CN117933572B - 一种水质预测方法及相关装置 - Google Patents
一种水质预测方法及相关装置 Download PDFInfo
- Publication number
- CN117933572B CN117933572B CN202410319210.0A CN202410319210A CN117933572B CN 117933572 B CN117933572 B CN 117933572B CN 202410319210 A CN202410319210 A CN 202410319210A CN 117933572 B CN117933572 B CN 117933572B
- Authority
- CN
- China
- Prior art keywords
- water quality
- area
- information
- target
- model
- 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 669
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 92
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 239000010865 sewage Substances 0.000 claims description 98
- 230000008859 change Effects 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 239000003513 alkali Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical class N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical class [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000002184 metal Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- -1 pH value Chemical class 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Abstract
本发明公开了一种水质预测方法及相关装置,涉及水质预测技术领域。所述水质预测方法包括:获取目标水域和目标水域上游的地理信息,并实时监测目标水域和目标水域上游的水质信息和水文信息。本发明在水文水质模型的基础上,建立水质气候影响模型和水质人为影响模型,上述两个模型分别用于预测外界环境对目标水域的影响,通过这两个模型,分别获得目标水域水质的气候影响预测信息和人为影响预测信息,将这些预测信息进行结合,就能够获得目标水域水质的综合预测结果,然后通过预警模块对预测结果进行分析,判断综合预测结果是否超出预警范围,以便人工能够针对预测结果采取相应的对策,从而实现对目标水域中生态环境的保护。
Description
技术领域
本发明涉及水质预测技术领域,具体为一种水质预测方法及相关装置。
背景技术
水质预测是一种通过收集和分析水体中的数据来预测水质状况的方法,它可以帮助监测水体的健康状况,及时发现潜在的污染问题,并采取必要的措施来保护水资源,进而保护水体中的生态环境。
水体暴露在外界环境中,其水质往往会受到外界环境的影响而发生改变,这些影响因素包括气象条件、降雨量、地形地貌、水流速度等,这些因素对水体的影响具有不确定性,很难预测其变化趋势和强度,因此,仅仅通过收集和分析水体中的数据来预测水质的方法存在较大局限性,其次,人为因素也是影响水质的一个重要因素,比如经过处理后且取得排放标准的生活污水和工业污水,上述污水在排放时,其排放时间和排放量的不确定性,这些人为因素的不确定性较高,预测水质状况时很难准确考虑这些因素的影响,为此发明了一种水质预测方法及相关装置。
发明内容
本发明的目的在于提供一种水质预测方法及相关装置,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种水质预测方法,所述水质预测方法包括:
获取目标水域和目标水域上游的地理信息,并实时监测目标水域和目标水域上游的水质信息和水文信息;
获取目标水域和目标水域上游的流域范围内的气候信息和流域范围内的环境信息;
获取目标水域和目标水域上游的人为水质因素影响信息,所述人为水质因素影响信息包括生活污水影响参数和工业污水影响参数;
获取目标水域和目标水域上游的历史水质信息和历史水文信息;
根据目标水域和目标水域上游的地理信息、历史水文信息、实时的水文信息、历史水质信息和实时的水质信息建立目标水域和目标水域上游的水文水质模型;
以水文水质模型为基础,根据目标水域和目标水域上游的流域范围内气候信息和流域范围内环境信息建立水质气候影响模型,根据目标水域和目标水域上游的人为水质因素影响信息建立水质人为影响模型;
根据水文水质模型、水质气候影响模型、水质人为影响模型以及目标水域和目标水域上游的实时水质信息预测目标区域内的水质信息,并实现水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果;
目标水域的水质信息和预测目标区域的水质信息进行对比分析,目标水域上游的水质信息和预测目标水域上游的水质信息进行对比分析,根据对比分析结果分别对水文水质模型、水质气候影响模型和水质人为影响模型进行数据矫正;
建立预警模块,所述预警模块用于在目标区域内的预测水质信息超出预警范围时发出预警,目标水域的综合预测水质信息和实际水质信息通过可视化方式展示;
所述水质人为影响模型的预测方法包括:
第一步,依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域;
第二步,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的一号区域数量;
第三步,基于当前的一号区域中的生活污水影响参数、工业污水影响参数和水质参数,并结合当前一号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第四步,下游且相邻的一号区域基于预测的影响结果,结合自身区域生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测对下游且相邻的一号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第五步,目标区域通过自身区域中生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质人为影响模型对目标区域的预测结果;
第一步,根据流域范围内的环境信息将目标区域上游划分成至少一个二号区域;
第二步,通过流域范围内的气候信息和水文水质模型对流域二号区域内的水文信息和水质信息进行预测;
第三步,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的二号区域数量;
第四步,基于当前的二号区域中的流域范围内的气候信息和流域范围内的环境信息,并结合当前的二号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第五步,下游且相邻的二号区域基于预测的影响结果,结合自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测对下游且相邻的二号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第六步,目标水域通过自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质气候影响模型对目标区域的预测结果;
水质人为影响模型和水质气候影响模型进行结合,在水质人为影响模型和水质气候影响模型两个模型中选择其中一个模型,将该模型中所预测目标区域的影响结果和水文水质模型所预测目标区域的影响结果进行相减,另一个模型的影响结果不变,将相减后的影响结果和另一个模型的影响结果进行相加,获得综合预测结果。
更进一步地,所述水文水质模型的预测方法基于目标水域和目标水域上游的历史水文数据和历史水质数据结合地理信息,分析出目标水域和目标水域上游水文变化和水质变化的趋势,根据趋势对目标水域的水表水域的水文信息和水质信息进行预测。
更进一步地,所述预警范围采用保证目标水域内生态稳定的水质参数范围,所述可视化展示方式将目标水域的综合预测结果、实际水域水池的监测信息、水文水质模型、水质气候影响模型和水质人为影响模型所预测水质信息经过时间对齐后通过曲线图和数据表格表示,并显示在显示屏上;
水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果,其中在经过时间对齐后,综合预测结果等于水质气候影响模型的预测信息加上水质人为影响模型再减去水文水质模型的预测信息。
更进一步地,所述数据矫正的方法包括:
第一步,获得目标水域的综合预测结果,所述综合预测结果表示目标水域中水质的预测变化信息;
第二步,获得目标水域中水质的实际变化信息,实现水质的预测变化信息和水质的实际变化信息的时间对齐,通过计算机画出水质的预测变化信息和水质的实际变化信息,获得水质中成分的预测变化曲线和实际变化曲线,通过计算两曲线拟合度的方式计算出预测变化曲线和实际变化曲线之间的拟合度,预测数据成分值和实际数据的成分值之间差值超过实际数据成分值的20%或30%的点视为差异点,其他的点位视为相同点;
第三步,根据水质的预测变化信息和水质的实际变化信息之间的差异点和相同点,判断出导致出现差异点的模型;
第四步,对导致出现差异点的模型中参数进行修正,使得修正后的模型再次进行预测,并将再次预测结果绘制成曲线,将再次预测结果曲线和实际结果曲线对比,并计算再次预测结果曲线和实际结果曲线的拟合度,在拟合度大于0.8时,无需修正,在小于或等于0.8时,则继续进行优化。
更进一步地,判断导致出现差异点的模型的方法包括一号区域和二号区域中均设置有用于实时对一号区域和二号区域监测的监测站点,对目标区域的水质信息的预测,对沿途的一号区域和二号区域均产生预测结果,并根据监测站点的重叠的位置,实现一号区域的预测结果和二号区域的预测结果的结合,将结合后的数据和监测站点实际监测数据进行对比,同时绘制出监测站点处水文水质模型预测的水质信息、水质气候影响模型预测的水质信息和水质人为影响模型预测的水质信息,分析不同模型预测水质信息和实际水质信息之间差异点的累积过程,判断是否对水文水质模型、水质气候影响模型和水质人为影响模型其中一个或多个进行参数修正。
更进一步地,依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域,根据生活污水中的成分、生活污水的排污数据、生活污水的总排污量、工业污水的成分、工业污水的排污数据和工业污水的总排污量将目标区域上游划分成至少一个不同的一号区域。
一种水质预测的相关装置,采用了上述的一种水质预测方法,包括监测站点和预警中心,所述监测站点上安装有一号无线信号交流器,所述监测站点上安装有定位器,所述预警中心上安装有和一号无线信号交流器进行交流的二号无线信号交流器,所述二号无线信号交流器连接有计算机。
与现有技术相比,本发明的有益效果是:
该水质预测方法及相关装置,在水文水质模型的基础上,建立水质气候影响模型和水质人为影响模型,上述两个模型分别用于预测外界环境对目标水域的影响,通过这两个模型,分别获得目标水域水质的气候影响预测信息和人为影响预测信息,将这些预测信息进行结合,就能够获得目标水域水质的综合预测结果,然后通过预警模块对预测结果进行分析,判断综合预测结果是否超出预警范围,以便人工能够针对预测结果采取相应的对策,从而实现对目标水域中生态环境的保护。
同时,水质气候影响模型将目标区域上游划分为至少一个一号区域,水质人为影响模型将目标区域上游划分为至少一个二号区域,两者模型分开独立运算,从而避免外界因素之间的相互干扰,这种分开计算的方式有助于减少单个模型的计算量,通过将各个模型的预测影响结果结合起来,可以获得对目标水域水质的预测,同时,通过将多个模型的影响结果与实际目标水域水质信息依次进行比较,可以分析它们之间的差异值,从而快速找出参数偏差过大的模型,能够快速进行单个或多个模型的优化,并在后续的使用中得到更准确的结果。
在寻找参数偏差过大的模型中,目标水域和目标水域上游均设计有监测站点,同时水文水质模型、水质气候影响模型和水质人为影响模型会对沿途的监测站点处的水质进行预测,分别通过不同模型预测水质信息和实际水质信息进行对比,获得目标水域上游中监测站点的差异值,沿水流方向,得出目标水域上游中各个监测站点的先后顺序,分析出目标水域综合预测结果和实际水质信息的差异点的累积过程,基于累积过程分析并判断对水文水质模型、水质气候影响模型和水质人为影响模型其中一个或多个进行参数修正,从而提高各个模型的优化效率。
附图说明
图1为本发明的水质预测方法图;
图2为本发明水质人为影响模型的预测方法图;
图3为本发明水质气候影响模型的预测方法图;
图4为本发明数据矫正的方法图;
图5为本发明参与水质人为影响模型的一号区域数量和预测时间长短的对比图;
图6为本发明参与水质气候影响模型的二号区域数量和预测时间长短的对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
其中的生活污水和工业污水是指经过处理后取得排放资格后的处理水,处理水虽能排放,但其中的水质和水域中的水质会存在明显的不同,因此处理水的排放也会导致水域中的水质参数发生改变。
如图1-图6所示,本发明提供一种技术方案:一种水质预测方法,水质预测方法包括:
获取目标水域和目标水域上游的地理信息,并实时监测目标水域和目标水域上游的水质信息和水文信息;
获取目标水域和目标水域上游的流域范围内的气候信息和流域范围内的环境信息;
获取目标水域和目标水域上游的人为水质因素影响信息,人为水质因素影响信息包括生活污水影响参数和工业污水影响参数;
获取目标水域和目标水域上游的历史水质信息和历史水文信息;
根据目标水域和目标水域上游的地理信息、历史水文信息、实时的水文信息、历史水质信息和实时的水质信息建立目标水域和目标水域上游的水文水质模型;
以水文水质模型为基础,根据目标水域和目标水域上游的流域范围内气候信息和流域范围内环境信息建立水质气候影响模型,根据目标水域和目标水域上游的人为水质因素影响信息建立水质人为影响模型;
根据水文水质模型、水质气候影响模型、水质人为影响模型以及目标水域和目标水域上游的实时水质信息预测目标区域内的水质信息,并实现水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果;
目标水域的水质信息和预测目标区域的水质信息进行对比分析,目标水域上游的水质信息和预测目标水域上游的水质信息进行对比分析,根据对比分析结果分别对水文水质模型、水质气候影响模型和水质人为影响模型进行数据矫正;
建立预警模块,预警模块用于在目标区域内的预测水质信息超出预警范围时发出预警,目标水域的综合预测水质信息和实际水质信息通过可视化方式展示;
水质人为影响模型的预测方法包括:
第一步,依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域;
第二步,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的一号区域数量;
第三步,基于当前的一号区域中的生活污水影响参数、工业污水影响参数和水质参数,并结合当前一号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第四步,下游且相邻的一号区域基于预测的影响结果,结合自身区域生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测对下游且相邻的一号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第五步,目标区域通过自身区域中生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质人为影响模型对目标区域的预测结果;
水质气候影响模型的预测方法包括;
第一步,根据流域范围内的环境信息将目标区域上游划分成至少一个二号区域;
第二步,通过流域范围内的气候信息和水文水质模型对流域二号区域内的水文信息和水质信息进行预测;
第三步,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的二号区域数量;
第四步,基于当前的二号区域中的流域范围内的气候信息和流域范围内的环境信息,并结合当前的二号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第五步,下游且相邻的二号区域基于预测的影响结果,结合自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测对下游且相邻的二号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第六步,目标水域通过自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质气候影响模型对目标区域的预测结果;
水质人为影响模型和水质气候影响模型进行结合,在水质人为影响模型和水质气候影响模型两个模型中选择其中一个模型,将该模型中所预测目标区域的影响结果和水文水质模型所预测目标区域的影响结果进行相减,另一个模型的影响结果不变,将相减后的影响结果和另一个模型的影响结果进行相加,获得综合预测结果。
水文水质模型的预测方法基于目标水域和目标水域上游的历史水文数据和历史水质数据结合地理信息,分析出目标水域和目标水域上游水文变化和水质变化的趋势,根据趋势对目标水域的水表水域的水文信息和水质信息进行预测。
预警范围采用保证目标水域内生态稳定的水质参数范围,可视化展示方式将目标水域的综合预测结果、实际水域水池的监测信息、水文水质模型、水质气候影响模型和水质人为影响模型所预测水质信息经过时间对齐后通过曲线图和数据表格表示,并显示在显示屏上;
水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果,其中在经过时间对齐后,综合预测结果等于水质气候影响模型的预测信息加上水质人为影响模型再减去水文水质模型的预测信息。
数据矫正的方法包括:
第一步,获得目标水域的综合预测结果,综合预测结果表示目标水域中水质的预测变化信息;
第二步,获得目标水域中水质的实际变化信息,实现水质的预测变化信息和水质的实际变化信息的时间对齐,通过计算机画出水质的预测变化信息和水质的实际变化信息,获得水质中成分的预测变化曲线和实际变化曲线,通过计算两曲线拟合度的方式计算出预测变化曲线和实际变化曲线之间的拟合度,预测数据成分值和实际数据的成分值之间差值超过实际数据成分值的20%或30%的点视为差异点,其他的点位视为相同点,曲线可视为由点组合的,在同一时间点下,预测数据成分值和实际数据的成分值之间差值超过实际数据成分值的20%或30%,具体数值根据实际情况会有所不同,便可视为差异过大的位置,同时该点也作为差异点;
第三步,根据水质的预测变化信息和水质的实际变化信息之间的差异点和相同点,判断出导致出现差异点的模型;
第四步,对导致出现差异点的模型中参数进行修正,使得修正后的模型再次进行预测,并将再次预测结果绘制成曲线,将再次预测结果曲线和实际结果曲线对比,并计算再次预测结果曲线和实际结果曲线的拟合度,在拟合度大于0.8时,无需修正,在小于或等于0.8时,则继续进行优化。
判断出导致出现差异点的模型的方法包括一号区域和二号区域中均设置有用于实时对一号区域和二号区域监测的监测站点,对目标区域的水质信息的预测,对沿途的一号区域和二号区域均产生预测结果,并根据监测站点的重叠的位置,实现一号区域的预测结果和二号区域的预测结果的结合,将结合后的数据和监测站点实际监测数据进行对比,同时绘制出监测站点处水文水质模型预测的水质信息、水质气候影响模型预测的水质信息和水质人为影响模型预测的水质信息,分析不同模型预测水质信息和实际水质信息之间差异点的累积过程,判断是否对水文水质模型、水质气候影响模型和水质人为影响模型其中一个或多个进行参数修正。
依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域,根据生活污水中的成分、生活污水的排污数据、生活污水的总排污量、工业污水的成分、工业污水的排污数据和工业污水的总排污量将目标区域上游划分成至少一个不同的一号区域。
一种水质预测的相关装置,采用了上述的一种水质预测方法,包括监测站点和预警中心,监测站点上安装有一号无线信号交流器,监测站点上安装有定位器,预警中心上安装有和一号无线信号交流器进行交流的二号无线信号交流器,二号无线信号交流器连接有计算机。
计算机内部设置有水文水质模型、水质气候影响模型和水质人为影响模型,通过二号无线信号交流器和一号无线信号交流器获得监测站点所监测的实时水文信息和水质信息。
在目标水域和目标水域上游分别设置有至少一个监测站点,监测站点可以实时监测周围水文信息和水质信息,基于目标水域的监测站点,实现对目标水域水质的监测,其中预测水质,针对预测监测站点所收集的水质信息,基于预测监测站点所收集的水质信息,实现对目标水域水质的整体预测。
水文水质模型的用于在无外界干扰的情况下,预测目标区域水质的变化,因此水文水质模型的建立作为水质人为影响模型和水质气候影响模型处理和结合的基础去使用,其中水文数据包括水流速和水流量等,水质参数包括温度、溶解氧、pH值、氨氮、金属盐类和污染物等,水质参数直接或间接地影响水体中的生物群落、生态平衡和生态系统的稳定性,水文水质模型的建立是通过收集和分析水体中的数据来预测水质状况,因此将其作为其他模型的基础,其中在经过时间对齐后,综合预测结果等于水质气候影响模型的预测信息加上水质人为影响模型再减去水文水质模型的预测信息,由于水质人为影响模型和水质气候影响模型均是在水文水质模型的基础上去进行运算,因此在结合得出综合预测结果时,需要减去一份水文水质模型所预测的信息。
生活污水和工业污水的排放会对目标区域上游中的水质产生影响,但由于并非目标区域上游的每段均会存在排放生活污水和工业污水的情况,同时生活污水和工业污水排放量的不同也会造成,对目标区域上游水质成分的变化造成差异性,因此基于生活污水的排放位置和排放量、工业污水的排放位置和排放量,将目标区域上游划分成至少一个一号区域,具体数量的情况根据生活污水的排放位置和排放量、工业污水的排放位置和排放量而作出决定,根据生活污水和工业污水对水质的影响程度、排放量以及主要污染物种类进行综合评估,其次,根据区域内生活污水和工业污水源的数量、性质和分布情况进行考量,进而获得划分数量,相邻的一号区域之间其排放情况和对水质的影响情况存在不同,其中生活污水包括有机物、氮磷等营养元素盐类、重金属和有机化合物等等,工业污水包括有机物、重金属、酸碱度、盐类和无机物甚至具有石油类物质等等,依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域,目标上游区域会存在排放生活污水和工业污水的情况,根据生活污水中的成分、生活污水的排污数据、生活污水的总排污量、工业污水的成分、工业污水的排污数据和工业污水的总排污量将目标区域上游划分成至少一个不同的一号区域,对目标上游区域进行划分,之后使得水质人为影响模型按照划分后的一号区域并结合一号区域中的监测站点依次进行模型的运算,获得预测结果,通过分段将连接的水域进行分段计算,有助于提高模型的运算速度。
根据土壤质量、流域范围植被覆盖率、土地的使用情况和土地的盐碱情况多方面的环境指标进行综合评估,基于评估结果,将目标区域上游划分成至少一个二号区域,具体数量的多大取决对目标上游作何评估的结果,同理,根据流域范围内的环境信息将目标区域上游划分成至少一个二号区域,同样有助于提高水质气候影响模型的运算速度,流域范围内的环境信息包括流域范围植被覆盖率、土地的使用情况和土地的盐碱情况等,流域范围内的气候信息包括降雨量和水蒸气蒸发量,流域范围内的环境信息和流域范围内的气候信息相结合,从而会对二号区域中水体水质产生影响,比如水土流失导致水体中颗粒物增多或者经过盐碱地的水分进入到二号区域的水体中导致水体盐碱成分上升等等,水质气候影响模型通过流域范围内的环境信息和流域范围内的气候信息相结合,实现对二号区域内水体水质的预测。
在水文水质模型的基础上,建立水质气候影响模型和水质人为影响模型,上述两个模型分别用于预测外界环境对目标水域的影响,通过这两个模型,分别获得目标水域水质的气候影响预测信息和人为影响预测信息,将这些预测信息进行结合,就能够获得目标水域水质的综合预测结果,然后通过预警模块对预测结果进行分析,判断综合预测结果是否超出预警范围,以便人工能够针对预测结果采取相应的对策,从而实现对目标水域中生态环境的保护,其中采取相应的对策,针对水质中某种成分含量过少,会直接影响到目标水域的生态环境时,此时可通过添加该含量,当出现水质中某种成分含量过多时,则会采用物理或者化学方式去降低水质中的该成分的含量,具体物理或者化学方式根据具体成分的不同可做出选择。
如图5所示,基于目标水域所预测的时间长短选择根据水文水质模型选择目标区域上游依次相连的一号区域数量,其中由于目标水域的上游的一号区域较多,在对目标水域水质进行预测时,根据预测时间的长度选择参与水质人为影响模型的一号区域数量,预测的时间越长,所参与模型运算的一号区域数量越多,在实际运算中,注意控制时间的长短,图5中作为时间的横坐标,在理想情况下,且无外界干扰的情况下,表示的该一号区域中水体所流入到目标水域中所需的时间,所述预测时间表示的是在水质人为影响模型下,所需预测的时间长短,图5能够明显表示出预测的时间长短和参与水质人为影响模型运输的一号区域的数量,例如,与目标区域依次相连的存在m个一号区域,上述m个一号区域中的水体流入到目标区域所需时间为t,而要求预测的时间为a,其中a小于或等于t,同时a大于与目标区域依次相连的(m-1)个一号区域中的水体流入到目标区域所需时间,此时将上述m个一号区域代入水质人为影响模型进行运算即可,由于在一号区域内存在实时监测水质的监测站点,因此处于上述m个一号区域前面的一号区域对上述m个一号区域产生的影响可直接通过监测站点进行监测,无需使用水质人为影响模型进行预测,若存在水域的合流情况,由于主要是针对目标区域的监测,因此可将水域的合流处视为在同一个一号区域中,或者基于水流的合流区域,再次建立起关于合流区域的预测方法,该预测方法和关于目标水域的预测方法相同,之后建立预测结果的相加,如图6所示,二号区域的划分依据二号区域以及二号区域中代入水质气候影响模型进行运算的数量与上述一号区域代入水质气候影响模型的数量的原理相同。
同时存在目标区域相连的一号区域存在多个的情况,即多个水域合流形成目标水域,此时可将多个水域分开,并依次进行水质人为影响模型的预测,获得多个预测结果,之后将多个预测结果进行相加,便可获得水质人为影响模型对目标水域的预测,同理水质气候影响模型对多个水域合流形成目标水域的处理过程相同。
由于水质人为影响模型和水质气候影响模型在对目标水域的水质信息进行预测时,均需要以水文水质模型作为基础,因此水质人为影响模型的预测结果和水质气候影响模型的预测结果在进行时间对齐之后,实现相加,此时会存在两份水文水质模型预测结果的相加,因此此时应减去一份水文水质模型的预测结果。
同时目标水域可能会存在下游,因此对目标水域的水文参数和水质参数进行实时监测,从而基于目标水域的水文参数和水质参数,有助于提高对目标水域的预测精度。
曲线可视为由点组合的,在同一时间点下,预测数据成分值和实际数据的成分值之间差值超过实际数据成分值的20%或30%,具体数值根据实际情况会有所不同,便可视为差异过大的位置,同时该点也视为差异点。
分析不同模型预测水质信息和实际水质信息之间差异点的累积过程,基于实时目标水域和目标水域上游的水质信息和预测目标区域和目标区域上游的水质信息进行对比分析,监测站点在目标水域和目标水域上游位置,绘制出监测站点处水文水质模型预测水质信息、水质气候影响模型预测的水质信息和水质人为影响模型预测的水质信息,同时绘制出监测站点的预测水质信息和监测站点的实际水质信息,监测站点的预测水质信息是由水文水质模型预测水质信息、水质气候影响模型预测的水质信息和水质人为影响模型预测的水质信息结合得出,当水质气候影响模型预测水质信息减去水文水质模型预测水质信息,便获得单纯的气候影响水质预测信息,当水质人为影响模型预测水质信息减去水文水质模型预测水质信息,便获得单纯的人为影响水质预测信息,此时进行一一对比,水文水质模型预测水质信息和监测站点的实际水质信息对比,分析两者信息之间的差异性,水质气候影响模型预测水质信息和监测站点的实际水质信息对比,并分析两者信息之间的差异性,水质人为影响模型预测水质信息和监测站点的实际水质信息对比,并分析两者信息之间的差异性监测站点的预测水质信息和监测站点的实际水质信息对比,并分析两者信息之间的差异性,由于并不存在一个监测站点,因此会获得至少一个分析差异性的结果,根据分析差异性的结果,同时由于水域的流动效果,根据地理位置中水流方向的依次对监测站点进行上述操作,进而分析差异点的累积过程,从而能够判断是否对水文水质模型、水质气候影响模型和水质人为影响模型其中一个或多个进行参数修正,进而提高模型预测的精度,其中可采用matlab计算两曲线拟合度,通过matlab计算目标水域综合预测水质曲线和实际监测水质曲线的拟合度,拟合度处于0和1之间,越靠近1,则说明两条曲线的相似程度越高,同时可采用matlab计算目标水域上游的监测站点处的综合预测水质曲线和实际监测水质曲线,不仅需要保证目标水域的两曲线拟合度同时需要保证目标水域上游中各个监测站点处的两曲线拟合度,根据监测站点顺序,依次分析综合预测水质曲线和实际监测水质曲线,进而能够快速获得对目标水域综合预测水质曲线和实际监测水质曲线的分析结果,基于分析结果实现对各个模型的优化,在对沿途的监测站点进行分析时,不仅可实现对模型的优化,同时针对监测站点所监测水文数据和水质数据的异常值,判断区域内存在的异常情况。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附实施例及其等同物限定。
Claims (10)
1.一种水质预测方法,其特征在于,所述水质预测方法包括:
信息获取:
获取目标水域和目标水域上游的地理信息,并实时监测目标水域和目标水域上游的水质信息和水文信息;
获取目标水域和目标水域上游的流域范围内的气候信息和流域范围内的环境信息;
获取目标水域和目标水域上游的人为水质因素影响信息,所述人为水质因素影响信息包括生活污水影响参数和工业污水影响参数;
获取目标水域和目标水域上游的历史水质信息和历史水文信息;
建立模型并基于模型进行预测:
根据目标水域和目标水域上游的地理信息、历史水文信息、实时的水文信息、历史水质信息和实时的水质信息建立目标水域和目标水域上游的水文水质模型;
以水文水质模型为基础,根据目标水域和目标水域上游的流域范围内气候信息和流域范围内环境信息建立水质气候影响模型,根据目标水域和目标水域上游的人为水质因素影响信息建立水质人为影响模型;
根据水文水质模型、水质气候影响模型、水质人为影响模型以及目标水域和目标水域上游的实时水质信息预测目标区域内的水质信息,并实现水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果;
模型的优化:
目标水域的水质信息和预测目标区域的水质信息进行对比分析,目标水域上游的水质信息和预测目标水域上游的水质信息进行对比分析,根据对比分析结果分别对水文水质模型、水质气候影响模型和水质人为影响模型进行数据矫正;
所述水质人为影响模型的预测方法包括:
第一步,划分一号区域,依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域;
第二步,选择一号区域的数量,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的一号区域数量;
第三步,模型预测,基于当前的一号区域中的生活污水影响参数、工业污水影响参数和水质参数,并结合当前一号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第四步,预测逻辑,下游且相邻的一号区域基于预测的影响结果,结合自身区域生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测对下游且相邻的一号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第五步,预测结果,目标区域通过自身区域中生活污水影响参数和工业污水影响参数,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质人为影响模型对目标区域的预测结果。
2.根据权利要求1所述的一种水质预测方法,其特征在于:所述水质预测方法还包括建立预警模块,所述预警模块用于在目标区域内的预测水质信息超出预警范围时发出预警,目标水域的综合预测水质信息和实际水质信息通过可视化方式展示。
3.根据权利要求1所述的一种水质预测方法,其特征在于:所述水质气候影响模型的预测方法包括;
第一步,划分二号区域,根据流域范围内的环境信息将目标区域上游划分成至少一个二号区域;
第二步,预测二号区域内水文信息和水质信息,通过流域范围内的气候信息和水文水质模型对流域二号区域内的水文信息和水质信息进行预测;
第三步,选择二号区域的数量,基于目标水域所预测的时间长短,并根据水文水质模型选择目标区域上游依次相连的二号区域数量;
第四步,模型预测,基于当前的二号区域中的流域范围内的气候信息和流域范围内的环境信息,并结合当前的二号区域中水文水质模型对处于下游且相邻的一号区域的影响结果进行预测;
第五步,预测逻辑,下游且相邻的二号区域基于预测的影响结果,结合自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测对下游且相邻的二号区域的影响结果,依次循环,直至对目标水域的影响结果进行预测;
第六步,输出预测结果,目标水域通过自身区域中流域范围内的气候信息和流域范围内的环境信息,依据自身区域中水文水质模型预测目标区域的影响结果,将目标区域的影响结果和目标区域上游对目标区域的影响结果进行结合,获得水质气候影响模型对目标区域的预测结果;
水质人为影响模型和水质气候影响模型进行结合,在水质人为影响模型和水质气候影响模型两个模型中选择其中一个模型,将该模型中所预测目标区域的影响结果和水文水质模型所预测目标区域的影响结果进行相减,另一个模型的影响结果不变,将相减后的影响结果和另一个模型的影响结果进行相加,获得综合预测结果。
4.根据权利要求1所述的一种水质预测方法,其特征在于:所述水文水质模型的预测方法基于目标水域和目标水域上游的历史水文数据和历史水质数据结合地理信息,分析出目标水域和目标水域上游水文变化和水质变化的趋势,根据趋势对目标水域的水表水域的水文信息和水质信息进行预测。
5.根据权利要求2所述的一种水质预测方法,其特征在于:所述预警范围采用保证目标水域内生态稳定的水质参数范围,所述可视化展示方式将目标水域的综合预测结果、实际水域水质的监测信息、水文水质模型、水质气候影响模型和水质人为影响模型所预测水质信息经过时间对齐后通过曲线图和数据表格表示,并显示在显示屏上。
6.根据权利要求1所述的一种水质预测方法,其特征在于:水文水质模型、水质气候影响模型和水质人为影响模型所预测信息的结合,获得目标水域水质的综合预测结果,其中在经过时间对齐后,综合预测结果等于水质气候影响模型的预测信息加上水质人为影响模型再减去水文水质模型的预测信息。
7.根据权利要求3所述的一种水质预测方法,其特征在于:所述数据矫正的方法包括:
第一步,获得目标水域的综合预测结果,所述综合预测结果表示目标水域中水质的预测变化信息;
第二步,对比分析水质的实际变化信息和预测变化信息,获得差异点和相同点,获得目标水域中水质的实际变化信息,实现水质的预测变化信息和水质的实际变化信息的时间对齐,通过计算机画出水质的预测变化信息和水质的实际变化信息,获得水质中成分的预测变化曲线和实际变化曲线,通过计算两曲线拟合度的方式计算出预测变化曲线和实际变化曲线之间的拟合度,预测数据成分值和实际数据的成分值之间差值超过实际数据成分值的20%或30%的点视为差异点,其他的点位视为相同点;
第三步,根据水质的预测变化信息和水质的实际变化信息之间的差异点和相同点,判断出导致出现差异点的模型;
第四步,模型参数优化,对导致出现差异点的模型中参数进行修正,使得修正后的模型再次进行预测,并将再次预测结果绘制成曲线,将再次预测结果曲线和实际结果曲线对比,并计算再次预测结果曲线和实际结果曲线的拟合度,在拟合度大于0.8时,无需修正,在小于或等于0.8时,则继续进行优化。
8.根据权利要求7所述的一种水质预测方法,其特征在于:判断导致出现差异点的模型的方法包括一号区域和二号区域中均设置有用于实时对一号区域和二号区域监测的监测站点,对目标区域的水质信息的预测,对沿途的一号区域和二号区域均产生预测结果,并根据监测站点的重叠的位置,实现一号区域的预测结果和二号区域的预测结果的结合,将结合后的数据和监测站点实际监测数据进行对比,同时绘制出监测站点处水文水质模型预测的水质信息、水质气候影响模型预测的水质信息和水质人为影响模型预测的水质信息,分析不同模型预测水质信息和实际水质信息之间差异点的累积过程,判断是否对水文水质模型、水质气候影响模型和水质人为影响模型其中一个或多个进行参数修正。
9.根据权利要求1所述的一种水质预测方法,其特征在于:依据生活污水影响参数和工业污水影响参数将目标区域上游划分成至少一个一号区域,根据生活污水中的成分、生活污水的排污数据、生活污水的总排污量、工业污水的成分、工业污水的排污数据和工业污水的总排污量将目标区域上游划分成至少一个不同的一号区域。
10.一种水质预测的相关装置,采用了权利要求1-9任意一项所述的一种水质预测方法,包括监测站点和预警中心,其特征在于:所述监测站点上安装有一号无线信号交流器,所述监测站点上安装有定位器,所述预警中心上安装有和一号无线信号交流器进行交流的二号无线信号交流器,所述二号无线信号交流器连接有计算机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410319210.0A CN117933572B (zh) | 2024-03-20 | 一种水质预测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410319210.0A CN117933572B (zh) | 2024-03-20 | 一种水质预测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117933572A CN117933572A (zh) | 2024-04-26 |
CN117933572B true CN117933572B (zh) | 2024-06-11 |
Family
ID=
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006274577A (ja) * | 2005-03-28 | 2006-10-12 | Toshiba Corp | 水質予測装置および水質制御装置 |
WO2014157753A1 (ko) * | 2013-03-28 | 2014-10-02 | 부산대학교 산학협력단 | 수계수질상태의 진단 및 예측이 가능한 수질정보제공시스템 및 방법 |
CN112348290A (zh) * | 2020-12-03 | 2021-02-09 | 西安交大长天软件股份有限公司 | 河流水质预测方法、装置、存储介质及设备 |
CN112651665A (zh) * | 2021-01-14 | 2021-04-13 | 浙江鸿程计算机系统有限公司 | 一种基于图神经网络的地表水水质指标预测方法和装置 |
CN113125659A (zh) * | 2019-12-31 | 2021-07-16 | 芯视界(北京)科技有限公司 | 水质监测平台 |
KR102328326B1 (ko) * | 2021-07-26 | 2021-11-18 | 대한민국 (관리부서 : 환경부 국립환경과학원장) | 수질예측 고도화를 위한 분포형 모델이 적용된 수리수문 해석 장치 |
CN114418189A (zh) * | 2021-12-25 | 2022-04-29 | 长视科技股份有限公司 | 水质等级预测方法、系统、终端设备及存储介质 |
CN115545678A (zh) * | 2022-11-29 | 2022-12-30 | 浙江贵仁信息科技股份有限公司 | 一种基于水环境画像与污染物溯源的水质监测方法 |
CN115758856A (zh) * | 2022-09-09 | 2023-03-07 | 北京师范大学 | 一种景观格局及气候变化对流域未来水质影响的研究方法 |
CN115829120A (zh) * | 2022-11-29 | 2023-03-21 | 中国环境科学研究院 | 基于机器学习方法的水质预测预警系统 |
CN115965496A (zh) * | 2022-11-29 | 2023-04-14 | 中国环境科学研究院 | 流域水环境智慧化管理方法 |
EP4216117A1 (en) * | 2022-01-21 | 2023-07-26 | China Three Gorges Co., Ltd. | Method and apparatus for training water-and-sediment prediction model for reservoir and method and apparatus for predicting water-and-sediment in reservoir |
JP2023169099A (ja) * | 2022-05-16 | 2023-11-29 | 水ing株式会社 | 流入量予測システム |
CN114648167B (zh) * | 2022-04-02 | 2024-01-23 | 重庆市生态环境科学研究院 | 一种基于山地流域污染负荷的水质预警系统及预警方法 |
CN117491586A (zh) * | 2024-01-03 | 2024-02-02 | 江门市澳华生物科技有限公司 | 一种水质检测方法及其系统 |
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006274577A (ja) * | 2005-03-28 | 2006-10-12 | Toshiba Corp | 水質予測装置および水質制御装置 |
WO2014157753A1 (ko) * | 2013-03-28 | 2014-10-02 | 부산대학교 산학협력단 | 수계수질상태의 진단 및 예측이 가능한 수질정보제공시스템 및 방법 |
CN113125659A (zh) * | 2019-12-31 | 2021-07-16 | 芯视界(北京)科技有限公司 | 水质监测平台 |
CN112348290A (zh) * | 2020-12-03 | 2021-02-09 | 西安交大长天软件股份有限公司 | 河流水质预测方法、装置、存储介质及设备 |
CN112651665A (zh) * | 2021-01-14 | 2021-04-13 | 浙江鸿程计算机系统有限公司 | 一种基于图神经网络的地表水水质指标预测方法和装置 |
KR102328326B1 (ko) * | 2021-07-26 | 2021-11-18 | 대한민국 (관리부서 : 환경부 국립환경과학원장) | 수질예측 고도화를 위한 분포형 모델이 적용된 수리수문 해석 장치 |
CN114418189A (zh) * | 2021-12-25 | 2022-04-29 | 长视科技股份有限公司 | 水质等级预测方法、系统、终端设备及存储介质 |
EP4216117A1 (en) * | 2022-01-21 | 2023-07-26 | China Three Gorges Co., Ltd. | Method and apparatus for training water-and-sediment prediction model for reservoir and method and apparatus for predicting water-and-sediment in reservoir |
CN114648167B (zh) * | 2022-04-02 | 2024-01-23 | 重庆市生态环境科学研究院 | 一种基于山地流域污染负荷的水质预警系统及预警方法 |
JP2023169099A (ja) * | 2022-05-16 | 2023-11-29 | 水ing株式会社 | 流入量予測システム |
CN115758856A (zh) * | 2022-09-09 | 2023-03-07 | 北京师范大学 | 一种景观格局及气候变化对流域未来水质影响的研究方法 |
CN115545678A (zh) * | 2022-11-29 | 2022-12-30 | 浙江贵仁信息科技股份有限公司 | 一种基于水环境画像与污染物溯源的水质监测方法 |
CN115829120A (zh) * | 2022-11-29 | 2023-03-21 | 中国环境科学研究院 | 基于机器学习方法的水质预测预警系统 |
CN115965496A (zh) * | 2022-11-29 | 2023-04-14 | 中国环境科学研究院 | 流域水环境智慧化管理方法 |
CN117491586A (zh) * | 2024-01-03 | 2024-02-02 | 江门市澳华生物科技有限公司 | 一种水质检测方法及其系统 |
Non-Patent Citations (4)
Title |
---|
Application of artificial neural networks for BOD and COD modelling in Gola River, Uttarakhand, India;Rajwade, Y.A.,等;《ARABIAN JOURNAL OF GEOSCIENCES》;20240705;第14卷;第1326篇 * |
PREDICTION OF WATER QUALITY IN RIVA RIVER WATERSHED;Oz, Nurtac,等;《ECOLOGICAL CHEMISTRY AND ENGINEERING S-CHEMIA I INZYNIERIA EKOLOGICZNA S》;20191231;第26卷(第4期);第727-742页 * |
大运河苏州段水质污染时空特征演化规律及主要影响因子评价分析;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20220515(第5期);B027-779 * |
数值模型在青岛市大沽河水源地地下水水质预测中的应用;刘建霞;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅰ辑》;20050115(第1期);B027-384 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114254066A (zh) | 一种基于数字流域时空模型的污染排放确定方法和装置 | |
Hu et al. | An integrated assessment system for the carrying capacity of the water environment based on system dynamics | |
CN103810532B (zh) | 优化城市排水系统运行状况的方法 | |
CN104793605A (zh) | 一种利用正态分布判定设备故障的方法 | |
CN113392523B (zh) | 一种基于长历时多测点的污水管网健康状况诊断方法 | |
CN109145499A (zh) | 基于河道多态计算及Arima模型的权重组合水质预测方法 | |
CN108830419A (zh) | 一种基于ecc后处理的梯级水库群入库流量联合预报方法 | |
CN112884197A (zh) | 一种基于双模型的水华预测方法和装置 | |
CN117933572B (zh) | 一种水质预测方法及相关装置 | |
CN109614570B (zh) | 预测断面水质参数数据的方法及装置 | |
CN117933572A (zh) | 一种水质预测方法及相关装置 | |
CN107273686B (zh) | 雨洪径流氮磷输出负荷预测方法 | |
JPH09189773A (ja) | 降雨量予測装置 | |
CN113887119B (zh) | 一种基于sarima-lstm的河流水质预测方法 | |
CN105426991A (zh) | 一种变压器缺陷率预测的方法和系统 | |
CN116007685B (zh) | 一种污水管网底泥沉积点位的智能识别方法及识别系统 | |
CN115931057B (zh) | 一种基于城市水利数据的地下管道排放预警系统 | |
CN105807074B (zh) | 一种快速预测活性污泥系统出水cod达标的方法 | |
CN114678084B (zh) | 利用多点长系列监测数据求解污染物综合衰减系数的方法 | |
Schärer et al. | A fuzzy decision tree to predict phosphorus export at the catchment scale | |
CN115018267A (zh) | 一种泵排污水系统降雨致入流入渗的评估分析方法 | |
CN116819025B (zh) | 一种基于物联网的水质监测系统及方法 | |
KR100485374B1 (ko) | 하수관거의 침입수/누수 검출 방법 및 장치 | |
CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
CN117451114B (zh) | 一种碳排放监测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |