一种地下水环境中抗生素污染迁移预测方法及系统与流程

本发明涉及抗生素污染迁移预测，特别涉及一种地下水环境中抗生素污染迁移预测方法及系统。

背景技术：

1、随着抗生素的广泛使用，抗生素污染已成为地下水环境中的一个严重问题。抗生素污染不仅危害地下水资源的质量，还可能对人类健康和生态系统产生不可逆转的影响。因此，开发一种准确预测抗生素在地下水环境中的迁移行为和污染扩散的方法至关重要。

2、传统的抗生素污染迁移预测方法主要依赖于野外监测数据，这些数据通常仅反映了特定季节或时段的污染情况。由于地下水环境受多种因素影响，如季节变化、水流速度、地质结构等，传统方法往往难以精确预测抗生素的迁移行为。

3、本发明旨在提供一种能够更准确、可靠地预测抗生素在地下水环境中的迁移行为的方法及系统，该方法基于多季节的抗生素污染变化数据和影响因子，通过数值模拟得出抗生素的污染扩散系数，并进一步预测抗生素的迁移情况和风险评估。

技术实现思路

1、为了解决上述至少一个技术问题，本发明提出了一种地下水环境中抗生素污染迁移预测方法及系统。

2、本发明第一方面提供了一种地下水环境中抗生素污染迁移预测方法，包括：

3、获取不同季节地下水环境中的抗生素污染变化数据，所述抗生素污染变化数据包括在不同季节中抗生素污染浓度的变化、抗生素污染区域的变化；

4、基于抗生素污染变化数据分析抗生素污染在不同季节的迁移行为；

5、对抗生素污染变化数据和迁移行为进行分析，鉴别出对抗生素污染产生数据变化的环境因子，得到影响因子；

6、根据不同季节的迁移行为对地下水环境中的抗生素污染的扩散进行数值模拟，得到抗生素在不同季节的污染扩散系数；

7、根据不同季节的污染扩散系数和影响因子对抗生素污染的迁移进行预测，得到预测结果；

8、根据预测结果对抗生素污染进行风险评估，得到风险评估报告。

9、本方案中，所述获取不同季节地下水环境中的抗生素污染变化数据，所述抗生素污染变化数据包括在不同季节中抗生素污染浓度的变化、抗生素污染区域的变化，具体为：

10、在目标地下水环境中根据地下水流动特性和地理分布，预设多个地下水监测点位，记录每个监测点位的位置，并测定每个监测点位的水流速度；

11、按预设时间周期在地下水监测点位中对地下水进行采样，得到地下水样本，根据地下水样本获取地下水中抗生素污染浓度，并根据监测点位的位置判断抗生素污染区域；

12、对地下水样本进行检测，得到每个预设时间周期的地下水ph值、温度、结冰程度、有机质含量、微生物群落信息；

13、按照季节时间序列对每个季节获取的抗生素污染浓度和抗生素污染区域进行分析，判断在每个季节内抗生素污染浓度的变化和抗生素污染区域的变化，得到不同季节地下水环境中的抗生素污染变化数据。

14、本方案中，所述基于抗生素污染变化数据分析抗生素污染在不同季节的迁移行为，具体为：

15、将不同季节的抗生素污染变化数据进行综合处理，将抗生素污染变化数据绘制为污染浓度-位置变化热力图；

16、根据污染浓度-位置变化热力图进行分析，判断抗生素污染在不同季节中的时空变化，得到每个季节的时空联合变化数据；

17、基于所述时空联合变化数据分析不同季节中是否出现了抗生素污染区域的收缩和扩张，得到抗生素污染的季节性区域变化；

18、比较每个季节的时空联合变化数据，查看抗生素污染浓度呈现的季节性浓度变化趋势；

19、将所述季节性区域变化和季节性浓度变化趋势进行整合，得到抗生素污染在不同季节的迁移行为，所述迁移行为包括抗生素污染的迁移路径、迁移区域、浓度变化。

20、本方案中，所述对抗生素污染变化数据和迁移行为进行分析，鉴别出对抗生素污染产生数据变化的环境因子，得到影响因子，具体为：

21、将每个预设时间周期的地下水流速度、地下水ph值、温度、结冰程度、有机质含量、微生物群落信息综合为环境因子数据集；

22、将所述环境数据集与抗生素污染变化数据进行时间对齐，将环境数据集中的每个环境因子数据与抗生素污染变化数据进行简单线性回归分析，将抗生素污染浓度设为因变量，每个环境因子数据作为独立变量，得到线性回归结果；

23、根据线性回归结果评估每个环境因子与抗生素污染之间的相关性，得到相关性系数；

24、根据相关性系数和迁移行为进行联合分析，鉴别出对抗生素污染产生数据变化的环境因子，得到影响因子。

25、本方案中，所述根据不同季节的迁移行为对地下水环境中的抗生素污染的扩散进行数值模拟，得到抗生素在不同季节的污染扩散系数，具体为：

26、收集地下水环境中的水文数据，所述水文数据包括水层深度、渗透率、孔隙度、地下水流速度；

27、收集抗生素污染的相关数据，所述相关数据包括抗生素的溶解度、降解速率；

28、基于有限元法创建地下水数值模型，根据所述水文数据和抗生素污染的相关数据初始化所述地下水数值模型，并将不同季节的迁移行为设置为地下水数值模型的边界条件；

29、根据地下水数值模型对地下水环境中的抗生素污染的扩散进行数值模拟，得到在不同季节中抗生素污染在地下水环境中的浓度分布和扩散速度；

30、将所述浓度分布和扩散速度进行可视化，得到抗生素污染浓度的空间分布图和时间序列图；

31、根据空间分布图和时间序列图进行计算，得到抗生素污染在不同季节的污染扩散系数，所述污染扩散系数包括污染浓度扩散系数和污染区域扩散系数。

32、本方案中，所述根据不同季节的污染扩散系数和影响因子对抗生素污染的迁移进行预测，得到预测结果，具体为：

33、基于线性回归方程建立抗生素污染迁移预测模型，将不同季节的污染扩散系数和影响因子作为模型特征导入抗生素污染迁移预测模型中进行训练；

34、获取当前目标地下水环境所处季节、初始抗生素污染浓度、污染区域、影响因子数值；

35、将当前目标地下水环境所处季节、初始抗生素污染浓度、污染区域、影响因子数值导入抗生素污染迁移预测模型中，对未来预设季节和时间的抗生素污染的迁移进行预测，得到预测结果，所述预测结果包括抗生素污染的迁移路径、迁移区域、污染浓度变化。

36、本方案中，所述根据预测结果对抗生素污染进行风险评估，得到风险评估报告，具体为：

37、设定抗生素达到污染浓度的抗生素安全浓度阈值；

38、根据预测结果和所述抗生素安全浓度阈值，将目标地下水环境根据抗生素浓度的不同划分为低、中、高风险区域，得到风险评估区域；

39、根据风险评估区域生成风险评估报告，所述风险评估报告包括抗生素达到污染标准的时间、季节、区域；

40、对风险评估报告进行可视化，并将可视化后的风险评估报告发送到有关部门中。

41、本发明第二方面还提供了一种地下水环境中抗生素污染迁移预测系统，该系统包括：存储器、处理器，所述存储器中包括地下水环境中抗生素污染迁移预测方法程序，所述地下水环境中抗生素污染迁移预测方法程序被所述处理器执行时，实现如下步骤：

42、获取不同季节地下水环境中的抗生素污染变化数据，所述抗生素污染变化数据包括在不同季节中抗生素污染浓度的变化、抗生素污染区域的变化；

43、基于抗生素污染变化数据分析抗生素污染在不同季节的迁移行为；

44、对抗生素污染变化数据和迁移行为进行分析，鉴别出对抗生素污染产生数据变化的环境因子，得到影响因子；

45、根据不同季节的迁移行为对地下水环境中的抗生素污染的扩散进行数值模拟，得到抗生素在不同季节的污染扩散系数；

46、根据不同季节的污染扩散系数和影响因子对抗生素污染的迁移进行预测，得到预测结果；

47、根据预测结果对抗生素污染进行风险评估，得到风险评估报告。

48、本方案中，所述根据不同季节的迁移行为对地下水环境中的抗生素污染的扩散进行数值模拟，得到抗生素在不同季节的污染扩散系数，具体为：

49、收集地下水环境中的水文数据，所述水文数据包括水层深度、渗透率、孔隙度、地下水流速度；

50、收集抗生素污染的相关数据，所述相关数据包括抗生素的溶解度、降解速率；

51、基于有限元法创建地下水数值模型，根据所述水文数据和抗生素污染的相关数据初始化所述地下水数值模型，并将不同季节的迁移行为设置为地下水数值模型的边界条件；

52、根据地下水数值模型对地下水环境中的抗生素污染的扩散进行数值模拟，得到在不同季节中抗生素污染在地下水环境中的浓度分布和扩散速度；

53、将所述浓度分布和扩散速度进行可视化，得到抗生素污染浓度的空间分布图和时间序列图；

54、根据空间分布图和时间序列图进行计算，得到抗生素污染在不同季节的污染扩散系数，所述污染扩散系数包括污染浓度扩散系数和污染区域扩散系数。

55、本方案中，所述根据不同季节的污染扩散系数和影响因子对抗生素污染的迁移进行预测，得到预测结果，具体为：

56、基于线性回归方程建立抗生素污染迁移预测模型，将不同季节的污染扩散系数和影响因子作为模型特征导入抗生素污染迁移预测模型中进行训练；

57、获取当前目标地下水环境所处季节、初始抗生素污染浓度、污染区域、影响因子数值；

58、将当前目标地下水环境所处季节、初始抗生素污染浓度、污染区域、影响因子数值导入抗生素污染迁移预测模型中，对未来预设季节和时间的抗生素污染的迁移进行预测，得到预测结果，所述预测结果包括抗生素污染的迁移路径、迁移区域、污染浓度变化。

59、本发明公开了一种地下水环境中抗生素污染迁移预测方法及系统，旨在提供一种能够准确预测抗生素在不同季节中的迁移行为及风险评估的方法。本方法包括以下步骤：首先分析抗生素在不同季节的迁移行为。接下来，鉴别出影响抗生素污染的环境因子，得到影响因子。然后，根据不同季节的迁移行为，进行数值模拟，得到抗生素在不同季节的污染扩散系数。最后，根据不同季节的污染扩散系数和影响因子，进行抗生素污染的迁移预测，得到预测结果，根据预测结果对抗生素污染进行风险评估。通过本方法，可以对地下水环境中的抗生素污染进行准确的迁移预测和风险评估，为环境保护和水资源管理提供了有力的工具。