CN117371873B - 一种基于大数据的环境保护工程用污水评估方法 - Google Patents
一种基于大数据的环境保护工程用污水评估方法 Download PDFInfo
- Publication number
- CN117371873B CN117371873B CN202311630278.2A CN202311630278A CN117371873B CN 117371873 B CN117371873 B CN 117371873B CN 202311630278 A CN202311630278 A CN 202311630278A CN 117371873 B CN117371873 B CN 117371873B
- Authority
- CN
- China
- Prior art keywords
- water quality
- engineering sewage
- quality parameter
- evaluation
- sewage
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 226
- 230000007613 environmental effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 194
- 238000011156 evaluation Methods 0.000 claims abstract description 107
- 239000000126 substance Substances 0.000 claims abstract description 68
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 63
- 230000007246 mechanism Effects 0.000 claims abstract description 54
- 239000002028 Biomass Substances 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 5
- 238000010972 statistical evaluation Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 2
- 239000002351 wastewater Substances 0.000 claims 2
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000006978 adaptation Effects 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000011954 pollution control method Methods 0.000 description 3
- 238000003911 water pollution Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100001234 toxic pollutant Toxicity 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的环境保护工程用污水评估方法，包括至少一个水质参数采集传感器、与所述水质参数采集传感器通信的环境工程师管理端以及设置在所述环境工程师管理端的注意力机制评估算法；该方法通过水质参数采集传感器对工程污水进行采集,并将获取的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水对应的化学物质评估生物数量，当所述生物数量超过边界阈值时，发岀污染治理指令，并自动评估工程污水的数量以及对应的化学物质,提高了对工程污水评估的准确率以及效率，污染治理指令及大数据分析有助于相关人员及早发现工程污水的防治适期。
Description
技术领域
本发明涉及工程污水评估领域，尤其涉及一种基于大数据的环境保护工程用污水评估方法。
背景技术
工业化和城镇化的发展导致水污染的范围不断扩散,程度不断加深,污水主要有生活污水、工业废水和初期雨水,污水的主要污染物有病原体污染物、耗氧污染物﹑植物营养物和有毒污染物等,这些污水如果进行直接排放会造成严重的环境污染,因此通常需要设置水质监测设备来评估水质情况,以便掌握污水处理进度。
在环境研究中,往往需要对于水体的质量进行评估,即进行水体分级,不同等级的水体表示水体的污染程度不同,则相应的,采取的污水治理的方法也不同。进一步地,对于水体质量的分级评估对于综合评价水体污染,了解当前的水环境也具有至关重要的作用。然而,目前,现有技术尚缺乏有效的水体污染评估方法。
发明内容
为了克服上述现有技术中的不足,本发明提供一种工程污水评估污染治理方法，以解决上述问题。
为了实现上述目的，本发明较佳实施例所提供的技术方案如下所示：就方法而言，本发明较佳实施例提供一种工程污水评估污染治理方法，应用于工程污水评估方法，所述方法包括至少一个水质参数采集传感器、与所述水质参数采集传感器通信的环境工程师管理端以及设置在所述环境工程师管理端的注意力机制评估算法;所述方法包括：所述水质参数采集传感器采集工程污水水质参数，以作为所述工程污水评估方法所获取的工程污水水质参数；将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质；判断所述化学物质，当所述化学物质超过边界阈值时,发出污染治理指令。
在本发明的较佳实施例中，上述将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计的步骤之前，所述方法包括：获取工程污水的计算水质参数集,包括不同计算子水质参数，每个所述计算子水质参数包括单个水质参数以及对应的工程污水的合规限定值,所述合规限定值包括工程污水的数量信息、化学物质信息。
使用所述计算水质参数集，采用卷积神经网络模型优化所述注意力机制评估算法，得到优化后的注意力机制评估算法。
在本发明的较佳实施例中，上述将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计的步骤,包括：将所述工程污水水质参数的水质参数特征与所述注意力机制评估算法中的计算水质参数集中的计算子水质参数的水质参数特征进行匹配，得到所述工程污水水质参数与所述计算子水质参数的达标率；在所述计算水质参数集中选取达标率最大的所述计算子水质参数，将选出的所述计算子水质参数的合规限定值作为所述工程污水水质参数的实际监测值，以得到工程污水的数量以及工程污水化学物质。
在本发明的较佳实施例中，上述将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计的步骤,包括：统计水质参数采集传感器在预设时长内采集的工程污水化学物质对应的数量。
在本发明的较佳实施例中，上述判断所述化学物质，当所述化学物质超过边界阈值时,发出污染治理指令的步骤,包括：该污水春、夏、秋、冬四季的生物数量动态变化信息及有害物质分布信息，根据所述区域信息、化学物质计算所述区域工程污水的累计数、增量数，并发出污染治理指令，其中，所述污染治理范围包括区域一级、二级、三级报警，等级越高，污染越严重。
所述卷积神经网络模型通过将工程污水的计算水质参数集的参数指标作为输入，同时加入工程用污水评估基准，输入416x416组数据，通过darknet网络得到三种不同尺度的预测结果，每个尺度都对应N个通道，包含着预测的信息；每个网格每个尺寸的anchors的预测结果，网络的最终输出有3个尺度分别为1/32，1/16，1/8；将网络的最终输出作为优化后的注意力机制评估算法输入；优化后的注意力机制评估算法利用损失函数作为评估指标来判断阈值。
在本发明的较佳实施例中，上述工程污水方法还包括云数据计算控制端，所述云数据计算控制端与所述环境工程师管理端通信连接，所述云数据计算控制端设置有所述注意力机制算法,所述水质参数采集传感器采集各类工程污水水质参数，以作为所述工程污水评估方法所获取的工程污水水质参数的步骤,包括：所述水质参数采集传感器将采集的各类工程污水水质参数上传至所述云数据计算控制端。
在本发明的较佳实施例中，上述将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计的步骤,包括：所述云数据计算控制端将获取的各类工程污水水质参数输入云数据计算控制端的注意力机制评估算法中，以对各类工程污水水质参数进行评估计数。
就方法而言，本发明的较佳实施例提供一种基于大数据的环境保护工程用污水评估方法，所述方法包括至少一个水质参数采集传感器、与所述水质参数采集传感器通信的环境工程师管理端以及与所述环境工程师管理端连接的工程污水评估污染治理传感器，所述水质参数采集传感器采集各类工程污水水质参数，以作为所述工程污水评估污染治理方法所获取的工程污水水质参数;所述环境工程师管理端包括注意力机制评估算法，所述工程污水评估污染治理传感器包括：水质参数单元，用于将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质；污染治理判断单元，用于判断所述化学物质，当所述化学物质超过边界阈值时,发出污染治理指令。
在本发明的较佳实施例中，上述工程污水评估污染治理传感器还包括：水质参数获取单元，用于获取工程污水的计算水质参数集，包括不同计算子水质参数,每个所述计算子水质参数包括单个工程污水的水质参数以及对应的工程污水的合规限定值，所述合规限定值包括工程污水的数量信息、化学物质信息。
算法计算单元，用于使用所述计算水质参数集，采用卷积神经网络模型优化所述注意力机制评估算法,得到优化后的注意力机制评估算法。
在本发明的较佳实施例中，上述污染治理判断单元还用于：本车间区域春、夏、秋、冬四季的生物数量动态变化信息及有害物质分布信息，根据所述区域信息、化学物质计算所述区域工程污水的累计数、增量数，并发出污染治理指令，其中，所述污染治理范围包括区域一级、二级、三级报警，等级越高，污染越严重。
相对于现有技术而言，本发明提供的方法至少具有以下有益效果:所述方法可自动评估工程污水的数量以及对应的化学物质，在化学物质超过边界阈值时发出污染治理指令, 提高了对工程污水评估的准确率以及效率，另外，污染治理指令有助于相关人员及早发现工程污水的防治适期。具体地，所述方法通过水质参数采集传感器采集到的各类工程污水水质参数，以作为所述污水评估方法所获取的工程污水水质参数;然后将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质；利用环境工程师管理端评估工程污水的数量以及对应的化学物质，简化了对工程污水评估统计的操作，缩短了评估计数的时间。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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,还可以根据这些附图获得其他相关的附图。
图1为本发明方法的步骤流程图；
图2为本发明方法的运行模块组成图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明中需要说明的是，术语“上”“下”“左”“右”“竖直”“水平”“内”“外”等均为基于附图所示的方位或位置关系，仅仅是为了便于描述本发明和简化描述，而不是指示或暗示本发明的传感器或元件必须具有特定的方位，因此不能理解为对本发明的限制。
实施例：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1-图2,是本发明较佳实施例提供的工程污水评估污染治理方法的流程示意图。在本实施例中，所述工程污水评估污染治理方法可以应用于上述的工程污水评估方法,所述工程污水评估方法可以包括至少一个水质参数采集传感器以及与所述水质参数采集传感器通信的环境工程师管理端。所述环境工程师管理端包括注意力机制评估算法，通过注意力机制评估算法对工程污水水质参数进行统计评估，得到工程污水水质参数中的工程污水数量以及对应的化学物质，并在化学物质超过边界阈值时，发出污染治理指令。
在本实施例中，所述工程污水评估污染治理方法可以包括以下步骤：
步骤S1,获取工程污水的计算水质参数集,包括不同计算子水质参数，每个所述计算子水质参数包括单个工程污水的水质参数以及对应的工程污水的合规限定值,所述合规限定值包括工程污水的数量信息、化学物质信息，其中，所述化学物质信息包括所述工程污水的生长周期信息。
在本实施例中，所述工程污水的计算水质参数集可以包括不同上述的各类工程污水不同时期、不同季节的水质参数（即,所述计算子水质参数）。所述合规限定值可以包括上述工程污水的数量、化学物质，其中，所述计算水质参数集中的计算子水质参数的数量可以根据具体情况而设置，这里不作具体限定。
步骤S2,使用所述计算水质参数集，采用卷积神经网络模型优化所述注意力机制评估算法，得到优化后的注意力机制评估算法。
在本实施例中，所述计算水质参数集可以采用注意力机制算法对注意力机制评估算法进行计算，得到优化后的注意力机制评估算法。可理解地,计算水质参数集通过计算，得到各化学物质下工程污水对应的水质参数特征。比如，可以通过AlexNet、Vggl6、inception等算法进行计算。其中，所述水质参数特征可以包括RGB值、灰度以及纹理中的一个或不同。
可选地,所述注意力机制算法可以是,但不限于卷积神经网络算法、循环神经网络算法、深度神经网络算法等,这里不作具体限定。
所述环境工程师管理端或云数据计算控制端可以设置注意力机制评估算法，当然也可以是环境工程师管理端和云数据计算控制端均置注意力机制评估算法，以对工程污水水质参数进行评估。若采用环境工程师管理端对工程污水水质参数进行评估，可分担云数据计算控制端的运算量，以减少云数据计算控制端的负荷。另外，环境工程师管理端直接评估工程污水水质参数,减少了工程污水水质参数数据的上传，可提高评估统计的速度。
步骤S3,水质参数采集传感器采集各类工程污水水质参数，以作为所述工程污水评估方法所获取的工程污水水质参数。
在本实施例中，在获取工程污水水质参数时，可以直接由人工获取，也可以利用设备、工具等获取。具体地，比如由相关人员到生产车间现场利用水质参数采集传感器拍摄工程污水水质参数, 然后由水质参数采集传感器 将获取的工程污水水质参数通过第一通信单元上传至云数据计算控制端,这里对获取水质参数的方式不作具体限定。一般地，所获取的工程污水水质参数中仅包含一头工程污水，以针对该类工程污水进行评估污染治理。若工程污水水质参数中包括有多头工程污水，可将水质参数进行分割，以使每个工程污水水质参数包含一头工程污水。
在其他实施方式中，也可以不用将采集的工程污水水质参数上传至云数据计算控制端,可以将采集的水质参数直接输入环境工程师管理端中的注意力机制评估算法进行统计评估,然后预测工程污水的发生期，并根据发生期发出污染治理指令。
步骤S4,将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计,以得到工程污水的数量以及对应的化学物质。
在步骤S4中，所述注意力机制评估算法可以采用并行的方式，同时对不同工程污水水质参数进行统计评估，以提高评估的效率。注意力机制评估算法可以用于工程污水水质参数的水质参数特征，根据提取的水质参数特征与上述计算得到的水质参数特征进行匹配，以实现对工程污水的评估统计。
进一步地，所述步骤S4可以包括其他子步骤。例如，将所述工程污水水质参数的水质参数特征与所述注意力机制评估算法中的计算水质参数集中的计算子水质参数的水质参数特征进行匹配，得到所述工程污水水质参数与所述计算子水质参数的达标率;在所述计算水质参数集中选取达标率最大的所述计算子水质参数，将选出的所述计算子水质参数的合规限定值作为所述工程污水水质参数的实际监测值，以得到工程污水的数量以及化学物质。
进一步地，步骤S4还可以包括统计水质参数采集传感器在预设时长内采集的各类工程污水化学物质对应的数量。其中，预设时长可以根据具体情况进行设置。例如，可以将一天中采集的所有工程污水水质参数作为本次测试样本，并对测试样本进行统计评估,得到工程污水的数量数以及每种工程污水的数量、化学物质等,并预估工程污水的最佳防治适期，以使环境工程师可通过环境工程师管理端查询最佳防治适期。可理解地所，述防治适期为于防治工程污水或工程污水的最有效时期。
步骤S5,判断所述化学物质，当所述化学物质超过边界阈值时,发出污染治理指令。
在本实施例中，所述边界阈值可以是:例如，获取该污水春、夏、秋、冬四季的生物数量动态变化信息及有害物质分布信息，并根据所述区域信息、化学物质计算所述工程污水的发生期，以作为最佳防治适期，并生成对应的污染治理指令。以便环境工程师查看所预估的污染情状况以及污染治理指令。
卷积神经网络模型通过将工程污水的计算水质参数集的参数指标作为输入，同时加入工程用污水评估基准，输入416x416组数据，通过darknet网络得到三种不同尺度的预测结果，每个尺度都对应N个通道，包含着预测的信息；每个网格每个尺寸的anchors的预测结果，网络的最终输出有3个尺度分别为1/32，1/16，1/8；将网络的最终输出作为优化后的注意力机制评估算法输入；优化后的注意力机制评估算法利用损失函数作为评估指标来判断阈值。
环境工程师通过环境工程师管理端可查询历史统计评估记录以及污染治理指令记录。另外，环境工程师可通过环境工程师管理端实时查询当前各车间区域工程污水化学物质的占比以及对应的数量等污染治理信息。基于上述设计，本发明提供的工程污水评估污染治理方法可由云数据计算控制端或环境工程师管理端替代人工评估工程污水的数量、化学物质，简化了评估工程污水的步骤，提高了评估正确率，扩大了适用人群，有利于工程污水评估以及工程污水防治污染治理的普及。
在本实施例中，所述工程污水评估污染治理方法可以包括至少一个水质参数采集传感器、环境工程师管理端以及工程污水评估污染治理传感器。所述水质参数采集传感器与环境工程师管理端通信连接，用于将采集到的各类工程污水水质参数上传至所述环境工程师管理端,以进行工程污水水质参数的评估统计，并在评估的结果超过边界阈值时发出污染治理指令。其中，所述水质参数采集传感器和环境工程师管理端可以为上述的同一传感器。
所述工程污水评估污染治理传感器可以包括评估统计单元以及污染治理判断单元。在其他实施方式中，所述工程污水评估污染治理传感器还可以包括水质参数获取单元以及算法计算单元。
评估统计单元,用于将所述工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质。具体地，所述评估统计单元可以用于执行步骤S4,具体操作内容可参照对步骤S4的详细描述，这里不再赘述。
污染治理判断单元,用于判断所述化学物质，当所述化学物质超过边界阈值时，发出污染治理指令。具体地，所述污染治理判断单元可以用于执行步骤S5,具体操作内容可参照对步骤S5的详细描述。
进一步地，所述污染治理判断单元还用于获取当地当前的气象信息,根据所述气象信息、化学物质计算所述工程污水的发生期，并发出污染治理指令。
水质参数获取单元,用于获取工程污水的计算水质参数集，包括不同计算子水质参数，每个所述计算子水质参数包括单个工程污水的水质参数以及对应的工程污水的合规限定值,所述合规限定值包括工程污水的数量信息、化学物质信息，其中，所述化学物质信息包括所述工程污水的生长周期信息。具体地，所述水质参数获取单元可以用于执行步骤S1,具体操作内容可参照对步骤S1的详细描述，这里不再赘述。
算法计算单元,用于使用所述计算水质参数集,采用卷积神经网络模型优化所述注意力机制评估算法，得到优化后的注意力机制评估算法。具体地，所述算法计算单元可以用于执行步骤S2,具体操作内容可参照对步骤S2的详细描述，这里不再赘述。
在本发明实施例中，所述工程污水方法可以包括云数据计算控制端、水质参数采集传感器、以及环境工程师管理端。云数据计算控制端与至少一个水质参数采集传感器通过网络通信连接,用于对水质参数采集传感器发送的水质参数进行统计评估，并根据得到的评估结果进行判断。比如，当工程污水的化学物质超过边界阈值时，发出污染治理指令。环境工程师管理端可通过网络与云数据计算控制端进行通讯，也可对工程污水水质参数进行评估统计,环境工程师通过该环境工程师管理端可了解水质参数采集传感器采集的工程污水水质参数中各类工程污水化学物质以及污染治理指令。该工程污水评估方法实现了工程污水的自动评估以及污染治理，提高了对工程污水评估的效率，另外，污染治理指令有助于生产车间及早做好工程污水的防治准备。
在本实施例中，所述环境工程师管理端可以是，但不限于，智能手机、个人电脑(personal computer,PC)>平板电脑、移动上网设备(mobile Internet device,MID)等。所述网络可以是，但不限于，有线网络或无线网络。
在本实施例中，所述水质参数采集传感器可以包括第一处理器、第一通信单元、第一存储器以及水质参数采集单元。所述第一处理器、第一通信单元、第一存储器以及水质参数采集单元各个元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本实施例中，所述水质参数采集单元可以是，但不限于通用摄像头、红外摄像头，用于获取工程污水的彩色水质参数或黑白水质参数。优选地，所述水质参数采集单元为可清晰拍摄出工程污水的彩色水质参数的高清摄像头。
所述第一处理器可以是中央处理器(Central Processing Unit,CPU)>网络处理器(Network Processor ,NP)> 图形处理器(Graphics Processing Unit,GPU)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
所述第一通信单元用于通过网络建立水质参数采集传感器与云数据计算控制端的通信连接，并通过所述网络收发数据。
所述第一存储器可以是，但不限于，随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory, ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory, EPROM),可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。在本实施例中，所述第一存储器可以用于存储水质参数采集单元采集的工程污水水质参数。当然，所述存储器还可以用于存储程序，所述第一处理器在接收到执行指令后，执行该程序。
值得说明的是，本发明提供的环境工程师管理端和水质参数采集传感器可以为同一设备, 也可以为不同设备。例如，所述环境工程师管理端和水质参数采集传感器可以为同一个设备，比如智能手机。该智能手机可以作为环境工程师管理端,可用于供环境工程师查看工程污水的化学物质情况以及污染治理指令，也可以直接对工程污水水质参数进行评估统计，并对工程污水的发生期进行污染治理指令。该智能手机也可以作为水质参数采集传感器,用于采集上传工程污水水质参数。
在本实施例中，所述环境工程师管理端可以包括第二处理器、第二通信单元、第二存储器以及工程污水评估污染治理传感器。所述第二处理器、第二通信单元、第二存储器以及工程污水评估污染治理传感器各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
进一步地，所述工程污水评估污染治理传感器包括至少一个可以软件或固件(firmware) 的形式存储于所述第二存储器中或固化在所述云数据计算控制端的操作系统(operating system,OS)中的软件功能模块。所述第二存储器可以工程污水的数量、数量，以及工程污水水质参数等数据。所述第二处理器用于执行所述第二存储器中存储的可执行模块，例如工程污水评估污染治理传感器所包括的软件功能模块及计算机程序等。所述第二处理器、第二通信单元、第二存储器可以与上述的第一处理器、第一通信单元、第一存储器 具有相同或类似的结构以及功能，这里不再赘述。
在本实施例中，所述云数据计算控制端与环境工程师管理端通信连接,可以具有与环境工程师管理端 相同或类似的结构，可用于对工程污水水质参数进行统计评估，并预测工程污水的发生期,根据工程污水对应化学物质的发生期向环境工程师管理端发出污染治理指令。当然，在其他实施方式中，所述工程污水评估方法可以不包括云数据计算控制端,可通过环境工程师管理端替代云数据计算控制端所执行的功能，这里不再赘述。
综上所述,本发明提供一种基于大数据的环境保护工程用污水评估方法。所述方法通过水质参数采集传感器将采集到的各类工程污水水质参数上传至云数据计算控制端;所述云数据计算控制端将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质；判断所述化学物质，当所述化学物质超过边界阈值时，发出污染治理指令。所述方法可自动评估工程污水的数量以及对应的化学物质，提高了对工程污水评估的准确率以及效率，另外，污染治理指令有助于相关人员及早发现工程污水的防治适期。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于大数据的环境保护工程用污水评估方法，其特征在于，该方法包括：
步骤S1,获取工程污水的计算水质参数集,包括不同计算子水质参数，每个所述计算子水质参数包括单个工程污水的水质参数以及对应的工程污水的合规限定值,所述合规限定值包括工程污水的数量信息、化学物质信息，其中，所述化学物质信息包括工程污水的生长周期信息；
步骤S2,使用所述计算水质参数集，采用卷积神经网络模型优化注意力机制评估算法，得到优化后的注意力机制评估算法；
步骤S3,水质参数采集传感器采集各类工程污水水质参数，以作为工程污水评估方法所获取的工程污水水质参数；
步骤S4,将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计,以得到工程污水的数量以及对应的化学物质；统计水质参数采集传感器在预定时长内采集的各类工程污水化学物质对应的数量；包括：
将所述工程污水水质参数的水质参数特征与所述注意力机制评估算法中的计算水质参数集中的计算子水质参数的水质参数特征进行匹配，得到工程污水水质参数与计算子水质参数的达标率；在所述计算水质参数集中选取达标率最大的所述计算子水质参数，将选出的所述计算子水质参数的合规限定值作为所述工程污水水质参数的实际监测值，得到工程污水的数量及化学物质；
和/或，统计水质参数采集传感器在预设时长内采集的各类工程污水化学物质对应的数量：将一天中采集的所有工程污水水质参数作为本次测试样本，并将测试样本进行统计评估，得到工程污水的数量数以及各种工程污水的数量、化学物质，并预估工程污水的最佳防治适期；
步骤S5,判断化学物质，当化学物质超过边界阈值时,发出污染治理指令；获取该污水春、夏、秋、冬四季的生物数量动态变化信息及有害物质分布信息，根据区域信息、化学物质计算工程污水的报警范围，并发出污染治理指令，其中，污染治理范围包括区域一级、二级、三级报警，等级越高，污染越严重。
2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型通过将工程污水的计算水质参数集的参数指标作为输入，同时加入工程用污水评估基准，输入416x416组数据，通过darknet网络得到三种不同尺度的预测结果，每个尺度都对应N个通道，包含着预测的信息；每个网格每个尺寸的anchors的预测结果，网络的最终输出有3个尺度分别为1/32，1/16，1/8；将网络的最终输出作为优化后的注意力机制评估算法输入，优化后的注意力机制评估算法利用损失函数作为评估指标来判断阈值。
3.根据权利要求1所述的方法，其特征在于，该方法通过云数据计算控制端与环境工程师管理端通信连接,云数据计算控制端设置有注意力机制算法，水质参数采集传感器采集各类工程污水水质参数，以作为工程污水评估方法所获取的工程污水水质参数的步骤,包括：水质参数采集传感器将采集的各类工程污水水质参数上传至云数据计算控制端。
4.根据权利要求1所述的方法，其特征在于，将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计的步骤,包括：云数据计算控制端将获取的各类工程污水水质参数输入云数据计算控制端的注意力机制评估算法中，以对各类工程污水水质参数进行评估统计。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法运行包括至少一个水质参数采集传感器、与水质参数采集传感器通信的环境工程师管理端以及与环境工程师管理端连接的工程污水评估污染治理传感器，水质参数采集传感器采集各类工程污水水质参数，以作为工程污水评估污染治理方法所获取的工程污水水质参数；环境工程师管理端包括注意力机制评估算法，工程污水评估污染治理传感器包括：水质参数处理单元，用于将获取到的工程污水水质参数输入计算后的注意力机制评估算法进行评估统计，以得到工程污水的数量以及对应的化学物质；数据处理单元，用于将水质参数处理单元获取到的对应工程污水的实时采集数据，将每个数据格式转换成通用格式，通过通用格式评估每个数据业务的属性信息，并按业务属性信息将每个数据进行分布式存储；对每个数据进行预处理及分拣处理，将分拣出的数据发送到分布式水质参数、数据系统；污染治理判断单元，用于判断化学物质，当化学物质超过边界阈值时,发出污染治理指令。
6.根据权利要求5所述的方法，其特征在于，所述工程污水评估污染治理传感器还包括：水质参数获取单元，用于获取工程污水的计算水质参数集,包括不同计算子水质参数，每个所述计算子水质参数包括单个工程污水的水质参数以及对应的工程污水的合规限定值，所述合规限定值包括工程污水的数量信息、化学物质信息；算法计算单元，用于使用所述计算水质参数集，采用卷积神经网络模型优化所述注意力机制评估算法,得到优化后的注意力机制评估算法。
7.根据权利要求6所述的方法，其特征在于，所述污染治理判断单元还用于：该污水春、夏、秋、冬四季的生物数量动态变化信息及有害物质分布信息，根据所述区域信息、化学物质计算所述区域工程污水的累计数、增量数，并发出污染治理指令，其中，所述污染治理范围包括区域一级、二级、三级报警，等级越高，污染越严重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630278.2A CN117371873B (zh) | 2023-12-01 | 2023-12-01 | 一种基于大数据的环境保护工程用污水评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311630278.2A CN117371873B (zh) | 2023-12-01 | 2023-12-01 | 一种基于大数据的环境保护工程用污水评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117371873A CN117371873A (zh) | 2024-01-09 |
| CN117371873B true CN117371873B (zh) | 2024-03-26 |
Family
ID=89393188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311630278.2A Active CN117371873B (zh) | 2023-12-01 | 2023-12-01 | 一种基于大数据的环境保护工程用污水评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117371873B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006095440A (ja) * | 2004-09-29 | 2006-04-13 | Toshiba Corp | 下水処理場の運転管理システム |
| CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
| CN105948382A (zh) * | 2016-05-12 | 2016-09-21 | 安徽国能亿盛环保科技有限公司 | 一种生活污水处理工艺 |
| CN109886477A (zh) * | 2019-01-25 | 2019-06-14 | 平安科技（深圳）有限公司 | 水污染的预测方法、装置及电子设备 |
| CN111999457A (zh) * | 2020-08-22 | 2020-11-27 | 华师(福建)环境科技有限责任公司 | 一种城镇污水厂出水总磷总氮二合一智能在线监测仪表 |
| CN112116080A (zh) * | 2020-09-24 | 2020-12-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种融合了注意力机制的cnn-gru水质预测方法 |
| CN113448245A (zh) * | 2021-04-14 | 2021-09-28 | 华南师范大学 | 一种基于深度学习的污水处理过程溶解氧控制方法及系统 |
| CN113837364A (zh) * | 2021-09-17 | 2021-12-24 | 华南师范大学 | 基于残差网络和注意力机制的污水处理软测量方法及系统 |
| KR20220147244A (ko) * | 2021-04-27 | 2022-11-03 | 주식회사 워터아이즈 | 유입하수 수질관리를 위한 빅 데이터 활용방법 |
| CN115294383A (zh) * | 2022-06-22 | 2022-11-04 | 沈阳化工大学 | 一种基于umap-gadf-cnn的污水处理故障诊断方法及系统 |
| CN115494047A (zh) * | 2022-11-17 | 2022-12-20 | 广东博创佳禾科技有限公司 | 一种水环境农业污染物的检测方法及系统 |
| CN115575588A (zh) * | 2022-08-09 | 2023-01-06 | 华师(福建)环境科技有限责任公司 | 一种污水处理智能在线监测仪表 |
| CN115758125A (zh) * | 2022-12-07 | 2023-03-07 | 杭州电子科技大学 | 基于特征结构优化和深度学习的工业污水处理软测量方法 |
| CN115983493A (zh) * | 2023-02-13 | 2023-04-18 | 重庆大学 | 一种基于多任务学习及深度学习模型的水质预测方法 |
| CN116125027A (zh) * | 2023-04-11 | 2023-05-16 | 江苏海峡环保科技发展有限公司 | 一种基于物联网的污水在线监测系统及方法 |
| CN116399818A (zh) * | 2023-04-10 | 2023-07-07 | 安徽碳鑫科技有限公司 | 一种面向化工型企业的污水排放监管系统 |
| CN116523174A (zh) * | 2023-03-22 | 2023-08-01 | 中国电建集团成都勘测设计研究院有限公司 | 基于自组织神经网络的污水处理厂工况评估方法及系统 |
| CN117078013A (zh) * | 2023-08-23 | 2023-11-17 | 南京市水利规划设计院股份有限公司 | 一种区域水生态承载力的评估模型及方法 |
-
2023
- 2023-12-01 CN CN202311630278.2A patent/CN117371873B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006095440A (ja) * | 2004-09-29 | 2006-04-13 | Toshiba Corp | 下水処理場の運転管理システム |
| CN102750589A (zh) * | 2012-06-30 | 2012-10-24 | 北京师范大学 | 水环境与水生态安全保障管理系统 |
| CN105948382A (zh) * | 2016-05-12 | 2016-09-21 | 安徽国能亿盛环保科技有限公司 | 一种生活污水处理工艺 |
| CN109886477A (zh) * | 2019-01-25 | 2019-06-14 | 平安科技（深圳）有限公司 | 水污染的预测方法、装置及电子设备 |
| CN111999457A (zh) * | 2020-08-22 | 2020-11-27 | 华师(福建)环境科技有限责任公司 | 一种城镇污水厂出水总磷总氮二合一智能在线监测仪表 |
| CN112116080A (zh) * | 2020-09-24 | 2020-12-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种融合了注意力机制的cnn-gru水质预测方法 |
| CN113448245A (zh) * | 2021-04-14 | 2021-09-28 | 华南师范大学 | 一种基于深度学习的污水处理过程溶解氧控制方法及系统 |
| KR20220147244A (ko) * | 2021-04-27 | 2022-11-03 | 주식회사 워터아이즈 | 유입하수 수질관리를 위한 빅 데이터 활용방법 |
| CN113837364A (zh) * | 2021-09-17 | 2021-12-24 | 华南师范大学 | 基于残差网络和注意力机制的污水处理软测量方法及系统 |
| CN115294383A (zh) * | 2022-06-22 | 2022-11-04 | 沈阳化工大学 | 一种基于umap-gadf-cnn的污水处理故障诊断方法及系统 |
| CN115575588A (zh) * | 2022-08-09 | 2023-01-06 | 华师(福建)环境科技有限责任公司 | 一种污水处理智能在线监测仪表 |
| CN115494047A (zh) * | 2022-11-17 | 2022-12-20 | 广东博创佳禾科技有限公司 | 一种水环境农业污染物的检测方法及系统 |
| CN115758125A (zh) * | 2022-12-07 | 2023-03-07 | 杭州电子科技大学 | 基于特征结构优化和深度学习的工业污水处理软测量方法 |
| CN115983493A (zh) * | 2023-02-13 | 2023-04-18 | 重庆大学 | 一种基于多任务学习及深度学习模型的水质预测方法 |
| CN116523174A (zh) * | 2023-03-22 | 2023-08-01 | 中国电建集团成都勘测设计研究院有限公司 | 基于自组织神经网络的污水处理厂工况评估方法及系统 |
| CN116399818A (zh) * | 2023-04-10 | 2023-07-07 | 安徽碳鑫科技有限公司 | 一种面向化工型企业的污水排放监管系统 |
| CN116125027A (zh) * | 2023-04-11 | 2023-05-16 | 江苏海峡环保科技发展有限公司 | 一种基于物联网的污水在线监测系统及方法 |
| CN117078013A (zh) * | 2023-08-23 | 2023-11-17 | 南京市水利规划设计院股份有限公司 | 一种区域水生态承载力的评估模型及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 人工湿地植物受污水胁迫存在的问题与解决对策;宁静;鲁敏;裴翡翡;许健;;山东建筑大学学报;20110415;第26卷(第2期);149-152 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117371873A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103235098A (zh) | 地下水在线水质监测系统 | |
| CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警系统及其分析方法 | |
| CN103267832A (zh) | 地表水在线水质监测系统 | |
| CN111339092B (zh) | 一种基于深度学习的多尺度空气质量预报方法 | |
| CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
| CN113970627B (zh) | 一种水质监测及预警方法、系统 | |
| CN116887569B (zh) | 一种数据中心能耗预测和节能调节方法、系统及存储介质 | |
| CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
| CN115759488A (zh) | 一种基于边缘计算的碳排放监测预警分析系统及其方法 | |
| CN116467366A (zh) | 一种基于区块链的碳足迹监测分析与评估系统 | |
| CN116402187A (zh) | 一种基于电力大数据的企业排污预测方法 | |
| CN117370919B (zh) | 污水处理设备远程监控系统 | |
| CN107942873A (zh) | 一种家具制造生产线的运营成本智能化核算及监控方法 | |
| CN117371873B (zh) | 一种基于大数据的环境保护工程用污水评估方法 | |
| CN116029701B (zh) | 一种数据中心能耗评估方法、系统、装置及电子设备 | |
| CN117332815A (zh) | 一种工业园区大气污染的预测方法及预测预警系统 | |
| CN115328870B (zh) | 一种面向云制造的数据共享方法及系统 | |
| CN115905348A (zh) | 一种多源异构数据的行业用电异常预警方法及系统 | |
| CN113570111B (zh) | 基于轻量化网络的桥梁健康状态片上监测方法 | |
| CN115792165A (zh) | 一种环境水质智能监测方法及系统 | |
| CN115438958A (zh) | 一种基于互联网的智慧能效管理系统及其管理方法 | |
| CN114004138A (zh) | 基于大数据人工智能的建筑监测方法、系统及存储介质 | |
| CN114235653A (zh) | 基于端云协同的大气颗粒污染物时空预测云平台 | |
| CN114915563A (zh) | 一种网络流量预测方法和系统 | |
| CN112531679A (zh) | 一种测负荷特征大数据监测设备及监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |