一种地下水实时监测方法、系统及介质技术方案

本发明专利技术公开了一种地下水实时监测方法、系统及介质。通过获取地下水监测区域中的历史环境数据、历史监测数据进行谱聚类数据划分，并将相关数据导入污染监测模型进行预测分析与模型训练；实时获取监测子区域中污染监测数据并导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域；基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案。通过本发明专利技术中数据谱聚类方法能够有效实现训练数据的精准化分组与获取，提高模型预测精度。另外，通过本发明专利技术能够实现动态调整监测区域，有效降低地下水监测区域内人力物力的资源消耗，实现地下水污染监测的降本增效。实现地下水污染监测的降本增效。实现地下水污染监测的降本增效。

【技术实现步骤摘要】
一种地下水实时监测方法、系统及介质


[0001]本专利技术涉及数字孪生领域，更具体的，涉及一种地下水实时监测方法、系统及介质。

技术介绍

[0002]地下水是人类生活和工业生产中重要的水资源，但由于地下水的隐藏性和舒适性，容易受到各种污染物的侵入和累积，因此地下水污染的监测分析非常重要。
[0003]受制传统分析技术，对地下水一般采取的是定点取样分析，进而对整个地下水所在区域缺少整体区域的污染分析与预测，另外，现有技术对地下水的相关模型分析中缺少高效精准的分析手段，从而影响地下水污染分析污染防治。因此，现在亟需一种高效精准的地下水监测方法。

技术实现思路

[0004]本专利技术克服了现有技术的缺陷，提出了一种地下水实时监测方法、系统及介质。
[0005]本专利技术第一方面提供了一种地下水实时监测方法，包括：获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域；基于所述地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型；获取地下水监测区域中的历史环境数据、历史监测数据，将所述历史环境数据、历史监测数据进行基于谱聚类的数据划分，并得到聚类划分后的训练数据，将所述训练数据导入污染监测模型进行模型训练；实时获取监测子区域中污染监测数据，将所述污染监测数据导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域；基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案。
[0006]本方案中，所述获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域，具体为：获取地下水监测区域的区域大小与区域地图轮廓；获取地下水监测深度，基于所述区域大小、区域地图轮廓、地下水监测深度构建基于三维的地下水结构模型；基于地下水结构模型，对地下水监测区域进行区域划分得到多个监测子区域。
[0007]本方案中，所述基于所述地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型，具体为：获取每个监测子区域的地下水监测点位置与环境监测点位置；基于所述地下水监测点位置与环境监测点位置得到地下水与环境监测点分布信息；
基于地下水与环境监测点分布信息、地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型。
[0008]本方案中，所述获取地下水监测区域中的历史环境数据、历史监测数据，将所述历史环境数据、历史监测数据进行基于谱聚类的数据划分，并得到聚类划分后的训练数据，将所述训练数据导入污染监测模型进行模型训练，具体为：构建基于神经网络的预测分析模块，并将所述预测分析模块作为污染监测模型的数据处理模块；在预设时间段内，获取每个地下水监测区域中的历史环境数据、历史监测数据，基于预设时间间隔，将历史环境数据、历史监测数据划分为N个周期性环境与监测数据；基于谱聚类算法，设定拥有N个节点的相似度图；基于高斯核函数，计算N个周期性环境与监测数据之间的数据相似度，并得到相似度数据；将N个周期性环境与监测数据作为相似度图中的N个节点，将相似度数据作为相似度图中边的权重值；将相似度图转化为拉普拉斯矩阵，并基于所述拉普拉斯矩阵进行特征分解，得到K个特征值与对应K个特征向量；基于预设聚类算法，将K个特征向量作为聚类输入数据进行聚类分析，并形成L组特征数据；基于L组特征数据，对N个周期性环境与监测数据中进行数据融合与二次分组，并形成对应的L组环境与监测数据；将所述L组环境与监测数据作为训练数据导入污染监测模型进行污染与环境关联分析与基于深度学习的数据预测训练，并得到训练后的污染监测模型。
[0009]本方案中，所述实时获取监测子区域中污染监测数据，将所述污染监测数据导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域，具体为：实时获取一个周期内监测子区域中每个监测子区域的实时污染监测数据、实时环境数据；将所述实时污染监测数据，实时环境数据导入污染监测模型进行区域性污染波动分析，得到分析结果，基于分析结果，计算预测出每个监测子区域的污染情况信息与污染扩散方向；所述污染情况信息包括预设污染物的浓度变化、污染物种类信息；基于每个监测子区域的污染扩散方向，结合地下水结构模型进行污染源预测，得到污染源预测区域。
[0010]本方案中，所述基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案，具体为：随机选取一个监测子区域作为选定监测子区域；根据选定监测子区域的实时环境数据，基于天气、降雨量、气温计算出对应周期内的环境变化指数；计算出选定监测子区域与污染源预测区域的重合面积值，得到污染重合面积；计算出选定监测子区域与污染源预测区域中多个预设平面方向的平均最短距离；
基于所述环境变化指数、污染重合面积、平均最短距离，计算出选定监测子区域中的监测需求度；分析所有监测子区域并计算出所有监测子区域的监测需求度。
[0011]本方案中，所述基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案，还包括：将监测需求度大于第一预设值的监测子区域作为优选监测子区域；将监测需求度小于等于第一预设值且大于第二预设值的监测子区域作为第二优选监测子区域；将监测需求度小于等于第二预设值的监测子区域作为非重点监测子区域；基于所述优选监测子区域、第二优选监测子区域、非重点监测子区域生成监测方案。
[0012]本专利技术第二方面还提供了一种地下水实时监测系统，该系统包括：存储器、处理器，所述存储器中包括地下水实时监测程序，所述地下水实时监测程序被所述处理器执行时实现如下步骤：获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域；基于所述地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型；获取地下水监测区域中的历史环境数据、历史监测数据，将所述历史环境数据、历史监测数据进行基于谱聚类的数据划分，并得到聚类划分后的训练数据，将所述训练数据导入污染监测模型进行模型训练；实时获取监测子区域中污染监测数据，将所述污染监测数据导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域；基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案。
[0013]本方案中，所述获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域，具体为：获取地下水监测区域的区域大小与区域地图轮廓；获取地下水监测深度，基于所述区域大小、区域地图轮廓、地下水监测深度构建基于三维的地下水结构模型；基于地下水结构模型，对地下水监测区域进行区域划分得到多个监测子区域。
[0014]本专利技术第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括地下水实时监测程序，所述地下水实时监测程序被处理器执行时，实现如上述任一项所述的地下水实时监测方法的步骤。
[0015]本专利技术公开了一种地下水实时监测方法、系统及介质。通过获取地下水监测区域中的历史环境数据、历史监测数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地下水实时监测方法，其特征在于，包括：获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域；基于所述地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型；获取地下水监测区域中的历史环境数据、历史监测数据，将所述历史环境数据、历史监测数据进行基于谱聚类的数据划分，并得到聚类划分后的训练数据，将所述训练数据导入污染监测模型进行模型训练；实时获取监测子区域中污染监测数据，将所述污染监测数据导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域；基于所述污染源预测区域与监测子区域的环境数据计算每个监测子区域的监测需求度，基于所述监测需求度生成监测方案。2.根据权利要求1所述的一种地下水实时监测方法，其特征在于，所述获取地下水监测区域，基于所述地下水监测区域进行区域划分得到多个监测子区域，具体为：获取地下水监测区域的区域大小与区域地图轮廓；获取地下水监测深度，基于所述区域大小、区域地图轮廓、地下水监测深度构建基于三维的地下水结构模型；基于地下水结构模型，对地下水监测区域进行区域划分得到多个监测子区域。3.根据权利要求1所述的一种地下水实时监测方法，其特征在于，所述基于所述地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型，具体为：获取每个监测子区域的地下水监测点位置与环境监测点位置；基于所述地下水监测点位置与环境监测点位置得到地下水与环境监测点分布信息；基于地下水与环境监测点分布信息、地下水监测区域与监测子区域，构建基于数字孪生的污染监测模型。4.根据权利要求1所述的一种地下水实时监测方法，其特征在于，所述获取地下水监测区域中的历史环境数据、历史监测数据，将所述历史环境数据、历史监测数据进行基于谱聚类的数据划分，并得到聚类划分后的训练数据，将所述训练数据导入污染监测模型进行模型训练，具体为：构建基于神经网络的预测分析模块，并将所述预测分析模块作为污染监测模型的数据处理模块；在预设时间段内，获取每个地下水监测区域中的历史环境数据、历史监测数据，基于预设时间间隔，将历史环境数据、历史监测数据划分为N个周期性环境与监测数据；基于谱聚类算法，设定拥有N个节点的相似度图；基于高斯核函数，计算N个周期性环境与监测数据之间的数据相似度，并得到相似度数据；将N个周期性环境与监测数据作为相似度图中的N个节点，将相似度数据作为相似度图中边的权重值；将相似度图转化为拉普拉斯矩阵，并基于所述拉普拉斯矩阵进行特征分解，得到K个特征值与对应K个特征向量；基于预设聚类算法，将K个特征向量作为聚类输入数据进行聚类分析，并形成L组特征数据；
基于L组特征数据，对N个周期性环境与监测数据中进行数据融合与二次分组，并形成对应的L组环境与监测数据；将所述L组环境与监测数据作为训练数据导入污染监测模型进行污染与环境关联分析与基于深度学习的数据预测训练，并得到训练后的污染监测模型。5.根据权利要求4所述的一种地下水实时监测方法，其特征在于，所述实时获取监测子区域中污染监测数据，将所述污染监测数据导入污染监测模型进行污染预测，并得到污染扩散方向、污染源预测区域，具体为：实时获取一个周期内监测子区域中每个监测子...

【专利技术属性】
技术研发人员：桂毅，王蓓丽，郭丽莉，宋倩，韩亚萌，李亚秀，周波生，邹鹏，
申请(专利权)人：北京建工环境修复股份有限公司，
类型：发明
国别省市：