CN117491586B - 一种水质检测方法及系统 - Google Patents
一种水质检测方法及系统 Download PDFInfo
- Publication number
- CN117491586B CN117491586B CN202410006909.1A CN202410006909A CN117491586B CN 117491586 B CN117491586 B CN 117491586B CN 202410006909 A CN202410006909 A CN 202410006909A CN 117491586 B CN117491586 B CN 117491586B
- Authority
- CN
- China
- Prior art keywords
- water quality
- water
- measuring
- measurement
- data
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 394
- 238000001514 detection method Methods 0.000 title claims abstract description 81
- 238000005259 measurement Methods 0.000 claims abstract description 96
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 230000008859 change Effects 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 130
- 238000000034 method Methods 0.000 claims description 27
- 230000007774 longterm Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000011282 treatment Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012372 quality testing Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
Abstract
本发明公开了一种水质检测方法及系统，采用多阶水质检测装置，水质检测方法包括在目标水域采集水质样本，静态测量各测量通道内的水质数据，生成第一测量集合；启动驱动组件，静态测量各测量通道内的水质数据，生成第二测量集合；将测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；通过目标水域内的水流速度，输入于三维动态模型，获得水质预测数据；通过多层次的水质检测，能够获取水体不同深度的详细水质信息，并结合静态与动态数据，可以更全面地理解水质变化，提高监测和预测的精度，能够更精确地监控和预测复杂水体环境下的水质变化，从而提供更有效的水质管理策略和决策支持。
Description
技术领域
本发明涉及水质检测技术领域，尤其涉及一种水质检测方法及系统。
背景技术
水质监测是环境监控的重要领域，涉及到饮用水安全、工业排放控制、生态保护等多个重要行业；随着人口增长和工业化进程的推进，水资源受到严重威胁，需求对水质进行严格和连续的监测；实际生产对准确、及时的水质数据有着迫切需求，以便制定相应的政策和干预措施；因此，准确、高效的水质监测技术对于环境保护和可持续发展具有至关重要的意义。
当前的水质监测主要依赖于传统的实验室分析技术和一些基本的现场监测设备，实验室分析虽然精确，但通常需要较长的样品处理和分析时间，不利于实时监测和即时决策；同时，这种方法成本较高，不适合大范围和持续的水质监测；另一方面，现场监测设备通常只能针对特定的几种参数进行检测，如pH值、溶解氧等，难以获得水质的全面信息，此外，传统监测方法在数据处理上多采用简单的统计或阈值比较，对于复杂的水质数据缺乏深入的分析和准确的判断能力。
鉴于此，需要对现有技术中的水质检测方法加以改进，以解决对于复杂水质情况检测精度较低的技术问题。
发明内容
本发明的目的在于提供一种水质检测方法及系统，解决以上的技术问题。
为达此目的，本发明采用以下技术方案：
一种水质检测方法，采用多阶水质检测装置，所述多阶水质检测装置包括测量腔室，设于所述测量腔室一侧的多个测量通道，多个所述测量通道呈阶梯分布，且每个所述多个测量通道分别设置有一组测量探头，所述测量腔室的底部设置有驱动组件；
所述水质检测方法包括：
在目标水域采集水质样本，将所述水质样本装入于所述测量腔室内，水质样本依次溢流至每个所述测量通道内；
静置所述多阶水质检测装置，多个所述测量探头分别测量对应的测量通道内的水质数据，生成第一测量集合；
启动驱动组件，推动所述水质样本以预设速度流动，通过各所述测量探头分别测量对应的测量通道内的水质数据，生成第二测量集合；
将所述第一测量集合和所述第二测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；
通过测量仪器测得所述目标水域内的水流速度，并将所述水流速度输入于所述三维动态模型，获得水质预测数据。
可选的，所述在目标水域采集水质样本，将所述水质样本装入于所述测量腔室内，水质样本依次溢流至每个所述测量通道内；具体包括：
在目标水域中，根据水体的流动特性和预期的检测目的，选择多个代表性的采样点；
执行采样准备工作，并在每个所述采样点分别采集目标水域的水质样本；
将采集得到的水质样本密封于采样容器内，并运输至检测场所；
在所述检测场所内，预先对所述多阶水质检测装置进行校准，并逐一将各所述水质样本装入所述测量腔室内，使水质样本依次溢流至每个测量通道内。
可选的，所述启动驱动组件，推动所述水质样本以预设速度流动，通过各所述测量探头分别测量对应的测量通道内的水质数据，生成第二测量集合；具体包括：
启动多阶水质检测装置底部的驱动组件，按预设的程序控制水样流动，推动所述水质样本以预设速度流动；
根据动态流动的性质，微调每个测量通道中的测量探头，使所述测量探头适应于流速变化时的测量工作；
在水质样本流动的整个过程中，当水样以预设速度通过每个测量通道时，通过读取各测量探头的读数捕捉瞬时流动状态下的水质参数；
对通道中的水质进行连续监测，实时监控各测量探头的读数，记录不同时间段水质参数的变化情况；
以时间为参考目录，整理不同时间段水质参数，建立动态测量表，并对所述动态测量表进行标记；
对所述动态测量表格进行误差评估，剔除其中的异常点或测量误差，以获得第二测量集合。
可选的，将所述第一测量集合和所述第二测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；具体包括：
将静态测量得到的第一测量集合和动态测量得到的第二测量集合进行汇总，构成完整的水质数据集；
对完整的水质数据集进行预处理；所述预处理包括数据清洗、标准化处理和去除异常值；
调用预设多阶水质样品分析模型，对所述多阶水质样品分析模型进行配置，设定相关的输入参数；
将所述水质数据集输入于所述多阶水质样品分析模型，使用交叉数据处理法对水质数据集进行模型训练，使所述多阶水质样品分析模型学习到水样在静态与动态情况下的水质特性；
利用训练好的多阶水质样品分析模型，结合所述水质数据集，构建水流速度和水质检测数据之间的三维动态关系；
在所述多阶水质样品分析模型中模拟不同水流速度条件下水质参数的变化，生成三维动态模型。
可选的，所述水质检测方法还包括：
结合预测得出的水质预测数据和水域地理特征，对污染源进行追溯分析；
根据所述水质预测数据和追溯分析结果，制定对应的水域治理方案；
根据所述三维动态模型的动态特征，制定长期水质监测计划表，并建立预警系统。
可选的，所述结合预测得出的水质预测数据和水域地理特征，对污染源进行追溯分析；具体包括：
将预测得出的水质数据与水域地理特征、历史污染数据以及周边活动信息进行综合分析，分析得到水质变化趋势，以确定污染热点区域；
根据水质预测数据中的异常指标，结合地理信息系统和历史环境记录，识别潜在的污染源区域；
对潜在的污染源区域进行现场调查和样本采集，验证预测和追溯分析的准确性，确定目标污染源区域的追溯。
可选的，所述根据所述三维动态模型的动态特征，制定长期水质监测计划表，并建立预警系统；具体包括：
根据三维动态模型的动态特征和水域地理特征，确定监测点位、频次和监测指标，以制定长期水质监测计划表；
根据水质动态模型，设定水质预警指标和阈值，建立预设预警机制的预警系统；所述预警系统集成监测数据处理模块、异常检测模块和信息发布模块；
实施所述长期水质监测计划，定期收集和分析水质数据；
运用所述预警系统，对异常的水质数据进行实时监测和预警。
本发明还提供了一种水质检测系统，应用于如上所述的水质检测方法，所述水质检测系统包括：
样本采集模块，用于目标水域的水质样本；
多阶水质检测装置，所述多阶水质检测装置包括测量腔室，设于所述测量腔室一侧的多个测量通道，多个所述测量通道呈阶梯分布，且每个所述多个测量通道分别设置有一组测量探头，所述测量腔室的底部设置有驱动组件；
测速仪器，用于测量目标水域的水流速度；
通讯与数据共享模块，用于实时共享水质预测数据；
数据处理模块，存储有多阶水质样品分析模型，并可用于存储三维动态模型。
与现有技术相比，本发明具有以下有益效果：检测时，在目标水域采集水质样本，并将样本装入测量腔室内，让其依次溢流至每个测量通道内，静置多阶水质检测装置，此时各测量通道内水样未被扰动，各测量探头分别测量对应通道内的水质数据，生成第一测量集合；启动驱动组件，推动水质样本以预设速度流动，各测量探头再次测量对应的测量通道内的水质数据，生成第二测量集合；利用收集的静态和动态数据，输入到多阶水质样品分析模型中；测量目标水域内的实际水流速度，并将这个数据输入到上述三维动态模型中，并根据输入的水流速度和先前测得的水质数据，预测目标水域的水质情况；本水质检测方法通过多层次的水质检测，能够获取水体不同深度的详细水质信息，并结合静态与动态数据，可以更全面地理解水质变化，提高监测和预测的精度，能够更精确地监控和预测复杂水体环境下的水质变化，从而提供更有效的水质管理策略和决策支持。
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性的前提下，还可以根据这些附图获得其它的附图。
本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本实施例一的水质检测方法的流程示意图之一；
图2为本实施例一的水质检测方法的流程示意图之二；
图3为本实施例一的水质检测方法的流程示意图之三；
图4为本实施例一的多阶水质检测装置的结构示意图之一；
图5为本实施例一的多阶水质检测装置的结构示意图之二。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。需要说明的是，当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
本发明实施例提供了一种水质检测方法，结合图4和图5所示，采用多阶水质检测装置100，多阶水质检测装置100包括测量腔室101，设于测量腔室101一侧的多个测量通道102，多个测量通道102呈阶梯分布，且每个多个测量通道102分别设置有一组测量探头103，测量腔室101的底部设置有驱动组件104；
结合图1至图3所示，水质检测方法包括：
S1，在目标水域采集水质样本，将水质样本装入于测量腔室101内，水质样本依次溢流至每个测量通道102内；这个过程模拟了水体在自然界中的分层现象，为检测不同深度的水质提供了条件。
S2，静置多阶水质检测装置100，多个测量探头103分别测量对应的测量通道102内的水质数据，生成第一测量集合；静置多阶水质检测装置100后，通过测量探头103在不同测量通道102内获取水质数据，这提供了在静态（非流动）状态下的水质基线数据，对于理解水体自净能力和沉积特性至关重要，并为建立水质基线提供数据。
其中，检测探头的检测数据包括溶解氧、浊度、pH值和电导率的测量。
S3，启动驱动组件104，推动水质样本以预设速度流动，通过各测量探头103分别测量对应的测量通道102内的水质数据，生成第二测量集合；这个集合反映了水样在模拟自然流动状态下的水质变化，为理解水质动态变化提供数据。
S4，将第一测量集合和第二测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；其中，多阶水质样品分析模型是基于机器学习、流体动力学及其相关数学方法构建的三维动态模型，旨在建立水流速度、水质参数与时间的复杂关系。
S5，通过测量仪器测得目标水域内的水流速度，并将水流速度输入于三维动态模型，获得水质预测数据。
本发明的工作原理为：检测时，在目标水域采集水质样本，并将样本装入测量腔室101内，让其依次溢流至每个测量通道102内，静置多阶水质检测装置100，此时各测量通道102内水样未被扰动，各测量探头103分别测量对应通道内的水质数据，生成第一测量集合；启动驱动组件104，推动水质样本以预设速度流动，各测量探头103再次测量对应的测量通道102内的水质数据，生成第二测量集合；利用收集的静态和动态数据，输入到多阶水质样品分析模型中；测量目标水域内的实际水流速度，并将这个数据输入到上述三维动态模型中，并根据输入的水流速度和先前测得的水质数据，预测目标水域的水质情况；相较于现有技术中的检测方式，本水质检测方法通过多层次的水质检测，能够获取水体不同深度的详细水质信息，并结合静态与动态数据，可以更全面地理解水质变化，提高监测和预测的精度，能够更精确地监控和预测复杂水体环境下的水质变化，从而提供更有效的水质管理策略和决策支持。
在本实施例中，具体说明的是，步骤S1具体包括：
S11，在目标水域中，根据水体的流动特性和预期的检测目的，选择多个代表性的采样点；
S12，执行采样准备工作，并在每个采样点分别采集目标水域的水质样本；其中，对于流动水体，选择上游至下游顺序采样，以免受到后续采样点影响；对于静止或缓慢流动的水体，采集不同深度的样本，以获取立体的水质信息。
S13，将采集得到的水质样本密封于采样容器内，并运输至检测场所；
S14，在检测场所内，预先对多阶水质检测装置100进行校准，并逐一将各水质样本装入测量腔室101内，使水质样本依次溢流至每个测量通道102内。
在本实施例中，具体说明的是，步骤S3具体包括：
S31，启动多阶水质检测装置100底部的驱动组件104，按预设的程序控制水样流动，推动水质样本以预设速度流动；模拟自然水体的流速，观察确保水样在各测量通道102中匀速流动，没有产生不期望的涡流或喷溅现象。
S32，根据动态流动的性质，微调每个测量通道102中的测量探头103，使测量探头103适应于流速变化时的测量工作；
微调过程包括对测量探头103的灵敏度和响应时间进行必要的调整，以适应流速变化对测量可能产生的影响；微调的目的在于确保其可以准确捕捉水流状态下的水质参数；重新核查探头的校准数据，保障动态测量的准确性。
S33，在水质样本流动的整个过程中，当水样以预设速度通过每个测量通道102时，通过读取各测量探头103的读数捕捉瞬时流动状态下的水质参数。
S34，对通道中的水质进行连续监测，实时监控各测量探头103的读数，记录不同时间段水质参数的变化情况。
S35，以时间为参考目录，整理不同时间段水质参数，建立动态测量表，并对动态测量表进行标记；标记数据以反映其是在动态条件下采集的，并与静态数据进行区分，以便于后续分析比较。
S36，对动态测量表格进行误差评估，剔除其中的异常点或测量误差，以获得第二测量集合。
在本实施例中，具体说明的是，步骤S4具体包括：
S41，将静态测量得到的第一测量集合和动态测量得到的第二测量集合进行汇总，构成完整的水质数据集。
S42，对完整的水质数据集进行预处理；预处理包括数据清洗、标准化处理和去除异常值；确保数据质量，并便于模型处理。
S43，调用预设多阶水质样品分析模型，对多阶水质样品分析模型进行配置，设定相关的输入参数；
多阶水质样品分析模型应能够处理静态与动态的水质数据，并反映出水流速度与水质参数之间的关系。对所选模型进行配置，设定相关的输入参数，输入参数包括水体特性、环境因素、预测目标；之后进行模型的校准，确保其能够准确反映实验数据所展现的水质特征和趋势。
S44，将水质数据集输入于多阶水质样品分析模型，使用交叉数据处理法对水质数据集进行模型训练，使多阶水质样品分析模型学习到水样在静态与动态情况下的水质特性。
S45，利用训练好的多阶水质样品分析模型，结合水质数据集，构建水流速度和水质检测数据之间的三维动态关系。
S46，在多阶水质样品分析模型中模拟不同水流速度条件下水质参数的变化，生成三维动态模型。
分析模型输出，理解在不同水流条件下，水质参数如何发生变化，预测不同水质状况可能出现的情境。
在本实施例中的水质检测方法，步骤S5之后还包括：
S6，结合预测得出的水质预测数据和水域地理特征，对污染源进行追溯分析；
步骤S6的目的是使用水质预测数据和水域的地理特征来识别和追溯污染源，这一步骤对于合理制定污染控制措施和治理策略至关重要，以便于针对性地解决问题；追溯分析对于防止未来污染事件的发生、评估当前处理措施的有效性、以及为政策制定和资源分配提供依据都显得至关重要。
S7，根据水质预测数据和追溯分析结果，制定对应的水域治理方案；
步骤S7的目的是基于水质预测数据和污染源追溯分析结果来制定水域治理方案；水域治理方案包括识别主要污染问题、确定治理目标、选择最合适的治理技术，并规划实施策略；制定治理方案对于改善水质、恢复生态平衡和促进可持续发展具有长远意义。
S8，根据三维动态模型的动态特征，制定长期水质监测计划表，并建立预警系统。
步骤S8的目的是基于三维动态模型的特性，制定长期水质监测计划，并建立预警系统；这旨在实现连续的水质监测和及时响应潜在的水环境问题。建立长期监测和预警系统是持续性水域管理的重要组成部分，可以提早发现水质问题，防止污染事件的扩散，并对环境可能产生的风险作出快速反应。
在本实施例中，具体说明的是，步骤S6具体包括：
S61，将预测得出的水质数据与水域地理特征、历史污染数据以及周边活动信息进行综合分析，分析得到水质变化趋势，以确定污染热点区域；
这一步骤对于理解水质变化的驱动因素至关重要，有助于指出哪些区域可能存在污染风险，并为进一步的污染源追溯提供方向；这还有助于在更大范围内优化资源配置和治理计划。
S62，根据水质预测数据中的异常指标，结合地理信息系统和历史环境记录，识别潜在的污染源区域。
S63，对潜在的污染源区域进行现场调查和样本采集，验证预测和追溯分析的准确性，确定目标污染源区域的追溯。
这一步骤是将数据分析与实地调查相结合的重要环节，有助于确认或否定预测分析的结果；实地验证可以提供更为直接的证据来支持或调整初步的追溯分析，增强整个水质检测和污染源追溯过程的可靠性和准确性。
在本实施例中，具体说明的是，步骤S8具体包括：
S81，根据三维动态模型的动态特征和水域地理特征，确定监测点位、频次和监测指标，以制定长期水质监测计划表；
S82，根据水质动态模型，设定水质预警指标和阈值，建立预设预警机制的预警系统；预警系统集成监测数据处理模块、异常检测模块和信息发布模块；开发预警系统，实现实时监控和快速响应；
S83，实施长期水质监测计划，定期收集和分析水质数据；及时了解水域的环境状况。
S84，运用预警系统，对异常的水质数据进行实时监测和预警。确保在问题发生时能快速采取应对措施。
实施例二：
一种水质检测系统，应用于如实施例一的水质检测方法，水质检测系统包括：
样本采集模块，用于目标水域的水质样本；
多阶水质检测装置100，多阶水质检测装置100包括测量腔室101，设于测量腔室101一侧的多个测量通道102，多个测量通道102呈阶梯分布，且每个多个测量通道102分别设置有一组测量探头103，测量腔室101的底部设置有驱动组件104；
测速仪器，用于测量目标水域的水流速度；
通讯与数据共享模块，用于实时共享水质预测数据；
数据处理模块，存储有多阶水质样品分析模型，并可用于存储三维动态模型。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种水质检测方法，其特征在于，采用多阶水质检测装置，所述多阶水质检测装置包括测量腔室，设于所述测量腔室一侧的多个测量通道，多个所述测量通道呈阶梯分布，且每个所述多个测量通道分别设置有一组测量探头，所述测量腔室的底部设置有驱动组件；
所述水质检测方法包括：
在目标水域采集水质样本，将所述水质样本装入于所述测量腔室内，水质样本依次溢流至每个所述测量通道内；
静置所述多阶水质检测装置，多个所述测量探头分别测量对应的测量通道内的水质数据，生成第一测量集合；
启动驱动组件，推动所述水质样本以预设速度流动，通过各所述测量探头分别测量对应的测量通道内的水质数据，生成第二测量集合；
将所述第一测量集合和所述第二测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；
通过测量仪器测得所述目标水域内的水流速度，并将所述水流速度输入于所述三维动态模型，获得水质预测数据。
2.根据权利要求1所述的水质检测方法，其特征在于，所述在目标水域采集水质样本，将所述水质样本装入于所述测量腔室内，水质样本依次溢流至每个所述测量通道内；具体包括：
在目标水域中，根据水体的流动特性和预期的检测目的，选择多个代表性的采样点；
执行采样准备工作，并在每个所述采样点分别采集目标水域的水质样本；
将采集得到的水质样本密封于采样容器内，并运输至检测场所；
在所述检测场所内，预先对所述多阶水质检测装置进行校准，并逐一将各所述水质样本装入所述测量腔室内，使水质样本依次溢流至每个测量通道内。
3.根据权利要求1所述的水质检测方法，其特征在于，所述启动驱动组件，推动所述水质样本以预设速度流动，通过各所述测量探头分别测量对应的测量通道内的水质数据，生成第二测量集合；具体包括：
启动多阶水质检测装置底部的驱动组件，按预设的程序控制水样流动，推动所述水质样本以预设速度流动；
根据动态流动的性质，微调每个测量通道中的测量探头，使所述测量探头适应于流速变化时的测量工作；
在水质样本流动的整个过程中，当水样以预设速度通过每个测量通道时，通过读取各测量探头的读数捕捉瞬时流动状态下的水质参数；
对通道中的水质进行连续监测，实时监控各测量探头的读数，记录不同时间段水质参数的变化情况；
以时间为参考目录，整理不同时间段水质参数，建立动态测量表，并对所述动态测量表进行标记；
对所述动态测量表进行误差评估，剔除其中的异常点或测量误差，以获得第二测量集合。
4.根据权利要求1所述的水质检测方法，其特征在于，将所述第一测量集合和所述第二测量集合分别输入于多阶水质样品分析模型中，预测获得水流速度和水质检测数据之间的三维动态模型；具体包括：
将静态测量得到的第一测量集合和动态测量得到的第二测量集合进行汇总，构成完整的水质数据集；
对完整的水质数据集进行预处理；所述预处理包括数据清洗、标准化处理和去除异常值；
调用预设多阶水质样品分析模型，对所述多阶水质样品分析模型进行配置，设定相关的输入参数；
将所述水质数据集输入于所述多阶水质样品分析模型，使用交叉数据处理法对水质数据集进行模型训练，使所述多阶水质样品分析模型学习到水样在静态与动态情况下的水质特性；
利用训练好的多阶水质样品分析模型，结合所述水质数据集，构建水流速度和水质检测数据之间的三维动态关系；
在所述多阶水质样品分析模型中模拟不同水流速度条件下水质参数的变化，生成三维动态模型。
5.根据权利要求1所述的水质检测方法，其特征在于，还包括：
结合预测得出的水质预测数据和水域地理特征，对污染源进行追溯分析；
根据所述水质预测数据和追溯分析结果，制定对应的水域治理方案；
根据所述三维动态模型的动态特征，制定长期水质监测计划表，并建立预警系统。
6.根据权利要求5所述的水质检测方法，其特征在于，所述结合预测得出的水质预测数据和水域地理特征，对污染源进行追溯分析；具体包括：
将预测得出的水质数据与水域地理特征、历史污染数据以及周边活动信息进行综合分析，分析得到水质变化趋势，以确定污染热点区域；
根据水质预测数据中的异常指标，结合地理信息系统和历史环境记录，识别潜在的污染源区域；
对潜在的污染源区域进行现场调查和样本采集，验证预测和追溯分析的准确性，确定目标污染源区域的追溯。
7.根据权利要求6所述的水质检测方法，其特征在于，所述根据所述三维动态模型的动态特征，制定长期水质监测计划表，并建立预警系统；具体包括：
根据三维动态模型的动态特征和水域地理特征，确定监测点位、频次和监测指标，以制定长期水质监测计划表；
根据水质动态模型，设定水质预警指标和阈值，建立预设预警机制的预警系统；所述预警系统集成监测数据处理模块、异常检测模块和信息发布模块；
实施所述长期水质监测计划，定期收集和分析水质数据；
运用所述预警系统，对异常的水质数据进行实时监测和预警。
8.一种水质检测系统，其特征在于，应用于如权利要求1至7任一项所述的水质检测方法，所述水质检测系统包括：
样本采集模块，用于目标水域的水质样本；
多阶水质检测装置，所述多阶水质检测装置包括测量腔室，设于所述测量腔室一侧的多个测量通道，多个所述测量通道呈阶梯分布，且每个所述多个测量通道分别设置有一组测量探头，所述测量腔室的底部设置有驱动组件；
测速仪器，用于测量目标水域的水流速度；
通讯与数据共享模块，用于实时共享水质预测数据；
数据处理模块，存储有多阶水质样品分析模型，并可用于存储三维动态模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410006909.1A CN117491586B (zh) | 2024-01-03 | 2024-01-03 | 一种水质检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410006909.1A CN117491586B (zh) | 2024-01-03 | 2024-01-03 | 一种水质检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117491586A CN117491586A (zh) | 2024-02-02 |
| CN117491586B true CN117491586B (zh) | 2024-03-19 |
Family
ID=89669468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410006909.1A Active CN117491586B (zh) | 2024-01-03 | 2024-01-03 | 一种水质检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117491586B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117800425A (zh) * | 2024-03-01 | 2024-04-02 | 宜宾科全矿泉水有限公司 | 基于人工智能的净水器控制方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101328026B1 (ko) * | 2013-02-06 | 2013-11-13 | 한국건설기술연구원 | 수심별 프로파일링 기법을 활용한 수환경 모니터링 시스템 및 수환경 모니터링 방법 |
| CN110040854A (zh) * | 2019-05-06 | 2019-07-23 | 中国水利水电科学研究院 | 一种削减水体营养盐的载体组合系统及方法 |
| CN111474315A (zh) * | 2020-05-26 | 2020-07-31 | 扬州大学 | 一种基于静态值守与动态巡检水质监测预警系统及监测预警方法 |
| CN115358463A (zh) * | 2022-08-18 | 2022-11-18 | 长沙学院 | 生态敏感区输变电建设工程水环境监测与影响评估方法 |
| CN115388949A (zh) * | 2022-08-30 | 2022-11-25 | 广东鉴面智能科技有限公司 | 一种智能水库监测管理系统 |
| CN117192057A (zh) * | 2023-09-08 | 2023-12-08 | 湛蓝之源(广东)环保技术有限公司 | 一种水质检测方法、装置及存储介质 |
| CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113324730B (zh) * | 2021-04-29 | 2022-03-22 | 中交天津港湾工程研究院有限公司 | 一种模拟河道冲刷作用下底泥污染释放的试验方法 |
-
2024
- 2024-01-03 CN CN202410006909.1A patent/CN117491586B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101328026B1 (ko) * | 2013-02-06 | 2013-11-13 | 한국건설기술연구원 | 수심별 프로파일링 기법을 활용한 수환경 모니터링 시스템 및 수환경 모니터링 방법 |
| CN110040854A (zh) * | 2019-05-06 | 2019-07-23 | 中国水利水电科学研究院 | 一种削减水体营养盐的载体组合系统及方法 |
| CN111474315A (zh) * | 2020-05-26 | 2020-07-31 | 扬州大学 | 一种基于静态值守与动态巡检水质监测预警系统及监测预警方法 |
| CN115358463A (zh) * | 2022-08-18 | 2022-11-18 | 长沙学院 | 生态敏感区输变电建设工程水环境监测与影响评估方法 |
| CN115388949A (zh) * | 2022-08-30 | 2022-11-25 | 广东鉴面智能科技有限公司 | 一种智能水库监测管理系统 |
| CN117192057A (zh) * | 2023-09-08 | 2023-12-08 | 湛蓝之源(广东)环保技术有限公司 | 一种水质检测方法、装置及存储介质 |
| CN117236565A (zh) * | 2023-11-10 | 2023-12-15 | 天津标证科技有限公司 | 一种流域水环境智慧化管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117491586A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117491586B (zh) | 一种水质检测方法及系统 | |
| CN107862338B (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| CN116128260B (zh) | 基于数据样本的重点企业环境分析方法 | |
| Cullen | Biomonitoring and environmental management | |
| Bonastre et al. | In-line chemical analysis of wastewater: present and future trends | |
| CN115730852A (zh) | 一种化工企业土壤污染管控方法及系统 | |
| CN115239070A (zh) | 一种流域水环境有机污染物监测全过程质控指标评价系统 | |
| CN116894747A (zh) | 一种用于污染场地地下水环境调查的监测系统 | |
| CN116485263A (zh) | 河流湿地碳汇监测评估方法 | |
| CN114527078A (zh) | 基于全光谱水质分析仪的监测预警方法和系统 | |
| CN117591978A (zh) | 一种环境污染检测方法、系统、设备及存储介质 | |
| CN117195135A (zh) | 一种水污染异常溯源检测方法及系统 | |
| CN108775921A (zh) | 工业烟气在线连续监测装置 | |
| CN112903947A (zh) | 一种水质在线监测分析系统及方法 | |
| CN109885932B (zh) | 一种基于水质模型的河流中重金属铅的入海通量表征方法 | |
| CN117234156A (zh) | 选矿厂巡检系统及巡检方法 | |
| AU2021104998A4 (en) | Evaluation method system of quality control index for the whole process of monitoring organic pollutants in basin water environment | |
| CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
| CN113673155B (zh) | 一种基于支持向量机的水域含沙量反演方法 | |
| Montgomery et al. | Uncertainty in water quality data | |
| CN113607710A (zh) | 一种在线监测水质的方法及其应用的装置和系统 | |
| CN114638290B (zh) | 基于边缘计算和bp神经网络的环境监测仪器故障预测方法 | |
| CN205404403U (zh) | 一种总氮水质监测系统 | |
| CN111582734A (zh) | 基于python爬虫系统和SVM的海洋污染对比分析与风险评估的智能方法 | |
| CN110658316A (zh) | 一种水质在线监测方法及系统 |
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 |