一种地表水生化需氧量BOD的监测方法及系统技术方案

本申请公开了一种地表水生化需氧量BOD的监测方法及系统，用于快速准确的计算BOD的值。本申请提供的方法包括：确定n小时的BOD的模拟值BODAI；确定n小时的BOD的备选值BOD

【技术实现步骤摘要】
一种地表水生化需氧量BOD的监测方法及系统
本申请涉及水环境质量监测领域，尤其涉及一种地表水中生化需氧量BOD的快速监测方法及系统。
技术介绍
近年来地表水环境质量逐渐好转，但仍面临较大挑战，仍需加强环境质量监测工作；地表水环境质量评价工作需要由环境监测数据进行支撑。生化需氧量BOD是地表水环境质量的重要指标，但是当前的监测/检测方法耗时长，在准确性和实时性上仍然不能满足准确测量、快速上传的需要，需要有更好的BOD在线监测技术和方法。
技术实现思路
针对上述技术问题，本申请实施例提供了一种地表水BOD的监测方法及系统，用以用于提高监测速度，实现快速更新监测结果。一方面，本申请实施例提供的一种地表水BOD的监测方法，包括：确定n小时的BOD的模拟值BODAI；确定n小时的BOD的备选值BODnHDO；确定偏差系数Δ；根据所述模拟值BODAI，所述备选值BODnHDO和所述偏差系数Δ，确定目标BODM；其中，n为大于0的数。优选的，根据以下公式确定目标BOD：其中，所述偏差系数Δ不等于1。进一步的，所述BOD的模拟值BODAI通过以下方法确定：根据BOD历史数据库DBt_d，溶解氧随时间变化的曲线T-D和全参数的时间指标列表LIST_history_bod，通过机器学习算法，确定BOD的模拟值BODAI。优选的，所述通过机器学习算法，确定BOD的模拟值BODAI之前，还包括：将历史数据分为训练段和验证段；将所述训练段输入机器学习算法进行训练；将所述验证段输入训练后的机器学习算法，得出BOD的模拟值；将所述BOD的模拟值与历史BOD真实值进行比较，得出偏离度R；若偏离度R大于0.95则训练成功，否则使用所述训练段继续对所述机器学习算法进行训练。优选的，所述偏差系数Δ通过以下方法确定：实际水样进行测量，得到高锰酸盐指数CODmn；根据BOD历史数据库DBt_d，溶解氧随时间变化的曲线T-D和全参数的时间指标列表LIST_history_bod，通过机器学习算法，确定所述高锰酸盐指数CODmn的模拟值CODmnAI；根据所述CODmn和所述CODmnAI，通过以下公式确定所述偏差系数Δ：优选的，所述BOD的备选值BODnHDO通过以下方法确定：根据最新的DO值，与历史数据库中的DO值进行比较，将相似度最高的历史值作为备选值BODnHDO。作为一种优选示例，所述n等于4；所述目标BODM是5日生化需氧量BOD5。作为另一种优选示例，所述全参数的时间指标列表LIST_history_bod至少包括以下之一：地表水的PH值；溶解氧；总氧；高锰酸盐指数CODmn；氨氧；UVASbod；生物综合毒性数据；叶绿素蓝绿藻数据。相应的，本专利技术还提供了一种地表水BOD的监测系统，包括：数据采集子系统，用于采集计算所需要的指标；数据库子系统，用于存储所述数据采集子系统采集的所有历史数据；机器学习子系统，用于根据输入的历史数据，通过机器学习算法计算指标的模拟值；计算子系统，用于根据所述机器学习子系统输出的模拟值和所述数据采集子系统采集的指标，计算目标BODM。本专利技术提供的地表水BOD的监测方法和系统，结合地表水自动监测站特点，以短时间内实时溶解氧DO变化数据和站点BOD同期历史数据和变化曲线数据为基础，结合地表水站其他指标实际监测数据、地表水站历史数据(包括目标BODM)预测结果、当前自动站的上下游站点实时监测数据预测结果，通过实时传感器测量值和机器学习算法来计算最新的目标BODM，时间在n小时内，不需要长期培养就可以相对准确且快速地得到当前站点的目标BODM数据，满足地表水站BOD在线监测的需要。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为现有技术地表水BOD5的监测方法流程示意图；图2为本申请实施例提供地表水BOD的监测方法流程示意图；图3为本申请实施例提供的地表水BOD的监测系统结构示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部份实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。下面对文中出现的一些词语进行解释：1、本专利技术实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。2、本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在本申请中，BOD(生化需氧量)反映水中能被微生物降解的有机物的含量，分为5日生化需氧量BOD5、7日生化需氧量BOD7、10日生化需氧量BOD10和20日生化需氧量BOD20等，主要是因培养时间不同而产生的概念。如图1所示为现有技术中一种地表水BOD5的监测方法示意图，包括以下步骤：S101，地表水采样点采样；S102，测定初期含氧量；S103，进行5天的培养；S104，测定末期含氧量；S105，计算生化需氧量。上述现有方法中，需要进行5天的培养，耗费较长的时间，不能实现快速测量上报的需要。针对上述技术问题，本申请实施例提供了一种地表水BOD的监测方法及系统，结合地表水自动监测站特点，以短时间内实时溶解氧DO变化数据和站点BOD同期历史数据和变化曲线数据为基础，结合地表水站其他指标实际监测数据、地表水站历史数据(包括BOD5)模拟结果、当前自动站的上下游站点实时监测数据模拟结果，通过实时传感器测量值和机器学习算法来计算最新的BOD，时间在n小时内，不需要长期培养就可以准确且快速地得到当前站点的BOD数据，满足地表水站BOD在线监测的需要。其中，方法和系统是基于同一申请构思的，由于方法和系统解决问题的原理相似，因此系统和方法的实施可以相互参见，重复之处不再赘述。下面结合说明书附图对本申请各个实施例进行详细描述。需要说明的是，本申请实施例的展示顺序仅代表实施例的先后顺序，并不代表实施例所提供的技术方本文档来自技高网...

【技术保护点】
1.一种地表水生化需氧量BOD的监测方法，其特征在于，包括：/n确定n小时的BOD的模拟值BODAI；/n确定n小时的BOD的备选值BOD

【技术特征摘要】
1.一种地表水生化需氧量BOD的监测方法，其特征在于，包括：
确定n小时的BOD的模拟值BODAI；
确定n小时的BOD的备选值BODnHDO；
确定偏差系数Δ；
根据所述模拟值BODAI，所述备选值BODnHDO和所述偏差系数Δ，确定目标BODM；
其中，n为大于0的数。


2.根据权利要求1所述的方法，其特征在于，根据以下公式确定所述目标BODM：



其中，所述偏差系数Δ不等于1。


3.根据权利要求1或者2所述的方法，其特征在于，所述BOD的模拟值BODAI通过以下方法确定：
根据BOD历史数据库DBt_d，溶解氧随时间变化的曲线T-D和全参数的时间指标列表LIST_history_bod，通过机器学习算法，确定BOD的模拟值BODAI。


4.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法，确定BOD的模拟值BODAI之前，还包括：
将历史数据分为训练段和验证段；
将所述训练段输入机器学习算法进行训练；
将所述验证段输入训练后的机器学习算法，得出BOD的模拟值；
将所述BOD的模拟值与历史BOD真实值进行比较，得出偏离度R；
若偏离度R大于0.95则训练成功，否则使用所述训练段继续对所述机器学习算法进行训练。


5.根据权利要求1或者2所述的方法，其特征在于，所述偏差系数Δ通过以下方法确定：
对实际水样进行测量，得到高锰酸盐指数CODmn；
根据BOD历史数据库DBt_d，溶解氧随...

【专利技术属性】
技术研发人员：郭永超，
申请(专利权)人：安恒环境科技北京股份有限公司，
类型：发明
国别省市：北京;11