CN117252349A - 基于水质水量双控的城市河流智能调控方法 - Google Patents
基于水质水量双控的城市河流智能调控方法 Download PDFInfo
- Publication number
- CN117252349A CN117252349A CN202311540157.9A CN202311540157A CN117252349A CN 117252349 A CN117252349 A CN 117252349A CN 202311540157 A CN202311540157 A CN 202311540157A CN 117252349 A CN117252349 A CN 117252349A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- river
- scheduling
- predicted
- water
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 121
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000007726 management method Methods 0.000 claims abstract description 3
- 239000000356 contaminant Substances 0.000 claims abstract 5
- 239000003344 environmental pollutant Substances 0.000 claims description 203
- 231100000719 pollutant Toxicity 0.000 claims description 203
- 230000007480 spreading Effects 0.000 claims description 80
- 238000003892 spreading Methods 0.000 claims description 80
- 238000010586 diagram Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 abstract description 5
- 238000007599 discharging Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了基于水质水量双控的城市河流智能调控方法，涉及智能管理技术领域，该方法包括：获得污染源生产记录数据；生成多个污染物蔓延标识区域；生成多个预测治理时长和多个预测供水量；生成多个调度概率标签；获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控，解决了现有技术中存在的由于传统的城市河流的用水调度，难以结合污染状态进行适应性调度方案的调节，灵活性较差的技术问题，通过结合河流的污染状态进行水源调度概率分析，进行水源调度方案的适应性调节，达到保证调度水源污染治理效果，提升水源调度的灵活性的技术效果。
Description
技术领域
本申请涉及智能管理技术领域，具体涉及基于水质水量双控的城市河流智能调控方法。
背景技术
城市河流为城市的日常生活以及工业生产等提供大量的水资源，加强水资源的调控具有重要意义，水资源的调控离不开水质、水量的控制，但是，现如今，城市河网水环境的污染越来越严重，城市河网水环境改善需求日益突出，传统的城市河流的用水调度，难以结合污染状态进行适应性调度方案的调节，灵活性较差。
发明内容
本申请提供了基于水质水量双控的城市河流智能调控方法，用以解决现有技术中存在的由于传统的城市河流的用水调度，难以结合污染状态进行适应性调度方案的调节，灵活性较差的技术问题。
根据本申请的第一方面，提供了基于水质水量双控的城市河流智能调控方法，包括：当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
根据本申请的第二方面，提供了基于水质水量双控的城市河流智能调控系统，包括：污染源生产记录获取模块，所述污染源生产记录获取模块用于当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；污染特征蔓延分析模块，所述污染特征蔓延分析模块用于根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；治理时长分析模块，所述治理时长分析模块用于遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；调度概率标识模块，所述调度概率标识模块用于基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；河网水源调度分析模块，所述河网水源调度分析模块用于获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
根据本申请采用的一个或多个技术方案，可达到的有益效果如下：
当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据，根据污染源生产记录数据对河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域，遍历多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量，基于多个河流治理预测时长，遍历多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签，获得需求用水量，基于多个预测供水量和多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。由此结合河流的污染状态进行水源调度概率分析，进行水源调度方案的适应性调节，达到保证调度水源污染治理效果，提升水源调度的灵活性的技术效果。
附图说明
为了更清楚地说明本申请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。构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的基于水质水量双控的城市河流智能调控方法的流程示意图；
图2为本申请实施例提供的基于水质水量双控的城市河流智能调控系统的结构示意图。
附图标记说明：污染源生产记录获取模块11，污染特征蔓延分析模块12，治理时长分析模块13，调度概率标识模块14，河网水源调度分析模块15。
具体实施方式
为了使得本申请的目的、技术方案和优点更为明显，下面将参照附图详细描述本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
说明书中使用的术语用于描述实施例，而不是限制本申请。如在说明书中所使用的，单数术语“一”“一个”和“该”旨在也包括复数形式，除非上下文另有清楚指示。当在说明书中使用时，术语“包括”和/或“包含”指定了步骤、操作、元件和/或组件的存在，但是不排除一个或多个其他步骤、操作、元件、组件和/或其组的存在或添加。
除非另有定义，本说明书中使用的所有术语(包括技术和科学术语)应具有与本申请所属领域的技术人员通常理解的相同含义。术语，如常用词典中定义的术语，不应以理想化或过于正式的意义来解释，除非在此明确定义。在整个说明书中，相同的附图标记表示相同的元件。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
实施例一
图1为本申请实施例提供的基于水质水量双控的城市河流智能调控方法图，所述方法包括：
当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；
物联网交互河网拓扑结构图是一个由城市河流和用水区域组成的网络，其中，城市河流以及用水区域作为网络节点，在网络节点可设置各种物联网传感器用于调取各个网络节点的信息。所述物联网交互河网拓扑结构图上有污染源标记节点，即可能会对城市河流造成污染的不同的污染源，比如化工厂、电池生产厂、水泥厂、造纸厂等，污染源也是物联网交互河网拓扑结构图上的网络节点，其也有用水需求。需要说明的是，物联网交互河网拓扑结构图由本领域专业技术人员结合实际情况构建，基于物联网交互河网拓扑结构图的污染源标记节点，调取污染源标记节点在第一周期的污染源生产记录数据，第一周期由本领域技术人员结合实际情况自行设定。
在一个优选实施例中，还包括：
当所述第一周期时，基于所述河网拓扑结构图，获得第一污染源标记节点、第二污染源标记节点直到第N污染源标记节点；获得生产记录抓取标签，其中，所述生产记录抓取标签包括生产类型抓取标签、生产规模抓取标签和生产时间抓取标签；根据所述生产类型抓取标签、所述生产规模抓取标签和所述生产时间抓取标签，基于物联网，交互所述第一污染源标记节点、所述第二污染源标记节点直到所述第N污染源标记节点进行抓取，接收第一节点生产记录数据、第二节点生产记录数据直到第N节点生产记录数据。
具体来说，当所述第一周期时，基于所述河网拓扑结构图，获得第一污染源标记节点、第二污染源标记节点直到第N污染源标记节点，第一污染源标记节点、第二污染源标记节点直到第N污染源标记节点泛指所述河网拓扑结构图中的多个污染源标记节点，N为大于等于1的整数。获得生产记录抓取标签，其中，所述生产记录抓取标签包括生产类型抓取标签、生产规模抓取标签和生产时间抓取标签，通俗地讲，就是通过不同的抓取标签抓取不同类型的生产数据。根据所述生产类型抓取标签、所述生产规模抓取标签和所述生产时间抓取标签，基于物联网，连接各个污染源标记节点的数据管理中心，交互所述第一污染源标记节点、所述第二污染源标记节点直到所述第N污染源标记节点进行抓取，接收第一节点生产记录数据、第二节点生产记录数据直到第N节点生产记录数据作为污染源生产记录数据，第一节点生产记录数据、第二节点生产记录数据直到第N节点生产记录数据均包括生产类型记录数据、生产规模记录数据和生产时间记录数据，为后续的城市河流智能调控提供基础。
根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；
根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域，就是说，污染源标记节点由于工业生产会对河流造成污染，后续需要对造成的污染进行治理后才可调用河流的水资源，因此，需要分析获取污染物蔓延标识区域，便于进行水质治理分析，具体过程如下详述。
在一个优选实施例中，还包括：
提取所述污染源生产记录数据的至少一个污染源标记节点的生产类型记录数据、生产规模记录数据和生产时间记录数据；根据所述生产类型记录数据、所述生产规模记录数据和所述生产时间记录数据进行集中值分析，生成污染物排出预测量和污染物排出时间；获得所述污染源标记节点的下游河流路径连通树状图，其中，所述下游河流路径连通树状图具有河水流速标识；根据所述河水流速标识和所述下游河流路径连通树状图，结合所述污染物排出预测量和所述污染物排出时间进行污染模拟，生成多个污染物蔓延标识区域。
在一个优选实施例中，还包括：
根据所述生产类型记录数据，基于物联网交互所述污染源标记节点的污染物排出日志，其中，所述污染物排出日志包括多个单位规模污染物记录排出量；将所述多个单位规模污染物记录排出量按照自小到大的顺序排列，获得单位规模污染物记录排出量排序结果；统计所述多个单位规模污染物记录排出量的个数的四分之一，获得第一特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之一不等于整数时，向下取整；统计所述多个单位规模污染物记录排出量的个数的四分之三，获得第二特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之三不等于整数时，向上取整；根据所述第一特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第一四分特征值；根据所述第二特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第二四分特征值；对所述第二四分特征值和所述第一四分特征值求差，获得第一四分级差；对所述第二四分特征值增加1.5倍的所述第一四分级差，构建集中上边界，对所述第一四分特征值减少1.5倍的所述第一四分级差，构建集中下边界；基于所述集中下边界和所述集中上边界，构建数值集中区间，将所述多个单位规模污染物记录排出量不属于所述数值集中区间的删除，获得记录集中排出量，进行均值分析，获得单位规模污染物排出量；根据所述单位规模污染物排出量和所述生产规模记录数据，获得污染物排出预测量，将所述生产时间记录数据设为所述污染物排出时间。
具体来说，提取所述污染源生产记录数据的至少一个污染源标记节点的生产类型记录数据、生产规模记录数据和生产时间记录数据。根据所述生产类型记录数据、所述生产规模记录数据和所述生产时间记录数据进行集中值分析，生成污染物排出预测量和污染物排出时间，集中值分析可以理解为剔除离群值，从而确定污染物排出预测量和污染物排出时间，具体过程如下：
根据所述生产类型记录数据，基于物联网交互所述污染源标记节点的污染物排出日志（记录污染物排放情况的数据日志），其中，所述污染物排出日志包括多个单位规模污染物记录排出量，就是不同规模的污染物排放量的记录。将所述多个单位规模污染物记录排出量按照自小到大的顺序排列，获得单位规模污染物记录排出量排序结果。进一步统计所述多个单位规模污染物记录排出量的个数的四分之一作为第一特征值序号，比如，如果多个单位规模污染物记录排出量的个数为8，第一特征值序号为2，即单位规模污染物记录排出量排序结果中的第二位为第一特征值序号；其中，当所述多个单位规模污染物记录排出量的个数的四分之一不等于整数时，向下取整（取小于计算结果的整数）。统计所述多个单位规模污染物记录排出量的个数的四分之三，获得第二特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之三不等于整数时，向上取整。根据所述第一特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第一四分特征值；根据所述第二特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第二四分特征值，就是说，所述第一特征值序号是指第一四分特征值在单位规模污染物记录排出量排序结果中的序号（位次），举例如，如果第一特征值序号为2，就提取单位规模污染物记录排出量排序结果中的第2个单位规模污染物记录排出量作为第一四分特征值；同理，提取单位规模污染物记录排出量排序结果中第二特征值序号对应的单位规模污染物记录排出量作为第二四分特征值。进而对所述第二四分特征值和所述第一四分特征值求差，以所述第二四分特征值和所述第一四分特征值的差值作为第一四分级差。对所述第二四分特征值增加1.5倍的所述第一四分级差，构建集中上边界，集中上边界=第二四分特征值+1.5×第一四分级差，对所述第一四分特征值减少1.5倍的所述第一四分级差，构建集中下边界，集中上边界=第一四分特征值-1.5×第一四分级差。
以所述集中下边界和所述集中上边界分别作为一个区间的上下边界，构建数值集中区间，将所述多个单位规模污染物记录排出量不属于所述数值集中区间的删除（即删除离群值），即可获得记录集中排出量，对记录集中排出量中的数据进行均值计算，以均值计算结果作为单位规模污染物排出量。进一步根据所述单位规模污染物排出量和所述生产规模记录数据，以所述生产规模记录数据乘以单位规模污染物排出量，即可获得污染物排出预测量，同时将所述生产时间记录数据设为所述污染物排出时间。由此实现对污染物排出预测量和污染物排出时间的分析，通过集中值分析，提升数据计算效率。
进一步获得所述污染源标记节点的下游河流路径连通树状图，其中，所述下游河流路径连通树状图具有河水流速标识，就是说，所述污染源标记节点排出的污染物会在所述污染源标记节点的下游河流发生蔓延，造成污染，下游河流路径连通树状图即为所述污染源标记节点的下游河流走向图，下游河流可能不止一条，且河流在不同位置会发生汇聚、分流，因此，下游河流路径连通树状图可以理解为下游河流走向图，具体由本领域专业技术人员结合实际情况构建，且可以随时更新，其中，河水流速标识可由本领域专业技术人员测试后标记。根据所述河水流速标识和所述下游河流路径连通树状图，结合所述污染物排出预测量和所述污染物排出时间进行污染模拟，就是将河水流速作为蔓延速度，基于所述污染物排出时间，根据所述污染物排出预测量从污染源节点进行蔓延，即可确定在所述污染物排出时间内污染物蔓延的区域，且污染物可能会蔓延到所述下游河流路径连通树状图中的不同的下游河流，由此生成多个污染物蔓延标识区域，具体来说，可基于现有的三维仿真技术，根据所述下游河流路径连通树状图和所述河水流速标识进行下游河流的水流状态进行模拟，然后按照所述污染物排出预测量从所述污染源节点进行污染物的排放模拟，由此对污染物的流向进行模拟，即可得到污染物的蔓延结果，生成多个污染物蔓延标识区域，一个污染物蔓延标识区域为污染源节点至蔓延的终点位置的上游到下游的连通区域。为后续的河流治理提供支持，便于根据治理时长进行河流供水调控，提高河流调控的灵活性。
遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；
在一个优选实施例中，还包括：
遍历所述多个污染物蔓延标识区域，提取多个标识区域面积参数、多个标识区域深度参数和多个污染物排出累计量；根据所述多个标识区域面积参数、所述多个标识区域深度参数和所述多个污染物排出累计量进行治理时长统计，获得多组治理时长记录值；遍历所述多组治理时长记录值进行集中值分析，获得多个预测治理时长；根据所述多个标识区域面积参数和所述多个标识区域深度参数进行体积计算，获得所述多个预测供水量。
遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量，就是说，多个污染物蔓延标识区域的水源受到污染，需要进行水质治理后才可对多个污染物蔓延标识区域进行水资源的调用，进行治理时长分析，生成多个预测治理时长和多个预测供水量的过程如下：
遍历所述多个污染物蔓延标识区域，提取多个标识区域面积参数（由本领域技术人员结合实际情况确定）、多个标识区域深度参数（由本领域技术人员结合实际情况确定）和多个污染物排出累计量（污染源节点对应的污染物排出预测量）。根据所述多个标识区域面积参数、所述多个标识区域深度参数和所述多个污染物排出累计量进行治理时长统计，就是基于现有技术统计历史河流污染记录中，与所述多个标识区域面积参数、所述多个标识区域深度参数和所述多个污染物排出累计量相同的污染情况对应的治理时长作为多组治理时长记录值，需要说明的是，每一个污染物蔓延标识区域对应多组治理时长记录值。
遍历所述多组治理时长记录值进行集中值分析，具体来说，将所述多组治理时长记录值按照自小到大的顺序排列，获得治理时长记录值排序结果；统计多组治理时长记录值的个数的四分之一，当多组治理时长记录值的个数的四分之一不等于整数时，向下取整，获取治理时长记录值排序结果中位于四分之一位置处的治理时长记录值作为第三四分特征值；统计所述多组治理时长记录值的个数的四分之三，当所述多组治理时长记录值的个数的四分之三不等于整数时，向上取整，获得治理时长记录值排序结果中位于四分之三位置处的治理时长记录值作为第四四分特征值。对所述第四四分特征值和所述第三四分特征值求差，获得第二四分级差，对所述第四四分特征值增加1.5倍的所述第二四分级差，构建治理时长的集中上边界，对所述第三四分特征值减少1.5倍的所述第二四分级差，构建治理时长的集中下边界，由此组成治理时长的数值集中区间，将所述多组治理时长记录值不属于治理时长的数值集中区间的删除，获得集中治理时长，进行均值分析，获得一个预测治理时长。采用相同的方法，获得多个污染物蔓延标识区域对应的多个预测治理时长。
进一步对所述多个标识区域面积参数和所述多个标识区域深度参数进行相差计算，获得所述多个预测供水量。
由此实现预测治理时长和预测供水量的分析，便于后续结合多个污染物蔓延标识区域的污染状态和预测供水量进行供水调度方案的适应性调节，提升供水调度的灵活性。
基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；
在一个优选实施例中，还包括：
获得用水需求时区，将所述多个河流治理预测时长不满足所述用水需求时区的污染物蔓延标识区域的调度概率设为0，添加进所述多个调度概率标签；将所述多个河流治理预测时长满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长加和，获得治理预测时长加和结果；分别求取满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长在所述河流治理预测时长加和结果的占比，生成若干个比值计算结果；以1为模，求取所述若干个比值计算结果的补数，设为若干个调度概率标签，添加进所述多个调度概率标签。
基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签，具体过程如下：
获得用水需求时区，用水需求时区是指需要进行水资源调度的时间段，需结合实际情况确定，将所述多个河流治理预测时长不满足所述用水需求时区的污染物蔓延标识区域的调度概率设为0，及计算当前时刻至用水需求时区的开始时刻的时间长度，如果任一河流治理预测时长在该时间长度范围以外，将该河流治理预测时长对应的污染物蔓延标识区域的调度概率设为0，添加进所述多个调度概率标签；同理，将所述多个河流治理预测时长满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长加和，获得治理预测时长加和结果，分别求取满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长在所述河流治理预测时长加和结果的占比，生成若干个比值计算结果，以1为模，求取所述若干个比值计算结果的补数，就是用1减去若干个比值计算结果，即可得到满足所述用水需求时区的污染物蔓延标识区域对应的若干个调度概率标签，添加进所述多个调度概率标签。由此实现调度概率的分析，便于后续根据污染状态进行水源调度，提升水源调度的灵活性。
获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
在一个优选实施例中，还包括：
构建智能调控适应度函数：
；
其中，表征第j个河网水源调度方案的适应度，/>表征河网水源调度的河流数量，/>表征第j个河网水源调度方案的第i个调度的河流的调度概率，/>表征第一预设权重，/>表征第二预设权重，/>表征已生成的河流的调度方案的最小调度概率之和，/>表征已生成的河流的调度方案的最大调度概率之和；
获得多个污染物无蔓延标识区域，将调度概率标签标识为1，添加进所述多个调度概率标签；对所述多个污染物无蔓延标识区域进行供水量标识，生成供水量标识结果，添加进所述多个预测供水量；基于所述需求用水量，基于所述多个调度概率标签和所述多个预测供水量，对所述多个污染物无蔓延标识区域和所述多个污染物蔓延标识区域进行随机组合，获得若干个河网水源调度方案；基于所述智能调控适应度函数，对所述若干个河网水源调度方案进行最大值筛选，获得所述河网水源调度推荐方案。
获得需求用水量，需求用水量即为需要调度的水源量，具体需结合实际情况确定，进而基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控，具体过程如下：
首先构建智能调控适应度函数如下：
；
其中，表征第j个河网水源调度方案的适应度，/>表征河网水源调度的河流数量，/>表征第j个河网水源调度方案的第i个调度的河流的调度概率，可根据前述获得的多个调度概率标签确定，/>表征第一预设权重，/>表征第二预设权重，第一预设权重和第二预设权重由本领域技术人员自行设定，/>表征已生成的河流的调度方案的最小调度概率之和，/>表征已生成的河流的调度方案的最大调度概率之和。
获得多个污染物无蔓延标识区域，就是除去多个污染物蔓延标识区域以外的其他区域，将多个污染物无蔓延标识区域的调度概率标签标识为1，添加进所述多个调度概率标签。结合实际情况采集所述多个污染物无蔓延标识区域的区域面积和区域深度进行相乘，根据计算结果进行供水量标识，生成供水量标识结果，添加进所述多个预测供水量。基于所述需求用水量、所述多个调度概率标签和所述多个预测供水量，对所述多个污染物无蔓延标识区域和所述多个污染物蔓延标识区域进行随机组合，就是保证随机组合的多个区域的预测供水量的总和大于等于需求用水量，同时根据多个调度概率标签去除含有调度概率为0的污染物蔓延标识区域的组合结果，因为调度概率为0的污染物蔓延标识区域无法在用水需求时区将污染治理完成，会导致调度的水源含有被污染的水源，因此去除含有调度概率为0的污染物蔓延标识区域的组合结果，以剩下的组合结果作为若干个河网水源调度方案。基于所述智能调控适应度函数，对所述若干个河网水源调度方案进行适应度计算，第j个河网水源调度方案为若干个河网水源调度方案中的任意一个河网水源调度方案，基于多个调度概率标签将第j个河网水源调度方案中的污染物蔓延标识区域或者污染物无蔓延标识区域的调度概率代入所述智能调控适应度函数，已生成的河流的调度方案的最小调度概率之和即为每一个河网水源调度方案中最小调度概率的总和，生成的河流的调度方案的最大调度概率之和即为每一个河网水源调度方案中最大调度概率的总和。由此通过智能调控适应度函数，对所述若干个河网水源调度方案进行适应度计算，获取适应度最大的河网水源调度方案作为所述河网水源调度推荐方案。根据所述河网水源调度推荐方案进行城市河流智能调控，保证调度的水源无污染，提升水源调度的灵活性。
基于上述分析可知，本申请提供的一个或多个技术方案，可达到的有益效果如下：
当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据，根据污染源生产记录数据对河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域，遍历多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量，基于多个河流治理预测时长，遍历多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签，获得需求用水量，基于多个预测供水量和多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。由此结合河流的污染状态进行水源调度概率分析，进行水源调度方案的适应性调节，达到保证调度水源污染治理效果，提升水源调度的灵活性的技术效果。
实施例二
基于与前述实施例中基于水质水量双控的城市河流智能调控方法同样的发明构思，如图2所示，本申请还提供了基于水质水量双控的城市河流智能调控系统，所述系统包括：
污染源生产记录获取模块11，所述污染源生产记录获取模块11用于当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；
污染特征蔓延分析模块12，所述污染特征蔓延分析模块12用于根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；
治理时长分析模块13，所述治理时长分析模块13用于遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；
调度概率标识模块14，所述调度概率标识模块14用于基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；
河网水源调度分析模块15，所述河网水源调度分析模块15用于获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
进一步而言，所述污染源生产记录获取模块11还包括：
当所述第一周期时，基于所述河网拓扑结构图，获得第一污染源标记节点、第二污染源标记节点直到第N污染源标记节点；
获得生产记录抓取标签，其中，所述生产记录抓取标签包括生产类型抓取标签、生产规模抓取标签和生产时间抓取标签；
根据所述生产类型抓取标签、所述生产规模抓取标签和所述生产时间抓取标签，基于物联网，交互所述第一污染源标记节点、所述第二污染源标记节点直到所述第N污染源标记节点进行抓取，接收第一节点生产记录数据、第二节点生产记录数据直到第N节点生产记录数据。
进一步而言，所述污染特征蔓延分析模块12还包括：
提取所述污染源生产记录数据的至少一个污染源标记节点的生产类型记录数据、生产规模记录数据和生产时间记录数据；
根据所述生产类型记录数据、所述生产规模记录数据和所述生产时间记录数据进行集中值分析，生成污染物排出预测量和污染物排出时间；
获得所述污染源标记节点的下游河流路径连通树状图，其中，所述下游河流路径连通树状图具有河水流速标识；
根据所述河水流速标识和所述下游河流路径连通树状图，结合所述污染物排出预测量和所述污染物排出时间进行污染模拟，生成多个污染物蔓延标识区域。
进一步而言，所述污染特征蔓延分析模块12还包括：
根据所述生产类型记录数据，基于物联网交互所述污染源标记节点的污染物排出日志，其中，所述污染物排出日志包括多个单位规模污染物记录排出量；
将所述多个单位规模污染物记录排出量按照自小到大的顺序排列，获得单位规模污染物记录排出量排序结果；
统计所述多个单位规模污染物记录排出量的个数的四分之一，获得第一特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之一不等于整数时，向下取整；
统计所述多个单位规模污染物记录排出量的个数的四分之三，获得第二特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之三不等于整数时，向上取整；
根据所述第一特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第一四分特征值；
根据所述第二特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第二四分特征值；
对所述第二四分特征值和所述第一四分特征值求差，获得第一四分级差；
对所述第二四分特征值增加1.5倍的所述第一四分级差，构建集中上边界，对所述第一四分特征值减少1.5倍的所述第一四分级差，构建集中下边界；
基于所述集中下边界和所述集中上边界，构建数值集中区间，将所述多个单位规模污染物记录排出量不属于所述数值集中区间的删除，获得记录集中排出量，进行均值分析，获得单位规模污染物排出量；
根据所述单位规模污染物排出量和所述生产规模记录数据，获得污染物排出预测量，将所述生产时间记录数据设为所述污染物排出时间。
进一步而言，所述治理时长分析模块13还包括：
遍历所述多个污染物蔓延标识区域，提取多个标识区域面积参数、多个标识区域深度参数和多个污染物排出累计量；
根据所述多个标识区域面积参数、所述多个标识区域深度参数和所述多个污染物排出累计量进行治理时长统计，获得多组治理时长记录值；
遍历所述多组治理时长记录值进行集中值分析，获得多个预测治理时长；
根据所述多个标识区域面积参数和所述多个标识区域深度参数进行体积计算，获得所述多个预测供水量。
进一步而言，所述调度概率标识模块14还包括：
获得用水需求时区，将所述多个河流治理预测时长不满足所述用水需求时区的污染物蔓延标识区域的调度概率设为0，添加进所述多个调度概率标签；
将所述多个河流治理预测时长满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长加和，获得治理预测时长加和结果；
分别求取满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长在所述河流治理预测时长加和结果的占比，生成若干个比值计算结果；
以1为模，求取所述若干个比值计算结果的补数，设为若干个调度概率标签，添加进所述多个调度概率标签。
进一步而言，所述河网水源调度分析模块15还包括：
构建智能调控适应度函数：
；
其中，表征第j个河网水源调度方案的适应度，/>表征河网水源调度的河流数量，/>表征第j个河网水源调度方案的第i个调度的河流的调度概率，/>表征第一预设权重，/>表征第二预设权重，/>表征已生成的河流的调度方案的最小调度概率之和，/>表征已生成的河流的调度方案的最大调度概率之和；
获得多个污染物无蔓延标识区域，将调度概率标签标识为1，添加进所述多个调度概率标签；
对所述多个污染物无蔓延标识区域进行供水量标识，生成供水量标识结果，添加进所述多个预测供水量；
基于所述需求用水量，基于所述多个调度概率标签和所述多个预测供水量，对所述多个污染物无蔓延标识区域和所述多个污染物蔓延标识区域进行随机组合，获得若干个河网水源调度方案；
基于所述智能调控适应度函数，对所述若干个河网水源调度方案进行最大值筛选，获得所述河网水源调度推荐方案。
前述实施例一中的基于水质水量双控的城市河流智能调控方法具体实例同样适用于本实施例的基于水质水量双控的城市河流智能调控系统，通过前述对基于水质水量双控的城市河流智能调控方法的详细描述，本领域技术人员可以清楚地知道本实施例中基于水质水量双控的城市河流智能调控系统，所以为了说明书的简洁，在此不再详述。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (8)
1.基于水质水量双控的城市河流智能调控方法，其特征在于，包括：
当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；
根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；
遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；
基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；
获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
2.如权利要求1所述的方法，其特征在于，当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据，包括：
当所述第一周期时，基于所述河网拓扑结构图，获得第一污染源标记节点、第二污染源标记节点直到第N污染源标记节点；
获得生产记录抓取标签，其中，所述生产记录抓取标签包括生产类型抓取标签、生产规模抓取标签和生产时间抓取标签；
根据所述生产类型抓取标签、所述生产规模抓取标签和所述生产时间抓取标签，基于物联网，交互所述第一污染源标记节点、所述第二污染源标记节点直到所述第N污染源标记节点进行抓取，接收第一节点生产记录数据、第二节点生产记录数据直到第N节点生产记录数据。
3.如权利要求2所述的方法，其特征在于，根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域，包括：
提取所述污染源生产记录数据的至少一个污染源标记节点的生产类型记录数据、生产规模记录数据和生产时间记录数据；
根据所述生产类型记录数据、所述生产规模记录数据和所述生产时间记录数据进行集中值分析，生成污染物排出预测量和污染物排出时间；
获得所述污染源标记节点的下游河流路径连通树状图，其中，所述下游河流路径连通树状图具有河水流速标识；
根据所述河水流速标识和所述下游河流路径连通树状图，结合所述污染物排出预测量和所述污染物排出时间进行污染模拟，生成多个污染物蔓延标识区域。
4.如权利要求3所述的方法，其特征在于，根据所述生产类型记录数据、所述生产规模记录数据和所述生产时间记录数据进行集中值分析，生成污染物排出预测量和污染物排出时间，包括：
根据所述生产类型记录数据，基于物联网交互所述污染源标记节点的污染物排出日志，其中，所述污染物排出日志包括多个单位规模污染物记录排出量；
将所述多个单位规模污染物记录排出量按照自小到大的顺序排列，获得单位规模污染物记录排出量排序结果；
统计所述多个单位规模污染物记录排出量的个数的四分之一，获得第一特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之一不等于整数时，向下取整；
统计所述多个单位规模污染物记录排出量的个数的四分之三，获得第二特征值序号，其中，当所述多个单位规模污染物记录排出量的个数的四分之三不等于整数时，向上取整；
根据所述第一特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第一四分特征值；
根据所述第二特征值序号，按照所述单位规模污染物记录排出量排序结果，筛选第二四分特征值；
对所述第二四分特征值和所述第一四分特征值求差，获得第一四分级差；
对所述第二四分特征值增加1.5倍的所述第一四分级差，构建集中上边界，对所述第一四分特征值减少1.5倍的所述第一四分级差，构建集中下边界；
基于所述集中下边界和所述集中上边界，构建数值集中区间，将所述多个单位规模污染物记录排出量不属于所述数值集中区间的删除，获得记录集中排出量，进行均值分析，获得单位规模污染物排出量；
根据所述单位规模污染物排出量和所述生产规模记录数据，获得污染物排出预测量，将所述生产时间记录数据设为所述污染物排出时间。
5.如权利要求1所述的方法，其特征在于，遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量，包括：
遍历所述多个污染物蔓延标识区域，提取多个标识区域面积参数、多个标识区域深度参数和多个污染物排出累计量；
根据所述多个标识区域面积参数、所述多个标识区域深度参数和所述多个污染物排出累计量进行治理时长统计，获得多组治理时长记录值；
遍历所述多组治理时长记录值进行集中值分析，获得多个预测治理时长；
根据所述多个标识区域面积参数和所述多个标识区域深度参数进行体积计算，获得所述多个预测供水量。
6.如权利要求1所述的方法，其特征在于，基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签，包括：
获得用水需求时区，将所述多个河流治理预测时长不满足所述用水需求时区的污染物蔓延标识区域的调度概率设为0，添加进所述多个调度概率标签；
将所述多个河流治理预测时长满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长加和，获得治理预测时长加和结果；
分别求取满足所述用水需求时区的污染物蔓延标识区域的河流治理预测时长在所述河流治理预测时长加和结果的占比，生成若干个比值计算结果；
以1为模，求取所述若干个比值计算结果的补数，设为若干个调度概率标签，添加进所述多个调度概率标签。
7.如权利要求1所述的方法，其特征在于，获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控，包括：
构建智能调控适应度函数：
；
其中，表征第j个河网水源调度方案的适应度，/>表征河网水源调度的河流数量，表征第j个河网水源调度方案的第i个调度的河流的调度概率，/>表征第一预设权重，/>表征第二预设权重，/>表征已生成的河流的调度方案的最小调度概率之和，/>表征已生成的河流的调度方案的最大调度概率之和；
获得多个污染物无蔓延标识区域，将调度概率标签标识为1，添加进所述多个调度概率标签；
对所述多个污染物无蔓延标识区域进行供水量标识，生成供水量标识结果，添加进所述多个预测供水量；
基于所述需求用水量，基于所述多个调度概率标签和所述多个预测供水量，对所述多个污染物无蔓延标识区域和所述多个污染物蔓延标识区域进行随机组合，获得若干个河网水源调度方案；
基于所述智能调控适应度函数，对所述若干个河网水源调度方案进行最大值筛选，获得所述河网水源调度推荐方案。
8.基于水质水量双控的城市河流智能调控系统，其特征在于，用于执行权利要求1至7任意一项所述方法的步骤，所述系统包括：
污染源生产记录获取模块，所述污染源生产记录获取模块用于当满足第一周期时，基于物联网交互河网拓扑结构图的污染源标记节点，获得污染源生产记录数据；
污染特征蔓延分析模块，所述污染特征蔓延分析模块用于根据所述污染源生产记录数据对所述河网拓扑结构图进行污染特征蔓延分析，生成多个污染物蔓延标识区域；
治理时长分析模块，所述治理时长分析模块用于遍历所述多个污染物蔓延标识区域进行治理时长分析，生成多个预测治理时长和多个预测供水量；
调度概率标识模块，所述调度概率标识模块用于基于所述多个河流治理预测时长，遍历所述多个污染物蔓延标识区域进行调度概率标识，生成多个调度概率标签；
河网水源调度分析模块，所述河网水源调度分析模块用于获得需求用水量，基于所述多个预测供水量和所述多个调度概率标签进行河网水源调度分析，生成河网水源调度推荐方案进行城市河流智能调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311540157.9A CN117252349B (zh) | 2023-11-20 | 2023-11-20 | 基于水质水量双控的城市河流智能调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311540157.9A CN117252349B (zh) | 2023-11-20 | 2023-11-20 | 基于水质水量双控的城市河流智能调控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117252349A true CN117252349A (zh) | 2023-12-19 |
| CN117252349B CN117252349B (zh) | 2024-03-01 |
Family
ID=89126844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311540157.9A Active CN117252349B (zh) | 2023-11-20 | 2023-11-20 | 基于水质水量双控的城市河流智能调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252349B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807510A (zh) * | 2024-02-29 | 2024-04-02 | 中国一冶集团有限公司 | 结合多源数据处理的河网动态分区方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156413A (zh) * | 2010-12-30 | 2011-08-17 | 清华大学 | 城市多水源原水系统应急调度方法和系统 |
| CN104346695A (zh) * | 2014-10-27 | 2015-02-11 | 中国水利水电科学研究院 | 一种面向水污染突发事件应急调度情景生成方法 |
| CN108842713A (zh) * | 2018-07-04 | 2018-11-20 | 黄河勘测规划设计有限公司 | 多沙河流水质水量一体化配置与调度方法及其系统 |
| CN109815608A (zh) * | 2019-01-31 | 2019-05-28 | 湖北省水利水电规划勘测设计院 | 一种浅水湖泊群水质水量水生态耦合调度分析方法 |
| CN110516343A (zh) * | 2019-08-22 | 2019-11-29 | 中国水利水电科学研究院 | 基于水功能区水质目标的湖库水环境容量精细化调控方法 |
| CN111489052A (zh) * | 2020-03-10 | 2020-08-04 | 上海水顿智能科技有限公司 | 一种利用水质水量进行截流排水调度的方法 |
| AU2020103451A4 (en) * | 2020-11-16 | 2021-01-28 | China University Of Mining And Technology | Method for landscape water body regulation and ecological purification of urban and peripheral high-water-table coal mining subsidence areas |
| AU2020104126A4 (en) * | 2020-12-16 | 2021-03-04 | Arya, Leena Prof | Waste Water Management System for Smart Cities through IoT based Technology |
| CN113222351A (zh) * | 2021-04-20 | 2021-08-06 | 南京南瑞水利水电科技有限公司 | 一种基于水体演进变化的城市应急供水精细化调度方法 |
| CN114331186A (zh) * | 2021-12-31 | 2022-04-12 | 北控水务(中国)投资有限公司 | 一种排水厂网河智能调度方法及系统 |
| CN115561421A (zh) * | 2022-10-25 | 2023-01-03 | 近通物联网(苏州)有限公司 | 一种污染源确定方法、装置、设备及存储介质 |
| CN116485163A (zh) * | 2023-06-25 | 2023-07-25 | 中国水利水电科学研究院 | 一种考虑输水间歇的输水系统水量调度方案编制方法 |
-
2023
- 2023-11-20 CN CN202311540157.9A patent/CN117252349B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156413A (zh) * | 2010-12-30 | 2011-08-17 | 清华大学 | 城市多水源原水系统应急调度方法和系统 |
| CN104346695A (zh) * | 2014-10-27 | 2015-02-11 | 中国水利水电科学研究院 | 一种面向水污染突发事件应急调度情景生成方法 |
| CN108842713A (zh) * | 2018-07-04 | 2018-11-20 | 黄河勘测规划设计有限公司 | 多沙河流水质水量一体化配置与调度方法及其系统 |
| CN109815608A (zh) * | 2019-01-31 | 2019-05-28 | 湖北省水利水电规划勘测设计院 | 一种浅水湖泊群水质水量水生态耦合调度分析方法 |
| CN110516343A (zh) * | 2019-08-22 | 2019-11-29 | 中国水利水电科学研究院 | 基于水功能区水质目标的湖库水环境容量精细化调控方法 |
| CN111489052A (zh) * | 2020-03-10 | 2020-08-04 | 上海水顿智能科技有限公司 | 一种利用水质水量进行截流排水调度的方法 |
| AU2020103451A4 (en) * | 2020-11-16 | 2021-01-28 | China University Of Mining And Technology | Method for landscape water body regulation and ecological purification of urban and peripheral high-water-table coal mining subsidence areas |
| AU2020104126A4 (en) * | 2020-12-16 | 2021-03-04 | Arya, Leena Prof | Waste Water Management System for Smart Cities through IoT based Technology |
| CN113222351A (zh) * | 2021-04-20 | 2021-08-06 | 南京南瑞水利水电科技有限公司 | 一种基于水体演进变化的城市应急供水精细化调度方法 |
| CN114331186A (zh) * | 2021-12-31 | 2022-04-12 | 北控水务(中国)投资有限公司 | 一种排水厂网河智能调度方法及系统 |
| CN115561421A (zh) * | 2022-10-25 | 2023-01-03 | 近通物联网(苏州)有限公司 | 一种污染源确定方法、装置、设备及存储介质 |
| CN116485163A (zh) * | 2023-06-25 | 2023-07-25 | 中国水利水电科学研究院 | 一种考虑输水间歇的输水系统水量调度方案编制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王昭亮;: "沙颖河闸坝群水质水量联合调度研究", 西北水电, no. 01 * |
| 王桂风;宋丽花;李灿灿;: "江苏省武澄锡虞区水量调度方案研究", 江苏水利, no. 10 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807510A (zh) * | 2024-02-29 | 2024-04-02 | 中国一冶集团有限公司 | 结合多源数据处理的河网动态分区方法及系统 |
| CN117807510B (zh) * | 2024-02-29 | 2024-05-28 | 中国一冶集团有限公司 | 结合多源数据处理的河网动态分区方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117252349B (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117252349B (zh) | 基于水质水量双控的城市河流智能调控方法 | |
| Hunter et al. | Dynamic egocentric models for citation networks | |
| CN106503840A (zh) | 停车场可用车位预测方法及系统 | |
| CN111754336B (zh) | 一种网点排班方法和装置 | |
| CN110990159A (zh) | 一种基于历史数据分析的容器云平台资源配额预测方法 | |
| CN110060489B (zh) | 一种基于神经网络的信号灯配时方案推荐方法 | |
| CN109872535A (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
| CN103700255A (zh) | 一种基于时空关联数据挖掘的交通流预测方法 | |
| CN104064023A (zh) | 一种基于时空关联的动态交通流预测方法 | |
| CN110175167A (zh) | 一种适用于低压台区用电数据的数据清洗方法及系统 | |
| CN106570080A (zh) | 一种云制造资源服务多层次语义匹配方法 | |
| Ageng et al. | A short-term household load forecasting framework using LSTM and data preparation | |
| CN109978215A (zh) | 巡防管理方法和装置 | |
| CN114429053A (zh) | 流域尺度wefe系统适配性模拟优化方法 | |
| CN114647684A (zh) | 基于stacking算法的流量预测方法、装置及相关设备 | |
| CN104462773A (zh) | 一种用于生物多样性保护的河流网络构建方法及其应用 | |
| JP2001055763A (ja) | 上水道プラントの広域最適水運用装置 | |
| CN108021980A (zh) | 一种基于手机数据的精细尺度城市人群数量预测方法 | |
| CN107526815A (zh) | 目标区域范围内的移动模式的确定方法及电子设备 | |
| CN109816142A (zh) | 一种水资源精确分配系统及分配方法 | |
| Cheng et al. | Data mining for air traffic flow forecasting: a hybrid model of neural network and statistical analysis | |
| Zaman et al. | Scenario-based solution approach for uncertain resource constrained scheduling problems | |
| CN117170221A (zh) | 一种污水处理的人工智能控制系统 | |
| CN111861397A (zh) | 一种针对客户探访的智能排班平台 | |
| CN108520311B (zh) | 结合sofm网与bp神经网络的雾霾预测模型建立方法及系统 |
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 |