确定水源治理方案的方法和装置、电子设备和存储介质制造方法及图纸

本申请涉及水源治理技术领域，具体提供了一种确定水源治理方案的方法和装置、电子设备和存储介质。其中，方法包括：获取由目标水质监测设备对目标水源进行水质监测后采集得到的原始监测数据；对原始监测数据进行预处理，得到目标监测数据；通过至少两个机器学习算法中的每个机器学习算法对目标监测数据进行校准，得到对目标监测数据进行校准后的校准后数据；基于所有校准后数据，得到用于指示目标水源的水质准确监测结果的准确监测数据；按照准确监测数据，确定出目标水源的目标污染信息；基于目标污染信息中指示的污染指标确定出目标水源治理方案。本申请可以克服现有技术方案中确定出的水源治理方案的适用性差的问题。定出的水源治理方案的适用性差的问题。定出的水源治理方案的适用性差的问题。

【技术实现步骤摘要】
确定水源治理方案的方法和装置、电子设备和存储介质


[0001]本申请涉及水源治理
，尤其涉及一种确定水源治理方案的方法和装置、电子设备和存储介质。

技术介绍

[0002]随着人们对环境保护的日益重视，而水源对人们的生产生活都有重大的影响，因此对水质的监测及针对水质的治理的需求也越来越多。
[0003]在相关技术中，水质环境微型监测设备无法保证精度，高精度监测仪又无法广泛布点，且设备的长期使用可能会出现故障，导致监测数据漂移。为了克服上述问题，需要采用校准系统对监测数据进行校准，但是相关技术的校准系统可能出现特征提取不完全导致校准结果出现误差，且由于现有的校准方法多数基于机器学习的方式，且对于同一特征数据集，不同的机器学习算法也会生成准确度不一的校准结果，进而导致确定出的水源治理方案的适用性低。
[0004]由此可见，相关技术中的确定水源治理方案的方法存在因对于同一特征数据集，不同的机器学习算法也会生成准确度不一的校准结果，进而导致确定出的水源治理方案的适用性低的问题。

技术实现思路

[0005]本申请提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定水源治理方案的方法，其特征在于，包括：获取由目标水质监测设备对目标水源进行水质监测后采集得到的原始监测数据，其中，所述目标水质监测设备进行所述水质监测的准确性低于预设准确值下限；对所述原始监测数据进行预处理，得到目标监测数据；通过至少两个机器学习算法中的每个所述机器学习算法对所述目标监测数据进行校准，得到对所述目标监测数据进行校准后的校准后数据，其中，所述至少两个机器学习算法中的任意两个所述机器学习算法对所述目标监测数据进行校准的准确性互不相同；基于所有所述校准后数据，得到用于指示所述目标水源的水质准确监测结果的准确监测数据；按照所述准确监测数据，确定出所述目标水源的目标污染信息；基于所述目标污染信息中指示的污染指标确定出目标水源治理方案，其中，每个所述目标污染信息包括至少一个所述污染指标，所述目标水源治理方案包括用于对与每个所述污染指标对应的污染物进行治理的目标治理设备和/或目标治理药剂。2.根据权利要求1所述的方法，其特征在于，在所述通过至少两个机器学习算法中的每个所述机器学习算法对所述目标监测数据进行校准，得到对所述目标监测数据进行校准后的校准后数据之前，所述方法还包括：步骤S1，按照与每个所述机器学习算法对应的初始权重，对与每个所述机器学习算法对应的初步校准数据相对于初始化准确监测数据之间的偏差进行加权，得到与每个所述机器学习算法对应的初始加权偏差，并通过对所有所述初始加权偏差进行累计得到初始校验结果，其中，与每个所述机器学习算法对应的初步校准数据是每个所述机器学习算法对所述目标监测数据进行校准后得到，所述初始化准确监测数据为根据所述初步校准数据确定出；步骤S2，对于每个所述机器学习算法，通过预设权重调节方法对与每个所述机器学习算法对应的所述初始权重进行调节得到候选权重，按照与每个所述机器学习算法对应的所述候选权重，对所有所述初步校准数据进行加权，得到与每个所述机器学习算法对应的第一加权结果，通过对所有所述第一加权结果进行累计得到调节后准确监测数据；步骤S3，按照与每个所述机器学习算法对应的所述候选权重，对与每个所述机器学习算法对应的所述初步校准数据相对于所述调节后准确监测数据之间的偏差进行加权，得到与每个所述机器学习算法对应的候选加权偏差，并通过对所有所述候选加权偏差进行累计得到当前校验结果；步骤S4，在所述当前校验结果与历史校验结果之间不满足预设收敛要求的情况下，对于每个所述机器学习算法，通过预设权重调节方法对与每个所述机器学习算法对应的所述候选权重进行调节得到调节后权重，按照与每个所述机器学习算法对应的所述调节后权重，对所有所述初步校准数据进行加权，得到与每个所述机器学习算法对应的第二加权结果，通过对所有所述第二加权结果进行累计得到当前准确监测数据，通过所述调节后权重对所述步骤S3中的候选权重进行更新，通过所述当前准确监测数据对所述步骤S3中的调节后准确监测数据进行更新，并跳转至所述步骤S3，按此循环，直至所述当前校验结果与历史校验结果之间满足所述预设收敛要求为止，其中，所述历史校验结果至少包括一个在得到当前校验结果之前得到的校验结果；
步骤S5，在所述当前校验结果与历史校验结果之间满足所述预设收敛要求的情况下，确定所有所述候选权重满足预设准确要求，将与每个所述机器学习算法对应的所述候选权重确定为与每个所述机器学习算法对应的目标权重。3.根据权利要求2所述的方法，其特征在于，所述通过至少两个机器学习算法中的每个所述机器学习算法对所述目标监测数据进行校准，得到对所述目标监测数据进行校准后的校准后数据，包括：对于任一个所述机器学习算法，将所述目标监测数据输入所述机器学习算法中，得到由所述机器学习算法对所述目标监测数据进行校准后的初级校准后子数据；按照与每个所述机器学习算法对应的所述目标权重，对所有所述初级校准后子数据进行加权后，得到与每个所述机器学习算法对应的目标加权结果，通过对所有所述目标加权结果相加得到所述校准后数据。4.根据权利要求1所述的方法，其特征在于，所述对所述原始监测数据进行预处理，得到目标监测数据，包括：通过对所述原始监测数据执行下述操作，得到预处理后监测数据：在对所述原始监测数据进行第一异常检查，确定出所述原始监测数据中存在离群值的情况下，对所述离群值进行剔除；在对所述原始监测数据进行第二异常检查，确定出所述原始监测数据中存在有缺失参数，且在所有所述缺失参数中包括第一指定特征类型的所述缺失参数的情况下，预测得到所述第一指定特征类型的所述缺失参数的预...

【专利技术属性】
技术研发人员：戈燕红，黄辉勤，舒少君，王俊杰，马东晓，
申请(专利权)人：广东盈峰科技有限公司，
类型：发明
国别省市：