一种基于大数据分析实现的快速水污染溯源方法技术

本发明专利技术公开了环保检测技术领域的一种基于大数据分析实现的快速水污染溯源方法，包括以下步骤：a)通过园区或河道的水质采集设备获取数据；b)大数据计算平台会采集得到的数据，应用标签算法，给每个设备打上水质标签；c)经过对各个水质采集设备的水质标签进行区域和时域分析，判断水流方向，绘制水质地图；d)通过各个设备的水质标签与人工定义水质的合格参数进行非线性数据运算，对可能存在水质污染的区域提供预警；e)当需要定位水域的污染源时，可以根据水质地图自动快速自动计算出可能的污染源；f)根据水质地图，判断水质的变换周期，动态反应水域的水质，达到实时监管，精度定位污染源及污染发生的时间。污染源及污染发生的时间。

【技术实现步骤摘要】
一种基于大数据分析实现的快速水污染溯源方法


[0001]本专利技术涉及环保检测
，具体为一种基于大数据分析实现的快速水污染溯源方法。

技术介绍

[0002]水源污染治理成本高，然污水处理成本高、偷排不易发觉、违法成本低。快速定位污染源，可以有效降低环境污染损失、提高偷排企业的违法成本，减少偷排。
[0003]基于此，本专利技术设计了一种基于大数据分析实现的快速水污染溯源方法，以解决上述提到的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据分析实现的快速水污染溯源方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于大数据分析实现的快速水污染溯源方法，包括以下步骤：
[0006]a)通过园区或河道的水质采集设备获取数据；
[0007]b)大数据计算平台会采集得到的数据，应用标签算法，给每个设备打上水质标签，其中标签设计需要对历史水质数据进行数据调研，分析数据特征，所谓的标签算法即将根据历史数据获取，水质参数的优、良、合格、一般污染的分界值，level1，level2，level3，level4，根据如下算法进行标签化，降低计算量，公式如下：
[0008][0009]其中，level1，level2，level3，level4为人工定义的水质参数值；
[0010]c)经过对各个水质采集设备的水质标签使用大数据算法进行区域和时域分析，根据水质的变化趋势判断水流方向，其中水质变化即求取水质参数的在地域和时域的导数，通过各节点水质指标及区域地图绘制水质地图，其计算公式如下：
[0011][0012]其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数；
[0013]d)通过各个设备的水质标签与人工定义水质的合格参数进行深度学习，主要用到
支持向量机算法将历史水质数据分成两组，一组为正常的水质数据，另一组为污染的水质数据，使用支持向量机算法生成超平面，计算较新增的水质数据点与超平面之间的距离，当计算值为负值时，说明其只存污染风险，其绝对值可以标注水质污染的程度，即当小于0时，绝对值越大，风险越高，当大于0时，绝对值越大，其水质越安全，可以为水质污染的区域提供预警，其计算公式如下：
[0014]超平面函数，
[0015]其中，W为根据历史数据得出的参数矩阵，b根据历史数据得出的常数， i表示i个参数点，y为该数据样本的分类，
[0016]当y
(i)
＝1时，函数边界将会很大，(w
T
x+b)为一个较大的正数，其水质就越好；
[0017]当y
(i)
＝
‑
1时，函数边界也将会很大，(w
T
x+b)为一个较大的负数，水质就越差；
[0018]e)当需要定位水域的污染源时，可以根据水质地图中各个区域的水质数据判断水质的变化趋势，找到水质污染最严重的区域，从而得出可能的污染源，其公式如下：
[0019][0020]其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数，
[0021]y＝max(f(x,y,t,key
value1
,key
value2
,
…
))；
[0022]其中，f为采集设备位置、时间、水质参数构造而成的水质污染指标函数，其值越大表示污染情况越严重，max是获取水质污染指标的最大值，也就得出其地理位置，确定污染源；
[0023]f)根据水质地图，当含有历史水质数据且数量比较大，使用数值分析中曲线拟合，根据拟合结果计算水质的各个参数的变换周期，在水质存在污染风险时，及时关停，其中使用到快速傅里叶变换计算水质参数的变换周期，其具体过程如下：
[0024]y＝fft(x)，
[0025]period＝1/((1：N/2)/(N/2)*0.5)，
[0026]其中，x为水质参数的时间序列，fft是傅里叶变换，y为fft变换后的频域序列，N为y的长度，period为水质参数时间序列的变化的平均周期。
[0027]优选的，所述水质采集设备获取数据为每五分钟上传一次水质数据。
[0028]优选的，所述水质标签的信息内容包括但不仅于：各种水质参数、设备编号、采集时间。
[0029]与现有技术相比，本专利技术的有益效果是：
[0030]1、本专利技术设备投入低，本专利技术是基于现有的设备采集；
[0031]2、本专利技术可以精确定位水质污染源；
[0032]3、本专利技术可以根据采集的数据构建水质地图，工作人员可以根据其进行水质的时域和区域分析；
[0033]4、本专利技术可以结合已有的数据经非线性分析，为环保监督提供水质预警。
具体实施方式
[0034]下面对本专利技术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专利技术一部分实施例，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作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。
[0035]实施例1
[0036]本专利技术提供一种技术方案：一种基于大数据分析实现的快速水污染溯源方法，包括以下步骤：
[0037]a)通过园区或河道的水质采集设备获取数据，水质采集设备获取数据为每五分钟上传一次水质数据；
[0038]b)大数据计算平台会采集得到的数据，应用标签算法，给每个设备打上水质标签，其中标签设计需要对历史水质数据进行数据调研，分析数据特征，所谓的标签算法即将根据历史数据获取，水质参数的优、良、合格、一般污染的分界值，level1，level2，level3，level4，根据如下算法进行标签化，降低计算量，公式如下：
[0039][0040]其中，level1，level2，level3，level4为人工定义的水质参数值；
[0041]c)经过对各个水质采集设备的水质标签使用大数据算法进行区域和时域分析，根据水质的变化趋势判断水流方向，其中水质变化即求取水质参数的在地域和时域的导数，通过各节点水质指标及区域地图绘制水质地图，其计算公式如下：
[0042][0043]其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数；
[0044]d)通过各个设备的水质标签与人工定义水质的合格参数进行深度学习，主要用到支持向量机算法将历史水质数据分成两组，一组为正常的水质数据，另一组为污染的水质数据，使用支持向量机算法生成超平面，计算较新增的水质数据点与超平面之间的距离，当计算值为负值时，说明其只存污染风险，其绝对值可以标注水质污染的程度，即当小于0时，绝对值越大，风险越高，当大于0时，绝对值越大，其水质越安全，可以为水质污染的区域提供预警，其计算公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析实现的快速水污染溯源方法，其特征在于：包括以下步骤：a)通过园区或河道的水质采集设备获取数据；b)大数据计算平台会采集得到的数据，应用标签算法，给每个设备打上水质标签，其中标签设计需要对历史水质数据进行数据调研，分析数据特征，所谓的标签算法即将根据历史数据获取，水质参数的优、良、合格、一般污染的分界值，level1，level2，level3，level4，根据如下算法进行标签化，降低计算量，公式如下：其中，level1，level2，level3，level4为人工定义的水质参数值；c)经过对各个水质采集设备的水质标签使用大数据算法进行区域和时域分析，根据水质的变化趋势判断水流方向，其中水质变化即求取水质参数的在地域和时域的导数，通过各节点水质指标及区域地图绘制水质地图，其计算公式如下：其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数；d)通过各个设备的水质标签与人工定义水质的合格参数进行深度学习，主要用到支持向量机算法将历史水质数据分成两组，一组为正常的水质数据，另一组为污染的水质数据，使用支持向量机算法生成超平面，计算较新增的水质数据点与超平面之间的距离，当计算值为负值时，说明其只存污染风险，其绝对值可以标注水质污染的程度，即当小于0时，绝对值越大，风险越高，当大于0时，绝对值越大，其水质越安全，可以为水质污染的区域提供预警，其计算公式如下：超平面函数，其中，W为根据历史数据得出的参数矩阵，b根据历史数据得出的常数，i表示i个参数点，y为该数据样本的分类，当y
(i)
＝1时，函数边界将会很大，(w
T
x+b)为一个较大的正数，其水...

【专利技术属性】
技术研发人员：胡学飞，李树明，陈春华，薛剑锋，戴永洪，陈雅莉，魏猛，苏晓玉，钱军，
申请(专利权)人：长江水利委员会水文局，
类型：发明
国别省市：