CN117457098A - 跨界区饮用水源地污染事故预警方法、装置、介质和设备 - Google Patents
跨界区饮用水源地污染事故预警方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN117457098A CN117457098A CN202311402137.5A CN202311402137A CN117457098A CN 117457098 A CN117457098 A CN 117457098A CN 202311402137 A CN202311402137 A CN 202311402137A CN 117457098 A CN117457098 A CN 117457098A
- Authority
- CN
- China
- Prior art keywords
- pollution
- pollutant concentration
- drinking water
- accident
- area
- 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.)
- Pending
Links
- 239000003651 drinking water Substances 0.000 title claims abstract description 112
- 235000020188 drinking water Nutrition 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 131
- 231100000719 pollutant Toxicity 0.000 claims abstract description 131
- 238000004088 simulation Methods 0.000 claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 238000003911 water pollution Methods 0.000 claims abstract description 14
- 238000011109 contamination Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 11
- 239000000356 contaminant Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 235000012206 bottled water Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种跨界区饮用水源地污染事故预警方法、装置、介质和设备,所述方法包括:获取目标饮用水跨界区发生污染事故后的水质污染数据;获取所述目标饮用水跨界区的当前时期水质模型;根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。本申请可以准确获取目标饮用水跨界区的污染预警等级。
Description
技术领域
本申请涉及水污染事故预警的技术领域,具体涉及一种跨界区饮用水源地污染事故预警方法、装置、介质和设备。
背景技术
饮用水的水域管理直接影响产出的饮用水的安全,也影响了人民群众的饮用后的健康安全。因此,当饮用水的水域出现污染事故时,获取饮用水的水域的污染程度,从而进行污染事故的预警是饮用水的水域管理的重要管理内容。然而,现有技术中,缺乏对饮用水的水域的水污染事故预警的方法,无法准确获取饮用水的水域的污染预警等级,因此当饮用水的水域出现污染事故时,难以获取水污染事故的数据信息,增大了处理水污染事故的难度。
发明内容
本申请的目的在于克服现有技术中的缺点与不足,提供一种跨界区饮用水源地污染事故预警方法、装置、介质和设备,可以准确获取目标饮用水跨界区的污染预警等级。
本申请实施例的第一方面提供了一种跨界区饮用水源地污染事故预警方法,包括:
获取目标饮用水跨界区发生污染事故后的水质污染数据;
获取所述目标饮用水跨界区的当前时期水质模型;
根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;
根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;
根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
进一步,所述根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据的步骤,包括:
根据所述事故预测模型进行污染物浓度场模拟,得到预设时间节点的初始模拟结果数据;
获取所述目标饮用水跨界区的预设时间节点的水质污染比对数据;
根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值;
若所述结果数据的误差值小于预设的误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高,采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
进一步,所述根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值的步骤后,还包括:
若所述结果数据的误差值大于或等于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度低,根据所述水质污染比对数据修改所述事故预测模型的模型参数,直至所述事故预测模型的结果数据的误差值小于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高;
采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
进一步,所述污染物浓度场模拟结果数据包括模拟的所述目标饮用水跨界区的多个区域的事故污染物浓度值;
所述根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级的步骤,包括:
获取所述目标饮用水跨界区的各个区域的污染物浓度标准值;
根据所述污染物浓度场模拟结果数据的事故污染物浓度值和所述污染物浓度标准值,计算得到所述目标饮用水跨界区的各个区域的事故污染物浓度超标倍数;
根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级。
进一步,所述获取所述目标饮用水跨界区的污染物浓度标准值的步骤,包括:
获取所述目标饮用水跨界区的水环境质量标准等级;
根据预设的水环境质量标准等级与污染物浓度标准值的关系,获取所述水环境质量标准等级对应的污染物浓度标准值,得到所述目标饮用水跨界区的污染物浓度标准值。
进一步,所述根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤,包括:
若所述事故污染物浓度超标倍数大于2,确定对应的区域的污染预警等级为一级污染;
若所述事故污染物浓度超标倍数大于1.5,且小于或等于2,确定对应的区域的污染预警等级为二级污染;其中,所述二级污染的污染严重程度小于所述一级污染;
若所述事故污染物浓度超标倍数大于1,且小于或等于1.5,确定对应的区域的污染预警等级为三级污染;其中,所述三级污染的污染严重程度小于所述二级污染;
若所述事故污染物浓度超标倍数小于或等于1,确定对应的区域的污染预警等级为四级污染;其中,所述四级污染的污染严重程度小于所述三级污染;
进一步,所述根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤后,还包括:
若所述污染预警等级为四级污染,采用蓝色表示对应的区域;若所述污染预警等级为三级污染,采用黄色表示对应的区域;若所述污染预警等级为二级污染,采用橙色表示对应的区域;若所述污染预警等级为四级污染,采用红色表示对应的区域。
本申请实施例的第二方面提供了一种跨界区饮用水源地污染事故预警装置,包括:
水质污染数据获取模块,用于获取目标饮用水跨界区发生污染事故后的水质污染数据;
当前时期水质模型获取模块,用于获取所述目标饮用水跨界区的当前时期水质模型;
事故预测模型构建模块,用于根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;
模拟结果数据获取模块,用于根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;
预警等级获取模块,用于根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的跨界区饮用水源地污染事故预警方法的步骤。
本申请实施例的第四方面提供了一种计算机设备,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的跨界区饮用水源地污染事故预警方法的步骤。
相对于现有技术,本申请根据目标饮用水跨界区发生污染事故后的水质污染数据和目标饮用水跨界区的当前时期水质模型构建事故预测模型,然后根据事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据,再根据预测的污染物浓度场模拟结果数据确定目标饮用水跨界区的污染预警等级,可以准确获取目标饮用水跨界区的污染预警等级。
为了能更清晰的理解本申请,以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的跨界区饮用水源地污染事故预警方法的流程图。
图2为本申请一个实施例的跨界区饮用水源地污染事故预警方法的步骤S51-S53的流程图。
图3为本申请一个实施例的跨界区饮用水源地污染事故预警装置的模块连接示意图。
1、水质污染数据获取模块;2、当前时期水质模型获取模块;3、事故预测模型构建模块;4、模拟结果数据获取模块;5、预警等级获取模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请实施例保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1,其是本申请第一实施例的跨界区饮用水源地污染事故预警方法的流程图,包括:
S1:获取目标饮用水跨界区发生污染事故后的水质污染数据。
其中,目标饮用水跨界区是指饮用水的水域中的跨界区域。污染事故是指由于事故引起的水污染,例如由有害化学物质造成水的使用价值降低或丧失的污染。
S2:获取所述目标饮用水跨界区的当前时期水质模型。
目标饮用水跨界区的水质模型包括枯水期模型、丰水期模型和平水期模型,其中,各个水质模型表示目标饮用水跨界区在不同时期的水流参数,包括各个深度的水流速度、水流方向和/或各个区域的水流速度/水流方向。具体地,可以根据当前时间或者目标饮用水跨界区的水面高度判断目标饮用水跨界区的当前时期水质模型是枯水期模型、丰水期模型和平水期模型中的哪一个。
S3:根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型。
具体地,根据水质污染数据的位置信息,将水质污染数据输入当前时期水质模型中,即可得到事故预测模型。其中,由于事故预测模型的水质污染数据和水流参数都与当前的目标饮用水跨界区相同,因此通过修改事故预测模型的时间参数,使事故预测模型根据修改的时间参数运行,即可模拟出目标饮用水跨界区在未来时间的污染物的数据信息。
S4:根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
污染物浓度场是指当水中的污染物存在浓度差时,在界面允许污染物自由通过的条件下,高浓度侧与低浓度侧的污染物在空间上的分布是均匀递减的,此种浓度差在空间上的递减称为浓度梯度,而污染物浓度梯度的作用即为污染物浓度场。
步骤S4可以通过修改时间参数,使事故预测模型模拟出未来时间污染物浓度场模拟结果数据。
S5:根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
相对于现有技术,本申请根据目标饮用水跨界区发生污染事故后的水质污染数据和目标饮用水跨界区的当前时期水质模型构建事故预测模型,然后根据事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据,再根据预测的污染物浓度场模拟结果数据确定目标饮用水跨界区的污染预警等级,可以准确获取目标饮用水跨界区的污染预警等级。
在一个可行的实施例中,所述S4:根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据的步骤,包括:
S41:根据所述事故预测模型进行污染物浓度场模拟,得到预设时间节点的初始模拟结果数据;
S42:获取所述目标饮用水跨界区的预设时间节点的水质污染比对数据;
S43:根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值;
S44:若所述结果数据的误差值小于预设的误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高,采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
在本实施例中,可以将预设时间节点的初始模拟结果数据和预设时间节点的水质污染比对数据进行比对,从而判断事故预测模型的模拟结果的精度,有利于用户采用精度高的事故预测模型进行污染物浓度场模拟。
在一个可行的实施例中,所述S43:根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值的步骤后,还包括:
S45:若所述结果数据的误差值大于或等于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度低,根据所述水质污染比对数据修改所述事故预测模型的模型参数,直至所述事故预测模型的结果数据的误差值小于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高;
S46:采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
在本实施例中,可以将预设时间节点的初始模拟结果数据和预设时间节点的水质污染比对数据进行比对,从而判断事故预测模型的模拟结果的精度,以根据水质污染比对数据修改精度低的事故预测模型的模型参数,从而提高事故预测模型的精度。
在一个可行的实施例中,所述污染物浓度场模拟结果数据包括模拟的所述目标饮用水跨界区的多个区域的事故污染物浓度值;
请参阅图2,所述S5:根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级的步骤,包括:
S51:获取所述目标饮用水跨界区的各个区域的污染物浓度标准值;
S52:根据所述污染物浓度场模拟结果数据的事故污染物浓度值和所述污染物浓度标准值,计算得到所述目标饮用水跨界区的各个区域的事故污染物浓度超标倍数;
其中,事故污染物浓度超标倍数=事故污染物浓度值/污染物浓度标准值。
S53:根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级。
在本实施例中,可以根据污染物浓度场模拟结果数据的事故污染物浓度值和污染物浓度标准值,准确获取各个区域的事故污染物浓度超标倍数,以判断目标饮用水跨界区的各个区域的污染预警等级。
在一个可行的实施例中,所述S51:获取所述目标饮用水跨界区的污染物浓度标准值的步骤,包括:
S511:获取所述目标饮用水跨界区的水环境质量标准等级;
其中,目标饮用水跨界区的水环境质量标准等级与对应的饮用水的水域的水环境质量标准等级相同。水环境质量标准等级可以按照《中华人民共和国地表水环境质量标准》划分。
S512:根据预设的水环境质量标准等级与污染物浓度标准值的关系,获取所述水环境质量标准等级对应的污染物浓度标准值,得到所述目标饮用水跨界区的污染物浓度标准值。
其中,预设的水环境质量标准等级与污染物浓度标准值的关系可以参照《地表水环境质量标准》中规定的相应标准等级对应的污染物浓度标准值。
在本实施例中,可以根据目标饮用水跨界区的水环境质量标准等级,获取对应的污染物浓度标准值。
在一个可行的实施例中,所述S53:根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤,包括:
S531:若所述事故污染物浓度超标倍数大于2,确定对应的区域的污染预警等级为一级污染;
S532:若所述事故污染物浓度超标倍数大于1.5,且小于或等于2,确定对应的区域的污染预警等级为二级污染;其中,所述二级污染的污染严重程度小于所述一级污染;
S533:若所述事故污染物浓度超标倍数大于1,且小于或等于1.5,确定对应的区域的污染预警等级为三级污染;其中,所述三级污染的污染严重程度小于所述二级污染;
S534:若所述事故污染物浓度超标倍数小于或等于1,确定对应的区域的污染预警等级为四级污染;其中,所述四级污染的污染严重程度小于所述三级污染。
在本实施例中,可以根据事故污染物浓度超标倍数和1、1.5、2等多个参考阈值,确定应的区域的污染预警等级。
在一个可行的实施例中,所述根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤后,还包括:
若所述污染预警等级为四级污染,采用蓝色表示对应的区域;若所述污染预警等级为三级污染,采用黄色表示对应的区域;若所述污染预警等级为二级污染,采用橙色表示对应的区域;若所述污染预警等级为四级污染,采用红色表示对应的区域。
在本实施例中,通过采用不同的颜色表示各个污染预警等级对应的区域,有利于用户区分各个区域的污染预警等级。
请参阅图3,本申请实施例的第二实施例提供了一种跨界区饮用水源地污染事故预警装置,包括:
水质污染数据获取模块1,用于获取目标饮用水跨界区发生污染事故后的水质污染数据;
当前时期水质模型获取模块2,用于获取所述目标饮用水跨界区的当前时期水质模型;
事故预测模型构建模块3,用于根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;
模拟结果数据获取模块4,用于根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;
预警等级获取模块5,用于根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
需要说明的是,本申请第二实施例提供的跨界区饮用水源地污染事故预警装置在执行跨界区饮用水源地污染事故预警方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分为不同的功能模块,以完成以上描述的全部或者部分功能。另外,本申请第二实施例提供的跨界区饮用水源地污染事故预警装置与本申请第一实施例的跨界区饮用水源地污染事故预警方法属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
本申请第三实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的跨界区饮用水源地污染事故预警方法的步骤。
本申请第四实施例提供了一种计算机设备,其特征在于:包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的跨界区饮用水源地污染事故预警方法的步骤。
以上所描述的设备实施例仅仅是示意性的,其中所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中选定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中选定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中选定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种跨界区饮用水源地污染事故预警方法,其特征在于,包括:
获取目标饮用水跨界区发生污染事故后的水质污染数据;
获取所述目标饮用水跨界区的当前时期水质模型;
根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;
根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;
根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
2.根据权利要求1所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据的步骤,包括:
根据所述事故预测模型进行污染物浓度场模拟,得到预设时间节点的初始模拟结果数据;
获取所述目标饮用水跨界区的预设时间节点的水质污染比对数据;
根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值;
若所述结果数据的误差值小于预设的误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高,采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
3.根据权利要求2所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述根据所述初始模拟结果数据和所述水质污染比对数据,确定所述事故预测模型进行污染物浓度场模拟的结果数据的误差值的步骤后,还包括:
若所述结果数据的误差值大于或等于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度低,根据所述水质污染比对数据修改所述事故预测模型的模型参数,直至所述事故预测模型的结果数据的误差值小于所述误差阈值,确定所述事故预测模型进行污染物浓度场模拟的结果数据的精度高;
采用精度高的所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据。
4.根据权利要求1所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述污染物浓度场模拟结果数据包括模拟的所述目标饮用水跨界区的多个区域的事故污染物浓度值;
所述根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级的步骤,包括:
获取所述目标饮用水跨界区的各个区域的污染物浓度标准值;
根据所述污染物浓度场模拟结果数据的事故污染物浓度值和所述污染物浓度标准值,计算得到所述目标饮用水跨界区的各个区域的事故污染物浓度超标倍数;
根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级。
5.根据权利要求4所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述获取所述目标饮用水跨界区的污染物浓度标准值的步骤,包括:
获取所述目标饮用水跨界区的水环境质量标准等级;
根据预设的水环境质量标准等级与污染物浓度标准值的关系,获取所述水环境质量标准等级对应的污染物浓度标准值,得到所述目标饮用水跨界区的污染物浓度标准值。
6.根据权利要求4所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤,包括:
若所述事故污染物浓度超标倍数大于2,确定对应的区域的污染预警等级为一级污染;
若所述事故污染物浓度超标倍数大于1.5,且小于或等于2,确定对应的区域的污染预警等级为二级污染;其中,所述二级污染的污染严重程度小于所述一级污染;
若所述事故污染物浓度超标倍数大于1,且小于或等于1.5,确定对应的区域的污染预警等级为三级污染;其中,所述三级污染的污染严重程度小于所述二级污染;
若所述事故污染物浓度超标倍数小于或等于1,确定对应的区域的污染预警等级为四级污染;其中,所述四级污染的污染严重程度小于所述三级污染。
7.根据权利要求6所述的跨界区饮用水源地污染事故预警方法,其特征在于,所述根据所述事故污染物浓度超标倍数,确定所述目标饮用水跨界区的各个区域的污染预警等级的步骤后,还包括:
若所述污染预警等级为四级污染,采用蓝色表示对应的区域;若所述污染预警等级为三级污染,采用黄色表示对应的区域;若所述污染预警等级为二级污染,采用橙色表示对应的区域;若所述污染预警等级为四级污染,采用红色表示对应的区域。
8.一种跨界区饮用水源地污染事故预警装置,其特征在于,包括:
水质污染数据获取模块,用于获取目标饮用水跨界区发生污染事故后的水质污染数据;
当前时期水质模型获取模块,用于获取所述目标饮用水跨界区的当前时期水质模型;
事故预测模型构建模块,用于根据所述水质污染数据和所述当前时期水质模型,构建事故预测模型;
模拟结果数据获取模块,用于根据所述事故预测模型进行污染物浓度场模拟,以预测出未来时间的污染物浓度场模拟结果数据;
预警等级获取模块,用于根据所述污染物浓度场模拟结果确定所述目标饮用水跨界区的污染预警等级。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的跨界区饮用水源地污染事故预警方法的步骤。
10.一种计算机设备,其特征在于:包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的跨界区饮用水源地污染事故预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311402137.5A CN117457098A (zh) | 2023-10-27 | 2023-10-27 | 跨界区饮用水源地污染事故预警方法、装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311402137.5A CN117457098A (zh) | 2023-10-27 | 2023-10-27 | 跨界区饮用水源地污染事故预警方法、装置、介质和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117457098A true CN117457098A (zh) | 2024-01-26 |
Family
ID=89579325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311402137.5A Pending CN117457098A (zh) | 2023-10-27 | 2023-10-27 | 跨界区饮用水源地污染事故预警方法、装置、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117457098A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105353099A (zh) * | 2015-10-26 | 2016-02-24 | 中国地质大学(武汉) | 一种基于多种群协同算法的给水管网污染源定位方法 |
CN105550799A (zh) * | 2015-12-07 | 2016-05-04 | 南通大学 | 流域跨界区水环境风险减免技术体系 |
CN113469090A (zh) * | 2021-07-09 | 2021-10-01 | 王晓东 | 水质污染预警方法、装置及存储介质 |
CN115169691A (zh) * | 2022-07-05 | 2022-10-11 | 重庆东煌高新科技有限公司 | 基于人工智能的污染因子排放预测系统、方法及存储介质 |
CN115204060A (zh) * | 2022-08-19 | 2022-10-18 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种饮用水源地水质多维模型快速预警方法及系统 |
CN115983329A (zh) * | 2022-12-28 | 2023-04-18 | 河北科技大学 | 空气质量及气象条件的预测方法、装置、设备及存储介质 |
US20230325563A1 (en) * | 2020-09-11 | 2023-10-12 | Siemens Ltd., China | Target Available Model-Based Environment Prediction Method and Apparatus, Program, and Electronic Device |
-
2023
- 2023-10-27 CN CN202311402137.5A patent/CN117457098A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105353099A (zh) * | 2015-10-26 | 2016-02-24 | 中国地质大学(武汉) | 一种基于多种群协同算法的给水管网污染源定位方法 |
CN105550799A (zh) * | 2015-12-07 | 2016-05-04 | 南通大学 | 流域跨界区水环境风险减免技术体系 |
US20230325563A1 (en) * | 2020-09-11 | 2023-10-12 | Siemens Ltd., China | Target Available Model-Based Environment Prediction Method and Apparatus, Program, and Electronic Device |
CN113469090A (zh) * | 2021-07-09 | 2021-10-01 | 王晓东 | 水质污染预警方法、装置及存储介质 |
CN115169691A (zh) * | 2022-07-05 | 2022-10-11 | 重庆东煌高新科技有限公司 | 基于人工智能的污染因子排放预测系统、方法及存储介质 |
CN115204060A (zh) * | 2022-08-19 | 2022-10-18 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种饮用水源地水质多维模型快速预警方法及系统 |
CN115983329A (zh) * | 2022-12-28 | 2023-04-18 | 河北科技大学 | 空气质量及气象条件的预测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eyoh et al. | Modelling and predicting future urban expansion of Lagos, Nigeria from remote sensing data using logistic regression and GIS | |
US20150347673A1 (en) | Wetland modeling and prediction | |
CN113837493B (zh) | 水库下游tdg浓度生成预测方法及装置 | |
Zounemat-Kermani et al. | Modeling of dissolved oxygen applying stepwise regression and a template-based fuzzy logic system | |
CN114066262A (zh) | 一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质 | |
CN114492935A (zh) | 一种排污数据预测方法、装置、设备及介质 | |
CN117457098A (zh) | 跨界区饮用水源地污染事故预警方法、装置、介质和设备 | |
Fluixá-Sanmartín et al. | Accounting for climate change uncertainty in long-term dam risk management | |
Akritas et al. | 7 Statistical analysis of censored environmental data | |
CN110969249A (zh) | 生产井产量预测模型建立方法、生产井产量预测方法及相关装置 | |
CN113358582A (zh) | 一种混凝土结构缺陷的检测方法、设备及介质 | |
CN110782276B (zh) | 一种访问分流策略干扰判断方法、装置及电子设备 | |
CN115187090A (zh) | 基于模糊评价算法的防涝数据处理方法及装置 | |
Kreikenbaum et al. | Probabilistic modeling as a new planning approach to stormwater management | |
CN114861984A (zh) | 用于预测高含co2凝析气藏油环体积的方法及处理器 | |
Barankin et al. | Hierarchical approach for assessing the vulnerability of roads and bridges to flooding in Massachusetts | |
CN114491936A (zh) | 高压管汇寿命的确定方法及装置、高压管汇系统 | |
CN112036566A (zh) | 使用遗传算法选取特征的方法和装置 | |
Belayneh et al. | Optimization model for management of water quality in a tidal river using upstream releases | |
CN117495108A (zh) | 区域工业企业水污染事故风险评估方法 | |
Hu et al. | Dynamic process simulation of ship pilotage risk at harbour based on transition probability model | |
CN118114561B (zh) | 基于水面波动强度的水-气界面co2交换系数模型构建方法 | |
CN118261247B (zh) | 一种基于知识图谱的标识解析推荐方法、设备及存储介质 | |
CN116542516A (zh) | 基于灰色预测gm(1,1)模型的城市安全风险预测方法 | |
CN117495641A (zh) | 在复杂跨界水体中确定或筛选重污染区域的方法 |
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 |