【技术实现步骤摘要】
一种基于无人机的全时空水域污染物应急态势感知系统
本专利技术涉及图像、信号处理领域、人工智能、环境保护和应急管理领域，提出了一种根据最优采样方法和水流域内扩散模型，利用无人机搭载的光谱仪测量水污染物浓度和扩散态势，来满足监测水域污染应急事件态势的综合方法。它可以对企业违规、事故污染等造成的水污染事件及时感知和预测，能够提高环保部门应急效率。技术背景目前水污染监测仪器包含便携式多参数水质检测仪、便携式分光光度计和便携式生物综合毒性仪等。虽然已有无人机的水污染应急监测方案，但多是利用无人机的光学成像或者遥感数据进行如藻类等有色污染物的粗略测量，难以对微量无色污染物进行监测。以无人机搭载光谱仪可实现高精度光谱测量；专家系统与人工智能技术结合的采样点算法可以保证高效、快速地更新数据；多源融合和虚拟现实技术结合可以实现结果立体显示；使用人工智能技术实现污染物的分布预测，可以更好地为环保部门服务。
技术实现思路
本专利技术的目的是解决：如何对突发性水污染事故提高应急监测速度，提供污染物扩散状态的应急分析、
【技术保护点】
1.一种基于无人机的全时空水域污染物应急态势感知系统，其特征在于按照如下步骤进行：/n步骤一：在水域范围内，以地形海拔、经纬度数据和固定监测站测量的历史水污染发生区域位置信息为输入，以水污染发生区域经纬度位置信息为输出，建立输入与输出一一对应关系,其中输出作为初始采样点位置；/n步骤二：建立模拟水污染扩散模型Ω，该模型以地形海拔、经纬度数据、平均水流流速、污染源头位置信息为输入，按时序分布的不同时刻时污染物空间及对应位置浓度分布数据为输出，依据流体力学三大守恒定律模拟污染物扩散过程，建议输入到输出的对应关系形成模拟水污染扩散模型Ω；/n步骤三：以模拟水污染扩散模型Ω的输入和...
【技术特征摘要】
1.一种基于无人机的全时空水域污染物应急态势感知系统，其特征在于按照如下步骤进行：
步骤一：在水域范围内，以地形海拔、经纬度数据和固定监测站测量的历史水污染发生区域位置信息为输入，以水污染发生区域经纬度位置信息为输出，建立输入与输出一一对应关系,其中输出作为初始采样点位置；
步骤二：建立模拟水污染扩散模型Ω，该模型以地形海拔、经纬度数据、平均水流流速、污染源头位置信息为输入，按时序分布的不同时刻时污染物空间及对应位置浓度分布数据为输出，依据流体力学三大守恒定律模拟污染物扩散过程，建议输入到输出的对应关系形成模拟水污染扩散模型Ω；
步骤三：以模拟水污染扩散模型Ω的输入和输出为训练集，训练出神经网络Φ1,在水域范围内随机选取一个采样点（X0,Y0,t0）输入到神经网络Φ1，得到下一采样点的数据（XΦ1,YΦ1,tΦ1,nΦ1）,X0、Y0，XΦ1、YΦ1分别为随机选取的采样点和下一采样点的经纬度坐标，以污染物刚开始扩散的时刻为初始时刻,t0、tΦ1分别为从污染物刚开始扩散到采样到（X0,Y0）、（XΦ1,YΦ1）位置时的时间，nΦ1是tΦ1时刻在（XΦ1,YΦ1)处的污染物浓度；
步骤四：建立采样点生成神经网路Φ2，该神经网路Φ2以当前采样点的经纬度位置（X0,Y0,t0）、水流速度方向、污染物浓度、河道边界的经纬度信息为输入，以下一采样点的经纬度位置（XΦ2,YΦ2,tΦ2）为输出,tΦ2是从污染物刚开始扩散到采样到（XΦ2,YΦ2）位置时的时间；
步骤五：以神经网络Φ1为判别模型，神经网路Φ2为生成模型，将两者组合为生成式对抗网络：对神经网络Φ1、神经网路Φ2输入相同的当前采样点位置（X0,Y0,t0），分别得到（XΦ1,YΦ1,tΦ1,nΦ1）、（XΦ2,YΦ2,tΦ2），在模拟水污染扩散模型Ω的模拟数据中获得两处位置的污染物浓度依次为nΦ1、nΦ2，以nΦ1、nΦ2的相对大小，（X0,Y0）和（XΦ1,YΦ1）、（X0,Y0）和（XΦ2,YΦ2）构成的两条线段与水域边...
【专利技术属性】
技术研发人员：贾鹏，马铭阳，汪梦真，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14
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。