CN117172988B - 基于大数据分析的微生物修复方案生成方法及系统 - Google Patents
基于大数据分析的微生物修复方案生成方法及系统 Download PDFInfo
- Publication number
- CN117172988B CN117172988B CN202311445049.3A CN202311445049A CN117172988B CN 117172988 B CN117172988 B CN 117172988B CN 202311445049 A CN202311445049 A CN 202311445049A CN 117172988 B CN117172988 B CN 117172988B
- Authority
- CN
- China
- Prior art keywords
- information
- pollution
- data information
- survival rate
- microorganism
- 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
- 244000005700 microbiome Species 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000008439 repair process Effects 0.000 title claims abstract description 36
- 238000007405 data analysis Methods 0.000 title claims abstract description 30
- 230000004083 survival effect Effects 0.000 claims abstract description 163
- 241000894007 species Species 0.000 claims abstract description 116
- 230000000813 microbial effect Effects 0.000 claims abstract description 98
- 230000005012 migration Effects 0.000 claims abstract description 71
- 238000013508 migration Methods 0.000 claims abstract description 71
- 238000005067 remediation Methods 0.000 claims abstract description 33
- 238000010586 diagram Methods 0.000 claims description 33
- 239000002689 soil Substances 0.000 claims description 32
- 230000001932 seasonal effect Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 13
- 238000011835 investigation Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 229910001385 heavy metal Inorganic materials 0.000 description 8
- 239000000356 contaminant Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000033116 oxidation-reduction process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- MSFSPUZXLOGKHJ-UHFFFAOYSA-N Muraminsaeure Natural products OC(=O)C(C)OC1C(N)C(O)OC(CO)C1O MSFSPUZXLOGKHJ-UHFFFAOYSA-N 0.000 description 1
- 108010013639 Peptidoglycan Proteins 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002158 endotoxin Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 229920006008 lipopolysaccharide Polymers 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及一种基于大数据分析的微生物修复方案生成方法及系统，本发明通过根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息，最后根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。本发明通过融合目标区域中的历史气候特性来对微生物的修复方案进行调整以及通过根据污染迁移的深度对微生物种类的存活率进行评估，使得微生物的物种类型符合目标区域的气候特性，从而提高了修复效率。
Description
技术领域
本发明涉及微生物环境修复技术领域，尤其涉及一种基于大数据分析的微生物修复方案生成方法及系统。
背景技术
微生物修复技术是利用土壤中某些微生物(如藻类、细菌和真菌等)对污染土壤中的重金属进行吸附、溶解、氧化还原的作用，从而降低重金属的毒性。微生物细胞壁中的肽聚糖、磷壁酸、脂多糖和胞外多糖等能与重金属发生螯合作用，或微生物的代谢产物(有机酸、络合物等)能溶解、沉淀重金属，此外还可通过氧化还原、甲基化等自身代谢机制改变重金属的形态来降低重金属的危害或将其从土壤中移除。然而，针对于微生物修复方案时，现有技术中并未考虑微生物物种种类是否适应污染场地的气候特征，一旦微生物物种种类不适应污染场地的气候特征，就会导致微生物大量死亡，从而导致了微生物修复的修复效果差。
发明内容
本发明克服了现有技术的不足，提供了一种基于大数据分析的微生物修复方案生成方法及系统。
为达上述目的，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大数据分析的微生物修复方案生成方法，包括以下步骤：
获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。
进一步的，在本方法中，获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息，具体包括：
获取目标区域的污染调查数据信息，并根据污染调查数据进行聚类分析，获取目标区域的污染分布数据信息，基于目标区域的污染分布数据信息获取每一污染场地的污染类型以及污染浓度信息；
根据每一污染场地的污染类型以及污染浓度信息构建目标区域的污染特征数据信息，同时根据目标区域的污染特征数据信息构建检索标签，基于检索标签通过大数据进行检索，获取样本数据信息；
引入多头注意力机制，通过多头注意力机制从样本数据中计算目标区域的污染特征数据信息与对应的微生物修复推荐物种信息之间的相关性；
当相关性大于预设相关性时，将相关性大于预设相关性的微生物修复推荐物种信息作为候选的微生物推荐物种信息，并将候选的微生物推荐物种信息输出。
进一步的，在本方法中，获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，具体包括：
获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
将特征矩阵输入到微生物存活率预测模型中进行训练，获取训练参数信息，当训练参数信息满足预设参数数据信息之后，保存微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
根据微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出。
进一步的，在本方法中，根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将候选的微生物推荐物种信息的预估存活率数据信息输入到微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
进一步的，在本方法中，根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，具体包括：
获取目标区域中每一子区域的土壤类型，并根据目标区域中每一子区域的土壤类型以及目标区域的污染特征数据信息获取目标区域中每一子区域的污染迁移特性信息；
根据预设时间之内目标区域的污染迁移区域信息构建污染迁移实时模型图，同时获取污染迁移实时模型图中的污染分布情况信息；
根据目标区域中每一子区域的污染迁移特性信息对污染分布情况信息进行预估，获取污染分布预估数据信息；
基于污染分布预估数据信息对污染迁移实时模型图进行更新，获取污染迁移预估模型图。
进一步的，在本方法中，基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案，具体包括：
获取每一子区域的污染迁移预估模型图，并根据污染迁移预估模型图获取每一子区域在三维空间中的污染分布数据信息，通过污染分布数据信息获取污染深度梯度数据信息；
获取每一子区域对应的土壤类型，并通过大数据获取土壤类型之下在每一污染深度梯度数据信息的存活率数据信息，判断土壤类型之下在每一污染深度梯度数据信息的存活率数据信息是否存在预设存活率的数据；
当土壤类型之下在每一污染深度梯度数据信息的存活率数据信息存在预设存活率的数据时，根据微生物存活率排序表中的优先级重新选取微生物的物种类型，根据新的微生物的物种类型生成最终的微生物修复方案；
当土壤类型之下在每一污染深度梯度数据信息的存活率数据信息不存在预设存活率的数据时，将预估微生物修复方案作为最终的微生物修复方案输出。
本发明第二方面提供了一种基于大数据分析的微生物修复方案生成系统，系统包括存储器以及处理器，存储器中包含基于大数据分析的微生物修复方案生成方法程序，基于大数据分析的微生物修复方案生成方法程序被处理器执行时，实现如下步骤：
获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。
进一步的，在本系统中，获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，具体包括：
获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
将特征矩阵输入到微生物存活率预测模型中进行训练，获取训练参数信息，当训练参数信息满足预设参数数据信息之后，保存微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
根据微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出。
进一步的，在本系统中，根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将候选的微生物推荐物种信息的预估存活率数据信息输入到微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
本发明第三方面提供了一种计算机可存储介质，计算机可存储介质包括基于大数据分析的微生物修复方案生成方法程序，基于大数据分析的微生物修复方案生成方法程序被处理器执行时，实现任一项的基于大数据分析的微生物修复方案生成方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
本发明通过获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息，从而获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，进而根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息，最后根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。本发明通过融合目标区域中的历史气候特性来对微生物的修复方案进行调整，使得微生物的物种类型符合目标区域的气候特性，从而提高了修复效率。另一方面，本发明通过考虑污染迁移的深度，从而根据污染迁移的深度对微生物种类的存活率进行评估，使得微生物修复方案的选择更具合理性。
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示出了一种基于大数据分析的微生物修复方案生成方法的整体方法流程图；
图2示出了一种基于大数据分析的微生物修复方案生成方法的第一方法流程图；
图3示出了一种基于大数据分析的微生物修复方案生成方法的第二方法流程图；
图4示出了一种基于大数据分析的微生物修复方案生成系统的系统框图。
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。
本发明第一方面提供了一种基于大数据分析的微生物修复方案生成方法，包括以下步骤：
S102:获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
需要说明的是，在步骤S102中，具体包括以下步骤：
获取目标区域的污染调查数据信息，并根据污染调查数据进行聚类分析，获取目标区域的污染分布数据信息，基于目标区域的污染分布数据信息获取每一污染场地的污染类型以及污染浓度信息；
根据每一污染场地的污染类型以及污染浓度信息构建目标区域的污染特征数据信息，同时根据目标区域的污染特征数据信息构建检索标签，基于检索标签通过大数据进行检索，获取样本数据信息；
引入多头注意力机制，通过多头注意力机制从样本数据中计算目标区域的污染特征数据信息与对应的微生物修复推荐物种信息之间的相关性；
当相关性大于预设相关性时，将相关性大于预设相关性的微生物修复推荐物种信息作为候选的微生物推荐物种信息，并将候选的微生物推荐物种信息输出。
需要说明的是，通过多头注意力机制能够从样本数据中计算目标区域的污染特征数据信息与对应的微生物修复推荐物种信息之间的相关性，如样本数据为“重金属污染能够通过XXX微生物方案进行修复”，多头注意力机制能够得知重金属污染与微生物方案之间的关联性。通过本方法能够选取出多个候选的微生物推荐物种信息。
S104:获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
如图2所示，需要说明的是，在步骤S104中，具体包括：
S202:获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
S204:基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
S206:将特征矩阵输入到微生物存活率预测模型中进行训练，获取训练参数信息，当训练参数信息满足预设参数数据信息之后，保存微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
S208:根据微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出。
需要说明的是，对于不同的气候特性，如温度、湿度等，其对微生物的存活率是有影响的，通过本方法能够预测出目标区域中的气候特性对应的候选的微生物推荐物种信息的预估存活率数据信息、
S106:根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
需要说明的是，在步骤S106中，根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将候选的微生物推荐物种信息的预估存活率数据信息输入到微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
需要说明的是，气候特性转移的时间范围信息如目标区域从春季转移到夏季的时间范围信息，通过本方法根据每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案，从而使得微生物修复方案更加合理。
S108:根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。
需要说明的是，根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，具体包括：
获取目标区域中每一子区域的土壤类型，并根据目标区域中每一子区域的土壤类型以及目标区域的污染特征数据信息获取目标区域中每一子区域的污染迁移特性信息；
根据预设时间之内目标区域的污染迁移区域信息构建污染迁移实时模型图，同时获取污染迁移实时模型图中的污染分布情况信息；
根据目标区域中每一子区域的污染迁移特性信息对污染分布情况信息进行预估，获取污染分布预估数据信息；
基于污染分布预估数据信息对污染迁移实时模型图进行更新，获取污染迁移预估模型图。
需要说明的是，由于土壤对于污染物的吸附特性，进入到土层中的污染物被土壤进行吸收，并附着在土壤中，假设每一体积土壤能够吸收若干量的污染物。由于污染浓度的差异性导致了每一区域的迁移特性是不一致的，其中可以通过三维建模、有限元分析软件构建迁移实时模型图，从而来可视化展示目标区域中的污染情况、污染迁移情况、污染分布预估数据信息。污染分布预估数据信息为污染物在三维空间中的污染位置分布或者污染情况分布。
如图3所示，需要说明的是，基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案，具体包括：
S302:获取每一子区域的污染迁移预估模型图，并根据污染迁移预估模型图获取每一子区域在三维空间中的污染分布数据信息，通过污染分布数据信息获取污染深度梯度数据信息；
S304:获取每一子区域对应的土壤类型，并通过大数据获取土壤类型之下在每一污染深度梯度数据信息的存活率数据信息，判断土壤类型之下在每一污染深度梯度数据信息的存活率数据信息是否存在预设存活率的数据；
S306:当土壤类型之下在每一污染深度梯度数据信息的存活率数据信息存在预设存活率的数据时，根据微生物存活率排序表中的优先级重新选取微生物的物种类型，根据新的微生物的物种类型生成最终的微生物修复方案；
S308:当土壤类型之下在每一污染深度梯度数据信息的存活率数据信息不存在预设存活率的数据时，将预估微生物修复方案作为最终的微生物修复方案输出。
需要说明的是，首先，不同的污染类型的透气程度也是不一致的；其次，例如部分好氧型微生物随着土壤深度的影响，其深度越深，底部的氧气浓度就会越低，此时就不利于好氧型的微生物生存，其相应的存活率就会越来越低。在本实际的实施例中，并非仅仅本申请中所提及的实施例。当土壤类型之下在每一污染深度梯度数据信息的存活率数据信息存在预设存活率的数据时，根据微生物存活率排序表中的优先级重新选取微生物的物种类型，根据新的微生物的物种类型生成最终的微生物修复方案，其中预设存活率为本领域的工作人员根据实际情况来设定，如可以设置为0、0.1、0.2等，通过本方法能够提高微生物修复方案的合理性。
此外，本方法还可以包括以下步骤：
获取目标区域中每一污染区域的微生物调查数据信息以及污染特征数据信息，并通过大数据对每一污染区域的微生物调查数据信息与所述污染特征数据信息之间的修复关联特性数据信息；
判断所述修复关联特性数据信息是否为预设修复关联特性数据信息，当所述修复关联特性数据信息为预设修复关联特性数据信息时，则降低当前污染区域的治理优先级顺序；
当所述述修复关联特性数据信息不为预设修复关联特性数据信息时，则提高当前污染区域的治理优先级顺序；
获取当前微生物治理的资源数据信息，根据所述当前污染区域的治理优先级顺序以及当前微生物治理的资源数据信息构建目标区域的治理方案。
需要说明的是，预设修复关联特性数据信息表示微生物调查数据信息与所述污染特征数据信息之间存在修复相关性，某一污染区域调查数据中存在微生物是能够修复当前区域的污染。通过本方法能够合适地分配当前微生物治理的资源数据，提高资源的合理化配置。
此外，本方法还可以包括以下步骤：
根据所述污染迁移预估模型图获取目标区域中每一污染区域在预设时间之内污染扩散数据信息，同时获取当前目标区域中每一污染区域的地理位置信息；
根据所述当前目标区域中每一污染区域的地理位置信息通过地图资源检索，获取每一污染区域在预设范围之内的地图资源数据信息，并判断地图资源数据中是否存在预设地图资源数据信息；
当所述地图资源数据中存在预设地图资源数据信息，则进一步判断所述污染扩散数据信息是否波及所述地图资源数据信息；
当所述污染扩散数据信息波及所述预设地图资源数据信息，将当前污染区域的治理优先级调整至最高治理优先级。
需要说明的是，预设地图资源数据信息包括养殖场、地下水井、灌溉水井等，通过本方法能够进一步提高土壤修复的治理合理性。
如图4所示，本发明第二方面提供了一种基于大数据分析的微生物修复方案生成系统4，系统4包括存储器41以及处理器62，存储器41中包含基于大数据分析的微生物修复方案生成方法程序，基于大数据分析的微生物修复方案生成方法程序被处理器62执行时，实现如下步骤：
获取目标区域的污染特征数据信息，并根据目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
根据预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案。
进一步的，在本系统中，获取目标区域的历史气候特性数据信息，并基于目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，具体包括：
获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
将特征矩阵输入到微生物存活率预测模型中进行训练，获取训练参数信息，当训练参数信息满足预设参数数据信息之后，保存微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
根据微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出。
进一步的，在本系统中，根据候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将候选的微生物推荐物种信息的预估存活率数据信息输入到微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
本发明第三方面提供了一种计算机可存储介质，计算机可存储介质包括基于大数据分析的微生物修复方案生成方法程序，基于大数据分析的微生物修复方案生成方法程序被处理器执行时，实现任一项的基于大数据分析的微生物修复方案生成方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品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）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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 (6)
1.基于大数据分析的微生物修复方案生成方法，其特征在于，包括以下步骤：
获取目标区域的污染特征数据信息，并根据所述目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
获取目标区域的历史气候特性数据信息，并基于所述目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
根据所述候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
根据所述预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于所述污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案；
其中，获取目标区域的历史气候特性数据信息，并基于所述目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，具体包括：
获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据所述候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对所述特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对所述每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
将所述特征矩阵输入到所述微生物存活率预测模型中进行训练，获取训练参数信息，当所述训练参数信息满足预设参数数据信息之后，保存所述微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
根据所述微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将所述微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出；
其中，根据所述候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将所述候选的微生物推荐物种信息的预估存活率数据信息输入到所述微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从所述候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出所述每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据所述目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据所述每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据所述每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
2.根据权利要求1所述的基于大数据分析的微生物修复方案生成方法，其特征在于，获取目标区域的污染特征数据信息，并根据所述目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息，具体包括：
获取目标区域的污染调查数据信息，并根据所述污染调查数据进行聚类分析，获取目标区域的污染分布数据信息，基于所述目标区域的污染分布数据信息获取每一污染场地的污染类型以及污染浓度信息；
根据所述每一污染场地的污染类型以及污染浓度信息构建目标区域的污染特征数据信息，同时根据所述目标区域的污染特征数据信息构建检索标签，基于所述检索标签通过大数据进行检索，获取样本数据信息；
引入多头注意力机制，通过所述多头注意力机制从所述样本数据中计算目标区域的污染特征数据信息与对应的微生物修复推荐物种信息之间的相关性；
当所述相关性大于预设相关性时，将所述相关性大于预设相关性的微生物修复推荐物种信息作为候选的微生物推荐物种信息，并将所述候选的微生物推荐物种信息输出。
3.根据权利要求1所述的基于大数据分析的微生物修复方案生成方法，其特征在于，根据所述预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，具体包括：
获取目标区域中每一子区域的土壤类型，并根据所述目标区域中每一子区域的土壤类型以及目标区域的污染特征数据信息获取目标区域中每一子区域的污染迁移特性信息；
根据所述预设时间之内目标区域的污染迁移区域信息构建污染迁移实时模型图，同时获取污染迁移实时模型图中的污染分布情况信息；
根据所述目标区域中每一子区域的污染迁移特性信息对所述污染分布情况信息进行预估，获取污染分布预估数据信息；
基于所述污染分布预估数据信息对所述污染迁移实时模型图进行更新，获取污染迁移预估模型图。
4.根据权利要求1所述的基于大数据分析的微生物修复方案生成方法，其特征在于，基于所述污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案，具体包括：
获取每一子区域的污染迁移预估模型图，并根据所述污染迁移预估模型图获取每一子区域在三维空间中的污染分布数据信息，通过所述污染分布数据信息获取污染深度梯度数据信息；
获取每一子区域对应的土壤类型，并通过大数据获取所述土壤类型之下在每一所述污染深度梯度数据信息的存活率数据信息，判断所述土壤类型之下在每一所述污染深度梯度数据信息的存活率数据信息是否存在预设存活率的数据；
当所述土壤类型之下在每一所述污染深度梯度数据信息的存活率数据信息存在预设存活率的数据时，根据微生物存活率排序表中的优先级重新选取微生物的物种类型，根据新的微生物的物种类型生成最终的微生物修复方案；
当所述土壤类型之下在每一所述污染深度梯度数据信息的存活率数据信息不存在预设存活率的数据时，将所述预估微生物修复方案作为最终的微生物修复方案输出。
5.基于大数据分析的微生物修复方案生成系统，其特征在于，所述系统包括存储器以及处理器，所述存储器中包含基于大数据分析的微生物修复方案生成方法程序，所述基于大数据分析的微生物修复方案生成方法程序被所述处理器执行时，实现如下步骤：
获取目标区域的污染特征数据信息，并根据所述目标区域的污染特征数据信息进行检索，获取候选的微生物推荐物种信息；
获取目标区域的历史气候特性数据信息，并基于所述目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息；
根据所述候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，并获取预设时间之内目标区域的污染迁移特性信息；
根据所述预设时间之内目标区域的污染迁移区域信息以及目标区域的污染特征数据信息获取污染迁移预估模型图，并基于所述污染迁移预估模型图以及预估微生物修复方案生成最终的微生物修复方案；
其中，获取目标区域的历史气候特性数据信息，并基于所述目标区域的历史气候特性数据信息获取候选的微生物推荐物种信息的预估存活率数据信息，具体包括：
获取目标区域的历史气候特性数据信息，并通过大数据获取目标区域的历史气候特性数据信息之下候选的微生物推荐物种信息的存活率数据信息，根据所述候选的微生物推荐物种信息的存活率数据信息构建特征矩阵；
基于深度学习网络构建微生物存活率预测模型，引入随机森林模型对所述特征矩阵进行特征提取，获取每个季节时段相关性最高的特征数据，并通过对所述每个季节时段相关性最高的特征数据进行矩阵重建，获取重建后的特征矩阵；
将所述特征矩阵输入到所述微生物存活率预测模型中进行训练，获取训练参数信息，当所述训练参数信息满足预设参数数据信息之后，保存所述微生物存活率预测模型的模型参数，并输出微生物存活率预测模型；
根据所述微生物存活率预测模型获取目标区域中每个污染区域对应的候选的微生物推荐物种信息在各个季节时段中存活率数据信息，并将所述微生物推荐物种信息在各个季节时段中存活率数据信息作为候选的微生物推荐物种信息的预估存活率数据信息输出；
其中，根据所述候选的微生物推荐物种信息的预估存活率数据信息生成目标区域中每个子区域的预估微生物修复方案，具体包括：
构建微生物存活率排序表，并将所述候选的微生物推荐物种信息的预估存活率数据信息输入到所述微生物存活率排序表中进行排序，获取候选的微生物推荐物种在各个季节时段的存活率排序结果；
获取目标区域中每个子区域的污染特征数据信息，从所述候选的微生物推荐物种在各个季节时段的存活率排序结果中选取出所述每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种；
根据所述目标区域的历史气候特性数据信息获取每个子区域中气候特性转移的时间范围信息，并根据所述每个子区域中气候特性转移的时间范围信息生成相关的微生物调整时间范围信息；
根据所述每个子区域的污染特征数据信息在每个季节时段对应存活率最大的候选的微生物推荐物种以及相关的微生物调整时间范围信息生成目标区域中每个子区域的预估微生物修复方案。
6.一种计算机可存储介质，其特征在于，所述计算机可存储介质包括基于大数据分析的微生物修复方案生成方法程序，所述基于大数据分析的微生物修复方案生成方法程序被处理器执行时，实现如权利要求1-4任一项所述的基于大数据分析的微生物修复方案生成方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311445049.3A CN117172988B (zh) | 2023-11-02 | 2023-11-02 | 基于大数据分析的微生物修复方案生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311445049.3A CN117172988B (zh) | 2023-11-02 | 2023-11-02 | 基于大数据分析的微生物修复方案生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117172988A CN117172988A (zh) | 2023-12-05 |
| CN117172988B true CN117172988B (zh) | 2024-01-12 |
Family
ID=88939777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311445049.3A Active CN117172988B (zh) | 2023-11-02 | 2023-11-02 | 基于大数据分析的微生物修复方案生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172988B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2665073C1 (ru) * | 2017-10-20 | 2018-08-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет" (СПбГУ) | Фиторемедиационный способ очистки почв, загрязненных тяжелыми металлами |
| CN112651466A (zh) * | 2021-01-14 | 2021-04-13 | 成都邹缨齐紫科技有限公司 | 土壤重金属污染的微生物种类选择的神经网络训练方法 |
| CN115187417A (zh) * | 2022-06-23 | 2022-10-14 | 广东新泓环境科技有限公司 | 深层土壤中重质有机污染物原位修复方法、装置和设备 |
| CN116362572A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种在产园区地下水污染分区分级评价方法 |
| CN116773781A (zh) * | 2023-08-18 | 2023-09-19 | 北京建工环境修复股份有限公司 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
| CN116842350A (zh) * | 2023-09-01 | 2023-10-03 | 北京建工环境修复股份有限公司 | 一种污染场地植物修复的分析方法、系统及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11631022B2 (en) * | 2018-03-29 | 2023-04-18 | Daybreak, Llc | Forecasting soil and groundwater contamination migration |
-
2023
- 2023-11-02 CN CN202311445049.3A patent/CN117172988B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2665073C1 (ru) * | 2017-10-20 | 2018-08-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет" (СПбГУ) | Фиторемедиационный способ очистки почв, загрязненных тяжелыми металлами |
| CN112651466A (zh) * | 2021-01-14 | 2021-04-13 | 成都邹缨齐紫科技有限公司 | 土壤重金属污染的微生物种类选择的神经网络训练方法 |
| CN115187417A (zh) * | 2022-06-23 | 2022-10-14 | 广东新泓环境科技有限公司 | 深层土壤中重质有机污染物原位修复方法、装置和设备 |
| CN116362572A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种在产园区地下水污染分区分级评价方法 |
| CN116773781A (zh) * | 2023-08-18 | 2023-09-19 | 北京建工环境修复股份有限公司 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
| CN116842350A (zh) * | 2023-09-01 | 2023-10-03 | 北京建工环境修复股份有限公司 | 一种污染场地植物修复的分析方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117172988A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116186566B (zh) | 基于深度学习的扩散预测方法及系统 | |
| Feeley et al. | Keep collecting: accurate species distribution modelling requires more collections than previously thought | |
| Zambrano-Monserrate et al. | Global ecological footprint and spatial dependence between countries | |
| CN116773781B (zh) | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 | |
| Klesse et al. | Continental‐scale tree‐ring‐based projection of Douglas‐fir growth: Testing the limits of space‐for‐time substitution | |
| CN116842350B (zh) | 一种污染场地植物修复的分析方法、系统及介质 | |
| Thuiller et al. | Predicting patterns of plant species richness in megadiverse South Africa | |
| Raia et al. | Past extinctions of Homo species coincided with increased vulnerability to climatic change | |
| Beale et al. | A new statistical framework for the quantification of covariate associations with species distributions | |
| CN117171223B (zh) | 一种微生物修复过程中的微生物培养方案推荐方法及系统 | |
| CN116307268B (zh) | 一种基于污染场地修复过程中的碳排放预测方法及系统 | |
| CN116384776A (zh) | 基于模糊评价的场地污染评估方法、系统及存储介质 | |
| CN116756908A (zh) | 地下水模拟智能系统及可视化方法 | |
| Lustenhouwer et al. | Beyond tracking climate: Niche shifts during native range expansion and their implications for novel invasions | |
| Wang et al. | Abiotic niche divergence of hybrid species from their progenitors | |
| Reichard et al. | Community assembly in Nothobranchius annual fishes: Nested patterns, environmental niche and biogeographic history | |
| CN117172988B (zh) | 基于大数据分析的微生物修复方案生成方法及系统 | |
| CN117172996B (zh) | 一种用于生态环境修复的微生物活性识别监测方法及系统 | |
| CN117172995B (zh) | 基于微生物的污染评估分析方法、系统及存储介质 | |
| Schtickzelle et al. | Using surrogate data in population viability analysis: the case of the critically endangered cranberry fritillary butterfly | |
| Joris et al. | Model‐based Scenario Analysis of the Impact of Remediation Measures on Metal Leaching from Soils Contaminated by Historic Smelter Emissions | |
| CN117196156B (zh) | 一种污染原位治理智能规划方法、系统及介质 | |
| CN117172990B (zh) | 一种地下水环境中抗生素污染迁移预测方法及系统 | |
| CN117172993B (zh) | 一种基于微生物动态分析的污染场地评估方法及系统 | |
| CN117172578B (zh) | 一种基于微生物识别的土壤生态环境修复方法及系统 |
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 |