始模型与动态调整数据库之间的模型调整关系，得到河流仿真模型；其中，所述模型调整关系还接通河流仿真模型和扩散方式数据配置库；
针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据，包括：确定水污染监测数据信息在观测点的获取时间；根据获取时间在动态调整数据库中进行第一配置数据获取，将获取时间结合地理位置信息进行历史监测数据匹配调取，获取被监测河流历史当前数据，并基于被监测河流历史当前数据生成第一配置数据；根据污染物扩散方式在扩散方式数据配置库中进行第二配置数据获取，得到第二配置数据；采用第一配置参数针对河流仿真模型进行动态数据调整，得到目标河流仿真模型；在目标河流仿真模型中根据观测点的位置进行污染物浓度导入，并在导入污染物浓度后参照第二配置数据使得目标河流仿真模型进行水污染仿真模拟，实现污染物扩散的逆向推理，得到水污染模拟数据；
根据水污染模拟数据进行投放位置分析，确定污染源。
2.根据权利要求1所述的污染源溯源方法，其特征在于，所述河流仿真模型得到之后还针对河流仿真模型进行校正，包括：
获取被监测河流的当前基本信息；
在当前基本信息中进行特征提取，得到当前基本信息特征，并根据当前基本信息特征在动态调整数据库中进行当前数据目标模型配置数据；
根据当前数据目标模型配置数据针对河流仿真模型进行参数调整，得到当前目标河流仿真模型；
针对被监测河流进行河流走向分析，将河流拐点和分叉点作为目标校正点；
在当前目标河流仿真模型中根据目标校正点寻找，并获取目标校正点的仿真数据；
在被监测河流中针对目标校正点进行数据获取，得到目标校正点的实际数据；
将目标校正点的仿真数据与目标校正点的实际数据进行比较，得到目标校正点的校正值；
根据目标校正点的校正值针对河流仿真模型进行校正，得到优化河流仿真模型。
3.根据权利要求1所述的污染源溯源方法，其特征在于，针对被监测河流进行水污染监测时，按照预设频率在观察点进行水污染监测数据获取，得到水污染监测数据信息，然后针对水污染监测数据信息进行水污染分析，确定河流水域中是否包含污染物，得到污染物第一判断结果，根据污染物第一判断结果在河流水域中包含污染物时针对污染物浓度进行是否超标判断，得到污染物第二判断结果，接着根据污染物第二判断结果在污染物浓度超标时进行污染物超标预警。
4.根据权利要求1所述的污染源溯源方法，其特征在于，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，包括：
根据水污染监测数据信息解析观测点处的污染物；
按照污染物分别获取污染物在观测点的浓度，得到污染物浓度；
针对污染物结合河流的基本信息确定污染物在水域中的属性，确定污染物属性，得到污染物类型；
根据污染物类型进行扩散方式匹配，得到污染物扩散方式。
5.根据权利要求1所述的污染源溯源方法，其特征在于，根据水污染模拟数据进行投放位置分析包括：
针对被监测河流进行排放口分析，获取排放口的排污信息；
根据排放口的排污信息针对污染物进行关联分析，确定排放口污染物关系系数；
结合排放口污染物关系系数针对水污染模拟数据进行浓度分析，筛选出浓度最高的排放口，确定投放位置，得到污染源。
6.根据权利要求5所述的污染源溯源方法，其特征在于，结合排放口污染物关系系数针对水污染模拟数据进行浓度分析时，确定浓度最高的排放口的水污染模拟数据是否达到污染物浓度的饱和值，当浓度最高的排放口的水污染模拟数据未达到污染物浓度的饱和值时，此时的排放口对应的位置即为投放位置，当浓度最高的排放口的水污染模拟数据达到污染物浓度的饱和值时，进一步结合预设半径针对浓度最高的排放口所在位置区域扩大，得到扩充分析区域，然后在扩充分析区域内分析污染物浓度是否全为污染物浓度的饱和值，当预设半径区域内全为污染物浓度的饱和值，针对扩充分析区域进行水流反向迁移，得到迁移扩充区域，接着在迁移扩充区域内分析污染物浓度是否全为污染物浓度的饱和值，重复迁移直至迁移扩充区域内分析污染物浓度不全为污染物浓度的饱和值，此时分析迁移扩充区域内是否存在排放口，当迁移扩充区域内存在排放口时，迁移扩充区域内的排放口的位置即为投放位置，当迁移扩充区域内不存在排放口时，则在迁移扩充区域的下游中距离迁移扩充区域最近的排放口的位置即为投放位置。
7.一种基于水污染的污染源溯源系统，其特征在于，所述污染源溯源系统，包括：信息采集模块、模型建立模块、监测分析模块、仿真模拟模块和位置溯源模块；
所述信息采集模块，用于确定被监测河流，并获取被监测河流的基本信息；所述基本信息包括：物理参数信息、生态环境信息、水文特征信息和地理位置信息，获取被监测河流的基本信息时，通过仪器设备针对被监测河流进行基本信息采集，而且在得到被监测河流的基本信息之后还针对河流进行历史监测数据获取；
所述模型建立模块，用于参照被监测河流的基本信息针对被监测河流进行虚拟模型建立，得到河流仿真模型，包括：根据物理参数信息将被监测河流按段搭建河流框架，得到多个河流段框架；参照生态环境信息和水文特征信息针对河流段框架进行优化，将生态环境信息和水文特征信息增添到河流段框架中，得到河流段优化框架；将河流段优化框架组合在一起，得到河流初始模型；基于地理位置信息和历史监测数据形成动态调整数据库；建立河流初始模型与动态调整数据库之间的模型调整关系，得到河流仿真模型；其中，所述模型调整关系还接通河流仿真模型和扩散方式数据配置库；
所述监测分析模块，用于针对被监测河流进行水污染监测，获取观测点的水污染监测数据信息，基于水污染监测数据信息确定污染物类型和污染物浓度，并根据污染物类型确定污染物在被监测河流中的扩散方式，得到污染物扩散方式；
所述仿真模拟模块，用于在河流仿真模型中确定观测点的位置，基于污染物浓度采用污染物扩散方式进行水污染仿真模拟，得到水污染模拟数据，包括：确定水污染监测数据信息在观测点的获取时间；根据获取时间在动态调整数据库中进行第一配置数据获取，将获取时间结合地理位置信息进行历史监测数据匹配调取，获取被监测河流历史当前数据，并基于被监测河流历史当前数据生成第一配置数据；根据污染物扩散方式在扩散方式数据配置库中进行第二配置数据获取，得到第二配置数据；采用第一配置参数针对河流仿真模型进行动态数据调整，得到目标河流仿真模型；在目标河流仿真模型中根据观测点的位置进行污染物浓度导入，并在导入污染物浓度后参照第二配置数据使得目标河流仿真模型进行水污染仿真模拟，实现污染物扩散的逆向推理，得到水污染模拟数据；
所述位置溯源模块，用于根据水污染模拟数据进行投放位置分析，确定污染源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311062023.0A CN117113027B (zh) | 2023-08-22 | 2023-08-22 | 一种基于水污染的污染源溯源方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311062023.0A CN117113027B (zh) | 2023-08-22 | 2023-08-22 | 一种基于水污染的污染源溯源方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113027A CN117113027A (zh) | 2023-11-24 |
| CN117113027B true CN117113027B (zh) | 2024-03-19 |
Family
ID=88808597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311062023.0A Active CN117113027B (zh) | 2023-08-22 | 2023-08-22 | 一种基于水污染的污染源溯源方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113027B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104392100A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于水质在线监测系统的污染源扩散预警方法 |
| CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
| CN112418426A (zh) * | 2020-11-19 | 2021-02-26 | 中科三清科技有限公司 | 排污口污染物排放溯源方法、装置、计算设备及存储介质 |
| CN112417721A (zh) * | 2020-11-11 | 2021-02-26 | 北京京航计算通讯研究所 | 基于二维有限元法扩散模型的水污染溯源方法及系统 |
| CN113449956A (zh) * | 2021-04-23 | 2021-09-28 | 合肥学院 | 一种水污染快速溯源方法及系统 |
| CN113902172A (zh) * | 2021-09-13 | 2022-01-07 | 联通(广东)产业互联网有限公司 | 一种污水处理方法、系统、装置及介质 |
| CN114519124A (zh) * | 2020-11-18 | 2022-05-20 | 航天科工智慧产业发展有限公司 | 一种大气环境污染联防联控治理方法 |
| CN116011711A (zh) * | 2023-01-06 | 2023-04-25 | 深圳市东深电子股份有限公司 | 一种涉及水污染溯源的应急预案生成方法 |
Family Cites Families (1)
| 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 |
-
2023
- 2023-08-22 CN CN202311062023.0A patent/CN117113027B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104392100A (zh) * | 2014-10-29 | 2015-03-04 | 南京南瑞集团公司 | 基于水质在线监测系统的污染源扩散预警方法 |
| CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
| CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
| CN112417721A (zh) * | 2020-11-11 | 2021-02-26 | 北京京航计算通讯研究所 | 基于二维有限元法扩散模型的水污染溯源方法及系统 |
| CN114519124A (zh) * | 2020-11-18 | 2022-05-20 | 航天科工智慧产业发展有限公司 | 一种大气环境污染联防联控治理方法 |
| CN112418426A (zh) * | 2020-11-19 | 2021-02-26 | 中科三清科技有限公司 | 排污口污染物排放溯源方法、装置、计算设备及存储介质 |
| CN113449956A (zh) * | 2021-04-23 | 2021-09-28 | 合肥学院 | 一种水污染快速溯源方法及系统 |
| CN113902172A (zh) * | 2021-09-13 | 2022-01-07 | 联通(广东)产业互联网有限公司 | 一种污水处理方法、系统、装置及介质 |
| CN116011711A (zh) * | 2023-01-06 | 2023-04-25 | 深圳市东深电子股份有限公司 | 一种涉及水污染溯源的应急预案生成方法 |
Non-Patent Citations (1)
| Title |
|---|
| 河渠突发水污染追踪溯源理论与方法;杨海东;《中国博士学位论文全文数据库》(第06期);B027-40 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117113027A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111260208B (zh) | 基于风险场的区域网格化累积性环境风险评估系统及方法 | |
| CN106644284B (zh) | 一种用于化工厂装置的自动泄漏监测与修复系统 | |
| KR101432437B1 (ko) | 수계수질상태의 진단 및 예측이 가능한 수질정보제공시스템 및 방법 | |
| CN113030416A (zh) | 一种水源地污染源溯源方法、装置及电子设备 | |
| CN105675448A (zh) | 一种面向水环境质量监测的动态模拟污染物扩散的方法 | |
| CN113505471A (zh) | 一种河流断面污染物浓度预测计算方法 | |
| CN109933637A (zh) | 一种洪水风险动态展示及分析系统 | |
| CN114663783B (zh) | 一种基于机器学习的入海河流水体污染遥感识别方法 | |
| JP2020134300A (ja) | 予測方法、予測プログラム及び情報処理装置 | |
| US7383157B1 (en) | Decision-making support system for sewer maintenance and control method thereof | |
| CN117113027B (zh) | 一种基于水污染的污染源溯源方法及系统 | |
| CN114021766A (zh) | 一种基于物联网和大数据的城市水安全预测方法 | |
| CN116448966A (zh) | 基于智能物联网和深度学习相结合的空气质量评估方法 | |
| KR100827647B1 (ko) | 폐기물 매립지 관리 장치 | |
| CN109019717A (zh) | 一种火电厂脱硫废水智能处理方法及系统 | |
| JP5110891B2 (ja) | 水処理施設における流入水水質の統計的予測方法及びその装置 | |
| CN115660229B (zh) | 一种用于城市水务调控的水库动态管理方法及系统 | |
| CN116773606A (zh) | 一种河湖水下沉积物污染状况获取方法 | |
| CN114814135B (zh) | 一种基于多元监测的河流水质污染溯源方法及系统 | |
| CN113887058B (zh) | 一种考虑距海岸线距离和风速影响的氯离子沉积率预测方法 | |
| Tsiamyrtzis et al. | A Bayesian EWMA method to detect jumps at the start‐up phase of a process | |
| Kanj et al. | Mercury prediction in groundwater of Naameh Landfill using an Artificial Neural Network (ANN) model | |
| CN114755387A (zh) | 基于假设检验法的水体监测点位优化方法 | |
| Fitriana et al. | Detection of Sea Level Rise Monitored from Surabaya Tidal Station Data from 2013 to 2021 | |
| CN113570264A (zh) | 一种近海陆源污染物排放管理系统 |
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 |