CN117172429B - 一种基于生物信息学的污水处理方法及系统 - Google Patents

Abstract

本发明涉及污水处理领域，公开了一种基于生物信息学的污水处理方法及系统，包括以下步骤：基于热红外遥感技术获取流段中的初步污水位置，并基于水质抽样初步检测处理，获取污水区域位置；构建污水流动模型对污水区域进行数据分析，推演得到污水初步产出源头；基于生物信息学对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，并对污染物种类数据和污染物浓度数据进行相似度分析，得到污水处理源头；最后基于生物信息学对污水区域和污水处理源头进行污染物处理。本发明能够通过生物信息学对流段中的污水区域和污水源头进行污水净化处理，去除污水中的污染物，使流段中的水更清澈，同时对环境和人体起保护作用。

Description

一种基于生物信息学的污水处理方法及系统

技术领域

本发明涉及污水处理领域，特别是一种基于生物信息学的污水处理方法及系统。

背景技术

在现实生活中，居民建筑中会因为日常生活的原因，产生类似排泄物污水、厨余垃圾污水、清洁污水等污水，并通过下水道流经至河流中，对水域造成污染。对污水进行处理的方法有很多种，基于生物信息学对污水进行处理这种方法对污水的治理相关较好，且不会继续对环境造成影响，相较于其他污水处理办法较为环保，且污水处理效率和效果较高。所以选择基于生物信息学的污水处理方法，所述生物信息学包括在水域中添加微生物等方法，实现对污水的净化处理。

发明内容

本发明克服了现有技术的不足，提供了一种基于生物信息学的污水处理方法及系统。

为达到上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种基于生物信息学的污水处理方法，包括以下步骤：

基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

基于生物信息学，对污水区域和污水处理源头进行污染物处理。

进一步的，本发明的一个较佳实施例中，所述基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置，具体为：

获取需要检测的流段，并对所述需要检测的流段进行初步区域划分，生成多个的子流段；

在无人机中安装热红外遥感装置，并控制无人机向多个子流段发射热红外射线，所述热红外射线经过反射后被热红外遥感装置获取，所述热红外遥感装置分析反射的热红外射线，构建流段水温分布图；

基于大数据检索，并结合实时天气温度，获取无污染水在当前天气温度下的标准水温阈值，将无污染水在当前天气温度下的标准水温阈值导入所述流段水温分布图中进行流段水温分布图的更新，并根据更新后的流段水温分布图，将水温不在当前天气温度下的标准水温阈值的区域定义为初步污水区域；

对初步污水区域进行水质抽样初步检测，获取初步污水区域的水质数据，分析所述初步污水区域的水质数据，获取初步污水区域中的污染物含量，预设污染物标准含量，并对污染物含量超标的初步污水区域定义为污水区域。

进一步的，本发明的一个较佳实施例中，所述构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头，具体为：

基于大数据检索，获取流段的地理信息数据，基于所述地理信息数据构建流段水流动模型；

分析所述流段的地理信息数据，在污水区域中固定水压传感器，实时获取污水区域的水压数据及流速流向数据，并将污水区域的水压数据及流速流向数据导入流段水流动模型内进行实时更新；

实时获取流段周边气象数据，所述流段周边气象数据包括温度、降雨量及风向风速，将所述流段周边气象数据导入流段水流动模型中进行实时更新，得到污水流动模型；

运行所述污水流动模型，对污水进行流动模拟，得到污水流动模拟数据；

基于大数据检索，获取流段的周边环境数据，引入卷积神经网络模型对所述污水流动模拟数据流段的周边环境数据进行预测，获取污水初步产出源头。

进一步的，本发明的一个较佳实施例中，所述基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，具体为:

分别对污水初步产出源头和污水区域进行样品采集，样品包括污水样品、土壤样品和化合物样品；

通过高压处理法对采集的样品进行细胞破裂处理，使用蛋白质提取缓冲液保存细胞破裂后的样品，并通过离心机对细胞破裂后的样品进行离心处理；

使用显微镜观察样品的状态，当样品在蛋白质提取缓冲液中的降解速率小于预设值，则使用提取试剂盒对样品进行核酸提取，得到样品核酸，所述样品核酸包括样品的DNA序列和RNA序列；

对所述样品核酸进行序列末端修饰和片段扩增，将序列末端修饰和片段扩增后的样品核酸结合生成核酸文库，并使用比色法对核酸文库中的所有样品核酸进行浓度测量，得到各个样品核酸的浓度数据；

将所述核酸文库导入测序仪中进行数据处理，所述数据处理包括对核酸文库中的样品核酸的碱基识别、低质量序列去除和序列拼接，得到核酸文库中各种样品核酸的种类数据，结合各个样品核酸的浓度数据，分别得到污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据。

进一步的，本发明的一个较佳实施例中，所述对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头，具体为：

计算污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，从而构建欧氏距离区间；

基于所述欧氏距离区间，得到各污水初步产出源头和污水区域中污染物种类的相似度，相似度越高，污水初步产出源头和污水区域的关联性越高，构建相似度排序表；

对所述相似度排序表进行分析，若污水初步产出源头和污水区域中污染物种类的相似度大于预设值，则将对应的污水初步产出源头定义为污水主要产出源头；

将污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据导入污水流动模型中进行浓度扩散模拟预测，并在污水流动模型对污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据进行实时调控，生成浓度扩散模拟变化率；

若所述浓度扩散模拟变化率大于预设值，则将对应的污水主要产出源头标定为污水处理源头。

进一步的，本发明的一个较佳实施例中，所述基于生物信息学，对污水区域和污水处理源头进行污染物处理，具体为：

对污水处理源头进行判断，污水处理源头的污水包括建筑物排出的污水和流经污染物品的污水，当污水处理源头的污水为流经污染物品的污水，则对污染物品进行取样分析，得到污染物品样品分析结果；

将所述污染物品样品分析结果导入大数据网络中进行检索，得到污染物品处理方案集，并基于满足污染物品处理效率、处理性质和处理效果的前提，获取污染物品最优处理方案，基于所述污染物品最优处理方案，对污水处理源头的污染物品进行处理；

当污水处理源头的污水为建筑物排出的污水，则基于污水处理源头的污染物种类数据，在大数据中检索能与污染物发生化合反应的微生物种类数据；

基于污水处理源头的污染物种类数据和能与污染物发生化合反应的微生物种类数据，构建系统生物学模型，所述系统生物学模型实时模拟在污水处理源头中微生物的生长代谢情况和与污染物相互作用情况；

基于微生物的生长代谢情况和与污染物相互作用情况，筛选得到生长代谢速率和相互作用效果均满足预设值的微生物，定义为一类微生物；

基于生物信息学，对所述一类微生物进行基因测序，得到基因测序结果，将所述基因测序结果导入系统生物学模型中，与污染物的核酸文库进行基因比对，生成基因比对效果，筛选得到基因比对效果满足预设情况的微生物，定义为二类微生物，并基于卷积神经网络，对污染物浓度和二类微生物种类进行预测，得到二类微生物引入浓度；

基于所述二类微生物引入浓度，将所述二类微生物引入所述污水处理源头中进行污染物处理，并实时监控污水区域中的污染物浓度数据，若污水区域的污染物浓度数据大于预设值，则在所述污水处理源头处对二类微生物引入浓度进行调控；

若二类微生物引入浓度达到最大值，污水区域中的污染物浓度数据仍大于预设值，则在污水区域中引入二类微生物进行污染物处理。

本发明第二方面还提供了一种基于生物信息学的污水处理系统，所述污水处理系统包括存储器与处理器，所述存储器中储存有一种基于生物信息学的污水处理方法，所述一种基于生物信息学的污水处理方法被所述处理器执行时，实现如下步骤：

基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

基于生物信息学，对污水区域和污水处理源头进行污染物处理。

本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：基于热红外遥感技术获取流段中的初步污水位置，并基于水质抽样初步检测处理，获取污水区域位置；构建污水流动模型对污水区域进行数据分析，推演得到污水初步产出源头；基于生物信息学对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，并对污染物种类数据和污染物浓度数据进行相似度分析，得到污水处理源头；最后基于生物信息学对污水区域和污水处理源头进行污染物处理。本发明能够通过生物信息学对流段中的污水区域和污水源头进行污水净化处理，去除污水中的污染物，使流段中的水更清澈，同时对环境和人体起保护作用。

附图说明

为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了一种基于生物信息学的污水处理方法的流程图；

图2示出了确定污水处理源头的步骤，并对污水处理源头和污水区域进行污染物处理的流程图；

图3示出了一种基于生物信息学的污水处理系统的视图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了一种基于生物信息学的污水处理方法的流程图，包括以下步骤：

S102：基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

S104：构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

S106：基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

S108：对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

S110：基于生物信息学，对污水区域和污水处理源头进行污染物处理。

进一步的，本发明的一个较佳实施例中，所述基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置，具体为：

获取需要检测的流段，并对所述需要检测的流段进行初步区域划分，生成多个的子流段；

在无人机中安装热红外遥感装置，并控制无人机向多个子流段发射热红外射线，所述热红外射线经过反射后被热红外遥感装置获取，所述热红外遥感装置分析反射的热红外射线，构建流段水温分布图；

基于大数据检索，并结合实时天气温度，获取无污染水在当前天气温度下的标准水温阈值，将无污染水在当前天气温度下的标准水温阈值导入所述流段水温分布图中进行流段水温分布图的更新，并根据更新后的流段水温分布图，将水温不在当前天气温度下的标准水温阈值的区域定义为初步污水区域；

对初步污水区域进行水质抽样初步检测，获取初步污水区域的水质数据，分析所述初步污水区域的水质数据，获取初步污水区域中的污染物含量，预设污染物标准含量，并对污染物含量超标的初步污水区域定义为污水区域。

需要说明的是，在一整条河流或者水域中，存在部分流段途径污染位置，使流段中存在污水。污水中存在污染物，所述污染物会使污水的水温相较正常无污染的水高，所以使用热红外遥感装置对流段进行水温获取，生成流段水温分布图，并结合天气温度对流段水温分布图进行更新，获得初步污水区域。由于水温升高可能有其他原因造成，所以对初步污水区域进行水质抽样检测，获取初步污水污染物含量，并将污染物含量超标的区域定义为污水区域。本发明能够通过对流段进行温度分析和抽样检测，获取流段中的污水区域。

进一步的，本发明的一个较佳实施例中，所述构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头，具体为：

基于大数据检索，获取流段的地理信息数据，基于所述地理信息数据构建流段水流动模型；

分析所述流段的地理信息数据，在污水区域中固定水压传感器，实时获取污水区域的水压数据及流速流向数据，并将污水区域的水压数据及流速流向数据导入流段水流动模型内进行实时更新；

实时获取流段周边气象数据，所述流段周边气象数据包括温度、降雨量及风向风速，将所述流段周边气象数据导入流段水流动模型中进行实时更新，得到污水流动模型；

运行所述污水流动模型，对污水进行流动模拟，得到污水流动模拟数据；

基于大数据检索，获取流段的周边环境数据，引入卷积神经网络模型对所述污水流动模拟数据流段的周边环境数据进行预测，获取污水初步产出源头。

需要说明的是，流段的地理信息包括流段中水流流动方向、水深等数据，构建流段水流动模型能够直观获取流段中水的流动状态，并获取污水区域的水压数据及流速流向数据，结合气象数据，生成污水流动模型。对所述污水流动模型进行污水流动模拟可以判断污水的流动方向。所述流段的周边环境数据包括流段周边的建筑、岩石、经过区域等，水经过上述地方可能或造成污染，产生污水，结合污水流动模拟数据，可以获取污水初步产出源头。所述污水初步产出源头可能有很多，污水中不同污染物的形成可能由不同污水初步产出源头造成。本发明能够通过构建污水流动模型，结合周边环境数据，获取污水初步产出源头。

进一步的，本发明的一个较佳实施例中，所述基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，具体为:

分别对污水初步产出源头和污水区域进行样品采集，样品包括污水样品、土壤样品和化合物样品；

通过高压处理法对采集的样品进行细胞破裂处理，使用蛋白质提取缓冲液保存细胞破裂后的样品，并通过离心机对细胞破裂后的样品进行离心处理；

使用显微镜观察样品的状态，当样品在蛋白质提取缓冲液中的降解速率小于预设值，则使用提取试剂盒对样品进行核酸提取，得到样品核酸，所述样品核酸包括样品的DNA序列和RNA序列；

对所述样品核酸进行序列末端修饰和片段扩增，将序列末端修饰和片段扩增后的样品核酸结合生成核酸文库，并使用比色法对核酸文库中的所有样品核酸进行浓度测量，得到各个样品核酸的浓度数据；

将所述核酸文库导入测序仪中进行数据处理，所述数据处理包括对核酸文库中的样品核酸的碱基识别、低质量序列去除和序列拼接，得到核酸文库中各种样品核酸的种类数据，结合各个样品核酸的浓度数据，分别得到污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据。

需要说明的是，一个污水初步产出源头中流出的污水流动至污水区域中时，会和其他污水初步产出源头中流出的污水混合，不同污水初步产出源头流出的污水中带有的污染物不同，需要对污染物进行测序，进行污染物溯源，从而更好地进行污染物处理。对污染物进行测序能获取污染物的种类数据和浓度数据。先对采集的样品进行高压处理促使细胞破裂，目的是释放细胞内部生物分子，使提取细胞核酸更方便。使用离心机进行样品离心处理目的是去除细胞碎片喝组织残渣，方便提取核酸。将样品添加进蛋白质提取缓冲液能稳定生物分子，防止降解，并提取核酸。核酸中的DNA序列和RNA序列转化为核酸文库前需要先进行末端修饰和片段扩增，此操作能够使DNA序列和RNA序列的数量扩增和序列完善。使用比色法对核酸文库进行浓度测量，可以获取每种样品核酸的浓度，最后通过测序仪可以判断样品核酸对应的污染物种类，结合生成污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据。本发明能够通过对污水初步产出源头和污水区域进行污水基因测序，获取污染物种类数据和污染物浓度数据。

图2示出了确定污水处理源头的步骤，并对污水处理源头和污水区域进行污染物处理的流程图，包括以下步骤：

S202：对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，得到污水主要产出源头；

S204：对所述污水主要产出源头进行浓度扩散模拟预测，得到污水处理源头；

S206：基于生物信息学，对污水区域和污水处理源头进行污染物处理。

进一步的，本发明的一个较佳实施例中，所述对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，得到污水主要产出源头，具体为：

计算污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，从而构建欧氏距离区间；

基于所述欧氏距离区间，得到各污水初步产出源头和污水区域中污染物种类的相似度，相似度越高，污水初步产出源头和污水区域的关联性越高，构建相似度排序表；

对所述相似度排序表进行分析，若污水初步产出源头和污水区域中污染物种类的相似度大于预设值，则将对应的污水初步产出源头定义为污水主要产出源头。

需要说明的是，污水初步产出源头中有的地方产出的污水较严重，需要进行优先污染物处理，计算污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，得到欧氏距离区间。所述欧氏距离区间反映了数据之间的相似性，在同一个欧氏距离区间内的数据的相似度较高。若污水初步产出源头和污水区域中污染物种类的相似度大于预设值，则证明污水区域中污染物由此污水初步产出源头产出，最后得到污水主要产出源头。本发明能够通过污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，获取污水主要产出源头。

进一步的，本发明的一个较佳实施例中，所述对所述污水主要产出源头进行浓度扩散模拟预测，得到污水处理源头，具体为：

将污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据导入污水流动模型中进行浓度扩散模拟预测，并在污水流动模型对污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据进行实时调控，生成浓度扩散模拟变化率；

若所述浓度扩散模拟变化率大于预设值，则将对应的污水主要产出源头标定为污水处理源头。

需要说明的是，污水主要产出源头中产出的污水的污染性可能不同，对污水主要产出源头的污染处理需要筛选，的带污水处理源头。所述污水处理源头为需要进行污水处理的污水主要产出源头。对污水主要产出源头和污水区域的污染物浓度数据进行浓度模拟扩散预测能够获取污水中污染物流动状态，生成浓度扩散模拟变化率，并基于浓度扩散模拟变化率，得到污水处理源头。

进一步的，本发明的一个较佳实施例中，所述基于生物信息学，对污水区域和污水处理源头进行污染物处理，具体为：

对污水处理源头进行判断，污水处理源头的污水包括建筑物排出的污水和流经污染物品的污水，当污水处理源头的污水为流经污染物品的污水，则对污染物品进行取样分析，得到污染物品样品分析结果；

将所述污染物品样品分析结果导入大数据网络中进行检索，得到污染物品处理方案集，并基于满足污染物品处理效率、处理性质和处理效果的前提，获取污染物品最优处理方案，基于所述污染物品最优处理方案，对污水处理源头的污染物品进行处理；

当污水处理源头的污水为建筑物排出的污水，则基于污水处理源头的污染物种类数据，在大数据中检索能与污染物发生化合反应的微生物种类数据；

基于污水处理源头的污染物种类数据和能与污染物发生化合反应的微生物种类数据，构建系统生物学模型，所述系统生物学模型实时模拟在污水处理源头中微生物的生长代谢情况和与污染物相互作用情况；

基于微生物的生长代谢情况和与污染物相互作用情况，筛选得到生长代谢速率和相互作用效果均满足预设值的微生物，定义为一类微生物；

基于生物信息学，对所述一类微生物进行基因测序，得到基因测序结果，将所述基因测序结果导入系统生物学模型中，与污染物的核酸文库进行基因比对，生成基因比对效果，筛选得到基因比对效果满足预设情况的微生物，定义为二类微生物，并基于卷积神经网络，对污染物浓度和二类微生物种类进行预测，得到二类微生物引入浓度；

基于所述二类微生物引入浓度，将所述二类微生物引入所述污水处理源头中进行污染物处理，并实时监控污水区域中的污染物浓度数据，若污水区域的污染物浓度数据大于预设值，则在所述污水处理源头处对二类微生物引入浓度进行调控；

若二类微生物引入浓度达到最大值，污水区域中的污染物浓度数据仍大于预设值，则在污水区域中引入二类微生物进行污染物处理。

需要说明的是，污水处理源头处流出的污水分为建筑物排出的污水和流经污染物品的污水，所述建筑物排出的污水为污居民建筑的生活排放污水；流经污染物品的污水意思为水流经污染物品，比如受污染的岩石、垃圾堆等。对于所述流经污染物品的污水，在大数据中进行污染物品处理方案获取，所述处理性质为不采用人工干预方式。

另外需要说明的是，若污水处理源头排出的污水为建筑物排出的污水，则基于生物信息学对污水进行处理。合适的微生物能够对污水进行净化处理，所述系统生物学模型能够判断微生物在污水中的生长代谢情况和与污水的相互作用情况。微生物生长代谢快，对污水的处理速度也越快，微生物与污水的相互作用效果越好，污水的处理效果也越好。获取一类微生物后，对一类微生物进行基因测序，并于污染物进行基因比对，基因比对重合度越高，微生物对污水的处理效果越高，所以筛选得到基因比对效果满足预设情况的微生物，定义为二类微生物。根据卷积神经网络获取二类微生物的引入浓度，并引入至污水处理源头上。正常情况下，污水处理源头处的污水净化一段时间后，污水区域中的污染物浓度应当下降，若污水区域中的污染物浓度仍大于预设值，证明污水处理源头处的污水净化效果不佳，水流至污水区域时污染物浓度仍超标，则对污水处理源头出的二类微生物引入浓度进行调控，若浓度达到警戒值，污水区域的污染物浓度仍超标，则直接引入二类微生物对污水区域进行污染物处理。本发明能够通过生物信息学对污水区域和污染处理源头进行污染物处理。

此外，所述一种基于生物信息学的污水处理方法，还包括以下步骤：

二类微生物引入污水区域中进行污染物处理后，生成三类微生物，在进行污染物处理后的污水区域中进行采样处理，得到修复污水样品，并在实验室器皿中对所述修复污水样品进行培养，得到三类微生物菌落；

监测所述三类微生物菌落的菌落结构信息，并通过大数据检索三类微生物的标准菌落结构信息；

获取三类微生物菌落的菌落结构信息和标准三类微生物菌落结构信息之间的马氏距离，并将马氏距离小于预设值的三类微生物菌落定义为异常微生物菌落；

获取异常微生物菌落的浓度，基于异常微生物菌落的浓度获取污水区域中异常微生物的浓度，若异常微生物的浓度大于预设值，则使用灰色关联法对三类微生物以及污水区域的周边气象数据进行关联度计算，得到关联值；

若关联值大于预设关联值，则对周边气象数据进行调控，并在周边气象数据调控过程中实时监测三类微生物菌落的菌落结构信息，当异常微生物的浓度小于预设值，则停止对周边气象数据进行调控；

若异常微生物的浓度始终大于预设值，则通过大数据检索其他污染处理方法输出。

需要说明的是，二类微生物在引入后与污水中污染物发生化合反应，二类微生物发生化合反应后自身结构可能会发生改变，变成三类微生物，通过培养微生物菌落可以直观了解三类微生物的结构，包括形态、颜色等。若三类微生物菌落的结构与标准三类微生物菌落结果的马氏距离较小，证明三类微生物菌落的结构发生改变。发生改变的原因可能是气温影响导致结构改变，也可能是在引入二类微生物是参杂了其他种类的微生物。先计算周边气象数据与异常微生物浓度的关联值，关联值越大，证明气温对二类微生物在流段内的作用影响越大，所以需要对周边气象数据进行调控。若调控后的异常微生物浓度依旧大于预设值，则通过大数据检索其他污染处理办法输出，其他污染处理办法包括在流段中加入无害的化学物质，实现对污染物的处理。本发明能够通过微生物在污水区域的结构变化，污染物处理方法进行完善。

此外，所述一种基于生物信息学的污水处理方法，还包括以下步骤：

将所述核酸文库中各种样品核酸的种类数据转换为核酸种类数据集，并将所述核酸种类数据集划分为训练集和测试集；

构建决策树模型，并将所述训练集导入决策树模型中，获取不同种类核酸的特征值，并基于不同种类核酸的特征值生成不同种类核酸的切分值；

基于不同种类核酸的特征值生成不同种类核酸的切分值，生成最佳切分节点，基于所述最佳切分节点，在决策树模型中对训练集进行持续划分，生成不同的子集，获取子集中的数据数量，若子集中的数据数量达到预设值，则停止划分，并将每个划分路径的最后一个划分点定义为叶子节点；

引入奇异值分解算法对叶子节点中的数据进行分解，得到特征矩阵，并构建坐标系，将所述特征矩阵导入至坐标系中，并引入余弦度量算法，选取出现频率最高的向量作为初始向量；

基于所述余弦度量算法，计算所述初始向量和其他特征向量之间的余弦值，若余弦值大于预设余弦阈值，则将余弦值大于预设余弦阈值对应的特征向量标定为离群向量，并获取离群向量所在的叶子节点；

基于遗传算法对离群向量所在的叶子节点进行迭代分裂，当决策树模型中不存在余弦值大于预设余弦阈值的特征向量，则结束迭代分裂，输出叶子节点；

结合所有叶子节点，生成训练后的决策树模型，并使用测试集对训练后的决策树模型进行误差测试；

所述训练后的决策树模型输出决策数据，基于所述决策数据，生成优化后的样品核酸的种类数据。

需要说明的是，核酸文库中各种样品核酸的种类数据可能存在高度相似，为了使样品核酸的种类数据更细致更准确，需要对样品核酸进行进一步分类。使用决策树模型能对样品核酸进行样品划分，生成多个子集，当每个子集中只存在一个样本数据，则停止划分，输出最后的划分点作为叶子节点。在划分过程中，容易出现局部最优解现象，引入奇异值分解算法能够降低样本数据的计算复杂度，而在特征向量的空间中引入了余弦度量算法来计算样本数据的重合程度，当所述余弦值大于预设余弦阈值说明叶子节点中的样本数据存在异常的子节点。需要对异常子节点进行修正，最后输出决策树模型，并基于决策数据，生成优化后的样品核酸的种类数据。通过本方法能够进一步优化决策树算法，提高分类的精确性。

如图3所示，本发明第二方面还提供了一种基于生物信息学的污水处理系统，所述污水处理系统包括存储器与处理器，所述存储器中储存有一种基于生物信息学的污水处理方法，所述一种基于生物信息学的污水处理方法被所述处理器执行时，实现如下步骤：

基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

基于生物信息学，对污水区域和污水处理源头进行污染物处理。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种基于生物信息学的污水处理方法，其特征在于，包括以下步骤：

基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

基于生物信息学，对污水区域和污水处理源头进行污染物处理；

其中，所述基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，具体为:

分别对污水初步产出源头和污水区域进行样品采集，样品包括污水样品、土壤样品和化合物样品；

通过高压处理法对采集的样品进行细胞破裂处理，使用蛋白质提取缓冲液保存细胞破裂后的样品，并通过离心机对细胞破裂后的样品进行离心处理；

使用显微镜观察样品的状态，当样品在蛋白质提取缓冲液中的降解速率小于预设值，则使用提取试剂盒对样品进行核酸提取，得到样品核酸，所述样品核酸包括样品的DNA序列和RNA序列；

对所述样品核酸进行序列末端修饰和片段扩增，将序列末端修饰和片段扩增后的样品核酸结合生成核酸文库，并使用比色法对核酸文库中的所有样品核酸进行浓度测量，得到各个样品核酸的浓度数据；

将所述核酸文库导入测序仪中进行数据处理，所述数据处理包括对核酸文库中的样品核酸的碱基识别、低质量序列去除和序列拼接，得到核酸文库中各种样品核酸的种类数据，结合各个样品核酸的浓度数据，分别得到污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据；

其中，所述对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头，具体为：

计算污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，从而构建欧氏距离区间；

基于所述欧氏距离区间，得到各污水初步产出源头和污水区域中污染物种类的相似度，相似度越高，污水初步产出源头和污水区域的关联性越高，构建相似度排序表；

对所述相似度排序表进行分析，若污水初步产出源头和污水区域中污染物种类的相似度大于预设值，则将对应的污水初步产出源头定义为污水主要产出源头；

将污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据导入污水流动模型中进行浓度扩散模拟预测，并在污水流动模型对污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据进行实时调控，生成浓度扩散模拟变化率；

若所述浓度扩散模拟变化率大于预设值，则将对应的污水主要产出源头标定为污水处理源头；

其中，所述基于生物信息学，对污水区域和污水处理源头进行污染物处理，具体为：

对污水处理源头进行判断，污水处理源头的污水包括建筑物排出的污水和流经污染物品的污水，当污水处理源头的污水为流经污染物品的污水，则对污染物品进行取样分析，得到污染物品样品分析结果；

将所述污染物品样品分析结果导入大数据网络中进行检索，得到污染物品处理方案集，并基于满足污染物品处理效率、处理性质和处理效果的前提，获取污染物品最优处理方案，基于所述污染物品最优处理方案，对污水处理源头的污染物品进行处理；

当污水处理源头的污水为建筑物排出的污水，则基于污水处理源头的污染物种类数据，在大数据中检索能与污染物发生化合反应的微生物种类数据；

基于污水处理源头的污染物种类数据和能与污染物发生化合反应的微生物种类数据，构建系统生物学模型，所述系统生物学模型实时模拟在污水处理源头中微生物的生长代谢情况和与污染物相互作用情况；

基于微生物的生长代谢情况和与污染物相互作用情况，筛选得到生长代谢速率和相互作用效果均满足预设值的微生物，定义为一类微生物；

基于生物信息学，对所述一类微生物进行基因测序，得到基因测序结果，将所述基因测序结果导入系统生物学模型中，与污染物的核酸文库进行基因比对，生成基因比对效果，筛选得到基因比对效果满足预设情况的微生物，定义为二类微生物，并基于卷积神经网络，对污染物浓度和二类微生物种类进行预测，得到二类微生物引入浓度；

基于所述二类微生物引入浓度，将所述二类微生物引入所述污水处理源头中进行污染物处理，并实时监控污水区域中的污染物浓度数据，若污水区域的污染物浓度数据大于预设值，则在所述污水处理源头处对二类微生物引入浓度进行调控；

若二类微生物引入浓度达到最大值，污水区域中的污染物浓度数据仍大于预设值，则在污水区域中引入二类微生物进行污染物处理；

其中，所述一种基于生物信息学的污水处理方法，还包括以下步骤：

二类微生物引入污水区域中进行污染物处理后，生成三类微生物，在进行污染物处理后的污水区域中进行采样处理，得到修复污水样品，并在实验室器皿中对所述修复污水样品进行培养，得到三类微生物菌落；

监测所述三类微生物菌落的菌落结构信息，并通过大数据检索三类微生物的标准菌落结构信息；

获取三类微生物菌落的菌落结构信息和标准三类微生物菌落结构信息之间的马氏距离，并将马氏距离小于预设值的三类微生物菌落定义为异常微生物菌落；

获取异常微生物菌落的浓度，基于异常微生物菌落的浓度获取污水区域中异常微生物的浓度，若异常微生物的浓度大于预设值，则使用灰色关联法对三类微生物以及污水区域的周边气象数据进行关联度计算，得到关联值；

若关联值大于预设关联值，则对周边气象数据进行调控，并在周边气象数据调控过程中实时监测三类微生物菌落的菌落结构信息，当异常微生物的浓度小于预设值，则停止对周边气象数据进行调控；

若异常微生物的浓度始终大于预设值，则通过大数据检索其他污染处理方法输出。

2.根据权利要求1中所述的一种基于生物信息学的污水处理方法，其特征在于，所述基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置，具体为：

获取需要检测的流段，并对所述需要检测的流段进行初步区域划分，生成多个的子流段；

在无人机中安装热红外遥感装置，并控制无人机向多个子流段发射热红外射线，所述热红外射线经过反射后被热红外遥感装置获取，所述热红外遥感装置分析反射的热红外射线，构建流段水温分布图；

基于大数据检索，并结合实时天气温度，获取无污染水在当前天气温度下的标准水温阈值，将无污染水在当前天气温度下的标准水温阈值导入所述流段水温分布图中进行流段水温分布图的更新，并根据更新后的流段水温分布图，将水温不在当前天气温度下的标准水温阈值的区域定义为初步污水区域；

对初步污水区域进行水质抽样初步检测，获取初步污水区域的水质数据，分析所述初步污水区域的水质数据，获取初步污水区域中的污染物含量，预设污染物标准含量，并对污染物含量超标的初步污水区域定义为污水区域。

3.根据权利要求1中所述的一种基于生物信息学的污水处理方法，其特征在于，所述构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头，具体为：

基于大数据检索，获取流段的地理信息数据，基于所述地理信息数据构建流段水流动模型；

分析所述流段的地理信息数据，在污水区域中固定水压传感器，实时获取污水区域的水压数据及流速流向数据，并将污水区域的水压数据及流速流向数据导入流段水流动模型内进行实时更新；

实时获取流段周边气象数据，所述流段周边气象数据包括温度、降雨量及风向风速，将所述流段周边气象数据导入流段水流动模型中进行实时更新，得到污水流动模型；

运行所述污水流动模型，对污水进行流动模拟，得到污水流动模拟数据；

基于大数据检索，获取流段的周边环境数据，引入卷积神经网络模型对所述污水流动模拟数据流段的周边环境数据进行预测，获取污水初步产出源头。

4.一种基于生物信息学的污水处理系统，其特征在于，所述污水处理系统包括存储器与处理器，所述存储器中储存有一种基于生物信息学的污水处理方法，所述一种基于生物信息学的污水处理方法被所述处理器执行时，实现如下步骤：

基于热红外遥感技术获取初步污水区域，对初步污水区域进行水质抽样初步检测处理，得到污水区域位置；

构建污水流动模型，对污水进行流动模拟，得到污水流动模拟数据，将所述污水流动模拟数据与流段周边环境数据结合，得到污水初步产出源头；

基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据；

对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头；

基于生物信息学，对污水区域和污水处理源头进行污染物处理；

其中，所述基于生物信息学，对污水初步产出源头和污水区域进行污染物分析，得到污染物种类数据和污染物浓度数据，具体为:

分别对污水初步产出源头和污水区域进行样品采集，样品包括污水样品、土壤样品和化合物样品；

通过高压处理法对采集的样品进行细胞破裂处理，使用蛋白质提取缓冲液保存细胞破裂后的样品，并通过离心机对细胞破裂后的样品进行离心处理；

使用显微镜观察样品的状态，当样品在蛋白质提取缓冲液中的降解速率小于预设值，则使用提取试剂盒对样品进行核酸提取，得到样品核酸，所述样品核酸包括样品的DNA序列和RNA序列；

对所述样品核酸进行序列末端修饰和片段扩增，将序列末端修饰和片段扩增后的样品核酸结合生成核酸文库，并使用比色法对核酸文库中的所有样品核酸进行浓度测量，得到各个样品核酸的浓度数据；

将所述核酸文库导入测序仪中进行数据处理，所述数据处理包括对核酸文库中的样品核酸的碱基识别、低质量序列去除和序列拼接，得到核酸文库中各种样品核酸的种类数据，结合各个样品核酸的浓度数据，分别得到污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据；

其中，所述对污水初步产出源头和污水区域中的污染物种类数据和污染物浓度数据进行相似度分析，确定污水主要产出源头和污水处理源头，具体为：

计算污水初步产出源头的污染物种类数据和污水区域中的污染物种类数据之间的欧氏距离，从而构建欧氏距离区间；

基于所述欧氏距离区间，得到各污水初步产出源头和污水区域中污染物种类的相似度，相似度越高，污水初步产出源头和污水区域的关联性越高，构建相似度排序表；

对所述相似度排序表进行分析，若污水初步产出源头和污水区域中污染物种类的相似度大于预设值，则将对应的污水初步产出源头定义为污水主要产出源头；

将污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据导入污水流动模型中进行浓度扩散模拟预测，并在污水流动模型对污水主要产出源头的污染物浓度数据及污水区域的污染物浓度数据进行实时调控，生成浓度扩散模拟变化率；

若所述浓度扩散模拟变化率大于预设值，则将对应的污水主要产出源头标定为污水处理源头；

其中，所述基于生物信息学，对污水区域和污水处理源头进行污染物处理，具体为：

对污水处理源头进行判断，污水处理源头的污水包括建筑物排出的污水和流经污染物品的污水，当污水处理源头的污水为流经污染物品的污水，则对污染物品进行取样分析，得到污染物品样品分析结果；

将所述污染物品样品分析结果导入大数据网络中进行检索，得到污染物品处理方案集，并基于满足污染物品处理效率、处理性质和处理效果的前提，获取污染物品最优处理方案，基于所述污染物品最优处理方案，对污水处理源头的污染物品进行处理；

当污水处理源头的污水为建筑物排出的污水，则基于污水处理源头的污染物种类数据，在大数据中检索能与污染物发生化合反应的微生物种类数据；

基于污水处理源头的污染物种类数据和能与污染物发生化合反应的微生物种类数据，构建系统生物学模型，所述系统生物学模型实时模拟在污水处理源头中微生物的生长代谢情况和与污染物相互作用情况；

基于微生物的生长代谢情况和与污染物相互作用情况，筛选得到生长代谢速率和相互作用效果均满足预设值的微生物，定义为一类微生物；

基于生物信息学，对所述一类微生物进行基因测序，得到基因测序结果，将所述基因测序结果导入系统生物学模型中，与污染物的核酸文库进行基因比对，生成基因比对效果，筛选得到基因比对效果满足预设情况的微生物，定义为二类微生物，并基于卷积神经网络，对污染物浓度和二类微生物种类进行预测，得到二类微生物引入浓度；

基于所述二类微生物引入浓度，将所述二类微生物引入所述污水处理源头中进行污染物处理，并实时监控污水区域中的污染物浓度数据，若污水区域的污染物浓度数据大于预设值，则在所述污水处理源头处对二类微生物引入浓度进行调控；

若二类微生物引入浓度达到最大值，污水区域中的污染物浓度数据仍大于预设值，则在污水区域中引入二类微生物进行污染物处理；

其中，所述一种基于生物信息学的污水处理方法，还包括以下步骤：

二类微生物引入污水区域中进行污染物处理后，生成三类微生物，在进行污染物处理后的污水区域中进行采样处理，得到修复污水样品，并在实验室器皿中对所述修复污水样品进行培养，得到三类微生物菌落；

监测所述三类微生物菌落的菌落结构信息，并通过大数据检索三类微生物的标准菌落结构信息；

获取三类微生物菌落的菌落结构信息和标准三类微生物菌落结构信息之间的马氏距离，并将马氏距离小于预设值的三类微生物菌落定义为异常微生物菌落；

获取异常微生物菌落的浓度，基于异常微生物菌落的浓度获取污水区域中异常微生物的浓度，若异常微生物的浓度大于预设值，则使用灰色关联法对三类微生物以及污水区域的周边气象数据进行关联度计算，得到关联值；

若关联值大于预设关联值，则对周边气象数据进行调控，并在周边气象数据调控过程中实时监测三类微生物菌落的菌落结构信息，当异常微生物的浓度小于预设值，则停止对周边气象数据进行调控；

若异常微生物的浓度始终大于预设值，则通过大数据检索其他污染处理方法输出。