System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及环境监测,尤其是涉及一种环境污染物监测方法及系统。
技术介绍
1、目前,在一些有机溶剂加工单位附近的水域的污染物的主要类型为机溶剂。例如:涂料、清洁剂或油漆等。进一步的,目前水体中的有机溶剂一般通过实验室的方式由操作人员进行实验检测,由于操作人员的水平的良莠不齐以及有机溶剂种类的多样,导致检测机精度低并且检测结果的精度差。
2、进一步的,通过拉曼光谱仪也可监测水体中的有机溶剂的种类和含量,但是由于水样中有机溶剂的浓度非常低,或者溶剂分子结构相似,其拉曼峰可能重叠,这会增加识别和定量的难度。
3、整体而言,现有的环境污染物监测仍存在监测精度低的现状。
技术实现思路
1、本专利技术的目的在于提供一种环境污染物监测方法及系统,以缓解现有技术中存在的环境污染物监测仍存在监测精度低的技术问题,提升监测精度。
2、第一方面,本专利技术实施例提供了一种环境污染物监测方法,包括:基于预设的时间周期,通过拉曼光谱仪检测待检测水域的多个拉曼峰;分别将上述多个拉曼峰输入预设的有机物含量检测模型,输出上述多个拉曼峰中每个拉曼峰对应的有机溶剂的含量以及种类;上述有机物含量检测模型基于下述步骤进行构建:通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰;基于上述预设种类以及预设含量的有机溶剂的溶剂信息,以及上述溶剂信息对应的上述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型;将上述每个拉曼峰对应的有
3、在本专利技术较佳的实施方式中,上述初始有机物含量检测模型基于lstm模型进行构建;基于上述预设种类以及预设含量的有机溶剂的溶剂信息,以及上述溶剂信息对应的上述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型的步骤之前,上述方法包括:对上述溶剂信息以及上述溶剂信息对应的上述实验拉曼峰进行标准化处理,得到标准化案例集;基于上述标准化案例集对上述lstm模型进行训练,直到达到上述训练标准,得到上述有机物含量检测模型。
4、在本专利技术较佳的实施方式中,上述lstm模型包含六层神经网络层,上述六层神经网络层包括五层lstm层以及全连接层;上述五层lstm层中的前四层lstm层每层包含128个神经元;每层lstm层在计算过程中随机丢弃30%神经元;上述五层lstm层中的第五层包含64个神经元;上述全连接层用于输出单一预测值;每层均使用预设的偏置权重。
5、在本专利技术较佳的实施方式中,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰的步骤,包括:基于预设的采样周期,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出初始实验拉曼峰;根据上述采样周期,对上述初始实验拉曼峰添加时序标签,得到上述实验拉曼峰。
6、在本专利技术较佳的实施方式中,基于上述预设种类以及预设含量的有机溶剂的溶剂信息,以及上述溶剂信息对应的上述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型的步骤,包括:将上述实验拉曼峰作为上述初始有机物含量检测模型的输入,将上述预设种类以及预设含量的有机溶剂的溶剂信息作为上述初始有机物含量检测模型的输出,根据上述时序标签设置滑动时间窗口,对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型;基于预设的时间周期,通过拉曼光谱仪检测待检测水域的多个拉曼峰的步骤之后,上述方法还包括:获取上述待检测水域的有机溶剂含量预测时间;分别将上述多个拉曼峰输入预设的有机物含量检测模型,输出上述多个拉曼峰中每个拉曼峰对应的有机溶剂的含量以及种类的步骤,包括:分别将上述多个拉曼峰输入预设的有机物含量检测模型,输出上述待检测水域在上述有机溶剂含量预测时间的有机溶剂的预测值。
7、在本专利技术较佳的实施方式中,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰的步骤之前,上述方法包括:通过振动装置将上述预设种类以及预设含量的有机溶剂摇晃,直至溶液状态不再变化,得到均匀溶液;通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,得到实验拉曼峰的步骤,包括:通过拉曼光谱仪检测上述均匀溶液,输出实验拉曼峰。
8、在本专利技术较佳的实施方式中,通过上述指定云端对上述每个拉曼峰对应的有机溶剂的含量以及种类进行监测的步骤,包括:通过上述指定云端判断上述每个拉曼峰对应的有机溶剂的含量以及种类是否大于预设种类的溶剂含量阈值;如果是,生成警示信号,并将上述警示信号发送至指定终端。
9、在本专利技术较佳的实施方式中,上述有机溶剂的类型包括:有机磷化物、多环芳烃、酚类化合物以及酯类。
10、第二方面,本专利技术实施例还提供了一种环境污染物监测装置,包括:数据获取模块,用于基于预设的时间周期,通过拉曼光谱仪检测待检测水域的多个拉曼峰;输出模块,用于分别将上述多个拉曼峰输入预设的有机物含量检测模型,输出上述多个拉曼峰中每个拉曼峰对应的有机溶剂的含量以及种类;上述有机物含量检测模型基于下述步骤进行构建:通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰;基于上述预设种类以及预设含量的有机溶剂的溶剂信息,以及上述溶剂信息对应的上述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型;监测模块,用于将上述每个拉曼峰对应的有机溶剂的含量以及种类发送给指定云端,并通过上述指定云端对上述每个拉曼峰对应的有机溶剂的含量以及种类进行监测。
11、第三方面,本专利技术实施例还提供了一种电子设备,上述电子设备包括处理器和存储器,上述存储器存储有能够被上述处理器执行的计算机可执行指令,上述处理器执行上述计算机可执行指令以实现权利要求1至8任一项上述的环境污染物监测方法。
12、本专利技术实施例具有下述有益技术效果:
13、本专利技术实施例提供了一种环境污染物监测方法、装置及电子设备,包括:基于预设的时间周期,通过拉曼光谱仪检测待检测水域的多个拉曼峰;分别将上述多个拉曼峰输入预设的有机物含量检测模型,输出上述多个拉曼峰中每个拉曼峰对应的有机溶剂的含量以及种类;上述有机物含量检测模型基于下述步骤进行构建:通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰;基于上述预设种类以及预设含量的有机溶剂的溶剂信息,以及上述溶剂信息对应的上述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到上述有机物含量检测模型;将上述每个拉曼峰对应的有机溶剂的含量以及种类发送给指定云端,并通过上述指定云端对上述每个拉曼峰对应的有机溶剂的含量以及种类进行监测。该方法通过拉曼光谱仪检测标准的有机溶剂,输出实验拉曼峰,再基于上述有机溶剂的溶剂信息训练有机物含量检测模型,再基于上述有机物含量检测模型检测拉曼峰对应的有机溶剂本文档来自技高网...
【技术保护点】
1.一种环境污染物监测方法,其特征在于,包括:
2.根据权利要求1所述的环境污染物监测方法,其特征在于,所述初始有机物含量检测模型基于LSTM模型进行构建;基于所述预设种类以及预设含量的有机溶剂的溶剂信息,以及所述溶剂信息对应的所述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到所述有机物含量检测模型的步骤之前,所述方法包括:
3.根据权利要求2所述的环境污染物监测方法,其特征在于,所述LSTM模型包含六层神经网络层,所述六层神经网络层包括五层LSTM层以及全连接层;所述五层LSTM层中的前四层LSTM层每层包含128个神经元;每层LSTM层在计算过程中随机丢弃30%神经元;所述五层LSTM层中的第五层包含64个神经元;所述全连接层用于输出单一预测值;每层均使用预设的偏置权重。
4.根据权利要求1所述的环境污染物监测方法,其特征在于,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰的步骤,包括:
5.根据权利要求4所述的环境污染物监测方法,其特征在于,基于所述预设种类以及预设含量的有机溶剂的溶
6.根据权利要求1所述的环境污染物监测方法,其特征在于,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰的步骤之前,所述方法包括:
7.根据权利要求1所述的环境污染物监测方法,其特征在于,通过所述指定云端对所述每个拉曼峰对应的有机溶剂的含量以及种类进行监测的步骤,包括:
8.根据权利要求1所述的环境污染物监测方法,其特征在于,所述有机溶剂的类型包括:有机磷化物、多环芳烃、酚类化合物以及酯类。
9.一种环境污染物监测装置,其特征在于,包括:
10.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至8任一项所述的环境污染物监测方法。
...【技术特征摘要】
1.一种环境污染物监测方法,其特征在于,包括:
2.根据权利要求1所述的环境污染物监测方法,其特征在于,所述初始有机物含量检测模型基于lstm模型进行构建;基于所述预设种类以及预设含量的有机溶剂的溶剂信息,以及所述溶剂信息对应的所述实验拉曼峰对初始有机物含量检测模型进行训练,直到达到预设的训练标准,得到所述有机物含量检测模型的步骤之前,所述方法包括:
3.根据权利要求2所述的环境污染物监测方法,其特征在于,所述lstm模型包含六层神经网络层,所述六层神经网络层包括五层lstm层以及全连接层;所述五层lstm层中的前四层lstm层每层包含128个神经元;每层lstm层在计算过程中随机丢弃30%神经元;所述五层lstm层中的第五层包含64个神经元;所述全连接层用于输出单一预测值;每层均使用预设的偏置权重。
4.根据权利要求1所述的环境污染物监测方法,其特征在于,通过拉曼光谱仪检测预设种类以及预设含量的有机溶剂,输出实验拉曼峰的步骤,包括:
5.根据权利要求4所述的环境污染物监...
【专利技术属性】
技术研发人员:杜彪,周玉山,王家民,郝璐,徐晓雯,何津,吴抒悦,钟子豪,沈雨微,
申请(专利权)人:北京易兴元石化科技有限公司,
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。