本发明专利技术提供了一种河网水质的监测方法、装置和可读存储介质。一种河网水质的监测方法，包括获取全部河流监测断面的第一数据；获取河网内企业排污口的第二数据；获取河网的气象数据；采用神经网络模型，获取全部河流监测断面的预测流量和预测水位；采用水动力模型和水质模型，获取河网的模拟结果。本发明专利技术的技术方案通过对河网进行水环境模拟，可以更加直观的得到河网的水环境情况，对河网整体流域范围内的水环境进行较为全面的监测，便于掌握整个河网的整体情况。的整体情况。的整体情况。
【技术实现步骤摘要】
河网水质的监测方法、装置和可读存储介质
[0001]本专利技术涉及监测
，具体而言，涉及一种河网水质的监测方法、装置和可读存储介质。
技术介绍
[0002]随着城市化、工业化的发展，越来越多的工业废水、生活废水被排放至河道、水库、湖泊和海洋，使得淡水资源受到污染，同时，导致水资源更加紧张。为避免水污染的进一步恶化，水质监管刻不容缓。
[0003]相关技术中，水环境建模往往根据历史数据进行建模，不具有前瞻性，无法使用未来的数据进行建模。
技术实现思路
[0004]本专利技术旨在解决或改善上述技术问题的至少之一。
[0005]为此，本专利技术的第一目的在于提供一种河网水质的监测方法。
[0006]本专利技术的第二目的在于提供一种河网水质的监测装置。
[0007]本专利技术的第三目的在于提供一种河网水质的监测装置。
[0008]本专利技术的第四目的在于提供一种可读存储介质。
[0009]为实现本专利技术的第一目的，本专利技术的技术方案提供了一种河网水质的监测方法，河网包括多条河流，监测方法包括：获取全部河流监测断面的第一数据，第一数据包括第一流量、第一水位、盐度、第一污染物浓度；获取河网内企业排污口的第二数据，第二数据包括第二流量、第二污染物浓度；获取河网的气象数据，气象数据包括温度、风速、风向、降雨；基于第一数据，采用神经网络模型，获取全部河流监测断面的预测流量和预测水位；基于第一数据、第二数据、气象数据、预测流量和预测水位，采用水动力模型和水质模型，获取河网的模拟结果，模拟结果包括水位模拟结果、流量模拟数据、流场模拟结果、污染物质模拟结果。
[0010]本技术方案中，通过获取得到的第一数据、第二数据、气象数据以及预测得到的预测流量和预测水位，采用水动力模型和水质模型，可以进行河网水环境的模拟，得到模拟结果。通过对河网进行水环境模拟，可以更加直观的得到河网的水环境情况，对河网整体流域范围内的水环境进行较为全面的监测，便于掌握整个河网的整体情况。
[0011]另外，本专利技术提供的技术方案还可以具有如下附加技术特征：
[0012]上述技术方案中，在获取全部河流监测断面的第一数据之前，还包括：获取每条河流监测断面第一时间段内的历史数据，历史数据包括第三流量和第二水位；对历史数据进行清洗，对清洗后的历史数据进行归一化处理；针对归一化处理后的历史数据，将连续多个时刻的数据作为输入，下一时刻的数据作为输出，得到输入数据集和输出数据集；将输入数据集和输出数据集拆分为训练集、验证集和测试集；构建每条河流监测断面的深度学习神经网络模型，采用每条河流监测断面对应的训练集、验证集训练深度学习神经网络模型，采用测试集评估深度学习神经网络模型，进而得到训练好的每条河流监测断面的深度学习神
经网络模型。
[0013]本技术方案中，通过获取历史数据，再对历史数据进行清洗和归一化，生成训练集、验证集和测试集，可以显著提高神经网络模型预测结果的准确性。
[0014]上述任一技术方案中，基于第一数据，采用神经网络模型，获取全部河流监测断面的预测流量和预测水位，具体包括：获取每条河流监测断面当前时刻和此前连续多个时刻的第一流量和第一水位作为输入，输入至训练好的河流的深度学习神经网络模型，得到每条河流监测断面预测流量和预测水位。
[0015]本技术方案中的河网包括多条河流，采用深度学习神经网络模型，得到每条河流监测断面准确的预测流量和预测水位，为水动力模型和水质模型提供准确的参数，提升水动力模型和水质模型输出模拟结果的准确率。
[0016]上述任一技术方案中，在采用水动力模型和水质模型，获取模拟结果之前，还包括：对河网进行建模，得到河网概化图；构建水动力模型和水质模型。
[0017]本技术方案对河网进行建模，得到河网概化图，通过构建河域范围内的河网概化图，实现对多条河流的整体模拟，可以对河网整体流域范围内的水环境进行较为全面的监测，便于掌握整个河网的整体情况。
[0018]上述任一技术方案中，对河网进行建模，得到河网概化图，具体包括：基于河网，制作河道网格，得到河网概化文件；获取河流的河流底高程数据，制作河道地形数据；将河道网格与河道地形数据进行插值处理；根据河道实际情况对相应的河道网格添加干点；根据实际地理信息在相应的河道网格上添加薄坝。
[0019]本技术方案通过构建河域范围内的河网概化图，实现对多条河流的整体模拟，通过构建一维的河网概化图，压缩河网概化图网格的数量，提高模型整体的运行速度。
[0020]上述任一技术方案中，河网水质的监测方法还包括：通过水动力模型和水质模型，得到水位数据、流场数据、污染物质浓度数据；将水位数据、流场数据、污染物质浓度数据转换为GeoJson数据；基于GeoJson数据，得到水位的GIS(地理信息系统，Geographic Information System或Geo－Information system)可视化效果、流场的GIS可视化效果和污染物质浓度的GIS可视化效果。
[0021]本技术方案通过对水位数据、流场数据、污染物质浓度数据的转换，得到水位的GIS可视化效果、流场的GIS可视化效果和污染物质浓度的GIS可视化效果，得到的GIS可视化效果，可以更加直观的展示水环境，便于掌握整个河网的整体情况。
[0022]上述任一技术方案中，第一数据、第二数据和气象数据分别通过数据接口获取。
[0023]本技术方案中，第一数据、第二数据和气象数据通过数据接口进行获取，不需要额外安装传感器进行检测获取，节省成本。并且，通过数据接口获取数据，可以提高数据来源的准确性，获取数据过程速度快。
[0024]为实现本专利技术的第二目的，本专利技术的技术方案提供了一种河网水质的监测装置，河网包括多条河流，监测装置包括：第一获取模块、第二获取模块、第三获取模块、预测模块和模拟模块；第一获取模块获取全部河流监测断面的第一数据，第一数据包括第一流量、水位、盐度、第一污染物浓度；第二获取模块获取河网内企业排污口的第二数据，第二数据包括第二流量、第二污染物浓度；第三获取模块获取河网的气象数据，气象数据包括温度、风速、风向、降雨；预测模块基于第一数据，采用神经网络模型，获取全部河流监测断面的预测
流量和预测水位；模拟模块基于第一数据、第二数据、气象数据、预测流量和预测水位，采用水动力模型和水质模型，获取河网的模拟结果，模拟结果包括水位模拟结果、流量模拟数据、流场模拟结果、污染物质模拟结果。
[0025]本技术方案的第一获取模块获取河流监测断面的第一数据，预测模块通过第一数据中的第一流量和第一水位，采用神经网络模型，预测监测断面未来的流量和未来的水位，即监测断面的预测流量和预测水位。本技术方案通过神经网络模型进行水位和流量的预测，可以显著提高预测数值的准确性。
[0026]为实现本专利技术的第三目的，本专利技术的技术方案提供了一种河网水质的监测装置，包括：存储器和处理器，存储器存储有程序或指令，处理器执行程序或指令；其本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种河网水质的监测方法，其特征在于，所述河网包括多条河流，所述监测方法包括：获取全部所述河流监测断面的第一数据，所述第一数据包括第一流量、第一水位、盐度、第一污染物浓度；获取所述河网内企业排污口的第二数据，所述第二数据包括第二流量、第二污染物浓度；获取所述河网的气象数据，所述气象数据包括温度、风速、风向、降雨；基于所述第一数据，采用神经网络模型，获取全部所述河流监测断面的预测流量和预测水位；基于所述第一数据、所述第二数据、所述气象数据、所述预测流量和所述预测水位，采用水动力模型和水质模型，获取所述河网的模拟结果，所述模拟结果包括水位模拟结果、流量模拟数据、流场模拟结果、污染物质模拟结果。2.根据权利要求1所述的河网水质的监测方法，其特征在于，在所述获取全部所述河流监测断面的第一数据之前，还包括：获取每条所述河流监测断面第一时间段内的历史数据，所述历史数据包括第三流量和第二水位；对所述历史数据进行清洗，对清洗后的所述历史数据进行归一化处理；针对归一化处理后的所述历史数据，将连续多个时刻的数据作为输入，下一时刻的数据作为输出，得到输入数据集和输出数据集；将所述输入数据集和所述输出数据集拆分为训练集、验证集和测试集；构建每条所述河流监测断面的深度学习神经网络模型，采用每条所述河流监测断面对应的所述训练集、所述验证集训练所述深度学习神经网络模型，采用所述测试集评估所述深度学习神经网络模型，进而得到训练好的每条所述河流监测断面的所述深度学习神经网络模型。3.根据权利要求2所述的河网水质的监测方法，其特征在于，基于所述第一数据，采用神经网络模型，获取全部所述河流监测断面的预测流量和预测水位，具体包括：获取每条所述河流监测断面当前时刻和此前连续多个时刻的所述第一流量和所述第一水位作为输入，输入至训练好的所述河流的所述深度学习神经网络模型，得到每条所述河流监测断面预测流量和预测水位。4.根据权利要求1所述的河网水质的监测方法，其特征在于，在所述采用水动力模型和水质模型，获取模拟结果之前，还包括：对所述河网进行建模，得到河网概化图；构建水动力模型和水质模型。5.根据权利要求4所述的河网水质的监测方法，其特征在于，所述对所述河网进行建模，得到河网概化图，具体包括：基于所述河网，制作河道网格，得到河网概化...
【专利技术属性】
技术研发人员：陈瑞斌，曾志辉，许文龙，廖海滨，邢军华，
申请(专利权)人：深圳中兴网信科技有限公司，
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。