CN117787573A - 一种盐碱地治理预警方法、设备及介质 - Google Patents
一种盐碱地治理预警方法、设备及介质 Download PDFInfo
- Publication number
- CN117787573A CN117787573A CN202410211049.5A CN202410211049A CN117787573A CN 117787573 A CN117787573 A CN 117787573A CN 202410211049 A CN202410211049 A CN 202410211049A CN 117787573 A CN117787573 A CN 117787573A
- Authority
- CN
- China
- Prior art keywords
- treatment
- saline
- alkali soil
- monitoring
- land block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011282 treatment Methods 0.000 title claims abstract description 310
- 239000002689 soil Substances 0.000 title claims abstract description 248
- 239000003513 alkali Substances 0.000 title claims abstract description 238
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 claims abstract description 172
- 230000008859 change Effects 0.000 claims abstract description 87
- 238000011221 initial treatment Methods 0.000 claims abstract description 63
- 238000012806 monitoring device Methods 0.000 claims abstract description 34
- 238000005192 partition Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000005067 remediation Methods 0.000 claims 3
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 6
- 239000011780 sodium chloride Substances 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Processing Of Solid Wastes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种盐碱地治理预警方法、设备及介质，属于数据预测分析技术领域。该方法能够根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定监测分区地块；基于各盐碱地监测设备的第一治理监测数据及用户终端的第二治理监测数据、初始监测模型，确定初始治理程度值，以将各监测分区地块划分至多个分区地块集合。根据初始治理程度值及第三治理监测数据，确定同一分区地块集合对应的盐碱地治理程度变化值；将各分区地块集合分别对应的盐碱地治理程度变化值输入治理变化差异计算模型，确定治理变化差异序列；基于各治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据待治理预警地块生成预警信息，并发送至相应用户终端。
Description
技术领域
本申请涉及数据预测分析技术领域，尤其涉及一种盐碱地治理预警方法、设备及介质。
背景技术
盐碱土（盐碱地）是盐土和碱土的总称。盐土主要指含氯化物或硫酸盐较高的盐渍化土壤，土壤呈碱性，但pH值不一定很高。碱土是指含碳酸盐或重磷酸盐的土壤，pH值较高，土壤呈碱性，盐碱土的有机质含量少，土壤肥力低，理化性状差，对作物有害的阴、阳离子多，作物不易促苗。
盐碱地分布面积较广，若能够进行开发为耕地，可提高粮食产量，提高土地资源利用率，推动农业发展。目前，盐碱地治理通常由人工考察选定位置，在选定盐碱地实施治理方案，例如在盐碱地地下布设暗管进行排盐。
在盐碱地治理过程中，需要工作人员频繁前往盐碱地治理现场采集数据并检测治理成果，耗费人力且可能存在人为地数据遗漏，使得治理方案调整不及时；并在连续地时间周期变化下，盐碱地治理情况不能及时地根据治理程度对盐碱地治理进行优化，治理效果不佳。
发明内容
本申请实施例提供了一种盐碱地治理预警方法、设备及介质，用于解决现有的盐碱地治理过程过于耗费人力、物力资源，治理方案优化不及时，治理效果不佳的技术问题。
一方面，本申请实施例提供了一种盐碱地治理预警方法，所述方法应用于对布设有地下暗管的盐碱地进行治理监控的治理预警系统；所述方法包括：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块；
基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值，以根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合；所述初始治理程度值用于表征所述监测分区地块的盐碱地严重程度；
获取预设时间段内各所述盐碱地监测设备采集的第三治理监测数据；
根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值；
将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列；
基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端。
在本申请的一种实现方式中，根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块，具体包括：
在所述待治理盐碱地地图中，以所述初始布设位置为中心，建立分别围绕各所述盐碱地监测设备的分区窗口；
按照预设步长，同步调整各所述盐碱地监测设备的所述分区窗口的面积，直至各所述分区窗口覆盖所述待治理盐碱地地图中的盐碱地，确定调整后的各所述分区窗口对应的盐碱地地块为所述监测分区地块。
在本申请的一种实现方式中，基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值之前，所述方法还包括：
获取若干盐碱地治理记录样本；所述盐碱地治理记录样本至少包括不同盐碱地严重程度对应的第一治理监测数据及第二治理监测数据；所述第一治理监测数据至少包括地下暗管水流量、地下暗管水电导率、地下水位高度；第二治理监测数据至少包括土壤水电导率；
当接收到用户对各所述盐碱地治理记录样本的治理程度值标记操作完成指令之后，将各所述盐碱地治理记录样本输入待训练贝叶斯网络进行模型训练，直至基于预定数量的多个似然函数值得到的变化率小于预设值，得到训练完成的贝叶斯网络，并将训练完成的所述贝叶斯网络作为所述初始监测模型。
在本申请的一种实现方式中，根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合，具体包括：
将各所述初始治理程度值与预设严重等级划分区间匹配；
根据匹配结果，确定各所述初始治理程度值分别对应的严重等级；
将同一所述严重等级的各所述监测分区地块划分至同一所述分区地块集合中，以得到多个分区地块集合。
在本申请的一种实现方式中，根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值，具体包括：
根据所述初始治理程度值，匹配历史治理记录中的盐碱地治理曲线；其中，所述盐碱地治理曲线的横坐标为来自所述盐碱地监测设备的治理监测数据，纵坐标为治理程度值；
根据所述盐碱地治理曲线，定位所述第三治理监测数据所在横坐标对应的治理程度值，并将定位得到的所述治理程度值作为所述盐碱地治理程度变化值。
在本申请的一种实现方式中，将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列，具体包括：
按照所述分区地块集合，将各所述盐碱地治理程度变化值输入所述治理变化差异计算模型；
确定各所述盐碱地治理程度变化值分别对应的所述初始治理程度值；
根据各所述盐碱地治理程度变化值、各所述初始治理程度值，通过所述治理变化差异计算模型中的差异计算公式，计算各所述分区地块集合两两之间的治理变化差异值，以生成同一所述分区地块集合与其他各所述分区地块集合的所述治理变化差异序列。
在本申请的一种实现方式中，所述差异计算公式如下：
其中，表示第/>个分区地块集合与第/>个分区地块集合之间的所述治理变化差异值；/>为自身治理程度变化权重；/>为第/>个分区地块集合的所述盐碱地治理程度变化值；/>为第/>个分区地块集合的所述初始治理程度值；/>为第一归一化权重；/>为外部治理程度变化权重；/>；/>为第/>个分区地块集合的所述盐碱地治理程度变化值；为第二归一化权重。
在本申请的一种实现方式中，基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端，具体包括：
根据各所述治理变化差异序列中的治理变化差异值，生成各所述治理变化差异序列对应的比对向量；
按照所述分区地块集合，计算各所述比对向量两两之间的欧氏距离，以将所述欧氏距离作为所述差异度；
在所述差异度大于预设阈值的情况下，确定存在所述待治理预警地块，并将相应的所述分区地块集合添加至所述预警信息，发送至所述用户终端。
另一方面，本申请实施例还提供了一种盐碱地治理预警设备，所述设备包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块；
基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值，以根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合；所述初始治理程度值用于表征所述监测分区地块的盐碱地严重程度；
获取预设时间段内各所述盐碱地监测设备采集的第三治理监测数据；
根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值；
将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列；
基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端。
再一方面，本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块；
基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值，以根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合；所述初始治理程度值用于表征所述监测分区地块的盐碱地严重程度；
获取预设时间段内各所述盐碱地监测设备采集的第三治理监测数据；
根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值；
将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列；
基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端。
本申请通过上述方案，可以根据第一治理监测数据集第二治理监测数据对盐碱地监测分区地块进行划分分区地块集合，从而更精细、更有层次地进行盐碱地治理预测；通过获取的第三治理监测数据对盐碱地治理程度进行连续时间周期的治理程度变化的差异预测，有效地获知治理效果不佳的盐碱地地块，有助于对盐碱地治理效果进行深层次研究，并帮助用户及时调整优化治理方案。通过上述方案的预测分析，可以一定程度上减少人力避免数据遗漏，从而解决了现有的盐碱地治理过程过于耗费人力、物力资源，治理方案优化不及时，治理效果不佳的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种盐碱地治理预警方法的一种流程示意图；
图2为本申请实施例中一种盐碱地治理预警设备的结构示意图。
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，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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做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。
本申请实施例提供了一种盐碱地治理预警方法、设备及介质，用来解决现有的盐碱地治理过程过于耗费人力、物力资源，治理方案优化不及时，治理效果不佳的技术问题。
以下结合附图，详细说明本申请的各个实施例。
本申请实施例提供了一种盐碱地治理预警方法，该方法应用于对布设有地下暗管的盐碱地进行治理监控的治理预警系统。治理预警系统可以包括布设于盐碱地现场的相关盐碱地监测设备，还可以包括用户设定的监测设备，治理预警系统还可以包括运行盐碱地治理预警方法的执行主体如服务器或服务器集群或数据中心等，本申请对此不作具体限定。上述盐碱地监测设备包括但不限于水流量监测设备、电导率监测设备、水位监测设备。盐碱地治理预警方法包括：
如图1所示，该方法可以包括步骤S101-S106：
S101，服务器根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各盐碱地监测设备分别对应的监测分区地块。
需要说明的是，服务器作为盐碱地治理预警方法的执行主体，仅为示例性存在，执行主体不仅限于服务器，本申请对此不作具体限定。
本申请盐碱地是布设有地下暗管的盐碱地，在布设地下暗管之后，用户可以在盐碱地固定区域设置盐碱地监测设备，并将初始布设位置、待治理盐碱地地图发送或记录在服务器，或者将初始布设位置、待治理盐碱地地图存储在一存储介质中，服务器可以存储介质中读取初始布设位置及布设地下暗管的待治理盐碱地地图。
上述根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各盐碱地监测设备分别对应的监测分区地块，具体包括：
服务器在待治理盐碱地地图中，以初始布设位置为中心，建立分别围绕各盐碱地监测设备的分区窗口。按照预设步长，同步调整各盐碱地监测设备的分区窗口的面积，直至各分区窗口覆盖待治理盐碱地地图中的盐碱地，确定调整后的各分区窗口对应的盐碱地地块为监测分区地块。
也就是说，服务器可以以预先设定的步长，调整覆盖了初始布设位置的分区窗口的大小，以使一个分区窗口覆盖一个初始布设位置，从而将待治理盐碱地地图划分为多个地块。步长可以为长度，以分区窗口为正方形来说，起初分区窗口边长为2，步长可以是0.5，在各个分区窗口没有覆盖整个待治理盐碱地地图时，服务器将同步调整各分区窗口边长为2.5，再次检测各分区窗口是否覆盖了整个待治理盐碱地地图。此外，在分区窗口同步调整过程中，还需要保证两个分区窗口不能相交，只能保持相离或相切，若存在相交状态，需要发送提示信息给用户终端，以便用户手动调整此时两个分区窗口形状及大小。进一步地，若服务器不论如何同步调整分区窗口，总有无法覆盖的地方，需要发送提示信息给用户终端，以便用户手动调整分区窗口形状及大小。
在本申请实施例中，盐碱地监测设备可能存在不同的种类，服务器可以将预设距离范围内不同种类的多个盐碱地监测设备作为一组盐碱地监测设备组，得到对应的同一个监测分区地块。盐碱地监测设备组中的监测设备类型各不相同。例如水流量监测设备、导电率监测设备组成同一盐碱地监测设备组，在生成相应的监测分区地块时，只需要使用盐碱地监测设备组中一个类型的盐碱地监测设备的初始布设位置进行检测分区地块的确定即可。
上述将待治理盐碱地地图进行划分为监测分区地块，能够对盐碱地治理进行更为精细地分析预警操作，提高盐碱地治理预警精准度。
S102，服务器基于来自各盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各监测分区地块对应的初始治理程度值，以根据各初始治理程度值，将各监测分区地块划分至多个分区地块集合。
其中，上述初始治理程度值用于表征监测分区地块的盐碱地严重程度。
用户终端可以是用户指定的监测设备，也可以是用户的手机、电脑等设备，本申请对此不作具体限定。第二治理监测数据可以是用户在盐碱地现场取材后分析得到的如土壤水电导率。在实际使用过程中，第一治理监测数据与第二治理监测数据的采集时间要保持一致，第二治理监测数据的采集时间以用户现场取材时间为准。
在本申请实施例中，基于来自各盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各监测分区地块对应的初始治理程度值之前，方法还包括：
首先，获取若干盐碱地治理记录样本。盐碱地治理记录样本至少包括不同盐碱地严重程度对应的第一治理监测数据及第二治理监测数据。第一治理监测数据至少包括地下暗管水流量、地下暗管水电导率、地下水位高度。第二治理监测数据至少包括土壤水电导率。当接收到用户对各盐碱地治理记录样本的治理程度值标记操作完成指令之后，将各盐碱地治理记录样本输入待训练贝叶斯网络进行模型训练，直至基于预定数量的多个似然函数值得到的变化率小于预设值，得到训练完成的贝叶斯网络，并将训练完成的贝叶斯网络作为初始监测模型。
也就是说，服务器能够预先对预设初始监测模型进行训练，利用用户标记了治理程度值的历史采集到的盐碱地治理记录样本，对贝叶斯网络进行模型训练，并统计预定数量的多个似然函数值，在这多个似然函数值的变化率小于用户预先指定的预设值时，得到训练完成的贝叶斯网络。预定数量及预设值可以是用户根据实际使用进行设定的，本申请对此不作具体限定。训练完成的贝叶斯网络，即为初始监测模型。
利用贝叶斯网络可以将第一治理监测数据与第二治理监测数据进行融合，从而决策对应的治理程度值，将不确定的信息条件下进行知识学习和推理，可能保障得到的监测分区地块的初始治理程度值的准确性。
在本申请的一个实施例中，上述根据各初始治理程度值，将各监测分区地块划分至多个分区地块集合，具体包括：
首先，将各初始治理程度值与预设严重等级划分区间匹配。接着，根据匹配结果，确定各初始治理程度值分别对应的严重等级。随后，将同一严重等级的各监测分区地块划分至同一分区地块集合中，以得到多个分区地块集合。
换言之，服务器预先存储有预设严重等级划分区间，严重等级划分区间中不同严重等级对应有不同的初始治理程度值取值范围。服务器将初始治理程度值与预设严重等级划分区间进行匹配，得到初始治理程度值所在的取值范围，便可确定对应的严重等级。服务器将同一严重等级的监测分区地块划分到同一分区地块集合中。上述预设严重等级划分区间具体划分规则有用户进行设定，本申请对此不作具体限定。
上述实施例将多个监测分区地块进行划分分区地块集合操作，可以方便服务器后续对各监测分区地块进行整体与部分的数据分析预测，节省计算资源。同时更有层次地合并监测分区地块以供后续分析预测，能够提供给用户更有分析、指导意义地分区地块集合，便于用户对后续地盐碱地治理进行指导工作。
S103，服务器获取预设时间段内各盐碱地监测设备采集的第三治理监测数据。
第三治理监测数据是在以第一治理监测数据、第二治理监测数据得到分区地块集合后，盐碱地监测设备在预设时间段里采集的第三治理监测数据。预设时间段可以由用户进行指定，例如预设时间段为现场勘查计划的周期时间段，如24小时、48小时等。第三治理监测数据也可以是在预设时间段里，盐碱地监测设备实时采集发送至服务器，本申请对此不作具体限定。
S104，服务器根据初始治理程度值及第三治理监测数据，确定同一分区地块集合对应的盐碱地治理程度变化值。
在本申请实施例中，根据初始治理程度值及第三治理监测数据，确定同一分区地块集合对应的盐碱地治理程度变化值，具体包括：
服务器根据初始治理程度值，匹配历史治理记录中的盐碱地治理曲线。其中，盐碱地治理曲线的横坐标为来自盐碱地监测设备的治理监测数据，纵坐标为治理程度值。随后，根据盐碱地治理曲线，定位第三治理监测数据所在横坐标对应的治理程度值，并将定位得到的治理程度值作为盐碱地治理程度变化值。
也就是说，服务器预先存储了历史治理记录中的盐碱地治理曲线，历史治理记录可以是用户收集或通过互联网爬取的盐碱地治理记录，其中囊括了盐碱地治理过程中治理程度值随治理监测数据变化的盐碱地治理曲线。同时，每个盐碱地治理曲线都有一初始治理程度值，也就是横坐标为0时的纵坐标值。服务器可以通过初始治理程度值，匹配与其相对应的盐碱地治理曲线，匹配可以理解为盐碱地治理曲线的初始治理程度值与上述初始治理程度值相等或相近，相近可以理解为一个初始治理程度值在另一初始治理程度值添加偏差之后的区间内，如初始治理程度值A在初始治理程度值B添加了偏差a后的区间内，A属于[B-a，B+a]。偏差值可以由用户进行设定，本申请对此不作具体限定。通过盐碱地治理曲线，可以定位到第三治理监测数据所在的纵坐标值，从而得到盐碱地治理程度变化值，即在得到第三治理监测数据时，服务器预测得到相应的分区地块集合的盐碱地治理程度变化值。
S105，服务器将各分区地块集合分别对应的盐碱地治理程度变化值输入治理变化差异计算模型，确定各分区地块集合之间的治理变化差异序列。
在本申请实施例中，将各分区地块集合分别对应的盐碱地治理程度变化值输入治理变化差异计算模型，确定各分区地块集合之间的治理变化差异序列，具体包括：
首先，服务器按照分区地块集合，将各盐碱地治理程度变化值输入治理变化差异计算模型。接着，服务器确定各盐碱地治理程度变化值分别对应的初始治理程度值。随后，服务器根据各盐碱地治理程度变化值、各初始治理程度值，通过治理变化差异计算模型中的差异计算公式，计算各分区地块集合两两之间的治理变化差异值，以生成同一分区地块集合与其他各分区地块集合的治理变化差异序列。
换言之，治理变化差异计算模型在得到盐碱地治理程度变化值后，首先可以确定在预设时间段内与该盐碱地治理程度变化值对应的初始治理程度值，利用差异计算公式、初始治理程度值、盐碱地治理程度变化值，计算该盐碱地治理程度变化值与其他分区地块集合的盐碱地治理程度变化值的治理变化差异值，进而生成治理变化差异序列。
上述差异计算公式如下：
其中，表示第/>个分区地块集合与第/>个分区地块集合之间的治理变化差异值。/>为自身治理程度变化权重。/>为第/>个分区地块集合的盐碱地治理程度变化值。/>为第/>个分区地块集合的初始治理程度值。/>为第一归一化权重。/>为外部治理程度变化权重。/>为第/>个分区地块集合的盐碱地治理程度变化值。/>为第二归一化权重。
也就是说，服务器通过差异计算公式中自身治理程度变化权重、外部治理程度变化权重分别对自身治理程度变化及外部治理程度变化进行计算，得到相对于自身及外部的总的治理程度变化，也就得到了不同分区地块集合之间的治理程度变化，即治理变化差异值。的具体取值由用户根据实际使用进行设定，本申请对此不作具体限定。出于简化运算及数据查看方便的目的，/>、/>用于对盐碱地治理程度变化值进行归一化，具体取值由用户进行设定，本申请对此不作具体限定。
在上述得到一个分区地块集合相对于其他各分区地块集合的治理变化差异值之后，可以按照用户预先设定的如距离远近规则，或设定的分区地块集合顺序，依次添加各治理变化差异值至治理变化差异序列中。
S106，服务器基于各治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据待治理预警地块生成预警信息，并发送至相应用户终端。
在本申请实施例中，上述基于各治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据待治理预警地块生成预警信息，并发送至相应用户终端，具体包括：
服务器根据各治理变化差异序列中的治理变化差异值，生成各治理变化差异序列对应的比对向量。按照分区地块集合，计算各比对向量两两之间的欧氏距离，以将欧氏距离作为差异度。在差异度大于预设阈值的情况下，确定存在待治理预警地块，并将相应的分区地块集合添加至预警信息，发送至用户终端。
也就是说，服务器通过计算欧氏距离的方式进行计算各分区地块集合在治理过程中的治理变化差异的接近程度。预设阈值由用户进行设定，本申请对此不作具体限定。由于治理变化差异序列不能用于直接计算，需要先转换为比对向量，通过向量进行欧式距离的计算。一个比对向量可以理解为一个分区地块集合相对于自身及其他分区地块集合的治理变化。服务器通过计算各比对向量的欧式距离，将治理变化之间的差异进行量化得到差异度，并使用差异度与预设阈值的比较结果，得到哪些分区地块集合之间的差异度比较大，或者哪些分区地块集合与其他分区地块集合的差异度比较大。如果得到了差异度较大的两个分区地块集合，服务器将两个分区地块集合添加到预警信息之中用于提醒用户进行优化治理。从而避免外部因素及其他因素给盐碱地治理带来影响，及时让用户能够获知不佳的治理成果以便优化治理方案。
通过上述治理效果差异比对，可以筛选出治理效果接近、治理效果不接近的两批地块，供用户更好地进行盐碱地治理方案的出具及调整、优化，以对盐碱地进行更好地治理。
此外，在用户终端更新第二治理监测数据之后，服务器将再次进行更新分区地块集合，更好地进行盐碱地治理预测。
本申请通过上述方案，可以根据第一治理监测数据集第二治理监测数据对盐碱地监测分区地块进行划分分区地块集合，从而更精细、更有层次地进行盐碱地治理预测；通过获取的第三治理监测数据对盐碱地治理程度进行连续时间周期的治理程度变化的差异预测，有效地获知治理效果不佳的盐碱地地块，有助于对盐碱地治理效果进行深层次研究，并帮助用户及时调整优化治理方案。通过上述方案的预测分析，可以一定程度上减少人力避免数据遗漏，从而解决了现有的盐碱地治理过程过于耗费人力、物力资源，治理方案优化不及时，治理效果不佳的技术问题。
图2为本申请实施例提供的一种盐碱地治理预警设备的结构示意图，如图2所示，设备包括：
至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各盐碱地监测设备分别对应的监测分区地块。基于来自各盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各监测分区地块对应的初始治理程度值，以根据各初始治理程度值，将各监测分区地块划分至多个分区地块集合。初始治理程度值用于表征监测分区地块的盐碱地严重程度。获取预设时间段内各盐碱地监测设备采集的第三治理监测数据。根据初始治理程度值及第三治理监测数据，确定同一分区地块集合对应的盐碱地治理程度变化值。将各分区地块集合分别对应的盐碱地治理程度变化值输入治理变化差异计算模型，确定各分区地块集合之间的治理变化差异序列。基于各治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据待治理预警地块生成预警信息，并发送至相应用户终端。
本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各盐碱地监测设备分别对应的监测分区地块。基于来自各盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各监测分区地块对应的初始治理程度值，以根据各初始治理程度值，将各监测分区地块划分至多个分区地块集合。初始治理程度值用于表征监测分区地块的盐碱地严重程度。获取预设时间段内各盐碱地监测设备采集的第三治理监测数据。根据初始治理程度值及第三治理监测数据，确定同一分区地块集合对应的盐碱地治理程度变化值。将各分区地块集合分别对应的盐碱地治理程度变化值输入治理变化差异计算模型，确定各分区地块集合之间的治理变化差异序列。基于各治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据待治理预警地块生成预警信息，并发送至相应用户终端。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备及介质与方法是一一对应的，因此，设备及介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备及介质的有益技术效果。
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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述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)
1.一种盐碱地治理预警方法，其特征在于，所述方法应用于对布设有地下暗管的盐碱地进行治理监控的治理预警系统；所述方法包括：
根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块；
基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值，以根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合；所述初始治理程度值用于表征所述监测分区地块的盐碱地严重程度；
获取预设时间段内各所述盐碱地监测设备采集的第三治理监测数据；
根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值；
将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列；
基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端。
2.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，根据盐碱地监测设备的初始布设位置及待治理盐碱地地图，确定各所述盐碱地监测设备分别对应的监测分区地块，具体包括：
在所述待治理盐碱地地图中，以所述初始布设位置为中心，建立分别围绕各所述盐碱地监测设备的分区窗口；
按照预设步长，同步调整各所述盐碱地监测设备的所述分区窗口的面积，直至各所述分区窗口覆盖所述待治理盐碱地地图中的盐碱地，确定调整后的各所述分区窗口对应的盐碱地地块为所述监测分区地块。
3.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，基于来自各所述盐碱地监测设备的第一治理监测数据及来自用户终端的第二治理监测数据、预设初始监测模型，确定各所述监测分区地块对应的初始治理程度值之前，所述方法还包括：
获取若干盐碱地治理记录样本；所述盐碱地治理记录样本至少包括不同盐碱地严重程度对应的第一治理监测数据及第二治理监测数据；所述第一治理监测数据至少包括地下暗管水流量、地下暗管水电导率、地下水位高度；第二治理监测数据至少包括土壤水电导率；
当接收到用户对各所述盐碱地治理记录样本的治理程度值标记操作完成指令之后，将各所述盐碱地治理记录样本输入待训练贝叶斯网络进行模型训练，直至基于预定数量的多个似然函数值得到的变化率小于预设值，得到训练完成的贝叶斯网络，并将训练完成的所述贝叶斯网络作为所述初始监测模型。
4.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，根据各所述初始治理程度值，将各所述监测分区地块划分至多个分区地块集合，具体包括：
将各所述初始治理程度值与预设严重等级划分区间匹配；
根据匹配结果，确定各所述初始治理程度值分别对应的严重等级；
将同一所述严重等级的各所述监测分区地块划分至同一所述分区地块集合中，以得到多个分区地块集合。
5.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，根据所述初始治理程度值及所述第三治理监测数据，确定同一所述分区地块集合对应的盐碱地治理程度变化值，具体包括：
根据所述初始治理程度值，匹配历史治理记录中的盐碱地治理曲线；其中，所述盐碱地治理曲线的横坐标为来自所述盐碱地监测设备的治理监测数据，纵坐标为治理程度值；
根据所述盐碱地治理曲线，定位所述第三治理监测数据所在横坐标对应的治理程度值，并将定位得到的所述治理程度值作为所述盐碱地治理程度变化值。
6.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，将各所述分区地块集合分别对应的所述盐碱地治理程度变化值输入治理变化差异计算模型，确定各所述分区地块集合之间的治理变化差异序列，具体包括：
按照所述分区地块集合，将各所述盐碱地治理程度变化值输入所述治理变化差异计算模型；
确定各所述盐碱地治理程度变化值分别对应的所述初始治理程度值；
根据各所述盐碱地治理程度变化值、各所述初始治理程度值，通过所述治理变化差异计算模型中的差异计算公式，计算各所述分区地块集合两两之间的治理变化差异值，以生成同一所述分区地块集合与其他各所述分区地块集合的所述治理变化差异序列。
7.根据权利要求6所述的一种盐碱地治理预警方法，其特征在于，所述差异计算公式如下：
其中，表示第/>个分区地块集合与第/>个分区地块集合之间的所述治理变化差异值；为自身治理程度变化权重；/>为第/>个分区地块集合的所述盐碱地治理程度变化值；/>为第/>个分区地块集合的所述初始治理程度值；/>为第一归一化权重；/>为外部治理程度变化权重；/>；/>为第/>个分区地块集合的所述盐碱地治理程度变化值；/>为第二归一化权重。
8.根据权利要求1所述的一种盐碱地治理预警方法，其特征在于，基于各所述治理变化差异序列之间的差异度，确定是否存在待治理预警地块，以根据所述待治理预警地块生成预警信息，并发送至相应用户终端，具体包括：
根据各所述治理变化差异序列中的治理变化差异值，生成各所述治理变化差异序列对应的比对向量；
按照所述分区地块集合，计算各所述比对向量两两之间的欧氏距离，以将所述欧氏距离作为所述差异度；
在所述差异度大于预设阈值的情况下，确定存在所述待治理预警地块，并将相应的所述分区地块集合添加至所述预警信息，发送至所述用户终端。
9.一种盐碱地治理预警设备，其特征在于，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述权利要求1-8任一项所述的一种盐碱地治理预警方法。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令能够执行如上述权利要求1-8任一项所述的一种盐碱地治理预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410211049.5A CN117787573B (zh) | 2024-02-27 | 2024-02-27 | 一种盐碱地治理预警方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410211049.5A CN117787573B (zh) | 2024-02-27 | 2024-02-27 | 一种盐碱地治理预警方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117787573A true CN117787573A (zh) | 2024-03-29 |
| CN117787573B CN117787573B (zh) | 2024-05-28 |
Family
ID=90380147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410211049.5A Active CN117787573B (zh) | 2024-02-27 | 2024-02-27 | 一种盐碱地治理预警方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117787573B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4185238A (en) * | 1977-09-21 | 1980-01-22 | Schlumberger Technology Corporation | Apparatus and method for determination of subsurface permittivity and conductivity |
| GB0810726D0 (en) * | 2007-06-12 | 2008-07-16 | Boeing Co | systems and methods for monitoring of complex systems |
| WO2018044495A1 (en) * | 2016-09-02 | 2018-03-08 | Exxonmobil Upstream Research Company | Geochemical methods for monitoring and evaluating microbial enhanced recovery operations |
| CN112611442A (zh) * | 2020-11-26 | 2021-04-06 | 中国科学院合肥物质科学研究院 | 基于轨道伴行光缆的铁路桥梁健康监测方法和系统 |
| CN112924619A (zh) * | 2021-01-15 | 2021-06-08 | 深圳市环思科技有限公司 | 一种提取环境空气污染特征方法、系统、终端及存储介质 |
| CN114067535A (zh) * | 2022-01-18 | 2022-02-18 | 山东省国土空间生态修复中心 | 基于人工智能的地质灾害预警方法、装置及存储介质 |
| CN115115627A (zh) * | 2022-08-29 | 2022-09-27 | 山东省科霖检测有限公司 | 基于数据处理的土壤盐碱地监测方法 |
| CN115469079A (zh) * | 2022-08-29 | 2022-12-13 | 浙江华水工程技术咨询有限公司 | 一种水土流失动态监测方法及系统 |
| CN116563050A (zh) * | 2023-05-09 | 2023-08-08 | 云南大学 | 一种农田土壤重金属污染分析预警方法及预警系统 |
| CN116703181A (zh) * | 2023-07-31 | 2023-09-05 | 中国科学院东北地理与农业生态研究所 | 一种盐碱地的改良方法 |
| WO2023165007A1 (zh) * | 2022-03-03 | 2023-09-07 | 平安科技（深圳）有限公司 | 农作物长势的监测方法、系统、设备及介质 |
| US20230385366A1 (en) * | 2022-05-27 | 2023-11-30 | Satellite Application Center For Ecology Environment, Mee | Method for ecological disturbance risk identification and assessment based on automatic parameter adjusting optimization model |
| CN117313989A (zh) * | 2023-09-06 | 2023-12-29 | 中科鼎实环境工程有限公司 | 一种盐碱地改良策略匹配方法、系统、设备及存储介质 |
-
2024
- 2024-02-27 CN CN202410211049.5A patent/CN117787573B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4185238A (en) * | 1977-09-21 | 1980-01-22 | Schlumberger Technology Corporation | Apparatus and method for determination of subsurface permittivity and conductivity |
| GB0810726D0 (en) * | 2007-06-12 | 2008-07-16 | Boeing Co | systems and methods for monitoring of complex systems |
| WO2018044495A1 (en) * | 2016-09-02 | 2018-03-08 | Exxonmobil Upstream Research Company | Geochemical methods for monitoring and evaluating microbial enhanced recovery operations |
| CN112611442A (zh) * | 2020-11-26 | 2021-04-06 | 中国科学院合肥物质科学研究院 | 基于轨道伴行光缆的铁路桥梁健康监测方法和系统 |
| CN112924619A (zh) * | 2021-01-15 | 2021-06-08 | 深圳市环思科技有限公司 | 一种提取环境空气污染特征方法、系统、终端及存储介质 |
| CN114067535A (zh) * | 2022-01-18 | 2022-02-18 | 山东省国土空间生态修复中心 | 基于人工智能的地质灾害预警方法、装置及存储介质 |
| WO2023165007A1 (zh) * | 2022-03-03 | 2023-09-07 | 平安科技（深圳）有限公司 | 农作物长势的监测方法、系统、设备及介质 |
| US20230385366A1 (en) * | 2022-05-27 | 2023-11-30 | Satellite Application Center For Ecology Environment, Mee | Method for ecological disturbance risk identification and assessment based on automatic parameter adjusting optimization model |
| CN115115627A (zh) * | 2022-08-29 | 2022-09-27 | 山东省科霖检测有限公司 | 基于数据处理的土壤盐碱地监测方法 |
| CN115469079A (zh) * | 2022-08-29 | 2022-12-13 | 浙江华水工程技术咨询有限公司 | 一种水土流失动态监测方法及系统 |
| CN116563050A (zh) * | 2023-05-09 | 2023-08-08 | 云南大学 | 一种农田土壤重金属污染分析预警方法及预警系统 |
| CN116703181A (zh) * | 2023-07-31 | 2023-09-05 | 中国科学院东北地理与农业生态研究所 | 一种盐碱地的改良方法 |
| CN117313989A (zh) * | 2023-09-06 | 2023-12-29 | 中科鼎实环境工程有限公司 | 一种盐碱地改良策略匹配方法、系统、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| LI, J等: "Research on soil quality under traditional drainage and ecological water storage models of saline and alkaline land", 《 4TH INTERNATIONAL CONFERENCE ON AGRICULTURAL AND BIOLOGICAL SCIENCES》, vol. 185, 28 March 2019 (2019-03-28) * |
| 李庆国: "黄河三角洲盐碱地工程治理暗管布设系统优化", 《水电能源科学》, vol. 32, no. 02, 28 February 2014 (2014-02-28) * |
| 郭世乾;崔增团;傅亲民;: "甘肃省盐碱地现状及治理思路与建议", 中国农业资源与区划, no. 04, 20 August 2013 (2013-08-20) * |
| 陈飞;高佩玲;刘现伟;郎新珠;: "山东省土地治理现状及预测", 人民黄河, no. 04, 20 April 2011 (2011-04-20) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117787573B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bordbar et al. | Meta-heuristic algorithms in optimizing GALDIT framework: A comparative study for coastal aquifer vulnerability assessment | |
| CN110457420B (zh) | 兴趣点位置识别方法、装置、设备及存储介质 | |
| CN104280789A (zh) | 化学品泄漏源定位方法、定位装置、处理装置及系统 | |
| Gholami et al. | Comparison of self-organizing map, artificial neural network, and co-active neuro-fuzzy inference system methods in simulating groundwater quality: geospatial artificial intelligence | |
| Garcia et al. | A real time urban flood monitoring system for metro Manila | |
| Yan et al. | Pollution source intelligent location algorithm in water quality sensor networks | |
| Brubaker et al. | Regression models for estimating soil properties by landscape position | |
| Zhang et al. | Mineral prospectivity mapping with weights of evidence and fuzzy logic methods | |
| Ma et al. | A novel broad learning system based leakage detection and universal localization method for pipeline networks | |
| Arabameri et al. | K-fold and state-of-the-art metaheuristic machine learning approaches for groundwater potential modelling | |
| CN114184750A (zh) | 地下水污染物的监控方法、装置、设备及存储介质 | |
| Nadiri et al. | A study of subsidence hotspots by mapping vulnerability indices through innovatory ‘ALPRIFT’using artificial intelligence at two levels | |
| Liang et al. | Hybrid support vector machine optimization model for inversion of tunnel transient electromagnetic method | |
| Mazraeh et al. | A Hybrid Machine Learning Model for Modeling Nitrate Concentration in Water Sources | |
| CN117787573B (zh) | 一种盐碱地治理预警方法、设备及介质 | |
| CN104533406A (zh) | 确定油气成藏概率的方法 | |
| Stevenazzi et al. | Groundwater vulnerability assessment: from overlay methods to statistical methods in the Lombardy Plain area | |
| Jha et al. | Application of unknown groundwater pollution source release history estimation methodology to distributed sources incorporating surface-groundwater interactions | |
| Salahat et al. | Identifying major factors controlling groundwater quality in semiarid area using advanced statistical techniques | |
| Xu et al. | RETRACTED ARTICLE: Source discrimination of mine water inrush based on Elman neural network globally optimized by genetic algorithm | |
| CN112199454B (zh) | 一种基于有向图的管控车辆拦截点设置方法及装置 | |
| KR102500534B1 (ko) | 순환신경망 기반 수자원 정보 생성 장치 및 방법 | |
| CN116500697A (zh) | 一种水文地质勘察方法 | |
| CN116090696A (zh) | 适用于山区铁路沿线的滑坡地质灾害风险分类预测方法 | |
| Zhang et al. | Genetic algorithm in multimedia dynamic prediction of groundwater in open-pit mine |
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 |