【技术实现步骤摘要】
本专利技术属于河湖水系信息化和河长制管理领域，具体涉及一种面向河湖长制的智慧河长系统及其管理方法。
技术介绍
1、水是生命之源、生产之要、生态之基，河湖水体是最重要的水源，也是地球环境和生态的重要载体。随着人类活动的干扰和城市化的推进，河湖管理成为河湖水质、水环境、水生态健康的重要保障和必要手段。在河湖管理中，水质是反映河湖状况的关键性指标，但受制于现有的监测方法和手段，难以及时有效地获取水质实时数据，这导致水环境问题反应滞后，不能保证问题发现和处置的及时性。此外，河湖的管理还面临的问题有：如何更好地分析、处理已有的监测数据，实现对未来河湖健康状况的快速、准确预测，构建现代化河湖智慧管控体系。
2、我国自2016年全面推行河长制以来，全国各地取得了明显成效。2018年12月正式上线全国河湖长制管理信息系统(即河长平台))，推动河湖管理进入数字化时代。现有的河长平台主要是通过现场巡查、取样及视频等获取河湖水系相关信息，实现河湖水系历史及当前的水生态、水环境及水安全的信息化分析和管理。与此同时，随着视觉分析技术的发展，近几年来逐渐出现了基于实时视频的智慧分析方法，通过视频监控获取的图像进行处理从而实现对垂钓、乱挖、乱倒垃圾等的智能判识。但是目前的河长系统依然以信息获取、信息管理为主要应用场景，存在河湖信息不及时、严重滞后的瓶颈，同时由于缺乏对未来水质演化状态的预测，从而无法为河长及时提供河湖水系水质状态现状及未来短期演化过程的分析预测，从而给河长的工作带来极大的困难和不便。
技术实现思路>
1、本专利技术的目的是为克服已有技术的不足之处，提出一种面向河湖长制的智慧河长系统及其管理方法。本专利技术可提升河湖精细化管理水平、提高管控和应急处理能力，为河湖水系水安全高效、智慧管理提供支撑。
2、本专利技术实施例提出一种面向河湖长制的智慧河长系统，包括：监测与模拟模块、预测模块和污染物溯源模块；其中，所述预测模块和所述污染物溯源模块分别连接所述监测与模拟模块；
3、所述监测与模拟模块用于对河湖水质、水动力学、水环境、水生态进行全天候监测、实时动态模拟及预警预报；
4、所述预测模块用于基于实施监测数据，预测短期和中期的河湖水质、水环境、水生态结果，对河湖水质、水动力学、水环境、水生态指标变化趋势进行分析，对可能出现的河湖水污染事件进行预测和预报预警，预测的结果反馈给所述监测与模拟模块进行校验和实时修正；
5、所述污染物溯源模块基于大数据分析模型及对流扩散和水动力学模型耦合实现，用于综合水管理计算参数的动态反演和污染物溯源推演，反演的结果反馈给所述监测与模拟模块进行校验，同时通过所述监测与模拟模块输入所述大数据分析模型反演溯源结果进行模拟，实现污染物溯源的双重验证。
6、在本专利技术的一个具体实施例中，所述监测与模拟模块包括：河湖水系三维模型构建子模块、河湖水系指标监测子模块和在线模拟子模块；所述河湖水系三维模型构建子模块和所述河湖水系指标监测子模块分别连接所述在线模拟子模块；
7、所述河湖水系三维模型构建子模块，用于构建河湖水系的三维地形数字模型和水体的三维数值计算网格模型；
8、所述河湖水系指标监测子模块，通过在河湖水系流域内布置相关设备，用于实时在线监测河湖水系的水质、水动力、水环境、水生态的指标；
9、所述在线模拟子模块用于基于所述河湖水系的三维地形数字模型和所述水体的三维数值计算网格模型，根据水系实际的流入、流出边界条件，设置数值计算的水质水动力边界条件及位置；将水质、水动力、水环境和水生态监测的结果作为边界条件，实现河湖水系水质-水动力-水环境-水生态演化的全过程在线模拟分析，从而得到三维数值计算网格模型中每个网格单元的水质、水动力、水环境、水生态计算成果。
10、在本专利技术的一个具体实施例中，所述河湖水系的三维地形数字模型采用非结构化的三角网进行构建。
11、在本专利技术的一个具体实施例中，所述河湖水系的三维地形数字模型构建方法如下：
12、通过遥感影像及数字高程模型建立待监测的河湖水系流域范围及周围的地上三维地形；通过水下声呐测绘无人船扫描河湖水系的水下三维地形；对地上三维地形、水下三维地形根据大地坐标进行拼接，即得到河湖水系的三维地形数字模型。
13、在本专利技术的一个具体实施例中，所述河湖水系指标监测子模块还用于对来自于水质、水动力的实时感知设备的监测数据进行容错处理，对因设备不稳定而造成的监测数据异常值进行剔除。
14、在本专利技术的一个具体实施例中，所述预测模块基于所述河湖水系指标监测子模块提供的指标数据，利用神经网络预测模型实现各监测点位水质、水动力学、水环境、水生态指标的短期预报；
15、所述神经网络预测模型包括依次连接的cnn网络层，lstm层和全连接层；其中，所述cnn网络层包括依次连接的第一卷积层、第二卷积层、池化层、降维层和丢弃层。
16、在本专利技术的一个具体实施例中，所述预测模块还用于利用所述在线模拟子模块的结果，基于水质水动力学模型的预测算法进行河湖水质、水动力学的预测；
17、所述基于水质水动力学模型的预测算法的控制方程包括动量方程、连续方程、状态方程；
18、其中，所述动量方程表达式如下：
19、
20、
21、
22、其中，u和v分别是速度在水平方向上坐标系的两个分量，mx和my是度量张量斜对角线分量的平方根；z方向的总深度为h＝h+ζ，是底部实际地形与水体流动表面之间的距离；f是科氏参数，qu和qv是动量在u和v两个方向上的源汇项，av是z方向的紊动粘性系数；压强p的值为ρ0gh(1-z)，即大气压强超过参考密度静水压强的部分；
23、所述连续方程表达式如下：
24、
25、
26、其中，m＝mx*my，是度量张量行列式的平方根；
27、所述状态方程表达式如下：
28、ρ＝ρ(p，s，t)
29、其中，密度ρ是关于压强p、温度t和水圈流动盐度s的函数；
30、利用数据同化方法对水流-水质耦合模型的参数进行反演和自我率定；
31、水动力模型和水质模型改写成状态空间方程形式，描述动态系统的状态变量随时间的演变过程：
32、xt＝f(xt-1，θt，ut)+vt
33、其中，f表示状态转移函数，xt为t时刻的模型状态变量，θt为t时刻的模型参数，ut为t时刻的驱动条件，vt为t时刻的模型随机误差。
34、在本专利技术的一个具体实施例中，所述对流扩散和水动力学模型中对流扩散方程如下：
35、
36、污染物传播过程满足下述扩散方程：
37、
38、式中，ω为二维空间区域，q＝ω×(0，t)为时空区域，为时空区域的边界，u(x，t)为污染物浓度，κ为污染物扩散速率，为测量数据，f(x本文档来自技高网...
【技术保护点】
1.一种面向河湖长制的智慧河长系统，其特征在于，包括：监测与模拟模块、预测模块和污染物溯源模块；其中，所述预测模块和所述污染物溯源模块分别连接所述监测与模拟模块；
2.根据权利要求1所述的系统，其特征在于，所述监测与模拟模块包括：河湖水系三维模型构建子模块、河湖水系指标监测子模块和在线模拟子模块；所述河湖水系三维模型构建子模块和所述河湖水系指标监测子模块分别连接所述在线模拟子模块；
3.根据权利要求2所述的系统，其特征在于，所述河湖水系的三维地形数字模型采用非结构化的三角网进行构建。
4.根据权利要求2所述的系统，其特征在于，所述河湖水系的三维地形数字模型构建方法如下：
5.根据权利要求2所述的系统，其特征在于，所述河湖水系指标监测子模块还用于对来自于水质、水动力的实时感知设备的监测数据进行容错处理，对因设备不稳定而造成的监测数据异常值进行剔除。
6.根据权利要求2所述的系统，其特征在于，所述预测模块基于所述河湖水系指标监测子模块提供的指标数据，利用神经网络预测模型实现各监测点位水质、水动力学、水环境、水生态指标的短期预
7.根据权利要求2所述的系统，其特征在于，所述预测模块还用于利用所述在线模拟子模块的结果，基于水质水动力学模型的预测算法进行河湖水质、水动力学的预测；
8.根据权利要求2所述的系统，其特征在于，所述对流扩散和水动力学模型中对流扩散方程如下：
9.一种基于如权利要求2-8任一项所述系统的管理方法，其特征在于，包括：
10.根据权利要求9所述的管理方法，其特征在于，所述河湖水系水质-水动力-水环境-水生态在线模拟，包括：
...【技术特征摘要】
1.一种面向河湖长制的智慧河长系统，其特征在于，包括：监测与模拟模块、预测模块和污染物溯源模块；其中，所述预测模块和所述污染物溯源模块分别连接所述监测与模拟模块；
2.根据权利要求1所述的系统，其特征在于，所述监测与模拟模块包括：河湖水系三维模型构建子模块、河湖水系指标监测子模块和在线模拟子模块；所述河湖水系三维模型构建子模块和所述河湖水系指标监测子模块分别连接所述在线模拟子模块；
3.根据权利要求2所述的系统，其特征在于，所述河湖水系的三维地形数字模型采用非结构化的三角网进行构建。
4.根据权利要求2所述的系统，其特征在于，所述河湖水系的三维地形数字模型构建方法如下：
5.根据权利要求2所述的系统，其特征在于，所述河湖水系指标监测子模块还用于对来自于水质、水动力的实时感知设备...
【专利技术属性】
技术研发人员：王忠静，周晋军，徐文杰，贾海峰，廖君霞，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。