基于汇水单元的流域水污染常规因子快速溯源方法技术

本发明专利技术针对日常水质监测的化学需氧量、总磷、氨氮等非突发性水污染因子，提出一种基于汇水单元的流域水污染常规因子快速溯源方法，其按照“定段—定区—定型—定清单”的逻辑，将累积性水污染指标溯源的频次提高到日溯源，溯源精度缩小到由流域尺度提升至河段尺度、乡镇尺度、污染源类型尺度及点位尺度，为日常水环境管理决策提供支撑。境管理决策提供支撑。境管理决策提供支撑。

【技术实现步骤摘要】
基于汇水单元的流域水污染常规因子快速溯源方法


[0001]本专利技术涉及特定计算模型的计算机系统和水域治理科学技术，具体而言，涉及一种基于汇水单元的流域水污染常规因子快速溯源方法。本专利技术要求同一申请人的申请号为202111617892.6、专利技术名称为“一种精准识别断面尺度入河污染源类型的方法”；申请号为202111628531.1、专利技术名称为“一种用于估算入河污染源排放量的方法”的中国专利技术专利的权益，其全文通过引用结合到本文中。

技术介绍

[0002]精准溯源需要污染源排放量的科学估算做支撑，然而，目前污染源清单的建立主要依靠工作量大、周期长的实地调查工作，且除少数工业企业有小时排放数据外，大多数点源、面源的污染排放量的估算多为按年计算，忽略了污染物排放的中间过程，但每个月水质问题都不一样，无法做到按照污染源的动态估算，无法满足科学管理需求。
[0003]根据现有技术的研究可以知道，流域尺度COD、BOD5、NH3_H、TN、TP排放量与之前发生的污染有一定联系，即当前时刻污染会影响到未来一段时间。为了能较好模拟这一过程，模型的输入应该是一组时间序列及其对应的污染情况数据，而常见的机器学习回归算法(例如xgboost、随机森林、支持向量机、SVR、最近邻算法)很难模拟这一过程，并且污染的影响周期有一定的不确定性。
[0004]现有技术中，针对突发性污染事件溯源方法较多，累积型监测因子的水环境问题溯源方法则存在污染溯源滞后、溯源时段不动态、溯源区域不精准等问题，鉴于此，需要提出一种溯源及时、溯源时段动态、溯源区域精准的快速溯源方法。

技术实现思路

[0005]本专利技术旨在针对上述问题，针对日常水质监测的化学需氧量、总磷、氨氮等非突发性水污染因子，提出一种基于汇水单元的流域水污染常规因子快速溯源方法，其按照“定段—定区—定型—定清单”的逻辑，将累积性水污染指标溯源的频次提高到日溯源，溯源精度缩小到由流域尺度提升至河段尺度、乡镇尺度、污染源类型尺度及点位尺度，为日常水环境管理决策提供支撑。具体而言，本专利技术的基于汇水单元的流域水污染常规因子快速溯源方法包括：
[0006]步骤1：建立溯源业务逻辑，建立流域汇水关系，为精准溯源奠定基础；所述溯源业务逻辑为：将污染溯源按照污染识别—污染定段—污染定镇—污染定类—污染定位，由下游河段往上游逐级溯源；步骤2：估算陆域污染源排放量和日入河量；步骤3：计算污染贡献；步骤4：开展污染源精准溯源。
[0007]优选地是，所述建立流域汇水关系进一步包括：基于DEM，划定河流流域范围，所述DEM为数字高层模型；划分河流层级关系，将河流划分为一级河流、二级河流、三级河流等多个层级，并建立河流干支流关系；建立断面—河段对应关系，其根据断面的上下游位置，确定上下游关系并将断面自下而上编号；划定汇水单元，其基于流域内的DEM，划分各个断面
的汇水单元；确定汇水单元入河口，为每个汇水单元确定一个或多个主要入河口；确定入河口清单，确定污染源正向排放关系。
[0008]优选地是，所述估算陆域污染源排放量和日入河量包括：
[0009]识别污染源类型，将污染源分为工业污染点源、生活污染点源、农业污染点源、面源四个大类；并且其中，工业污染点源包括工业园区、工业企业；所述生活污染点源包括污水处理厂，所述农业污染点源包括畜禽养殖等；所述面源包括：水产养殖、土壤侵蚀、有机肥、化肥、秸秆、农村生活污水、农村生活垃圾、城市面源等；
[0010]确定污染源日入河量，其包括如下两种计算方式：
[0011]方式1：当能获取全年每日降雨量时，采用以下方法计算：
[0012]工业污染点源：有在线监测的工业污染源，日入河量＝在线监测日排放量*入河系数；其余工业污染点源使用年排放数据依据用电量折算为日排放量，日入河量＝日排放量*入河系数；生活污染点源：有在线监测的生活污水处理厂，日入河量＝在线监测日排放量*入河系数；其余使用生活污染点源年排放数据依据季节生产关系折算为日排放量，日入河量＝日排放量*入河系数；
[0013]方式2：当只能获取某日降雨量，无全年降雨量时，建立基于深度自适应多重可选择循环神经网络模型，模拟计算流域排放量与入河量。
[0014]优选地是，所述深度自适应多重可选择循环神经网络模型采用LSTM网络，其包括点源—畜禽算法、点源—工业废水算法、点源—城市生活污水算法以及8个面源算法模型。
[0015]优先地是，所述深度自适应多重可选择循环神经网络模型的训练和优化的过程为：根据历史数据，进行数据处理，形成完备的数据库；根据用户的调用请求，系统自动的完成数据的训练；网络模型训练成功以后，自动更新模型数据库，以便对于数据的请求调用；当系统检测到数据计算的请求，首先根据tag来判定应该采用的是哪个算法模型，数据根据深度自适应多重可选择循环神经网络模型采用LSTM网络训练好的的模型部署来完成神经网络的前向计算；对计算的结果进行验证，验证成功以后，返回调用。
[0016]优先地是，所述计算污染贡献步骤包括：
[0017]计算上游来水污染，所述上游来水污染是指本断面的上游带来污染贡献，其以上游断面的某污染物浓度值经本河段自然削减后的浓度值作为计算值，即：
[0018][0019]C
上
：上游断面浓度值，mg/l；C
衰
：上游断面经衰减后到达下游断面的浓度值，mg/l；
[0020]浓度衰减系数。
[0021]计算汇水单元污染入河量；以及计算污染贡献度，其中，
[0022]上游来水贡献＝C
衰
/C0×
100％；本断面自身污染贡献＝C0‑
C
衰
/C0×
100％；C0：本断面浓度值，mg/l；C
衰
：上游断面经衰减后到达下游断面的浓度值，mg/l；
[0023]本断面某污染类型贡献＝本断面该污染类型的污染入河量/本断面汇水单元内的污染入河量；
[0024]本断面某个点源或地块污染贡献＝本断面该点源或地块的污染入河量/本断面汇水单元内的污染入河量。
[0025]优选地是，所述计算汇水单元污染入河量包括：
[0026]本断面汇水单元内的污染日入河量＝汇水单元工业园区日入河量+汇水单元工业
企业日入河量+汇水单元污水处理厂日入河量+汇水单元畜禽养殖日入河量+汇水单元水产养殖日入河量+汇水单元土壤侵蚀日入河量+汇水单元有机肥入河量+汇水单元化肥日入河量+汇水单元秸秆日入河量+汇水单元农村生活污水日入河量+汇水单元农村生活垃圾日入河量+汇水单元城市面源日入河量；
[0027]汇水单元某污染类型入河量＝汇水单元内所有该类型污染源入河量之和。
[0028]优先地是，所述开展污染源精准溯源包括：识别问题河段，启动溯源；以问题河段为起点，计算上游来水贡献度、本河段贡献度，因此确定溯源河段范围，实现污染定段；确定溯源重点区域，污染定区；确定河段主导污染类；依据累本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于汇水单元的流域水污染常规因子快速溯源方法，所述常规因子包括包括：COD、BOD5、NH3_H、TN、TP，所述快速精准溯源方法包括如下步骤：步骤1：建立溯源业务逻辑，建立流域汇水关系，为精准溯源奠定基础；所述溯源业务逻辑为：将污染溯源按照污染识别—污染定段—污染定镇—污染定类—污染定位，由下游河段往上游逐级溯源；步骤2：估算陆域污染源排放量和日入河量；步骤3：计算污染贡献；步骤4：开展污染源精准溯源。2.根据权利要求1所述的流域水污染常规因子快速精准溯源方法，其特征在于，所述建立流域汇水关系进一步包括：基于DEM，划定河流流域范围，所述DEM为数字高层模型；划分河流层级关系，将河流划分为一级河流、二级河流、三级河流等多个层级，并建立河流干支流关系；建立断面—河段对应关系，其根据断面的上下游位置，确定上下游关系并将断面自下而上编号；以空间叠加方式，用断面将整个河流分割为多个河段，并建立断面与每个河段之间的对应关系；划定汇水单元，其基于流域内的DEM，划分各个断面的汇水单元，每个汇水单元均设定一个出水口，建立汇水单元之间的输入输出关系；同时建立汇水单元与河段、汇水单元与出水口的对应关系；通过汇水单元的空间范围，找出每个汇水单元内的陆地上的污染源，建立陆域污染源—汇水单元的关联关系，从而建立陆域污染源—汇水单元—河段—断面的关联关系；确定汇水单元入河口，为每个汇水单元确定一个或多个主要入河口，包括主要自然排口、重点污染源直排口；确定逻辑入河口清单，确定污染源正向排放关系。3.根据权利要求1所述的流域水污染常规因子快速精准溯源方法，其特征在于，所述估算陆域污染源排放量和日入河量包括：识别污染源类型，将污染源分为工业污染点源、生活污染点源、农业污染点源、面源四个大类；并且其中，工业污染点源包括工业园区、工业企业；所述生活污染点源包括污水处理厂，所述农业污染点源包括畜禽养殖等；所述面源包括：水产养殖、土壤侵蚀、有机肥、化肥、秸秆、农村生活污水、农村生活垃圾、城市面源等；确定污染源日入河量，其包括如下两种计算方式：方式1：当能获取全年每日降雨量时，采用以下方法计算：工业污染点源：有在线监测的工业污染源，日入河量＝在线监测日排放量*入河系数；其余工业污染点源使用年排放数据依据用电量折算为日排放量，日入河量＝日排放量*入河系数；生活污染点源：有在线监测的生活污水处理厂，日入河量＝在线监测日排放量*入河系数；其余使用生活污染点源年排放数据依据季节生产关系折算为日排放量，日入河量＝日排放量*入河系数；方式2：当只能获取某日降雨量，无全年降雨量时，建立基于深度自适应多重可选择循环神经网络模型，模拟计算流域排放量与入河量。
4.根据权利要求3所述的流域水污染常规因子快速精准溯源方法，其特征在于，所述深度自适应多重可选择循环神经网络模型采用LSTM网络，其包括点源—畜禽算法、点源—工业废水算法、点源—城市生活污水算法以及8个面源算法模型。5.根据权利要求4所述的流域水污染常规因子快速精准溯源方法，其特征在于，所述深度自适应多重可选择循环神经网络模型的训练和优化的过程为：根据历史数据，进行数据处理，形成完备的数据库；根据用户的调用请求，系统自动的完成数据的训练；网络模型训练成功以后，自动更新模型数据库，以便对于数据的请求调用；当系统检测到数据计算的请求，首先根据tag来判定应该采用的是哪个算法模型，数...

【专利技术属性】
技术研发人员：刘晓，刘海涵，余游，付娟娟，耿京保，
申请(专利权)人：重庆市生态环境大数据应用中心，
类型：发明
国别省市：