CN117591978A - 一种环境污染检测方法、系统、设备及存储介质 - Google Patents
一种环境污染检测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN117591978A CN117591978A CN202311626047.4A CN202311626047A CN117591978A CN 117591978 A CN117591978 A CN 117591978A CN 202311626047 A CN202311626047 A CN 202311626047A CN 117591978 A CN117591978 A CN 117591978A
- Authority
- CN
- China
- Prior art keywords
- water quality
- quality monitoring
- data
- homogeneous
- monitoring
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 124
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 568
- 238000012544 monitoring process Methods 0.000 claims abstract description 358
- 238000003912 environmental pollution Methods 0.000 claims abstract description 40
- 230000010355 oscillation Effects 0.000 claims abstract description 40
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 35
- 230000035605 chemotaxis Effects 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 13
- 230000035939 shock Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000003911 water pollution Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 239000006185 dispersion Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- -1 PH value Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003904 radioactive pollution Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请提供一种环境污染检测方法、系统、设备及存储介质，采集污染河流的实时水质监测数据得到多组水质监测数据，通过确定的所有组水质监测数据的数据振荡异态值得到水质监测同质界；根据初始水质策分值确定水质监测同质界中每组水质监测同质数据的水质特征离趋度，由所有组水质监测同质数据的水质特征离趋度得到监测同质数据骤变度；通过监测同质数据骤变度确定归一水质差异策分值；根据确定的水质监测同质界的中枢聚合度确定水质监测同质界的分布异质因子；由归一水质差异策分值和分布异质因子进行水质污染检测，得到污染河流的污染检测结果，有效提高对污染河流进行水质污染检测时的水质污染检测效率。
Description
技术领域
本申请涉及环境污染检测技术领域，更具体的说，本申请涉及一种环境污染检测方法、系统、设备及存储介质。
背景技术
环境污染检测是指对环境中的各种污染物质和因子进行监测和评估，以确定环境质量是否达到法定标准或可持续发展的要求，环境污染检测通常涉及大气污染检测、水质污染检测、土壤污染检测、噪声和振动监测、放射性污染检测、生物多样性监测和污染源排放监测等。
河流的水质污染检测是一项关键的环境监测活动，旨在评估水体中的污染物质浓度和水质状况，以确保饮用水安全、维护水生态系统的健康，并满足环境法规的要求，这一过程依赖于高度科学的方法和仪器，确保数据的准确性和可重复性，水质污染检测涉及采集水样品，通常从不同水源和深度采集，以代表性地反映水体的情况，采样过程必须严格控制，以防止外部污染物的引入，采样后，实验室将对水样品进行多种分析，使用高分辨率的仪器如液相色谱仪和质谱仪，通过比较检测结果与环境法规中规定的标准，可以确定河流水质是否符合规定的质量标准。
但是在现有技术中，在采集污染河流的水质时，需要监测污染河流不同位置和不同深度的水质数据，使得水质监测数据繁杂且数据量庞大，并且在污染河流中采集水质数据面临很多不确定因素，因此水质监测数据中会存在噪声和干扰，导致在对污染河流进行水质污染检测时存在水质污染检测效率低的问题。
发明内容
本申请提供一种环境污染检测方法、系统、设备及存储介质，以解决对污染河流进行水质污染检测时，水质污染检测效率低的技术问题。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种环境污染检测方法，包括如下步骤：
采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；
根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；
通过所述监测同质数据骤变度确定归一水质差异策分值；
确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；
由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
在一些实施例中，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界具体包括：
将数据振荡异态值大于零的水质监测数据组剔除；
将数据振荡异态值不大于零的水质监测数据组作为水质监测同质数据组，进而得到多组水质监测同质数据；
将所有水质监测同质数据组的集合作为水质监测同质界。
在一些实施例中，根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度具体包括：
对于所述水质监测同质界中每组水质监测同质数据，通过所述初始水质策分值对水质监测同质数据组进行划分，得到所述水质监测同质数据组大于所述初始水质策分值部分和所述水质监测同质数据组小于所述初始水质策分值部分；
获取所述水质监测同质数据组的中枢聚合度；
通过所述水质监测同质数据组的中枢聚合度、所述水质监测同质数据组大于初始水质策分值部分和所述水质监测同质数据组小于初始水质策分值部分确定所述水质监测同质数据组的水质特征离趋度，进而得到每组水质监测同质数据的水质特征离趋度。
在一些实施例中，由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度是将所有组水质监测同质数据的水质特征离趋度的均值作为监测同质数据骤变度。
在一些实施例中，通过所述监测同质数据骤变度确定归一水质差异策分值是将所述监测同质数据骤变度最大时对应的初始水质策分值转换为归一水质差异策分值。
在一些实施例中，由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果具体包括：
当所述分布异质因子低于所述归一水质差异策分值时，将所述水质监测同质界作为待测水质监测数据集；
选择水质污染检测模型；
通过所述水质污染检测模型和所述待测水质监测数据集进行水质污染检测，得到污染河流的污染检测结果。
在一些实施例中，通过水质传感器采集污染河流的实时水质监测数据。
第二方面，本申请提供一种环境污染检测系统，包括有检测处理单元，所述检测处理单元包括：
水质监测同质界确定模块，用于采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；
监测同质数据骤变度确定模块，用于根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；
归一水质差异策分值确定模块，用于通过所述监测同质数据骤变度确定归一水质差异策分值；
分布异质因子确定模块，用于确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；
水质污染检测模块，用于由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的环境污染检测方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的环境污染检测方法。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的一种环境污染检测方法、系统、设备及存储介质中，采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；通过所述监测同质数据骤变度确定归一水质差异策分值；确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
本申请中，首先，通过数据振荡异态值来确定水质监测同质界，可以使得到的水质监测同质数据更加准确和可靠，可以更好地反映污染河流的实际水质污染状况，有助于提高对污染河流的水质污染检测效率，其次，通过确定监测同质数据骤变度，可以帮助及早识别河流水质异常，这有助于针对性地进行河流水质污染监测和采样，从而提高对水质污染检测的效率，然后，通过归一化水质差异策分值，可以使水质差异策分值变得更通用，可以更精确地监测河流的水质污染，进而，通过确定分布异质因子可以更精确的量化水质监测同质界的异常和干扰情况，可以确保水质数据的可信度和准确性，帮助更精确地确定是否需要采集新的水质监测同质界，这有助于节省时间和资源，提高水质污染检测的效率，最后，通过水质污染检测，可以及早发现河流水质受到污染的情况，有助于采取及时的应对措施，减少环境和生态系统的损害，有效提高对污染河流进行水质污染检测时的水质污染检测效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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他的附图。
图1是根据本申请一些实施例所示的环境污染检测方法的示例性流程图；
图2是根据本申请一些实施例所示的检测处理单元的示例性硬件和/或软件的示意图；
图3是根据本申请一些实施例所示的实现环境污染检测方法的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
本申请实施例提供一种环境污染检测方法、系统、设备及存储介质，其核心是采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；通过所述监测同质数据骤变度确定归一水质差异策分值；确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果，有效提高对污染河流进行水质污染检测时的水质污染检测效率。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的一种环境污染检测方法的示例性流程图，该环境污染检测方法100主要包括如下步骤：
在步骤101，采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界。
具体实现时，首先，需要在污染河流中设置水质监测站点，通过水质传感器以定期收集水质监测数据，例如如PH计、浊度计、溶解氧传感器、电导率计等。这些设备能够直接测量水中的各种参数，并提供实时水质监测数据，进而得到多组水质监测数据，该水质监测数据可能包括水体的温度、浊度、溶解氧、PH值、重金属、有机物质、微生物等多种参数，需要说明的是，本申请中，所有水质监测数据组的水质监测数据都是在同一时间周期内采集，区别在于每组水质监测数据对应在污染河流的不同位置采集得到。
在一些实施例中，确定每组水质监测数据的数据振荡异态值具体可采用下述方式，即：
对于每组水质监测数据，获取该水质监测数据组中的水质监测数据和数据总数；
确定该水质监测数据组的中枢聚合度；
确定该水质监测数据组对应的偏差值；
通过该水质监测数据组的中枢聚合度、该水质监测数据组对应的偏差值、该水质监测数据组中的水质监测数据和数据总数确定该水质监测数据组的数据振荡异态值，进而得到每组水质监测数据的数据振荡异态值，具体实现时，该数据振荡异态值可根据下述公式确定：
其中，表示水质监测数据集中第/>组水质监测数据的数据振荡异态值，/>表示第/>组水质监测数据的数据总数，/>表示第/>组水质监测数据中第/>个水质监测数据，表示第/>组水质监测数据对应的偏差值，/>表示第/>组水质监测数据的中枢聚合度，需要说明的是，本申请中，数据振荡异态值表示该组水质监测数据的数据振荡和波动程度，该数据振荡异态值与数据波动程度成正比，数据波动程度越小对水质污染检测贡献越大，中枢聚合度表示该组水质监测数据趋势的集中程度，该中枢聚合度越大，表示该组水质监测数据取值越集中，越平稳。
具体实现时，将一组水质监测数据中的每个水质监测数据减去该组水质监测数据的均值，即可得到每个水质监测数据对应的偏差值，从而可以将该组中所有水质监测数据对应的偏差值之和作为该组水质监测数据对应的偏差值，将一组水质监测数据中包含的所有水质监测数据之和与数据总数相比，将结果作为该组水质监测数据的中枢聚合度。
在一些实施例中，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界具体可采用下述方式，即：
将数据振荡异态值大于零的水质监测数据组剔除；
将数据振荡异态值不大于零的水质监测数据组作为水质监测同质数据组，进而得到多组水质监测同质数据；
将所有水质监测同质数据组的集合作为水质监测同质界。
需要说明的是，水质监测数据组的数据振荡异态值大于零表示该水质监测数据组的数据取值处于异常状态，其数据可信度低，所以将其剔除，反之，水质监测数据组的数据振荡异态值小于零表示该水质监测数据组的数据取值处于正常波动范围，属于同一数据质量范畴内，则可以将该水质监测数据组作为水质监测同质数据组，水质监测同质界是一个包含的所有数据都属于同一数据质量范畴内的数据集合，即该水质监测同质界不存在误差数据和干扰数据。
另外，需要说明的是，通过数据振荡异态值来确定水质监测同质界，可以使得到的水质监测同质数据更加准确和可靠，可以更好地反映污染河流的实际水质污染状况，有助于提高对污染河流的水质污染检测效率。
在步骤102，根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度。
优选的，根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度具体可采用下述方式，即：
对于所述水质监测同质界中每组水质监测同质数据，通过所述初始水质策分值对水质监测同质数据组进行划分，得到所述水质监测同质数据组大于所述初始水质策分值部分和所述水质监测同质数据组小于所述初始水质策分值部分；
获取所述水质监测同质数据组的中枢聚合度；
通过所述水质监测同质数据组的中枢聚合度、所述水质监测同质数据组大于初始水质策分值部分和所述水质监测同质数据组小于初始水质策分值部分确定所述水质监测同质数据组的水质特征离趋度，进而得到每组水质监测同质数据的水质特征离趋度。
在上述实施例中，通过水质监测同质数据组的中枢聚合度、水质监测同质数据组大于初始水质策分值部分和水质监测同质数据组小于初始水质策分值部分确定水质监测同质数据组的水质特征离趋度具体可采用下述方式，即：
确定水质监测同质数据组中大于初始水质策分值部分的水质监测同质数据、大于初始水质策分值部分的水质监测同质数据总数和大于初始水质策分值部分的水质监测同质数据总和；
确定水质监测同质数据组中小于初始水质策分值部分的水质监测同质数据、小于初始水质策分值部分的水质监测同质数据总数和小于初始水质策分值部分的水质监测同质数据总和；
通过该水质监测同质数据组的中枢聚合度、水质监测同质数据组中大于初始水质策分值部分的水质监测同质数据、大于初始水质策分值部分的水质监测同质数据总数、大于初始水质策分值部分的水质监测同质数据总和、小于初始水质策分值部分的水质监测同质数据、小于初始水质策分值部分的水质监测同质数据总数和小于初始水质策分值部分的水质监测同质数据总和确定该水质监测同质数据组的水质特征离趋度，具体实现时，该水质特征离趋度可根据下述公式确定：
其中，表示在初始水质策分值为/>时水质监测同质界中第/>组水质监测同质数据的水质特征离趋度，/>表示第/>组水质监测同质数据中小于初始水质策分值/>的水质监测同质数据总和，/>表示第/>组水质监测同质数据中大于初始水质策分值/>的水质监测同质数据总和，/>表示第/>组水质监测同质数据中小于初始水质策分值/>的水质监测同质数据总数，/>表示第/>组水质监测同质数据中大于初始水质策分值/>的水质监测同质数据总数，/>表示第/>组水质监测同质数据中小于初始水质策分值/>的第/>个水质监测同质数据，/>表示第/>组水质监测同质数据中大于初始水质策分值/>的第/>个水质监测同质数据，/>表示水质监测同质界中第/>组水质监测同质数据的中枢聚合度。需要说明的是，本申请中，水质特征离趋度表示在初始水质策分值划分下该水质监测同质数据组在特征上的变化程度，该水质特征离趋度与变化程度成正比，初始水质策分值是一个预设数据划分值。
具体实现时，通过步骤101中的方式确定每组水质监测同质数据的中枢聚合度，这里不再赘述，通过初始水质策分值将一组水质监测同质数据划分为两部分，即大于初始水质策分值部分和小于初始水质策分值部分，分别统计大于初始水质策分值部分的所有水质监测同质数据，即可得到大于初始水质策分值的水质监测同质数据的总数和所有水质监测同质数据之和，分别统计小于初始水质策分值部分的所有水质监测同质数据，即可得到小于初始水质策分值的水质监测同质数据的总数和所有水质监测同质数据之和。
需要说明的是，本申请中，监测同质数据骤变度是用来衡量水质监测同质界中所有水质监测同质数据特征变化的剧烈程度，在一些实施例中，由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度例如可以是将所有组水质监测同质数据的水质特征离趋度的均值作为监测同质数据骤变度，这里不做具体限定。
需要说明的是，通过确定监测同质数据骤变度，可以帮助及早识别河流水质异常，可以帮助更全面、客观地评估不同时间和地点的水质污染状况，这有助于针对性地进行河流水质污染监测和采样，从而提高对水质污染检测的效率。
在步骤103，通过所述监测同质数据骤变度确定归一水质差异策分值。
在一些实施例中，通过所述监测同质数据骤变度确定归一水质差异策分值是将所述监测同质数据骤变度最大时对应的初始水质策分值转换为归一水质差异策分值，具体实现时，确定监测同质数据骤变度后，可以通过改变初始水质策分值的取值来改变水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而改变监测同质数据骤变度，确定其中最大监测同质数据骤变度时对应的初始水质策分值，将该初始水质策分值作为水质差异策分值，用于判断水质监测同质界的数据变异程度，将确定的水质差异策分值映射到标准空间，以便在后续分析和决策中进行比较和评估，这可以通过线性或非线性变换来实现，这里不做想定，将水质差异策分值映射到特定的标度或范围内，得到归一水质差异策分值，以确保它与其他数据或标准在相同的尺度上，归一化可以将阈值缩放到0到1之间。
需要说明的是，本申请中通过归一化水质差异策分值，可以使归一水质差异策分值变得更通用，不依赖于特定的水质特征或监测方法，使用归一水质差异策分值可以更精确地监测河流的水质污染。
在步骤104，确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子。
具体实现时，可以将水质监测同质界中包含的所有水质监测同质数据之和与数据总数相比，将结果作为该水质监测同质数据界的中枢聚合度，需要说明的是，水质监测同质界的中枢聚合度表示水质监测同质界中数据取值的集中程度。
优选的，在一些实施例中，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子具体可采用下述方式，即：
获取水质监测同质界中每组水质监测同质数据的中枢聚合度；
确定水质监测同质界中每组水质监测同质数据的数据离散度；
确定水质监测同质界的数据总数；
通过每组水质监测同质数据的中枢聚合度、每组水质监测同质数据的数据离散度、水质监测同质界的数据总数和水质监测同质界的中枢聚合度确定水质监测同质界的分布异质因子，具体实现时，分布异质因子可根据下述公式确定：
其中，表示水质监测同质界的分布异质因子，/>表示水质监测同质界中第/>组水质监测同质数据的中枢聚合度，/>表示水质监测数据集中第/>组水质监测数据的数据总数，/>表示水质监测同质界中水质监测同质数据组总数，/>表示水质监测同质界的数据总数，/>表示水质监测同质界的中枢聚合度，/>表示水质监测同质界中第/>组水质监测同质数据的数据离散度，需要说明的是，本申请中，分布异质因子是用于度量水质监测同质界中水质监测同质数据取值的分散程度的指标，该分布异质因子越大，表示水质监测同质数据取值范围越大，越分散，水质监测同质界中存在干扰和异常的可能性越大，不利于后续的水质污染检测，数据离散度表示该组水质监测同质数据中水质监测同质数据的变异程度。
具体实现时，可以通过确定一组水质监测同质数据中所有水质监测同质数据与该组水质监测同质数据的中枢聚合度之间的离差，进而将每个离差平方后，确定所有平方离差的均值，再取平方根，将该结果作为该组水质监测同质数据的数据离散度。
需要说明的是，通过确定分布异质因子可以更精确的量化水质监测同质界的异常和干扰情况，只接受分布异质因子低于阈值的数据集，可以确保水质数据的可信度和准确性，帮助更精确地确定是否需要采集新的水质监测同质界，这有助于节省时间和资源，提高水质污染检测的效率。
在步骤105，由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
在一些实施例中，由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果具体可采用下述方式，即：
当所述分布异质因子低于所述归一水质差异策分值时，将所述水质监测同质界作为待测水质监测数据集；
选择水质污染检测模型；
通过所述水质污染检测模型和所述待测水质监测数据集进行水质污染检测，得到污染河流的污染检测结果。
具体实现时，首先，通过比较水质监测同质界的分布异质因子与归一水质差异策分值，可以将干扰和异常情况最少的水质监测同质界作为待测水质监测数据集，然后，可选择决策树作为水质污染检测模型进行水质污染检测，得到污染河流的污染检测结果，决策树是一种常用的机器学习模型，可以用于水质污染检测的任务，水质污染检测通常是一个分类问题，即确定水质是受到污染还是未受到污染，或者确定水质的污染程度，即污染河流的污染检测结果，决策树模型是一种强大的分类工具，可以将待测水质监测数据集分为不同的类别或污染程度，并且水质监测通常涉及多个水质特征，如PH值、浊度、溶解氧、重金属浓度等，决策树能够有效地处理多特征的待测水质监测数据，并自动选择最重要的水质特征来进行分类，实际实现时，还可以选择随机森林、支持向量机、神经网络、回归分析和假设检验等方法，这里不做限定，将待测水质监测数据集作为输入数据进行水质污染检测，水质污染检测模型将根据水质监测数据的特征和模型的训练来判断河流水质受到的污染程度，可以得到污染河流的污染检测结果。
需要说明的是，通过水质污染检测，可以及早发现河流水质受到污染的情况，有助于采取及时的应对措施，减少环境和生态系统的损害，污染河流的污染检测结果为环境管理和政策制定提供了科学依据。
本申请中，首先，通过数据振荡异态值来确定水质监测同质界，可以使得到的水质监测同质数据更加准确和可靠，可以更好地反映污染河流的实际水质污染状况，有助于提高对污染河流的水质污染检测效率，其次，通过确定监测同质数据骤变度，可以帮助及早识别河流水质异常，这有助于针对性地进行河流水质污染监测和采样，从而提高对水质污染检测的效率，然后，通过归一化水质差异策分值，可以使水质差异策分值变得更通用，可以更精确地监测河流的水质污染，进而，通过确定分布异质因子可以更精确的量化水质监测同质界的异常和干扰情况，可以确保水质数据的可信度和准确性，帮助更精确地确定是否需要采集新的水质监测同质界，这有助于节省时间和资源，提高水质污染检测的效率，最后，通过水质污染检测，可以及早发现河流水质受到污染的情况，有助于采取及时的应对措施，减少环境和生态系统的损害，有效提高对污染河流进行水质污染检测时的水质污染检测效率。
另外，本申请的另一方面，在一些实施例中，本申请提供一种环境污染检测系统，该系统包括有检测处理单元，参考图2，该图是根据本申请一些实施例所示的检测处理单元的示例性硬件和/或软件的示意图，该检测处理单元200包括：水质监测同质界确定模块201、监测同质数据骤变度确定模块202、归一水质差异策分值确定模块203、分布异质因子确定模块204和水质污染检测模块205，分别说明如下：
水质监测同质界确定模块201，本申请中水质监测同质界确定模块201主要用于采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；
监测同质数据骤变度确定模块202，本申请中监测同质数据骤变度确定模块202主要用于根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；
归一水质差异策分值确定模块203，本申请中归一水质差异策分值确定模块203主要用于通过所述监测同质数据骤变度确定归一水质差异策分值；
分布异质因子确定模块204，本申请中分布异质因子确定模块204主要用于确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；
水质污染检测模块205，本申请中水质污染检测模块205主要用于由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
上文详细介绍了本申请实施例提供的环境污染检测方法、系统、设备及存储介质的示例，可以理解的是，相应的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在一些实施例中，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的环境污染检测方法。
在一些实施例中，参考图3，该图中的虚线表示该单元或该模块为可选的，该图是根据本申请实施例提供的一种环境污染检测方法的计算机设备的结构示意图。上述实施例中的环境污染检测方法可以通过图3所示的计算机设备来实现，该计算机设备300包括至少一个处理器301、存储器302以及至少一个通信单元305，该计算机设备300可以是终端设备或服务器或芯片。
处理器301可以是通用处理器或者专用处理器。例如，处理器301可以是中央处理器(central processing unit，CPU)，CPU可以用于对计算机设备300进行控制，执行软件程序，处理软件程序的数据，计算机设备300还可以包括通信单元305，用以实现信号的输入(接收)和输出(发送)。
例如，计算机设备300可以是芯片，通信单元305可以是该芯片的输入和/或输出电路，或者，通信单元305可以是该芯片的通信接口，该芯片可以作为终端设备或网络设备或其它设备的组成部分。
又例如，计算机设备300可以是终端设备或服务器，通信单元305可以是该终端设备或该服务器的收发器，或者，通信单元305可以是该终端设备或该服务器的收发电路。
计算机设备300中可以包括一个或多个存储器302，其上存有程序304，程序304可被处理器301运行，生成指令303，使得处理器301根据指令303执行上述方法实施例中描述的方法。可选地，存储器302中还可以存储有数据(如目标审核模型)。可选地，处理器301还可以读取存储器302中存储的数据，该数据可以与程序304存储在相同的存储地址，该数据也可以与程序304存储在不同的存储地址。
处理器301和存储器302可以单独设置，也可以集成在一起，例如，集成在终端设备的系统级芯片(system on chip，SOC)上。
应理解，上述方法实施例的各步骤可以通过处理器301中的硬件形式的逻辑电路或者软件形式的指令完成，处理器301可以是中央处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件，例如，分立门、晶体管逻辑器件或分立硬件组件。
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。
例如，在一些实施例中，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的环境污染检测方法。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种环境污染检测方法，其特征在于，包括如下步骤：
采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；
根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；
通过所述监测同质数据骤变度确定归一水质差异策分值；
确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；
由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
2.如权利要求1所述的方法，其特征在于，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界具体包括：
将数据振荡异态值大于零的水质监测数据组剔除；
将数据振荡异态值不大于零的水质监测数据组作为水质监测同质数据组，进而得到多组水质监测同质数据；
将所有水质监测同质数据组的集合作为水质监测同质界。
3.如权利要求1所述的方法，其特征在于，根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度具体包括：
对于所述水质监测同质界中每组水质监测同质数据，通过所述初始水质策分值对水质监测同质数据组进行划分，得到所述水质监测同质数据组大于所述初始水质策分值部分和所述水质监测同质数据组小于所述初始水质策分值部分；
获取所述水质监测同质数据组的中枢聚合度；
通过所述水质监测同质数据组的中枢聚合度、所述水质监测同质数据组大于初始水质策分值部分和所述水质监测同质数据组小于初始水质策分值部分确定所述水质监测同质数据组的水质特征离趋度，进而得到每组水质监测同质数据的水质特征离趋度。
4.如权利要求1所述的方法，其特征在于，由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度是将所有组水质监测同质数据的水质特征离趋度的均值作为监测同质数据骤变度。
5.如权利要求1所述的方法，其特征在于，通过所述监测同质数据骤变度确定归一水质差异策分值是将所述监测同质数据骤变度最大时对应的初始水质策分值转换为归一水质差异策分值。
6.如权利要求1所述的方法，其特征在于，由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果具体包括：
当所述分布异质因子低于所述归一水质差异策分值时，将所述水质监测同质界作为待测水质监测数据集；
选择水质污染检测模型；
通过所述水质污染检测模型和所述待测水质监测数据集进行水质污染检测，得到污染河流的污染检测结果。
7.如权利要求1所述的方法，其特征在于，通过水质传感器采集污染河流的实时水质监测数据。
8.一种环境污染检测系统，其采用权利要求1的方法进行检测，其特征在于，该环境污染检测系统包括有检测处理单元，所述检测处理单元包括：
水质监测同质界确定模块，用于采集污染河流的实时水质监测数据，得到多组水质监测数据，确定每组水质监测数据的数据振荡异态值，通过所有组水质监测数据的数据振荡异态值，得到水质监测同质界；
监测同质数据骤变度确定模块，用于根据初始水质策分值确定所述水质监测同质界中每组水质监测同质数据的水质特征离趋度，进而由所有组水质监测同质数据的水质特征离趋度，得到监测同质数据骤变度；
归一水质差异策分值确定模块，用于通过所述监测同质数据骤变度确定归一水质差异策分值；
分布异质因子确定模块，用于确定所述水质监测同质界的中枢聚合度，根据所述水质监测同质界的中枢聚合度确定所述水质监测同质界的分布异质因子；
水质污染检测模块，用于由所述归一水质差异策分值和所述分布异质因子进行水质污染检测，得到污染河流的污染检测结果。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行权利要求1至7中任一项所述的环境污染检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现如权利要求1至7中任一项所述的环境污染检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311626047.4A CN117591978A (zh) | 2023-11-30 | 2023-11-30 | 一种环境污染检测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311626047.4A CN117591978A (zh) | 2023-11-30 | 2023-11-30 | 一种环境污染检测方法、系统、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117591978A true CN117591978A (zh) | 2024-02-23 |
Family
ID=89909682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311626047.4A Pending CN117591978A (zh) | 2023-11-30 | 2023-11-30 | 一种环境污染检测方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117591978A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786584A (zh) * | 2024-02-27 | 2024-03-29 | 西安中创博远网络科技有限公司 | 基于大数据分析的畜牧业水源污染监测预警方法及系统 |
-
2023
- 2023-11-30 CN CN202311626047.4A patent/CN117591978A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786584A (zh) * | 2024-02-27 | 2024-03-29 | 西安中创博远网络科技有限公司 | 基于大数据分析的畜牧业水源污染监测预警方法及系统 |
| CN117786584B (zh) * | 2024-02-27 | 2024-04-30 | 西安中创博远网络科技有限公司 | 基于大数据分析的畜牧业水源污染监测预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| López et al. | A tutorial on the validation of qualitative methods: From the univariate to the multivariate approach | |
| CN117591978A (zh) | 一种环境污染检测方法、系统、设备及存储介质 | |
| CN117195135B (zh) | 一种水污染异常溯源检测方法及系统 | |
| CN117491586B (zh) | 一种水质检测方法及系统 | |
| van Rossum et al. | A method for optimization and validation of moving average as continuous analytical quality control instrument demonstrated for creatinine | |
| CN116187861A (zh) | 基于同位素的水质溯源监测方法及相关装置 | |
| CN117990628B (zh) | 一种基于IoT的智能化水质监测方法及系统 | |
| CN112162017A (zh) | 一种水污染超标监测方法、装置、系统 | |
| CN117368434A (zh) | 一种基于大数据的水质监测系统 | |
| CN118067204B (zh) | 一种基于数字计量技术的安全生产数据采集系统 | |
| CN113240006A (zh) | 废水排放的监测方法、装置、电子设备及存储介质 | |
| CN116973348B (zh) | 一种紫外光度法cod在线的水质分析方法及其系统 | |
| CN103743878A (zh) | 水质监测数据处理方法及装置 | |
| CN111047160B (zh) | 污染原因分析方法、装置、可读存储介质及电子设备 | |
| CN116699093A (zh) | 一种地下水质检测方法、系统及可读存储介质 | |
| CN112630202A (zh) | 一种城市排水系统的雨天溢流污水来源的识别方法 | |
| CN116823067A (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
| CN116089771A (zh) | 一种颗粒物来源分析方法、装置、终端及存储介质 | |
| CN114813614A (zh) | 一种傅里叶红外气体分析方法和系统 | |
| CN113610344A (zh) | 一种污染预警方法、装置、电子设备及存储介质 | |
| CN118191253B (zh) | 一种地下污染物监测方法和系统 | |
| CN111007220A (zh) | 一种生猪养殖污水水质敏捷监测的方法 | |
| CN110658316A (zh) | 一种水质在线监测方法及系统 | |
| WO2021066797A1 (en) | Water-in-oil monitoring apparatus and related methods |
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 |