【技术实现步骤摘要】
本专利技术属于河网水污染溯源领域，尤其涉及一种河网水污染溯源方法。
技术介绍
1、当前，环境污染问题中，污水问题仍然是一个亟待解决的重大挑战。环境污染如果超过了环境容量，会对当地的生态圈造成毁灭性的打击，并且随着物质和能量循环，会对人们的生活造成巨大的威胁。因此，有必要对河网污染物来源进行精准定位。河网污染物溯源如果单纯依靠人工进行排查，不仅事倍功半，而且溯源结果的可靠性和及时性得不到保障。随着人工智能技术的发展，通过大数据分析和人工智能算法进行河网污染物溯源具有重要的意义和价值。
2、专利号为cn202311274115.5的专利技术专利中提及了一种工业园区水污染源荧光指纹数据库的构建方法，可根据不同污染物呈现的不同荧光特征峰来构建污染物荧光指纹库，可以帮助精准辨别污染物，并溯源对应工厂排放源。
3、然而，此专利技术虽然溯源精度很高，但构建一个包含足够多污染物的指纹库成本高昂，而且随着工业化的不断发展和工业园区工厂使用原料的不断变化，指纹库需要不断进行更新，其中更是要投入大量的人力物力财力。因此，该方法仅针对溯源区域内排污企业的污染物具有极大差异时才能发挥出较好的作用，若某工业园区集中了多个同类型企业，该方法难以精准溯源。
4、为此，本专利技术提出一种基于mike软件和门控循环单元的河网水污染溯源方法。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺陷，提出了一种河网水污染溯源方法，将mike软件与门控循环单元、回归模型进行结合，反向对
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种河网水污染溯源方法，包括以下步骤：
4、步骤s1、获取河网数据；所述河网数据包括河网地理数据、河网水文数据、河道巡测数据、河网监测点监测数据等；
5、步骤s2、构建水动力模型：将河网数据输入mike软件，构建整片河网的水动力模型；
6、步骤s3、模拟污染物扩散和验证模型：以任一监测点作为污染源，设定所述污染源的排污时长、排污浓度和浓度变化间隔并输入水动力模型，得到污染源周边水质监测点的模拟数据，以所述监测点对应的真实监测数据对进行水动力模型验证；
7、步骤s4、构建回归模型：将整片河网以监测点为节点划分为多个河段，然后将每个河段对应的河网数据输入水动力模型，获得每个河段的模拟数据；将每个河段的模拟数据经过预处理后输入门控循环单元，构建每个河段的回归模型；
8、步骤s5、河网水污染溯源：当任意监测点检测到污染物超标后，利用遗传算法中的交叉、变异操作，将污染源参数进行任意变化、重组，并输入监测点所在河段对应的回归模型，得到当前监测点污染物超标浓度的预测结果；以预测结果与真实超标数值之差作为评价指标，重复以上步骤，在多次迭代后返回当前监测点污染物超标浓度的最优预测结果，该最优预测结果对应的污染源参数即为溯源结果。
9、所述污染源参数包括污染源位置、污染源排放起始时间、排放持续时间、排放浓度。
10、优选地：所述河网数据包括河网地理数据、河网水文数据、河道巡测数据、河网水质监测点监测数据，具体地，所述河网地理数据包括河道经纬度数据、人工实测的河道断面结构数据，河网水文数据包括不同河段的流速、流向、水位等数据，河道巡测数据包括利用无人船、无人机采集的河网中四种主要污染物质的本底值数据，河网水质监测点监测数据包括河网监测点定时对该点主要污染物质的检测值。
11、优选地：利用mike zero软件，输入河网二维地理数据（经纬度、河道走向、宽度等）、水文数据、断面结构等，构建整片河网的水动力模型并验证；输入特定的污染源特征参数，利用水动力模型模拟污染影响程度，可以得到任意时空状况下、任意精度下的具体污染物浓度数据，并利用了无人船实测的河网污染物本底值数据和监测点的实际检测数据作为仿真模拟正确性的参考指标，避免了实际监测站的机械故障、监测间隔长等因素对训练后模型精度的影响。
12、优选地：以河网中的水质监测点为划分节点，将整片河网划分为多条河段。由于河床断面构造、水位高低等因素的变化导致河网的不同部分呈现出不同的流量和流速，同一个污染源在河网的不同部分也会出现差异极大的污染情况，若是不将河网进行划分，以整片河网的数据训练一个回归模型，则模型势必会尽可能满足所有不同水文特征的河段的预测精确性，最终可能导致仅有数个河段精确度较高甚至整片河网的预测精度均严重不足。
13、优选地：将河网划分为河段后，利用门控循环单元，将模拟数据代入，构建各个河道独立的回归模型，利用循环神经网络帮助寻找在不同河段特殊情况下，污染源与监测点数值的对应关系。
14、优选地：步骤s4所述预处理包括统一时间单位、去除间隔符、识别与去除异常值。
15、优选地：所述识别与去除异常值采用z分数（z-score）和iqr（interquartilerange，四分差）两种方法。
16、优选地：引入遗传算法，将污染源参数（位置、排放起始时间、排放持续时间、排放浓度等）在适当范围内进行随机变化，可以遍历完整的污染源情况，避免门控循环单元陷入局部最优，可以有效提高污染源的溯源能力和准确性。
17、优选地：mike软件的仿真数据除了需要通过真实检测数据进行验证外，还需要进行可视化分析，通过计算与相同时空情况下本底值之差并可视化可以得到变化情况是否符合实际河道地理、水文特性；此外还需分析不同监测点的数据之间差距是否足够明显，可否作为模型训练的输入数据集而不会对最终模型的精度产生影响。
18、本专利技术的技术效果和优点：
19、 1、本专利技术与现有技术相比，采用mike软件对污染物扩散情况进行模拟，以此在监测数据稀疏的条件下进行数据增补，可利用水动力模型进行复杂情况下污染物浓度的计算，同时结合监测点传感器返回的真实数据作为正确性的验证，克服了真实情况下监测点采集检测频率和精度不足的问题，利用水动力学仿真数据作为溯源模型的输入，可以提高数据集的精度和密度，帮助模型更好地寻找污染源和监测点数据间宏观和微观之间的对应关系。
20、 2、本专利技术与现有技术相比，引入了门控循环单元进行污染物溯源，通过寻找污染源与监测点间浓度、时间的对应关系，利用浓度高低和到达监测点的时间来进行污染源位置的大致判断，即使在多家同类企业汇集于同一工业园区的情况也依然适用，并且从污染物超标报警信息输入后整个溯源过程均由系统自动完成，提高了工作效率和溯源的可靠性。
21、 3、本专利技术通过引入遗传算法，将污染源信息随机变异、重组后重新代入模型，不断迭代后得出最佳溯源结果，可以有效避免溯源模型陷入局部最优解进而影响溯源结果。
22、4、本专利技术通过将整片河网以监测点为节点划分为河段，由于河床断面构造、本文档来自技高网...
【技术保护点】
1.一种河网水污染溯源方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的河网水污染溯源方法，其特征在于，所述河网数据包括河网地理数据、河网水文数据、河道巡测数据、河网水质监测点监测数据。
3.根据权利要求1所述的河网水污染溯源方法，其特征在于，步骤S4所述预处理包括统一时间单位、去除间隔符、识别与去除异常值。
4.根据权利要求1所述的河网水污染溯源方法，其特征在于，所述污染源参数包括污染源位置、污染源排放起始时间、排放持续时间、排放浓度。
5.一种实现权利要求1-4任一项所述方法的河网水污染溯源系统，其特征在于，包括以下模块：
6.一种电子设备，其特征在于，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机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-4任一项所述方法。
7.一种机器可读存储介质，其特征在于，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现权利要求1-4任一项所述方法。
【技术特征摘要】
1.一种河网水污染溯源方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的河网水污染溯源方法，其特征在于，所述河网数据包括河网地理数据、河网水文数据、河道巡测数据、河网水质监测点监测数据。
3.根据权利要求1所述的河网水污染溯源方法，其特征在于，步骤s4所述预处理包括统一时间单位、去除间隔符、识别与去除异常值。
4.根据权利要求1所述的河网水污染溯源方法，其特征在于，所述污染源参数包括污染源位置、污染源排放起始时间、排放持续时间、排...
【专利技术属性】
技术研发人员：张力天，黄进刚，李峰，徐晓滨，章艺煊，
申请(专利权)人：杭州电子科技大学，
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。