CN208654841U - 一种水质预警预报系统 - Google Patents
一种水质预警预报系统 Download PDFInfo
- Publication number
- CN208654841U CN208654841U CN201721728140.6U CN201721728140U CN208654841U CN 208654841 U CN208654841 U CN 208654841U CN 201721728140 U CN201721728140 U CN 201721728140U CN 208654841 U CN208654841 U CN 208654841U
- Authority
- CN
- China
- Prior art keywords
- data
- module
- pollution
- water quality
- source
- 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 73
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000007599 discharging Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 7
- 230000008021 deposition Effects 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 238000001179 sorption measurement Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Alarm Systems (AREA)
Abstract
本实用新型涉及一种水质预警预报系统，系统包括监测单元、污染溯源模块、水文水质模块和预警模块；污染溯源模块用于根据所述监测数据生成污染源数据；水文水质模块用于根据所述污染源数据中的点污染源数据和/或面污染源数据生成预测数据；预警模块用于根据所述预测数据的生成预警信息数据。本实用新型的技术方案在兼顾点源污染预警预报的同时，考虑面源污染(例如企业趁降雨偷排污染的情况)对于水质的影响，因此提升了模拟预报的准确性。
Description
技术领域
本实用新型属于智慧水务管理服务技术领域，具体涉及一种水质预警预报系统。
背景技术
智慧水务平台以流域水质、水文、气象、闸坝、泵站、污水厂、污水处理站、视频、语音播报等感知系统为基础，构建基于物联网的全流域智能监控体系；以大数据、认知计算和云计算等现代信息化技术为支撑，建设涵盖不同业务应用场景的智慧水务动态一体化服务体系，实现线上监测分析预警与线下治理修复保护的有机结合，以支撑流域数字化、精细化和智能化的治理和运维，有力保障流域治理达标，可持续优化和生态良性循环。
智慧水务平台可分为智能感知、智能管理、智能应用三个层次和两个体系：
1)智能感知层：水质、水文、气象、视频、语音播报等监测站点和传输网络；与相关部门对接和共享的地理数据、闸坝泵站数据、污水厂/站数据以及补充的水利和气象等数据；
2)智能管理层：一个数据平台(大数据存储、管理和计算平台)，两个分析引擎(认知计算引擎、地理信息引擎)，三个认知数据库(数理模型库、数据分析挖掘库、专家知识库)；
3)智能应用层：一个信息中心(集控、指挥、会商)，三个应用平台(水务综合管理平台、环境地理信息平台和移动应用与服务平台)；
4)两个体系：运维与安全保障体系，监测数据标准规范体系。
目前水质预警预报集成系统的缺陷是，一般都只是关注点源污染的仿真和预警预报，即新增排放点或原排放点排放量改变时，源污染对下游断面水质的影响；但是，这种情况往往造成模拟情况与实际发生情况有误差。
实用新型内容
针对现有技术中存在的缺陷，本实用新型的目的是提供一种水质预警预报系统，本技术方案能够提高预警准确率。
本实用新型的技术方案如下：
一种水质预警预报系统，包括监测单元、污染溯源模块、水文水质模块和预警模块；
所述监测单元包括设置于各个流域的监测站，用于获取监测数据；
所述污染溯源模块用于根据所述监测数据生成污染源数据；
所述水文水质模块用于根据所述污染源数据中的点污染源数据和/或面污染源数据生成预测数据；
所述预警模块用于根据所述预测数据的生成预警信息数据。
进一步地，上述的水质预警预报系统，还包括雨洪径流模块和管渠-河道耦合模块；
在所述水质水文模块根据所述面污染源数据生成预测数据时，
所述雨洪径流模块用于根据所述监测数据生成区域降水径流和污染物移动的模拟数据；
所述管渠-河道耦合模块用于将所述雨洪径流模块生成的模拟数据和所述污染源数据中的面污染源数据作为预测数据依据输入所述水质水文模块。
进一步地，上述的水质预警预报系统，还包括与所述水质水文模块连接的参数率定调优模块；
所述参数率定调优模块基于机器学习方法构建计算结果和输入参数之间的非线性关系，分析所述水文水质模块生成预测数据过程中各个计算阶段的水环境计算指标和实际指标之间的误差是否达到阈值来触发修正计算，并对参数重新率定。
进一步地，上述的水质预警预报系统，所述预警模块根据所述预测数据的生成预警信息数据时，将预测数据与预设的安全阈值进行比对，对超过安全阈值的预测数据生成预警信息数据。
进一步地，上述的水质预警预报系统，所述水文水质模块生成预测数据时，首先完成流场计算，获得三维流速场的时空分布特征数据，根据此数据计算泥沙迁移、冲淤数据，并根据泥沙迁移、冲淤数据计算受粘性泥沙吸附影响的各水质变量动态变化数据。
本实用新型的有益效果如下：
本实用新型的技术方案在兼顾点源污染预警预报的同时，考虑面源污染(例如企业趁降雨偷排污染的情况)对于水质的影响，因此提升了模拟预报的准确性。
附图说明
图1为本实用新型的水质预警预报系统的结构框图。
图2为本实用新型的水质预警预报方法的流程图。
具体实施方式
下面结合附图和实施例对本实用新型进行详细的描述。
如图1所示，本实用新型提供了一种水质预警预报系统，包括监测单元、污染溯源模块、水文水质模块和预警模块；所述监测单元包括设置于各个流域的监测站(包括水文、水质、雨量监测站)，用于获取监测数据；所述污染溯源模块用于根据所述监测数据生成污染源数据；所述水文水质模块用于根据所述污染源数据中的点污染源数据和/或面污染源数据生成预测数据；所述预警模块用于根据所述预测数据的生成预警信息数据(预警信息数据包括监测值，日常值，预测值)。
进一步地，上述的水质预警预报系统，还包括雨洪径流模块和管渠-河道耦合模块；在所述水质水文模块根据所述面污染源数据生成预测数据时，所述雨洪径流模块用于根据所述监测数据生成区域降水径流和污染物移动的模拟数据(模拟数据中包含地面径流和排水系统中的水流、雨洪的调蓄处理过程以及受纳水体模式等信息)；所述管渠-河道耦合模块用于将所述雨洪径流模块生成的模拟数据和所述污染源数据中的面污染源数据作为预测数据依据输入所述水质水文模块。
所述水质水文模块还用于将根据耦合的排水口与所在河道位置的网格信息，以时间序列的形式将排水量和污染物量作为河道输入，实现流域降水状况与河道水文水质状况的联动。当降雨量超过排水管网的排水能力时管网开始满流并溢出，当降雨减弱、自身管网不再满流时重新进入管道，通过流域雨洪和排水管网的联动性分析，实现对汛期流域管网雨洪排水溢流情况的推演，统计出溢流管网的位置和排水负荷状况，对溢流管网提前预警，以便提前采取合理的疏导措施。
所述水文水质模块生成预测数据时，综合利用流域内气象、水文和水质监测数据，以水动力模型为基础，首先完成流场计算，获得三维流速场的时空分布特征数据，根据此数据计算泥沙迁移、冲淤数据，并根据泥沙迁移、冲淤数据计算受粘性泥沙吸附影响的各水质变量动态变化数据。
污染溯源模型模块基于监测数据和水质模块获取流域河道网格化信息，通过卷积神经网络进行特征识别，筛选水质指标异常区域，判断污染源类型，进而生成污染源数据。
本实施例中，水质监测站实时在线监测化学需氧量、氨氮、总磷、总氮、高锰酸盐指数、pH、温度、溶解氧、电导率、浊度等水质指标；水文监测站实时在线监测流量、流速、水位、水温等指标；雨量站实时在线监测风速、风向、温度、湿度、气压、降雨量等指标。监测数据采样频率小时/次(可调)。监测单元的数据传输方式为流域干流沿线设备以自建光纤局域网为主，支流沿线设备可采用运营商3G/4G网络。
同时，本实施例的水质预警预报系统，还包括与所述水质水文模块连接的参数率定调优模块；所述参数率定调优模块基于机器学习方法构建计算结果和输入参数之间的非线性关系，分析所述水文水质模块生成预测数据过程中各个计算阶段的水环境计算指标和实际指标之间的误差是否达到阈值来触发修正计算，并对参数重新率定，实现自我修正和更新迭代。通过上述参数率定调节模块，本系统中水文水质模块解决了在不同的场景下或不同的环境背景中可能存在的偏差，这种偏差在某一地区具有某些统计的特征，基于认知引擎，实现自适应参数优化技术，通过分析长期仿真结果与各类观测数据之间的关系，寻找统计特征，从而对模型参数进行自学习优化。利用在优化仿真和统计模型技术上的技术积累，通过各种技术来识别隐含在数据之中的有价值的信息的数据挖掘工具，将模块模型“本地化”和“季节化”，规避时空差异性，提高预测准确率。
所述预警模块根据所述预测数据的生成预警信息数据时，将预测数据与预设的安全阈值进行比对，对超过安全阈值的预测数据生成预警信息数据。本实施例的安全阈值设置包括以下内容：
当某个监测站点数据超过安全阈值或正常标准时，通过异常判别并判定其污染程度，在GIS地图上发出预警，根据模型预测模拟出下游的污染和水质情况，进行风险识别和评价，可评估污染事件的时间跨度，空间尺度和影响程度，在时间处置的过程中依流程进行应急响应决策，进行跟踪与后期记录，并提供常态监控和事件处置的后评估功能，从而为水环境系统设施的常规监管与事故风险管理提供有力的决策支持。
相应地，本实用新型还提供了一种水质预警预报方法，包括：
S100、根据水质监测数据和流域河道网格化信息数据生成污染源数据；
S200、根据所述污染源数据生成预测数据；
S300、根据模拟预测数据进行预警预报；
所述污染源数据包括点污染源和面污染源数据。
步骤S200中，根据所述污染源数据中的面污染源数据生成预测数据时，根据所述监测数据生成区域降水径流和污染物移动的模拟数据；将所述雨洪径流模块生成的模拟数据和所述污染源数据中的面污染源数据作为预测数据依据。所述水文水质模块生成预测数据时，首先完成流场计算，获得三维流速场的时空分布特征数据，根据此数据计算泥沙迁移、冲淤数据，并根据泥沙迁移、冲淤数据计算受粘性泥沙吸附影响的各水质变量动态变化数据。
步骤S300中，根据所述预测数据的生成预警信息数据时，将预测数据与预设的安全阈值进行比对，对超过安全阈值的预测数据生成预警信息数据。
上述的水质预警预报方法，还包括：
基于机器学习方法构建计算结果和输入参数之间的非线性关系，分析所述水文水质模块生成预测数据过程中各个计算阶段的水环境计算指标和实际指标之间的误差是否达到阈值来触发修正计算，并对参数重新率定。
显然，本领域的技术人员可以对本实用新型进行各种改动和变型而不脱离本实用新型的精神和范围。这样，倘若对本实用新型的这些修改和变型属于本实用新型权利要求及其同等技术的范围之内，则本实用新型也意图包含这些改动和变型在内。
Claims (1)
1.一种水质预警预报系统，其特征在于：包括监测单元、污染溯源模块、水文水质模块和预警模块；
所述监测单元包括设置于各个流域的监测站，用于获取监测数据；
所述污染溯源模块用于根据所述监测数据生成污染源数据；
所述水文水质模块用于根据所述污染源数据中的点污染源数据和/或面污染源数据生成预测数据；
所述预警模块用于根据所述预测数据的生成预警信息数据；
还包括雨洪径流模块和管渠-河道耦合模块；
在所述水文水质模块根据所述面污染源数据生成预测数据时，
所述雨洪径流模块用于根据所述监测数据生成区域降水径流和污染物移动的模拟数据；
所述管渠-河道耦合模块用于将所述雨洪径流模块生成的模拟数据和所述污染源数据中的面污染源数据作为预测数据依据输入所述水文水质模块；
还包括与所述水文水质模块连接的参数率定调优模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201721728140.6U CN208654841U (zh) | 2017-12-13 | 2017-12-13 | 一种水质预警预报系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201721728140.6U CN208654841U (zh) | 2017-12-13 | 2017-12-13 | 一种水质预警预报系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN208654841U true CN208654841U (zh) | 2019-03-26 |
Family
ID=65770663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201721728140.6U Active CN208654841U (zh) | 2017-12-13 | 2017-12-13 | 一种水质预警预报系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN208654841U (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990108A (zh) * | 2021-04-19 | 2021-06-18 | 四川省水利科学研究院 | 一种基于卷积神经网络实现堤坝护坡的系统 |
| CN114693493A (zh) * | 2022-03-31 | 2022-07-01 | 无锡生量环境工程有限公司 | 一种基于IoT的污染河流水生态修复系统 |
-
2017
- 2017-12-13 CN CN201721728140.6U patent/CN208654841U/zh active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990108A (zh) * | 2021-04-19 | 2021-06-18 | 四川省水利科学研究院 | 一种基于卷积神经网络实现堤坝护坡的系统 |
| CN114693493A (zh) * | 2022-03-31 | 2022-07-01 | 无锡生量环境工程有限公司 | 一种基于IoT的污染河流水生态修复系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009736A (zh) | 一种水质预警预报系统及水质预警预报方法 | |
| CN112883644B (zh) | 一种动态水环境管理方法 | |
| Abbott et al. | An introduction to the European Hydrological System—Systeme Hydrologique Europeen,“SHE”, 1: History and philosophy of a physically-based, distributed modelling system | |
| Benedetti et al. | Modelling and monitoring of integrated urban wastewater systems: review on status and perspectives | |
| CN106920202B (zh) | 一种平原城市河网畅流活水方法 | |
| CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
| CN113902172A (zh) | 一种污水处理方法、系统、装置及介质 | |
| Ruslan et al. | Flood water level modeling and prediction using NARX neural network: Case study at Kelang river | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| Yang et al. | An online water quality monitoring and management system developed for the Liming River basin in Daqing, China | |
| CN112001610A (zh) | 农业面源污染的处理方法及装置 | |
| CN108278491A (zh) | 一种发现排水管网运行异常的方法以及系统 | |
| CN109613197B (zh) | 一种基于河道水网的水质监测预警反馈响应方法 | |
| CN113221439B (zh) | 一种基于bp神经网络的排水系统实时率定与动态预测方法 | |
| CN208654841U (zh) | 一种水质预警预报系统 | |
| CN105303007A (zh) | 一种采用融合技术建立尼尔基水库水生态风险预警模型的方法 | |
| Ranjbar et al. | Framework for a digital twin of the Canal of Calais | |
| CN207924874U (zh) | 城市防汛预警预报装置 | |
| CN117491585A (zh) | 基于时序网络的水生态污染监测方法及装置、系统 | |
| CN116994410A (zh) | 一种流域水环境生态安全预警方法 | |
| CN113282577B (zh) | 污水管网的监测方法、装置、电子设备及存储介质 | |
| CN115270372A (zh) | 一种基于深度序列模型的排水管网淤积判断方法 | |
| Dai et al. | Predicting coastal urban floods using artificial neural network: The case study of Macau, China | |
| CN114595631A (zh) | 一种基于efdc模型和机器学习算法的水质预测方法 | |
| Liu et al. | Exploiting a real-time self-correcting digital twin model for the middle route of the south-to-north water diversion project of china |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100025 6th Floor, West Wing Building, Sihui Building, 1008-B Huihe South Street, Sihui East, Chaoyang District, Beijing Patentee after: Beijing Beikong Industrial Environmental Technology Co.,Ltd. Address before: 100025 6th Floor, West Wing Building, Sihui Building, 1008-B Huihe South Street, Sihui East, Chaoyang District, Beijing Patentee before: BEIJING BEIHUA ZHONGQING ENVIRONMENTAL ENGINEERING TECHNOLOGY CO.,LTD. |
|
| CP01 | Change in the name or title of a patent holder |