一种目标区域水质预警方法、系统、计算机设备及可读介质与流程

本发明涉及水质检测，特别是涉及一种目标区域水质预警方法、系统、计算机设备及可读介质。

背景技术：

1、随着经济社会的快速发展和城市化进程的加速，明确和规范入河排污口的管理对于保障水资源的可持续利用至关重要。另一方面，水环境保护的要求不断提高，需要更加精细和有效的管理手段。

2、当前入河排污口系统在水质和管网预警方面存在着诸多不容小觑的问题，现有的技术常常表现出预警的严重滞后性，往往在水质问题已经较为严重时才发出警示，无法做到提前预知和防范；同时准确性也不尽如人意，容易出现误报或漏报的情况。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种目标区域水质预警方法、系统、计算机设备及可读介质，用于解决现有技术中存在的技术问题。

2、为实现上述目的及其他相关目的，本发明提供一种目标区域水质预警方法，包括以下步骤：

3、通过水质传感器检测目标区域的水质数据，得到原始水质数据；

4、对所述原始水质数据进行数据清洗，得到清洗水质数据；

5、利用时间序列对历史时刻的清洗水质数据进行时间变化规律分析和时间变化趋势分析；

6、将训练数据输入至预先或实时确定的神经网络架构中进行训练，生成原始水质预警模型；其中，所述训练数据包括：历史时刻的清洗水质数据、历史时刻的清洗水质数据所对应的时间变化规律分析结果、历史时刻的清洗水质数据所对应的时间变化趋势分析结果、历史时刻下所述目标区域的气象数据、历史时刻下所述目标区域的污染源数据、所述目标区域的水网分布数据；

7、将当前时刻的原始水质数据输入至所述原始水质预警模型中，以生成与当前时刻的原始水质数据对应的水质预测结果；

8、将所述水质预测结果与当前时刻的原始水质数据对应的水质实际检测结果进行比对；

9、若所述水质预测结果与所述水质实际检测结果的波动差值位于预设范围内，则利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警；

10、若所述水质预测结果与所述水质实际检测结果的波动差值未位于预设范围内，则利用当前时刻的原始水质数据对所述原始水质预警模型进行迭代优化，直至通过迭代优化水质预警模型输出的水质预测结果与对应的水质实际检测结果的波动差值位于预设范围时，利用所述迭代优化水质预警模型对所述目标区域的原始水质数据进行水质预警。

11、于本发明的一实施例中，将训练数据输入至预先或实时确定的神经网络架构中进行训练，生成原始水质预警模型的过程包括：

12、对历史时刻的清洗水质数据、历史时刻的清洗水质数据所对应的时间变化规律分析结果、历史时刻的清洗水质数据所对应的时间变化趋势分析结果、历史时刻下所述目标区域的气象数据和历史时刻下所述目标区域的污染源数据进行缺失值处理以及归一化处理，并基于所述目标区域的水网分布数据形成水网距离矩阵；

13、将缺失值处理结果以及归一化处理结果作为节点输入，以及将水网距离矩阵中监测站点间的距离权重作为边的输入，并基于所述节点输入和所述边的输入构建监测站点图；

14、利用所述神经网络架构的编码器，将所述监测站点图中的站点信息编码为表示向量，并将所述表示向量输入至所述神经网络架构的解码器，得到多步预测输出，并生成所述原始水质预警模型。

15、于本发明的一实施例中，若所述神经网络结构基于长短期记忆神经网络生成，则利用所述神经网络架构的编码器，将所述监测站点图中的站点信息编码为表示向量，并将所述表示向量输入至所述神经网络架构的解码器，得到多步预测输出，并生成所述原始水质预警模型的过程包括：

16、利用所述编码器中的图卷积神经网络，对所述监测站点图进行图卷积，并按照时间顺序将图卷积结果组成序列；

17、将所述序列输入至所述编码器中的长短期记忆神经网络，得到所述监测站点图中的每个站点的编码向量，记为表示向量；

18、将所述表示向量输入至所述解码器中的长短期记忆神经网络，得到所述表示向量的解码结果，并将所述解码结果输入至多层感知机中，得到多步预测输出；

19、获取得到多步预测输出时的神经网络参数，并与所述神经网络结构、所述编码器和所述解码器进行结合，生成所述原始水质预警模型。

20、于本发明的一实施例中，利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警的过程包括：将所述原始水质预警模型部署至应用软件中，并通过安装有所述应用软件的水质检测平台对所述目标区域的原始水质数据进行水质预警；

21、或者，利用所述迭代优化水质预警模型对所述目标区域的原始水质数据进行水质预警的过程包括：将所述迭代优化水质预警模型部署至应用软件中，并通过安装有所述应用软件的水质检测平台对所述目标区域的原始水质数据进行水质预警。

22、于本发明的一实施例中，利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警，或者利用所述迭代优化水质预警模型对所述目标区域的原始水质数据进行水质预警时，所述方法还包括：在水质预警结果为所述目标区域的水质存在异常时，通过预设预警渠道发布预警信息；

23、其中，所述预设预警渠道包括以下至少之一：手机短信、预警平台应用软件消息、电子邮件；

24、所述预警信息包括以下至少之一：水质异常指标、所述目标区域的地理位置、预估污染源。

25、于本发明的一实施例中，通过预先或实时设置的水质传感器检测目标区域的水质数据时，所述方法还包括：

26、利用卫星遥感或者光谱技术对所述目标区域进行监测，得到所述目标区域的水质分布和水质变化趋势；

27、基于所述目标区域的水质分布和水质变化趋势，对所述原始水质数据进行印证，建立数据采集网络冗余机制；

28、基于所述数据采集网络冗余机制识别是否有水质传感器存在故障；以及，在有水质传感器存在故障时，利用备份检测设备替换存在故障的水质传感器；其中，所述备份检测设备包括以下至少之一：相同型号的水质传感器、不同型号的水质传感器。

29、于本发明的一实施例中，所述水质传感器包括以下至少之一：化学需氧量传感器、氨氮传感器、总磷总氮传感器；

30、所述备份检测设备包括以下至少之一：化学需氧量传感器、氨氮传感器、总磷总氮传感器；

31、所述目标区域包括以下至少之一：进入河流的排污口、与排污口小于预设距离的河流水域、河流上游预设节点区域、河流下游预设节点区域。

32、于本发明的一实施例中，在得到原始水质数据后，所述方法还包括：

33、通过预设存储器构建数据仓库；

34、将所有原始水质数据进行分类存储至所述数据仓库中，以及，将所有清洗水质数据进行分类存储至所述数据仓库中。

35、本发明还提供一种目标区域水质预警系统，所述系统包括有：

36、采集模块，用于通过水质传感器检测目标区域的水质数据，得到原始水质数据；以及，对所述原始水质数据进行数据清洗，得到清洗水质数据；

37、时间序列分析模块，用于利用时间序列对历史时刻的清洗水质数据进行时间变化规律分析和时间变化趋势分析；

38、初始训练模块，用于将训练数据输入至预先或实时确定的神经网络架构中进行训练，生成原始水质预警模型；其中，所述训练数据包括：历史时刻的清洗水质数据、历史时刻的清洗水质数据所对应的时间变化规律分析结果、历史时刻的清洗水质数据所对应的时间变化趋势分析结果、历史时刻下所述目标区域的气象数据、历史时刻下所述目标区域的污染源数据、所述目标区域的水网分布数据；

39、验证评估模块，用于将当前时刻的原始水质数据输入至所述原始水质预警模型中，以生成与当前时刻的原始水质数据对应的水质预测结果；以及，将所述水质预测结果与当前时刻的原始水质数据对应的水质实际检测结果进行比对；

40、迭代训练模块，用于在所述原始水质预警模型输出的水质预测结果与所述水质实际检测结果的波动差值未位于预设范围内时，利用当前时刻的原始水质数据对所述原始水质预警模型进行迭代优化，得到迭代优化水质预警模型；

41、预警模块，用于在所述原始水质预警模型输出的水质预测结果与所述水质实际检测结果的波动差值位于预设范围内时，利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警；或者，在通过迭代优化水质预警模型输出的水质预测结果与对应的水质实际检测结果的波动差值位于预设范围时，利用所述迭代优化水质预警模型对所述目标区域的原始水质数据进行水质预警。

42、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述中任意一项所述的目标区域水质预警方法的步骤。

43、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任意一项所述的目标区域水质预警方法的步骤。

44、如上所述，本发明提供一种目标区域水质预警方法、系统、计算机设备及可读介质，具有以下有益效果：本发明通过水质预警模型进行水质检测，能够大幅提升水质预警的准确性和可靠性，减少误报和漏报情况，以便为决策提供更可靠的依据。同时，本发明通过采用时间序列相关性算法分析水质数据的时间变化规律和时间变化趋势，能够综合考虑多点水质指标之间的复杂关系，通过深入分析历史数据和实时监测数据，精准地构建出水质变化的动态模型，从而提高水质预警的准确性和及时性，能在水质问题发生初期甚至潜伏期就发出警报，为管理人员和决策者应对水质异常争取宝贵时间。而且本发明可以根据不同地区、不同规模的入河排污口系统进行灵活调整和定制，具备更强的适应性和扩展性。此外，本发明依据的关键指标也经过了精心筛选和优化，确保能够准确反映水质的真实状态和潜在风险。所以，本发明能够有效提升环境管理效率和水资源保护水平，为生态环境保护和可持续发展提供有力支撑。

技术特征：

1.一种目标区域水质预警方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的目标区域水质预警方法，其特征在于，将训练数据输入至预先或实时确定的神经网络架构中进行训练，生成原始水质预警模型的过程包括：

3.根据权利要求2所述的目标区域水质预警方法，其特征在于，若所述神经网络结构基于长短期记忆神经网络生成，则利用所述神经网络架构的编码器，将所述监测站点图中的站点信息编码为表示向量，并将所述表示向量输入至所述神经网络架构的解码器，得到多步预测输出，并生成所述原始水质预警模型的过程包括：

4.根据权利要求1所述的目标区域水质预警方法，其特征在于，利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警的过程包括：将所述原始水质预警模型部署至应用软件中，并通过安装有所述应用软件的水质检测平台对所述目标区域的原始水质数据进行水质预警；

5.根据权利要求1所述的目标区域水质预警方法，其特征在于，利用所述原始水质预警模型对所述目标区域的原始水质数据进行水质预警，或者利用所述迭代优化水质预警模型对所述目标区域的原始水质数据进行水质预警时，所述方法还包括：在水质预警结果为所述目标区域的水质存在异常时，通过预设预警渠道发布预警信息；

6.根据权利要求1至5中任一所述的目标区域水质预警方法，其特征在于，通过预先或实时设置的水质传感器检测目标区域的水质数据时，所述方法还包括：

7.根据权利要求6所述的目标区域水质预警方法，其特征在于，所述水质传感器包括以下至少之一：化学需氧量传感器、氨氮传感器、总磷总氮传感器；

8.一种目标区域水质预警系统，其特征在于，所述系统包括有：

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现权利要求1至7中任意一项权利要求所述的目标区域水质预警方法的步骤。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至7中任意一项权利要求所述的目标区域水质预警方法的步骤。

技术总结
本发明提供一种目标区域水质预警方法、系统、计算机设备及可读介质，包括：通过水质预警模型进行水质检测，能够大幅提升水质预警的准确性和可靠性，减少误报和漏报情况，以便为决策提供更可靠的依据。同时，通过采用时间序列相关性算法分析水质数据的时间变化规律和时间变化趋势，能够综合考虑多点水质指标之间的复杂关系，通过深入分析历史数据和实时监测数据，精准地构建出水质变化的动态模型，从而提高水质预警的准确性和及时性，能在水质问题发生初期甚至潜伏期就发出警报，为管理人员和决策者应对水质异常争取宝贵时间。所以，本发明能够有效提升环境管理效率和水资源保护水平，为生态环境保护和可持续发展提供有力支撑。

技术研发人员：马华垒,胡斌,黄贵川,邓佳,沈伟,刘昕芃,张朋,杨颖,邓靖,段然,冉雨润
受保护的技术使用者：重庆合一环境工程有限公司
技术研发日：
技术公布日：2024/12/5