【技术实现步骤摘要】
本专利技术涉及重金属污染的，具体涉及一种基于机器学习的洪泛区重金属污染源识别与风险评估系统。
技术介绍
1、重金属污染的来源可以追溯到多个方面。工业活动是重金属污染的主要源头，尤其是采矿、冶炼、化肥等行业。工业废水和固体废弃物中的重金属元素，如铅、镉、汞、砷等，经过排放进入土壤和水体，经时间推移缓慢影响非直接排放区域。但在洪水发生时，由于洪水的冲刷和浸泡，会将重金属带入洪泛区，从而加剧污染的扩散速度和面积。
2、传统的洪泛区重金属污染的风险评定方法，主要是在洪水过后，采集土壤样本，进行定性定量分析。然后根据分析结果采取治理措施。现有的重金属污染评估、处理具有滞后性，不能采取有效、精确的预防性措施，导致后期的治理浪费大量资源。
技术实现思路
1、本专利技术的目的就在于解决上述
技术介绍
中提到的滞后性的问题的问题，而提出一种基于机器学习的洪泛区重金属污染源识别与风险评估系统。
2、本专利技术实施的第一方面，提供了一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，所述系统包括：
3、洪水预测模块，用于获取目标地域的环境数据，作为预设的洪水模拟模型的输入，得到洪水预测数据；
4、重金属污染源识别模块，用于从所述洪水预测数据中，提取目标区域的洪水流通数据，确定重金属污染源集合；
5、污染扩散模块，用于根据重金属污染源集合，进行扩散分析，得到目标区域洪水的重金属浓度；
6、区域污染变化计算模块，用于将目标区域洪水的重金
7、区域风险评估模块，用于根据目标区域土壤的原始重金属浓度和重金属变化量，进行风险评估，得到目标区域的风险等级。
8、可选的，所述洪水模拟模型是一种结合水文学和水动力学的耦合模型；
9、所述洪水预测模块包括：
10、数据获取模块，用于获取目标地域的环境数据；所述环境数据包括气象数据、水文数据和土地数据；
11、数据预测模块，用于将所述环境数据作为预设的洪水模拟模型的输入参数，以预设的时间步长进行模拟，得到洪水预测数据；所述洪水预测数据包括不同时刻的洪水淹没范围、不同地点的水位、流速。
12、可选的，所述重金属污染源识别模块包括：
13、排放源数据获取模块，用于获取目标地域上污染物排放源的数据；污染物排放源的数据包括排放源位置和污染物排放量；
14、洪水分路提取模块，用于根据目标区域的地理位置，从所述洪水预测数据中提取洪水蔓延至所述目标区域的流通数据；所述流通数据包括流通路径；
15、污染源确定模块，用于将所述流通路径上排放重金属污染的污染物排放源加入重金属污染源集合。
16、可选的，所述污染扩散模块包括河段划分模块、计算元素确定模块、顺序计算模块、终止判断模块和浓度计算模块；其中：
17、所述河段划分模块，用于根据洪水流动线速度和流量，将所述流通路径划分为多个河段；
18、所述计算元素确定模块，用于将每一河段的开始位置和重金属污染源的位置作为计算点，得到计算队列；所述目标区域的位置是所述计算队列的队尾元素；
19、所述顺序计算模块，用于弹出所述计算队列的队头元素，作为目标计算点；
20、所述终止判断模块，用于若所述计算队列非空，则进入所述浓度计算模块；否则，输出目标区域洪水的重金属浓度；
21、所述浓度计算模块，用于根据洪水经过目标计算点的重金属浓度，进行扩散分析，得到洪水到达下一计算点的重金属浓度，并返回顺序计算模块。
22、可选的，所述浓度计算模块包括：
23、浓度更新模块，用于若所述目标计算点为重金属污染源，则根据该重金属污染源的污染物排放数据，更新洪水经过所述目标计算点后的重金属浓度；
24、扩散分析模块，用于计算洪水经过任一河段后的重金属浓度：其中，是洪水到达计算点i+1时第j类重金属的浓度；是洪水经过计算点i后第j类重金属的浓度；exp()是以自然常数e为底的指数函数；是计算点i到计算点i+1的距离；是洪水从计算点i到计算点i+1的流动线速度；和是第j类重金属浓度计算的常数项系数。
25、可选的，所述区域污染变化计算模块包括：
26、特征提取模块，用于从所述洪水预测数据中，提取目标区域的淹没特征参数；所述淹没特征参数包括目标区域的地质数据、开始淹没时间、淹没持续时间、最大水深、达到最大水深时间、洪水重金属浓度变化曲线；
27、变化量计算模块，用于将所述特征参数作为预训练的机器学习模型的输入，得到目标区域土壤的重金属变化量。
28、可选的，所述区域风险评估模块包括：
29、土壤重金属浓度更新模块，用于根据目标区域土壤的原始重金属浓度和重金属变化量，得到目标区域在洪水过后的重金属浓度；
30、风险指数计算模块，用于根据目标区域在洪水过后的重金属浓度，计算内梅罗综合污染指数和潜在生态风险指数；
31、风险等级确定模块，用于根据所述内梅罗综合污染指数和潜在生态风险指数，确定目标区域的风险等级。
32、本专利技术的有益效果：
33、本专利技术提出了一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，该系统包括：洪水预测模块，用于获取目标地域的环境数据，作为预设的洪水模拟模型的输入，得到洪水预测数据；重金属污染源识别模块，用于从洪水预测数据中，提取目标区域的洪水流通数据，确定重金属污染源集合；污染扩散模块，用于根据重金属污染源集合，进行扩散分析，得到目标区域洪水的重金属浓度；区域污染变化计算模块，用于将目标区域洪水的重金属浓度作为预训练的机器学习模型的输入参数，得到目标区域土壤的重金属变化量；区域风险评估模块，用于根据目标区域土壤的原始重金属浓度和重金属变化量，进行风险评估，得到目标区域的风险等级。
34、通过预测洪水分布，进而对重金属污染源及其污染扩散进行分析，可以得到当洪水从河道蔓延至目标区域时的污染程度，然后通过机器学习模型计算目标区域的土壤重金属浓度在洪水影响下的变化量，继而可以进行风险评估。该方法可以提前识别洪水影响下的重金属污染范围和强度，从而为管理者提供决策依据，采取有效、准确的预防性措施。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述洪水模拟模型是一种结合水文学和水动力学的耦合模型；
3.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述重金属污染源识别模块包括：
4.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述污染扩散模块包括河段划分模块、计算元素确定模块、顺序计算模块、终止判断模块和浓度计算模块；其中：
5.根据权利要求4所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述浓度计算模块包括：
6.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述区域污染变化计算模块包括：
7.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述区域风险评估模块包括：
【技术特征摘要】
1.一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述洪水模拟模型是一种结合水文学和水动力学的耦合模型；
3.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述重金属污染源识别模块包括：
4.根据权利要求1所述的一种基于机器学习的洪泛区重金属污染源识别与风险评估系统，其特征在于，所述...
【专利技术属性】
技术研发人员：师华定，何泽新，冯瑶，刘小林，陈鹏，刘安富，季国华，李藜，
申请(专利权)人：生态环境部土壤与农业农村生态环境监管技术中心，
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。