【技术实现步骤摘要】
本专利技术属于水源污染治理，尤其涉及一种环境变量驱动的高氯酸盐点源污染治理方法及系统。
技术介绍
1、高氯酸盐是环境中的主要无机污染物之一，广泛存在于地表水、地下水和土壤中。环境中的高氯酸盐主要来源于军事、农业和工业，在工业生产中，高氯酸盐主要作为皮革加工、橡胶制造、涂料生产等的添加剂。工业生产中极大的需求量，造成工厂人为制造的高氯酸盐，伴随着空气流动、水体迁移和生物富集，高氯酸盐的环境污染问题严重。尤其高氯酸盐进入水体后，其扩散受水源的内部流动影响，如何监测水源污染情况是现在环境治理的难点。现有的水源污染监测技术主要包括以下几个方面：
2、监测和采样：通过在水源点布设监测点或监测站，定期采集水样，或使用自动化传感器进行实时监测，并将水样送至实验室分析污染物的种类和浓度。监测和采样可以获取准确度较高的污染浓度信息。然而，监测和采样的频率有限，难以提供实时和连续的数据。此外，监测和采样方法只能获取采样点的信息，无法反映整个水体的情况。这是因为水体的污染物分布是不均匀的，而且会随着水流、风力等因素的变化而变化。
3、遥感监测：通过卫星或无人机等遥感设备获取水体的光谱信息，分析不同波段的光谱特征，以识别和量化水中的部分污染物。然而，遥感监测技术的精度有限，无法检测到水体中所有类型的污染物，只能识别部分特征明显的污染物，且受天气和设备分辨率的影响较大，难以深入水体内部或检测无明显光谱特征的污染物。
4、现有的水源污染监测技术中，监测和采样主要依赖定期采样和实验室分析，难以提供实时和连续的数据。遥感技术
5、对水源污染进行治理过程中，主要基于排放标准/水质标准进行减排优化治理水源污染。排放标准/水质标准的制定是根据稀释倍数法、污染物消减系数法和水域纳污能力法等方法，评估水域的纳污能力，确定水体能够接受的污染物最大浓度，以制定合理的水质标准。现有的排放标准和水质标准的制定较为静态，标准制定过程主要依赖稀释倍数法、污染物消减系数法和水域纳污能力法，这些方法基于固定的评估模型，未能结合实时监测数据和动态模型进行调整，未能充分考虑污染物的时空动态变化和累积效应，导致在实际应用中缺乏灵活性和及时性。
6、综上所述，现有技术在应对复杂的污染源和快速变化的环境条件时，缺乏动态适应性和综合优化能力，无法有效实现精准和高效的污染减排。
7、本专利技术提供一种环境变量驱动的高氯酸盐点源污染治理方法及系统，通过对水源污染的实时监控和动态分析提高数据的时效性和连续性，且结合多源数据融合技术，综合利用遥感数据和地面监测数据，提高污染物检测的精度和全面性。还包括集成环境变量、工业排放特征和水文扩散的系统，综合考虑各类因素，制定综合性的污染减排策略，提高减排效果。
技术实现思路
1、本专利技术的目的在于提供一种环境变量驱动的高氯酸盐点源污染治理方法及系统，以解决上述
技术介绍
中提出的现有技术中对监测采样存在实时性不足，遥感监测具有精度限制，污染减排措施优化不足及缺乏综合性的减排策略等问题。
2、为实现上述目的，本专利技术采用以下技术方案实现：
3、本专利技术第一方面提出了环境变量驱动的高氯酸盐点源污染治理方法，包括以下步骤：
4、s1、收集环境变量数据；
5、收集目标区域中与水源污染相关的环境变量数据；环境变量数据包括污染信息数据、气候数据、地理环境数据、水文数据及工业企业特征数据；
6、s2、识别高风险污染区域；
7、利用环境变量数据基于机器学习进行水源污染风险预测模型的开发，确定预测水源污染物超标的关键环境变量，且基于关键环境变量构建水源污染风险预测模型，用于预测水源污染物超标概率；采用水源污染风险预测模型识别目标区域得到目标区域内的高风险污染区域；
8、s3、计算饮用水源的污染状态；
9、基于水文变量构建物理扩散过程模拟模型，模拟不同季节污染物在河流中的扩散路径；采用物理扩散过程模拟模型模拟高风险污染区域中点源污染物扩散路径，计算目标区域中饮用水源的污染物浓度，动态模拟饮用水源的污染状态；
10、s4、确定最优污染减排策略；
11、将s2中关键环境变量和s3中水文变量作为污染减排优化模型的环境状态，设计奖励函数，构建强化学习驱动的污染减排优化模型；设计不同减排优化策略，激励污染减排优化模型找到最优污染减排策略；
12、s5、制定综合污染减排策略；
13、结合污染减排优化模型的输出，制定综合性的污染减排策略；并根据实时监测数据和物理扩散过程模拟模型的计算结果，调整污染减排策略，实现动态污染管理。
14、优选地，所述s2中识别高风险污染区域，具体如下：
15、s201、对环境变量数据进行预处理，且对污染信息数据进行二分类，将污染信息数据分为超标和未超标两类；
16、s202、基于预处理后的环境变量数据，分别对支持向量机、随机森林、catboost和多层感知器算法进行模型训练；
17、s203、使用精确率、召回率和f1分数作为评估指标，选择表现最优的模型，通过贝叶斯优化策略对选定模型参数进行超参数优化；
18、s204、使用模型内置的特征重要性评估方法、基于shap值的方法及统计的t检验方法识别出预测水源污染物超标的关键环境变量；
19、s205、基于关键环境变量重新构建水源污染风险预测模型，且对水源污染风险预测模型进行评估；
20、s206、基于水源污染风险预测模型预测水源污染物超标概率，识别出高风险污染区域。
21、优选地，所述s3中计算饮用水源的污染状态，具体如下：
22、s301、利用gis软件对高污染风险区域进行分析，确定目标区域内饮用水源水源来源；
23、s302、基于水文变量，采用schism模型模拟旱季和雨季中的水流条件，构建物理扩散过程模拟模型；
24、s303、使用目标区域内实际观测数据进行物理扩散过程模拟模型校准；
25、s304、物理扩散过程模拟模型对高风险污染区域中工业企业排放的点源污染物进行物理扩散模拟，进行饮用水源的污染状态的量化计算。这个过程主要有两个作用：其一，通过物理扩散过程模拟模型对点源污染物的扩散路径进行模拟，可以验证和校准如水源污染风险预测模型的预测结果，提高模型的准确性和可靠性。其二，对高风险区域中点源污染物的扩散路径进行量化计算，为强化学习污染控制策略的制定提供修正。
26、优选地，所述s4中构建强化学习驱动的污染减排优化模型，具体如下：
27、采用强化学习算法，将关键环境变量和水文变量作为污染减排优化模型的环境状态，设计污染减排优化模型的奖励函数本文档来自技高网...
【技术保护点】
1.环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述S2中识别高风险污染区域，具体如下：
3.根据权利要求2所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述S3中计算饮用水源的污染状态，具体如下：
4.根据权利要求3所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述S4中构建强化学习驱动的污染减排优化模型，具体如下：
5.根据权利要求4所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述奖励函数，具体如下：
6.根据权利要求4所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述S4中设计不同减排优化策略，具体如下：
7.根据权利要求6所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述S5中物理扩散过程模拟模型的计算结果，具体如下：
8.根据权利要求1-7任一所述方法得到的环境变量驱动的高氯酸盐点源污染治理系统，其特征在于，包括：
【技术特征摘要】
1.环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述s2中识别高风险污染区域，具体如下：
3.根据权利要求2所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述s3中计算饮用水源的污染状态，具体如下：
4.根据权利要求3所述的环境变量驱动的高氯酸盐点源污染治理方法，其特征在于，所述s4中构建强化学习驱动的污染减排优化模型，具体如下：
<...【专利技术属性】
技术研发人员：周石庆，谢坤廷，陈圆，罗金明，钟宇，李天兵，卜令君，
申请(专利权)人：湖南大学，
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。