[发明专利]突发性流域水污染事故监测方法及装置

说明书

本发明提供一种突发性流域水污染事故监测方法及装置，该方法包括：获取监测区域的水文数据；将基础流域数据，输入预设的水质分析模型，输出预测时间段的水质数据；预设的水质分析模型，基于3DCNNs构建并以水流数值模拟模型的输出数据作为标签，对应的基础流域数据作为样本训练得到。该方法解决了MIKE 21等模拟模型计算时间太长的问题，对流域水质环境实现快速预测，有效分析未来变化趋势，减少时间损耗，从而可提高当地环境部门响应速度，最终对流域水污染事故做出快速有效精准的治理。此外，该方法利用3DCNNs的时间序列属性，能够分析水质数据在时间上的变化,同时加入残差网络单元，分析水质数据在空间特征上的变化。

技术领域

本发明涉及计算机图形技术领域，尤其涉及一种突发性流域水污染事故监测方法及装置。

背景技术

近年来，流域水污染重大突发事件层出不穷，生态环境面临严重的威胁，相关环境部门对水环境污染事故采取实时监测方案，大多使用无线传感器网络系统，自动地监测流域水质指标如氨氮、五日生化需氧量(BOD₅)、溶解氧(DO)等值，经打包传输回云端。由于传感器系统监测的水质数据粒度较小，且成本高，不能反映出流域水质实时变化情况，所以再使用MIKE 21、SWAT等水流数值模拟模型来模拟水环境中溶解物等由于对流和扩散作用的传输过程。这些模型在流域的水平衡、河流流量预测、非点源污染控制评价等诸多方面有广泛的应用，功能强大，计算时间较长，需要专业人员操作。

具体而言，现有的MIKE 21等水流数值模拟模型，功能强大，耗费大量的时间，在水污染突发应急情况出现时不能快速的分析水质未来的变化趋势。

发明内容

针对现有技术存在的问题，本发明提供一种突发性流域水污染事故监测方法及装置。

本发明提供一种突发性流域水污染事故监测方法，包括：获取监测区域的水文数据和气象数据作为基础流域数据，增加水质数据在时间和空间上的粒度；将基础流域数据，输入预设的水质分析模型，输出预测时间段的水质数据；其中，所述基础流域数据包括预设时间段的水文数据、预设时间段的气象数据以及监测区域的地形数据；所述预设的水质分析模型，基于3DCNNs和残差网络构建，并以水流数值模拟模型的输出数据作为标签，对应的基础流域数据作为样本训练得到。

根据本发明一个实施例的突发性流域水污染事故监测方法，所述将基础流域数据，输入预设的水质分析模型之前，还包括：获取基础流域数据样本，将所述基础流域数据样本输入水流数值模拟模型，得到预测的水质数据；

基于3DCNNs网络和残差网络构建初始水质分析模型，以预测的水质数据作为标签，所述基础流域数据样本作为输入，对所述初始水质分析模型进行训练，得到所述预设的水质分析模型。

根据本发明一个实施例的突发性流域水污染事故监测方法，得到所述预设的水质分析模型之后，还包括：使用均方根误差和平均绝对误差评估水质分析模型，若均方根误差和平均绝对误差值不满足预设条件，则重新选取输入样本进行训练。

根据本发明一个实施例的突发性流域水污染事故监测方法，所述基础流域数据包括，监测区域的地形数据、水文数据和气象数据。

根据本发明一个实施例的突发性流域水污染事故监测方法，所述地形数据包括经纬度和高程数据，所述水文数据包括水流量、曼宁系数和水质数据，所述气象数据包括风速数据和风向数据。

根据本发明一个实施例的突发性流域水污染事故监测方法，所述持续获取监测区域的水质数据，具体为：边缘计算网关持续获取监测区域的水质数据；相应地，所述将基础流域数据，输入预设的水质分析模型，具体为：将基础流域数据，输入边缘计算网关中预设的水质分析模型。

根据本发明一个实施例的突发性流域水污染事故监测方法，输出预测时间段的水质数据之后，还包括：对预测时间段的水质数据进行分析，得到水质分析结果。