一种河道水污染监测方法及系统技术方案

本发明专利技术公开了一种河道水污染监测方法及系统，该方法包括：获取由设置在目标河道区域的水质传感器网络获取的水质传感数据；所述水质传感器网络包括在所述目标河道区域等距设置的多个传感器节点；根据所述水质传感数据，和所述传感器节点对应的节点位置，计算每个所述传感器节点对应的节点恶化参数；根据每一所述传感器节点对应的节点恶化参数和对应的节点位置，基于神经网络算法，确定所述目标河道区域对应的污染预测区域和污染预测程度；根据所述目标河道区域对应的污染预测区域和污染预测程度，生成警报信息。可见，本发明专利技术能够实现更加精确和智能的河道水污染检测，使得河道污染监测结果更加明确，有利于后续污染治理措施的实施。的实施。的实施。

【技术实现步骤摘要】
一种河道水污染监测方法及系统


[0001]本专利技术涉及智能监测
，尤其涉及一种河道水污染监测方法及系统。

技术介绍

[0002]水污染问题已经成为城市问题中的一大部分，日益得到公众的注视，也日益成为城市管理部门的重要任务。但现有技术对于水污染的监测仍然过于依赖简单的单一传感器的监测，没有考虑到引入更加先进的算法来提高监测效果。可见，现有技术存在缺陷，亟需解决。

技术实现思路

[0003]本专利技术所要解决的技术问题在于，提供一种河道水污染监测方法及系统，能够实现更加精确和智能的河道水污染检测，使得河道污染监测结果更加明确，有利于后续污染治理措施的实施。
[0004]为了解决上述技术问题，本专利技术第一方面公开了一种河道水污染监测方法，所述方法包括：
[0005]获取由设置在目标河道区域的水质传感器网络获取的水质传感数据；所述水质传感器网络包括在所述目标河道区域等距设置的多个传感器节点；
[0006]根据所述水质传感数据，和所述传感器节点对应的节点位置，计算每个所述传感器节点对应的节点恶化参数；
[0007]根据每一所述传感器节点对应的节点恶化参数和对应的节点位置，基于神经网络算法，确定所述目标河道区域对应的污染预测区域和污染预测程度；
[0008]根据所述目标河道区域对应的污染预测区域和污染预测程度，生成所述目标河道区域对应的警报信息。
[0009]作为一种可选的实施方式，在本专利技术第一方面中，所述水质传感数据包括物理传感数据、化学物质含量传感数据、生物指标传感数据和放射性指标传感数据中的一种或多种；所述物理传感数据包括气味传感数据、温度传感数据、浑浊度传感数据、透明度传感数据、颜色传感数据中的至少一种；所述化学物质含量传感数据包括氯离子含量传感数据、铵离子含量传感数据、硝酸根离子含量传感数据、亚硝酸根离子含量传感数据、钾离子含量传感数据、钙离子含量传感数据、镁离子含量传感数据、钠离子含量传感数据、氟化物含量传感数据中的至少一种；所述生物指标传感数据包括细菌指标传感数据、大肠菌群指标传感数据、藻类指标传感数据中的至少一种；所述放射性指标传感数据包括α射线放射性指标传感数据、β射线放射性指标传感数据、铀放射性指标传感数据、镭放射性指标传感数据、钍放射性指标传感数据中的至少一种。
[0010]作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述水质传感数据，和所述传感器节点对应的节点位置，计算每个所述传感器节点对应的节点恶化参数，包括：
[0011]对于每一所述传感器节点获取到的每一所述水质传感数据，根据该传感器节点的
节点位置和所述水质传感数据的数据类型，确定对应的恶化传播速度权重；
[0012]根据该水质传感数据的数据类型和在预设历史时间段内的数据数值，确定该水质传感数据对应的恶化程度参数；
[0013]计算该水质传感数据的所述恶化程度参数和所述恶化传播速度权重的乘积，得到该水质传感数据对应的恶化参数；
[0014]计算每一所述传感器节点获取到的所有所述水质传感数据的所述恶化参数的平均值，得到每一所述传感器节点对应的节点恶化参数。
[0015]作为一种可选的实施方式，在本专利技术第一方面中，所述根据该传感器节点的节点位置和所述水质传感数据的数据类型，确定对应的恶化传播速度权重，包括：
[0016]确定所述目标河道区域的以该传感器节点的节点位置为圆心，以预设数值为半径的圆形范围内的河道图像；
[0017]计算所述河道图像中河道边缘曲线对应的所有曲线点的曲率的平均值；
[0018]计算所述节点位置与所述河道边缘曲线中曲率最高的曲线点的距离值；
[0019]将所述平均值、所述距离值和所述数据类型输入至训练好的第一神经网络模型中，以得到输出的恶化传播速度权重；所述第一神经网络模型通过包括有多个训练用的所述数据类型、所述平均值和所述距离值和对应的水质恶化传播速度标注的训练数据集训练得到；所述水质恶化传播速度标注为水质影响因素在所述数据类型、所述平均值和所述距离值对应的环境中传播的速度。
[0020]作为一种可选的实施方式，在本专利技术第一方面中，所述根据该水质传感数据的数据类型和在预设历史时间段内的数据数值，确定该水质传感数据对应的恶化程度参数，包括：
[0021]将该水质传感数据在预设历史时间段内的数据数值输入至所述数据类型对应的训练好的第二神经网络模型中，以得到输出的该水质传感数据对应的恶化程度参数；所述第二神经网络模型通过包括有多个同一所述数据类型的历史时间段内的训练数据数值和对应的水质恶化标注的训练数据集训练得到。
[0022]作为一种可选的实施方式，在本专利技术第一方面中，所述根据每一所述传感器节点对应的节点恶化参数和对应的节点位置，基于神经网络算法，确定所述目标河道区域对应的污染预测区域和污染预测程度，包括：
[0023]根据所述节点恶化参数和所述节点位置，基于动态规划算法，对所有所述传感器节点进行分组，以得到多个节点组；
[0024]将每一所述节点组中所有所述传感器节点对应的节点恶化参数输入至训练好的第三神经网络模型中，以得到输出每一所述节点组对应的污染预测参数；所述第三神经网络模型通过包括有多个训练节点恶化参数和对应的污染预测标注的训练数据集训练得到；
[0025]将所述污染预测参数最高的所述节点组，确定为目标节点组；
[0026]根据所述目标节点组，确定所述目标河道区域对应的污染预测区域和污染预测程度。
[0027]作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述节点恶化参数和所述节点位置，基于动态规划算法，对所有所述传感器节点进行分组，以得到多个节点组，包括：
[0028]确定目标函数为输出的每一节点组中所有所述传感器节点的节点位置之间的距离总和达到最小，以及输出的每一节点组中所有所述传感器节点的所述节点恶化参数之间的差值总和达到最大；
[0029]基于动态规划算法，以及所述目标函数，对所有所述传感器进行分组演算，直至得到最优的多个节点组。
[0030]作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述目标节点组，确定所述目标河道区域对应的污染预测区域和污染预测程度，包括：
[0031]根据线性拟合算法，将所述目标节点组中所有所述传感器节点对应的节点位置进行拟合得到传播位置路线；
[0032]计算所述目标节点组中所有所述传感器节点对应的所述节点恶化参数的平均值，得到所述目标河道区域对应的污染预测程度；
[0033]计算所述传播位置路线上任意两个相邻的所述传感器节点对应的节点恶化参数的参数平均值，并确定所述参数平均值最高的两个所述传感器节点的连线中点；
[0034]以所述连线中点为圆心，以所述预设数值为半径建立圆区域；
[0035]将所述圆区域与所述目标河道区域的交集区域，确定所述目标河道区域对应的污染预测区域。
[0036]本专利技术第二方面公开了一种河道水污本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种河道水污染监测方法，其特征在于，所述方法包括：获取由设置在目标河道区域的水质传感器网络获取的水质传感数据；所述水质传感器网络包括在所述目标河道区域等距设置的多个传感器节点；根据所述水质传感数据，和所述传感器节点对应的节点位置，计算每个所述传感器节点对应的节点恶化参数；根据每一所述传感器节点对应的节点恶化参数和对应的节点位置，基于神经网络算法，确定所述目标河道区域对应的污染预测区域和污染预测程度；根据所述目标河道区域对应的污染预测区域和污染预测程度，生成所述目标河道区域对应的警报信息。2.根据权利要求1所述的河道水污染监测方法，其特征在于，所述水质传感数据包括物理传感数据、化学物质含量传感数据、生物指标传感数据和放射性指标传感数据中的一种或多种；所述物理传感数据包括气味传感数据、温度传感数据、浑浊度传感数据、透明度传感数据、颜色传感数据中的至少一种；所述化学物质含量传感数据包括氯离子含量传感数据、铵离子含量传感数据、硝酸根离子含量传感数据、亚硝酸根离子含量传感数据、钾离子含量传感数据、钙离子含量传感数据、镁离子含量传感数据、钠离子含量传感数据、氟化物含量传感数据中的至少一种；所述生物指标传感数据包括细菌指标传感数据、大肠菌群指标传感数据、藻类指标传感数据中的至少一种；所述放射性指标传感数据包括α射线放射性指标传感数据、β射线放射性指标传感数据、铀放射性指标传感数据、镭放射性指标传感数据、钍放射性指标传感数据中的至少一种。3.根据权利要求1所述的河道水污染监测方法，其特征在于，所述根据所述水质传感数据，和所述传感器节点对应的节点位置，计算每个所述传感器节点对应的节点恶化参数，包括：对于每一所述传感器节点获取到的每一所述水质传感数据，根据该传感器节点的节点位置和所述水质传感数据的数据类型，确定对应的恶化传播速度权重；根据该水质传感数据的数据类型和在预设历史时间段内的数据数值，确定该水质传感数据对应的恶化程度参数；计算该水质传感数据的所述恶化程度参数和所述恶化传播速度权重的乘积，得到该水质传感数据对应的恶化参数；计算每一所述传感器节点获取到的所有所述水质传感数据的所述恶化参数的平均值，得到每一所述传感器节点对应的节点恶化参数。4.根据权利要求3所述的河道水污染监测方法，其特征在于，所述根据该传感器节点的节点位置和所述水质传感数据的数据类型，确定对应的恶化传播速度权重，包括：确定所述目标河道区域的以该传感器节点的节点位置为圆心，以预设数值为半径的圆形范围内的河道图像；计算所述河道图像中河道边缘曲线对应的所有曲线点的曲率的平均值；计算所述节点位置与所述河道边缘曲线中曲率最高的曲线点的距离值；将所述平均值、所述距离值和所述数据类型输入至训练好的第一神经网络模型中，以得到输出的恶化传播速度权重；所述第一神经网络模型通过包括有多个训练用的所述数据类型、所述平均值和所述距离值和对应的水质恶化传播速度标注的训练数据集训练得到；
所述水质恶化传播速度标注为水质影响因素在所述数据类型、所述平均值和所述距离值对应的环境中传播的速度。5.根据权利要求3所述的河道水污染监测方法，其特征在于，所述根据该水质传感数据的数据类型和在预设历史时间段内的数据数值，确定该水质传感数据对应的恶化程度参数，包括：将该水质传感数据在预设...

【专利技术属性】
技术研发人员：高龙华，陈啸，朱华钫，陈祥，孙照凝，王少波，张舒，黄健铭，
申请(专利权)人：水利部珠江水利委员会水文局，
类型：发明
国别省市：