【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体涉及一种农业面源污染监测系统。
技术介绍
1、农业面源污染，是指农业生产过程中由于化肥、农药、地膜等化学投入品不合理使用，以及畜禽水产养殖废弃物、农作物秸秆等处理不及时或不当，所产生的氮、磷、有机质等营养物质，以地表、地下径流和土壤侵蚀为载体进入受纳水体，对生态环境造成的污染。
2、由于农业面源污染来源分散，没有明确的排污口，导致监测困难。目前通常通过设置多个监测点来监测农业面源污染情况，从而识别污染来源，但每个监测点仅能监测局部小范围内的污染情况，无法覆盖大范围的污染监测，导致不同监测点之间的部分污染源无法被及时发现并处置。
技术实现思路
1、为了解决上述问题，本专利技术提供一种农业面源污染监测系统，所述系统包括：
2、监测点部署模块，在水体近岸位置等间隔设置多个监测点；
3、数据采集模块，在每个监测点采集每个时刻不同污染物的浓度，构建每个监测点的每种污染物浓度曲线；
4、疑似异常监测点获取模块，根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点的异常可能性，根据异常可能性筛选疑似异常监测点；
5、异常扩散点获取模块，根据不同疑似异常监测点的同一种污染物浓度曲线上数据点的匹配关系获取不同疑似异常监测点的同一种污染物浓度曲线之间的错位程度；根据每个疑似异常监测点的每种污染物浓度曲线中的最大值以及最小值，获取不同疑似异常监测点之间同一种污染物浓度曲线的浓度增长差异；根据不同疑似异常监测点
6、污染报警模块，根据异常扩散点获取可能的污染来源，进行报警，对可能的污染来源进行排查。
7、优选的，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点的异常可能性，包括的步骤为：
8、根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点上的增长数据点以及增长组；根据监测点的所有污染物浓度曲线上的所有增长数据点以及增长组获取监测点的异常可能性。
9、优选的，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点上的增长数据点以及增长组，包括的步骤为：
10、获取每种污染物浓度曲线上斜率大于0的所有数据点，将每个斜率大于0的数据点分别作为一个增长数据点，将污染物浓度曲线上连续的增长数据点划分为一组，作为一个增长组，得到多个增长组。
11、优选的，所述根据监测点的所有污染物浓度曲线上的所有增长数据点以及增长组获取监测点的异常可能性，包括的步骤为：
12、
13、式中，di表示第i个监测点的异常可能性，k表示污染物种类，lij表示第i个监测点的第j种污染物浓度曲线上包含的增长数据点的数量，lij表示第i个监测点的第j种污染物浓度曲线上包含的数据点的数量，nij表示第i个监测点的第j种污染物浓度曲线上包含的增长组的数量，exp()表示以自然常数为底的指数函数，sij表示第i个监测点的第j种污染物浓度曲线上，包含增长数据点最多的增长组中所有增长数据点的斜率的方差，α为超参数，max()为最大值函数。
14、优选的，所述根据不同疑似异常监测点的同一种污染物浓度曲线上数据点的匹配关系获取不同疑似异常监测点的同一种污染物浓度曲线之间的错位程度，包括的步骤为：
15、获取第u个疑似异常监测点的第j种污染物浓度曲线中每个数据点在第v个疑似异常监测点的第j种污染物浓度曲线中匹配的数据点个数，将其中最大值作为第v个疑似异常监测点的第j种污染物浓度曲线相对于第u个疑似异常监测点的第j种污染物浓度曲线的滞后数据点数量，记为mv,u,j；获取第v个疑似异常监测点的第j种污染物浓度曲线中每个数据点在第u个疑似异常监测点的第j种污染物浓度曲线中匹配的数据点个数，将其中最大值作为第u个疑似异常监测点的第j种污染物浓度曲线相对于第v个疑似异常监测点的第j种污染物浓度曲线的滞后数据点数量，记为mu,v,j；
16、根据mv,u,j和mu,v,j，获取第u个疑似异常监测点的第j种污染物浓度曲线与第v个疑似异常监测点的第j种污染物浓度曲线之间的错位程度：
17、
18、式中，fu,v,j表示第u个疑似异常监测点的第j种污染物浓度曲线与第v个疑似异常监测点的第j种污染物浓度曲线之间的错位程度，mv,u,j表示了第v个疑似异常监测点的第j种污染物浓度曲线相对于第u个疑似异常监测点的第j种污染物浓度曲线的滞后数据点数量，mu,v,j表示了第u个疑似异常监测点的第j种污染物浓度曲线相对于第v个疑似异常监测点的第j种污染物浓度曲线的滞后数据点数量，δt表示利用监测点部署的传感器采集污染物浓度的采集时间间隔；max()为最大值函数。
19、优选的，所述获取不同疑似异常监测点之间同一种污染物浓度曲线的浓度增长差异，包括的步骤为：
20、δpu,v,j＝(pu,j(max)-pu,j(min))-(pv,j(max)-pv,j(min))；
21、其中，δpu,v,j表示第u个疑似异常监测点的第j种污染物浓度曲线与第v个疑似异常监测点的第j种污染物浓度曲线之间的浓度增长差异；pu,j(max)表示第u个疑似异常监测点的第j种污染物浓度曲线中的最大浓度，pu,j(min)表示第u个疑似异常监测点的第j种污染物浓度曲线中的最小浓度。
22、10.优选的，所述构建每个监测点的每种污染物浓度曲线，包括的步骤为：
23、对于每个监测点采集的每种污染物的浓度，以时间为横轴，以该种污染物浓度为纵轴，以采集的该监测点每一时刻该种污染物的浓度为数据样本，绘制该监测点的该种污染物浓度曲线。
24、优选的，所述获取不同疑似异常监测点之间错位程度和浓度增长差异的相关性，包括的步骤为：
25、
26、式中，ru,v表示第u个疑似异常监测点与第v个疑似异常监测点之间的错位程度和浓度增长差异的相关性，fu,v,j表示第u个疑似异常监测点的第j种污染物浓度曲线与第v个疑似异常监测点的第j种污染物浓度曲线之间的错位程度，δpu,v,j表示第u个疑似异常监测点的第j种污染物浓度曲线与第v个疑似异常监测点的第j种污染物浓度曲线之间的浓度增长差异，k表示污染物种类。
27、优选的，所述根据所述相关性获取异常扩散点，包括的步骤为：
28、根据所有疑似异常监测点两两之间错位程度和浓度增长差异的相关性获取距离多个疑似异常监测点都较远的农业污染源存在的可能性：
29、
30、式中，g表示距离多个疑似异常监测点都较远的农业污染源存在的可能性，ru,v表示第u个疑似异常监测点与第v个疑似异常监测点之间的错位程度和浓度增长差异的相关性，h表示疑似异常监测点的数量；
31、预设存在可能性阈值t本文档来自技高网...
【技术保护点】
1.一种农业面源污染监测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点的异常可能性，包括的步骤为：
3.根据权利要求2所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点上的增长数据点以及增长组，包括的步骤为：
4.根据权利要求2所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的所有污染物浓度曲线上的所有增长数据点以及增长组获取监测点的异常可能性，包括的步骤为：
5.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述根据不同疑似异常监测点的同一种污染物浓度曲线上数据点的匹配关系获取不同疑似异常监测点的同一种污染物浓度曲线之间的错位程度，包括的步骤为：
6.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述获取不同疑似异常监测点之间同一种污染物浓度曲线的浓度增长差异，包括的步骤为：
7.根据权利要求1所述的一种农业面源
8.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述获取不同疑似异常监测点之间错位程度和浓度增长差异的相关性，包括的步骤为：
9.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述根据所述相关性获取异常扩散点，包括的步骤为：
...【技术特征摘要】
1.一种农业面源污染监测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点的异常可能性，包括的步骤为：
3.根据权利要求2所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的每种污染浓度曲线上每个数据点的斜率获取监测点上的增长数据点以及增长组，包括的步骤为：
4.根据权利要求2所述的一种农业面源污染监测系统，其特征在于，所述根据监测点的所有污染物浓度曲线上的所有增长数据点以及增长组获取监测点的异常可能性，包括的步骤为：
5.根据权利要求1所述的一种农业面源污染监测系统，其特征在于，所述根据不同疑似异常监测点的...
【专利技术属性】
技术研发人员：宣雄智，朱文婷，郭益红，秦培亮，曹宇飞，钱玮，
申请(专利权)人：苏州农业职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。