一种数字化精准溯源方法及其系统与流程

本技术涉及水质监测的领域，尤其是涉及一种数字化精准溯源方法及其系统。

背景技术：

1、流域作为自然界中水资源的载体，承载着各项社会经济活动，在调节生态系统平衡，保持生态多样性等方面发挥着不可替代的作用。流域水生态环境问题诊断及溯源已成为流域精细化治理的重点抓手。

2、当前污染溯源的方法主要可分为人工溯源、模型溯源和水污染特征图谱溯源等。人工溯源法一般通过人工、移动监测终端对流域内污染源进行末端排查，同时对关键排放口的水质进行管控，该法溯源时效性差，预警反馈不及时，难以在中、大型流域进行全覆盖应用；模型溯源法可实现定量模拟追溯污染来源和预警污染事件发生，所需数据种类较多、数据量要求较高；水污染特征图谱溯源法是一种通过比较水体中不同污染物的光谱或者质谱识别污染源的溯源方法,容易受到ph等外界因素以及地球生物化学作用的影响，同时前期需要大量的数据作支撑，使用成本较高。

技术实现思路

1、为了以相对较低的成本满足精度相对较高的污染物溯源与监控预警需求，本技术提供一种数字化精准溯源方法及其系统。

2、第一方面，本技术提供一种数字化精准溯源方法，采用如下的技术方案：

3、一种数字化精准溯源方法，具体包括下列步骤：

4、区域调研，获取目标区域的概况数据，包括水体基本信息、地理与土壤信息、污染源信息、卫星影像数据；

5、数据监控，对接政府数据库获取所述目标区域的监测数据，在所述干支流交汇处布设通量监控设备获取补充数据，所述监测数据和所述补充数据组成通量数据；

6、迁移刻画，基于所述概况数据和所述通量数据构建机理模型和机器学习模型；

7、动态识别，基于所述机理模型实时输出所述目标区域的水质信息，所述机器学习模型根据所述水质信息进行水质预测，输出预警点位信息。

8、通过采用上述技术方案，充分利用政府数据库中原有监测点位的监测数据，并在目标区域内的干支流交汇处布设通量监控设备，从而得到目标区域内完整的通量数据，结合概况数据构建机理模型和机器学习模型，机理模型用来实时显示目标区域内的水质情况，机器学习模型根据机理模型输出的水质信息进行水质预测，将预测出水质变化超标的点位进行报警。经过两模型耦合，实现水污染的精确溯源，且水质预警时效性强，预警反馈及时，还可减轻水污染事件造成的负面影响，以较低的成本满足较高精度的水污染溯源需求。

9、可选的：所述迁移刻画之前还包括步骤：对所述通量数据进行数据清洗、数据规约和数据变换。

10、由于通量数据的来源分为政府数据库中原有监测点位的监测数据和后期增补的通量监控设备获取的补充数据，数据形式和标准不统一，且数据繁杂直接影响构建出的模型的性能。通过采用上述技术方案，经过数据清洗可以提高数据质量，确保数据分析和建模的准确性；数据规约可以降低数据的复杂性，减少计算成本，并帮助提高模型的性能以及简化数据结构；数据变换包括数据归一化、离散化、稀疏化处理、无量纲处理等，将通量数据变换为更适合分析和建模的形式。

11、可选的：所述地理与土壤信息包括dem数字高程数据、土地利用类型数据和遥感影像数据；所述通量数据包括水文数据、水质数据；所述对通量数据进行数据清洗、数据规约和数据变换，之后还包括步骤：

12、解析所述水质数据输出水质空间分布规律；

13、解析所述水文数据输出水动力变化规律；

14、解析所述dem数字高程数据划分子流域；

15、解析所述遥感影像数据及所述土地利用类型数据建立污染物网格清单。

16、通过采用上述技术方案，对变换处理后的通量数据进行分析，确定水质空间分布规律。对变换处理后的通量数据中的水文数据分别在年、月、日尺度进行解析，确定水动力变化规律。为机理模型的构建提供数据基础。再根据dem数字高程数据提取出目标区域的河网，并进行流向提取、寻找汇、精确填洼、流向分析、流量统计、流量划分、河流分级、河流链接、栅格河网矢量化、栅格流域提取、栅格流域矢量化的操作，实现子流域划分。最终根据遥感影像数据及土地利用类型数据建立污染物网格清单，从而实现将各个污染物网格作为点源输入模型。

17、可选的：所述解析遥感影像数据及土地利用类型数据建立污染物网格清单，具体包括下列步骤：

18、以所述土地利用类型数据为判断依据对所述目标区域的污染源进行网格化处理，所述污染源包括农业面源、农村生活源、城镇面源和城镇生活源；

19、构建各所述污染源的核算模型；

20、基于所述污染源信息与所述核算模型计算各网格的污染负荷。

21、通过采用上述技术方案，在网格化后的每一个网格区域内，将各类污染源按各自的面积占比统计对应的污染负荷，以该污染负荷作为网格中心点位置的点污染源输入模型,可以降低模型的复杂度、提高计算效率,有助于提高模型的准确性、效率和实用性。

22、可选的：所述机器学习模型根据水质信息进行水质预测，输出预警点位信息,具体包括下列步骤：

23、基于历史水质信息分别为各所述通量监控设备设置预警值，所述历史水质信息表征为当前时刻之前的所述水质信息的集合；

24、所述机器学习模型基于所述历史水质信息对各所述通量监控设备布设位置进行水质预测，若预测值大于对应所述通量监控设备的所述预警值,则将该通量监控设备作为目标通量监控设备输出预警点位信息。

25、通过采用上述技术方案，根据通量监控设备不同的布设位置，结合历史水质信息设置相应的预警值。水质信息会在一定范围内发生波动，当污染指标出现持续的增长时，使预测值大于预警值，此时说明该通量监控设备的上游存在污染，输出目标通量监控设备的点位信息，提醒工作人员进行现场排查。

26、可选的：所述若预测值大于对应所述通量监控设备的所述预警值,之后还包括下列步骤：

27、判断上游若干所述通量监控设备的所述历史水质信息是否存在异常波动；

28、若是，所述预警点位信息为面源污染型；

29、若否，所述预警点位信息为点源污染型。

30、通过采用上述技术方案，利用在干支流交汇处设置的通量监控设备，当某一通量监控设备的预测值大于预警值时，沿上游方向判断其他通量监控设备的历史水质信息是否存在异常波动，可以根据两通量监控设备之间的距离，以及影响污染扩散的水文数据、水生生物生态等因素估算可能检测到水质异常波动的大致时间段。若在此期间存在有异常波动，说明水污染与上游对应的通量监控设备所在的支流有关，但支流的污染并不足以达到支流对应的通量监控设备的预警值，因此判断污染类型至少一个支流于干流的叠加污染，即包括该支流在内的面源污染，将上游对应的通量监控设备与干流的通量监控设备一同作为目标通量监控设备输出预警点位信息；若不存在异常波动，说明水污染仅发生于目标通量监控设备所在的干流，属于点源污染，将该通量监控设备作为目标通量监控设备输出预警点位信息。从而准确快速的判断水污染类型，并为污染源排查工作划定范围。

31、可选的：还包括下列步骤：

32、根据所述目标通量监控设备的所述历史水质信息中出现异常波动的第一时刻和污染浓度达到峰值的第二时刻，计算随所述目标通量监控设备距离变化的污染排放时间窗口。

33、通过采用上述技术方案，工作人员可以在划定的污染源排查范围内根据距离目标通量监控设备的距离推算污染排放时间窗口，通过结合污染源的类型筛选排查目标，从而快速部署，查找出污染源的精确位置。

34、第二方面，本技术提供一种数字化精准溯源系统，采用如下的技术方案：

35、一种数字化精准溯源系统，包括：

36、数据获取模块，用于获取目标区域的概况数据，包括水体基本信息、地理与土壤信息、污染源信息、卫星影像数据；以及对接政府数据库获取所述目标区域的监测数据，在所述干支流交汇处布设通量监控设备获取补充数据，所述监测数据和所述补充数据组成通量数据；

37、模型构建模块，用于根据所述概况数据和所述通量数据构建机理模型和机器学习模型；

38、预警输出模块，用于根据所述机理模型实时输出所述目标区域的水质信息，由所述机器学习模型根据所述水质信息进行水质预测，输出预警点位信息。

39、第三方面，本技术提供一种电子设备，采用如下的技术方案：

40、一种电子设备，包括：

41、至少一个处理器；

42、存储器；至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述数字化精准溯源方法。

43、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

44、一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述数字化精准溯源方法。

45、综上所述，本技术包括以下至少一种有益技术效果：

46、1.本发明以硬件层-模型层-识别层为框架进行溯源，结构清晰，溯源结果精确。基于地理与土壤信息划分并计算每个网格的污染负荷，并将其作为点源输入模型，在提高模型精度的同时降低了调研成本。相较于传统溯源预警方法，人力成本相对较低，整体实施难度较低；

47、2.充分利用政府数据库中原有监测点位的监测数据，并在目标区域内的干支流交汇处布设通量监控设备，从而得到目标区域内完整的通量数据，大大降低设备成本；

48、3.通过机器学习模型与机理模型耦合，实现水污染的精确溯源，且水质预警时效性强，预警反馈及时，还可减轻水污染事件造成的负面影响，以较低的成本满足较高精度的水污染溯源需求；

49、4.通过判断水污染类型与计算污染排放时间窗口，为污染源排查工作划定范围，并帮助筛选排查目标。