CN111474307B - 污染物溯源方法、装置、计算机设备及存储介质 - Google Patents
污染物溯源方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111474307B CN111474307B CN202010222387.0A CN202010222387A CN111474307B CN 111474307 B CN111474307 B CN 111474307B CN 202010222387 A CN202010222387 A CN 202010222387A CN 111474307 B CN111474307 B CN 111474307B
- Authority
- CN
- China
- Prior art keywords
- pollution
- water quality
- industry
- candidate
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 124
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 242
- 238000012544 monitoring process Methods 0.000 claims abstract description 184
- 238000003911 water pollution Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 239000002351 wastewater Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 23
- 239000010865 sewage Substances 0.000 claims description 23
- 239000000356 contaminant Substances 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims 2
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 238000009826 distribution Methods 0.000 description 14
- 230000005855 radiation Effects 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- -1 cyanate ions Chemical class 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 150000002170 ethers Chemical class 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biochemistry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种污染物溯源方法、装置、计算机设备及存储介质。涉及环境保护技术领域，该污染物溯源方法对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将所述某目标点位确定为污染监控点位，并获取所述污染监控点位的水质特征以及所述污染监控点位的特征污染物；根据所述水质特征和所述特征污染物确定目标污染行业；根据所述目标污染行业从所述污染监控点位对应的污染溯源范围内确定污染源对象，所述污染源对象为造成所述污染监控点位的所述水污染事件的主体。本实施例可以快速地确定出污染源对象，提高了污染物溯源的效率。
Description
技术领域
本申请涉及环境保护技术领域，特别是涉及一种污染物溯源方法、装置、计算机设备及存储介质。
背景技术
当今社会，水污染问题变得日益严重。加强对水污染的监控和治理是一项十分艰巨的任务。其中，污染物溯源是水环境监管执法的重要环节，污染物溯源一般是指河流中的水质异常时，对水中的污染物的来源进行追踪定位。只有较好地实现污染物溯源，才可以有效进行环境监管，切断污染源。
现有技术中对污染物进行溯源的方法一般是，工作人员周期性地对监管范围内的目标点位进行水质监测，以监督水质。其中，目标点位为设置水质监测站的点位。当发现水质异常时，环保工作者根据经验确定可能造成水质异常的污水排放企业，并对污水排放企业进行环保督察。
然而，上述方法中，一方面工作人员不能及时地发现水质异常，另一方面，工作人员根据经验确定的污水排放企业常常不准确，导致无法快速准确地确定污染源。
发明内容
基于此，有必要针对上述污染物溯源方法存在的耗时长，不能快速准确地确定污染源的问题，提供一种污染物溯源方法、装置、计算机设备及存储介质。
一种污染物溯源方法，该方法包括：
对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；
根据水质特征和特征污染物确定目标污染行业；
根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。在本申请的一个实施例中，根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象之前，该方法还包括：
获取监管区域的水系图，对水系图进行网格划分，根据网格划分结果得到监测网格；
将污染监控点位所在的监测网格的范围确定为污染监控点位对应的污染溯源范围。
在本申请的一个实施例中，对水系图进行网格划分，根据网格划分结果得到监测网格，包括：
对水系图按照预设的尺度进行网格划分，得到多个第一级候选网格；
将多个第一级候选网格中，覆盖范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个第二级候选网格，目标对象为可能排放污水的主体；
将多个第二级候选网格中，存在目标点位的第二级候选网格确定为监测网格。
在本申请的一个实施例中，目标对象包括涉水企业和人口密度大于密度阈值的村庄。
在本申请的一个实施例中，根据水质特征和特征污染物确定目标污染行业，包括：
根据水质特征从水质特征数据库中确定第一候选污染行业集合，水质特征数据库中存储有监管区域内的污染行业以及各污染行业对应的废水的基础水质特征；
根据特征污染物从特征污染物数据库中确定第二候选污染行业集合，特征污染物数据库中存储有监管区域内的污染行业以及各污染行业对应的基础特征污染物；
根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业。
在本申请的一个实施例中，根据水质特征从水质特征数据库中确定第一候选污染行业集合，包括：
将水质特征与水质特征数据库中存储的基础水质特征进行相似度匹配，得到水质特征与各基础水质特征之间的匹配度；
将匹配度大于匹配阈值的基础水质特征对应的污染行业组合，确定出第一候选污染行业集合。
在本申请的一个实施例中，根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业，包括：
将第一候选污染行业集合和第二候选污染行业集合中共同具有的污染行业确定为目标污染行业。
在本申请的一个实施例中，目标点位包括：监管区域内的河流的干流与一级支流的交汇断面类点位、一级支流与二级支流的交汇断面类点位、监管区域内的污水处理类点位、监管区域内的工业园区的废水排水口类点位、监管区域内的农村分散点源污水的汇水口类点位和监管区域内的涉水企业的排水口类点位中的至少一种。
一种污染物溯源装置，该装置包括：
监测模块，用于对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；
行业确定模块，用于根据水质特征和特征污染物确定目标污染行业；
溯源模块，用于根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时实现以下步骤：
对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；
根据水质特征和特征污染物确定目标污染行业；
根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；
根据水质特征和特征污染物确定目标污染行业；
根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
本申请实施例提供的技术方案带来的有益效果至少包括：
上述污染物溯源方法、装置、计算机设备及存储介质，可以快速地确定出造成水污染事件的主体。该污染物溯源方法中，环保单位的后台服务器(以下简称为服务器)可以对监管区域内的多个目标点位进行水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；根据水质特征和特征污染物确定目标污染行业；根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。本实施例中，通过获取污染监控点位的水的水质特征和特征污染物可以迅速确定出目标污染行业，然后从污染监控点位对应的污染溯源范围内的所有企业中查找出所属行业与目标污染行业相同的企业，并将查找出来的企业确定为污染源对象。这种将实验数据与地理查询范围相结合的方式，可以快速地确定出污染源对象，提高了污染物溯源的效率。
附图说明
图1为本申请实施例提供的污染物溯源方法的实施环境的示意图；
图2为本申请实施例提供的一种污染物溯源方法的流程图；
图3为本申请实施例提供的一种确定目标污染行业的方法的流程图；
图4为本申请实施例提供的一种确定第一候选污染行业集合的方法的流程图；
图5为本申请实施例提供的一种确定污染监控点位的污染溯源范围的方法的流程图；
图6为本申请实施例提供的一种网格划分结果示意图；
图7为本申请实施例提供的一种确定监测网格的方法的流程图；
图8为本申请实施例提供的一种污染物溯源装置的模块图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
当今社会，水污染问题变得日益严重。加强对水污染的监控和治理是一项十分艰巨的任务。其中，污染物溯源是治理水污染的重要环节，污染物溯源一般是指河流发生水污染事故后，对河流中的污染物追踪定位污染来源。只有很好地实现污染物溯源，才可以有效切断污染源，防止污染情况进一步恶化。
现有技术中，一种对污染物溯源的方法是：在河道中已知的排水口内设置水质监测设备，实时监测水质，当发生水质异常时，根据排水口的连通关系确定出排水主体。然而该种方法比较理想化，企业的超标废水的偷排口往往非常隐蔽，导致该种监测基本处于失效状态。
现有技术还提出另一种对污染物溯源的方法，工作人员周期性地对监管范围内的目标点位进行水质监测，以监督水质。其中，目标点位为设置水质监测站的点位。当发现水质异常时，环保工作者根据经验确定可能造成水质异常的污水排放企业，并对污水排放企业进行环保督察。
然而，人工巡检的方法一方面工作人员不能及时地发现水质异常，另一方面，工作人员根据经验确定的污水排放企业常常不准确，导致无法快速准确地确定污染源。
目前，对污染物溯源的方法，还包括有离线污染物化学成分分析法、荧光图谱分析法、微生物追踪溯源方法，水质模型数值反演法等。然而，在实际应用中，在县市行政级别的大范围大流域的水环境综合管理中，该些方法难以在实际操作中很好地发挥作用。因为，离线污染物化学成分分析法、荧光图谱分析法和微生物追踪溯源方法等一般响应速度较慢，常用于事后追查，不能快速地确定污染源。水质模型数值反演法只能用于小段特定河道，且有较多假设和前提，不能在实际应用中很好地推广。
本申请实施例提供一种污染物溯源方法，该方法通过获取发生水污染事件的污染监控点位的水的水质特征和特征污染物可以迅速确定出目标污染行业，然后将在污染监控点位对应的污染溯源范围内的，属于目标污染行业的主体作为污染源对象。这样结合试验处理和地理范围限定的方式，可以快速准确地确定出污染源对象，提高了污染物溯源的效率。
下面，将对本申请实施例提供的污染物溯源方法所涉及到的实施环境进行简要说明。
请参考图1，该实施环境可以包括环保单位的后台服务器，该后台服务器的内部结构图可以如图1所示。该后台服务器包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该后台服务器的处理器用于提供计算和控制能力。该后台服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该后台服务器的数据库用于存储监管区域的水系图、水质特征数据库和特征污染物数据库。该后台服务器的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种污染物溯源方法。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的终端的限定，具体的终端可以包括比图1中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
请参考图2，其示出了本申请实施例提供的一种污染物溯源方法的流程图，该污染物溯源方法可以应用于图1所示的实施环境中，如图2所示，该污染物溯源方法可以包括以下步骤：
步骤201，对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物。
本实施例中，监管区域可以是指一个县对应的县域或者一个市对应的市域。
目标点位是指设置水质监测站点的点位。
可选的，目标点位可以包括监管区域内的河流的干流与一级支流的交汇断面类点位、一级支流与二级支流的交汇断面类点位、监管区域内的污水处理类点位、监管区域内的工业园区的废水排水口类点位、监管区域内的农村分散点源污水的汇水口类点位和监管区域内的涉水企业的排水口类点位中的至少一种。
需要说明的是，在监管区域内每一类点位可能有多个目标点位。
本实施例中，对监管区域内的多个目标点位分别进行水质监测，当检测到某个目标点位发生水质异常时，将该目标点位确定为污染监控点位。
对污染监控点位的水进行水质检验得到水质特征。水质特征可以包括统计特征和光谱特征，其中，统计特征可以是指污水中污染物的浓度水平、组分特征、毒害效应以及转化潜势等。光谱特征可以是指污水中的污染物的光谱特征。
可选的，水质特征可以包括污染监控点位的水的微生物含量、无机物含量、高沸点石油类物质含量，和/或富营养物含量等。具体的，水质特征包括的内容可以根据实际需求设定，本实施例对此不做限制。
特征污染物指的是能够反映某种行业所排放污染物中有代表的部分，能够显示此行业的污染程度，一般可以从量上理解成排放较多的污染物，如制药行业中乙醇、丙酮等。需要说明的是，同一行业中由于生产工艺、产品有所不同，所产生的特征污染物也是可以不同的。
本实施例中，可以对污染监控点位的水进行离线检测以确定污染监控点位的水污染事件中的特征污染物。
步骤202，服务器根据水质特征和特征污染物确定目标污染行业。
一般而言，每一种污染行业排放的废水的具有自己本行业的特点，同一污染行业排除的废水的水质特征与该污染行业的特征污染物之间具有较为紧密的相关性。例如化肥厂排放的废水中，一般氨氮含量会特别高，并且，特征污染物一般会是氨氮等营养元素。印刷行业排放的废水中，一般有机溶剂的含量会特别高，并且，特征污染物一般是高沸点石油类、醇类、醚类以及酮类等。电镀行业排放的废水中，重金属含量会比较高，并且，特征污染物一般会是氰酸根离子和重金属离子等。
本实施例中，根据污染监控点位的水的水质特征和特征污染物从多个污染行业中确定出目标污染行业。本实施例中，目标污染行业可以是多个污染行业，也可以是一个污染行业。
步骤203，服务器根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
本实施例中，污染溯源范围为地理范围，污染监控点位对应的污染溯源范围可以理解为污染监控点位所在地附近一定范围内的区域。污染源对象为可能造成污染监控点位的水污染事件的主体。
本实施例中，可以获取污染监控点位对应的污染溯源范围内的所有企业以及各企业所属的行业。
根据目标污染行业，从污染溯源范围内的所有企业中查找出所属行业与目标污染行业相同的企业，查找出的企业即为污染源对象，污染源对象为可能造成污染监控点位的水污染事件的主体。
可选的，当目标污染行业为多个时，可以逐一地从污染溯源范围内的所有企业中查找每个目标污染行业对应的污染源对象。可选的，污染源对象可以为多个。
需要说明的是，当在污染溯源范围内，没有找到目标污染行业所对应的企业时，本实施例中，可以获取污染监控点位附近的相邻目标点位对应的污染溯源范围，并从相邻目标点位对应的污染溯源范围内的所有企业中查找出所属行业与目标污染行业相同的污染源对象。
本实施例提供的污染物溯源方法，通过获取污染监控点位的水的水质特征和特征污染物可以迅速确定出目标污染行业，然后从污染监控点位对应的污染溯源范围内的所有企业中查找出所属行业与目标污染行业相同的企业，并将查找出来的企业确定为污染源对象。这种将实验数据与地理查询范围相结合的方式，可以快速地确定出污染源对象，提高了污染物溯源的效率，并且，相比于现有技术，节省了很多人力物力。
在一种可选的实现方式中，如图3所示，步骤202还包括以下内容：
步骤301，服务器根据水质特征从水质特征数据库中确定第一候选污染行业集合。
其中，水质特征数据库中存储有监管区域内的污染行业以及各污染行业对应的废水的基础水质特征。
本实施例中，水质特征数据库的建立过程可以包括以下内容：环保部门可以预先获取监管区域内的所有污染企业，以及各污染企业所属的污染行业。
进一步的，可以对属于同一污染行业的多个污染企业排放的废水进行采样和分析，获取该属于同一污染行业的多个污染企业排放的废水的水质特征，本实施例中将该水质特征称为基础水质特征。
根据获取到的监管区域内的所有污染行业以及各个污染行业对应的废水的基础水质特征建立水质特征数据库。
服务器可以将污染监控点位的水质特征与逐一地与水质特征数据库中的基础水质特征进行对比，当污染监控点位的水质特征与某基础水质特征完全相同，或者部分相同时，将某基础水质特征对应的污染行业确定为污染监控点位的水质特征对应的第一候选污染行业。
当根据污染监控点位的水质特征确定出的污染行业为多个时，将多个污染行业组成第一候选污染行业集合。
在一种可选的实现方式中，如图4所示，根据水质特征从水质特征数据库中确定第一候选污染行业集合的过程可以包括以下内容：
步骤401，将水质特征与水质特征数据库中存储的基础水质特征进行相似度匹配，得到水质特征与各基础水质特征之间的匹配度。
本申请实施例中，水质特征可以包括统计特征和和光谱特征，相应的，基础水质特征包括基础统计特征和基础光谱特征。
本申请实施例中，对于每个基础水质特征，可以分别将污染点位的统计特征和水质特征数据库中的基础统计特征进行匹配，得到第一匹配度；统计特征可采用正定矩阵分解等算法提取水质成分谱，匹配算法可采用欧式距离法等。将污染点位的光谱特征和水质特征数据库中的基础光谱特征进行匹配，得到第二匹配度；光谱特征匹配可以采用光谱数据的直接相关分析、移动窗口相关分析、光谱峰位置信息比对以及机器视觉中图像相似度比对的各类方法等进行自动化的相似度匹配。然后对第一匹配度和第二匹配度加权运算得到水质特征与该基础水质特征之间的匹配度。
本实施例中，可以计算出污染监控点位的水质特征与水质特征数据库中的每一种基础水质特征之间的匹配度。
步骤402，将匹配度大于匹配阈值的基础水质特征对应的污染行业组合，确定出第一候选污染行业集合。
本实施例中，服务器中可以预先存储匹配阈值。
可以将污染监控点位的水质特征与水质特征数据库中的每一种基础水质特征之间的匹配度逐一地与匹配阈值进行比较。当污染监控点位的水质特征与某基础水质特征之间的匹配度大于匹配阈值，那么将这个基础水质特征对应的污染行业确定为第一候选污染行业。
当污染监控点位的水质特征与某基础水质特征之间的匹配度小于等于匹配阈值，那么该基础水质特征对应的污染行业不是第一候选污染行业。
通过上述方法，可以筛选出多个第一候选污染行业，将该多个第一候选污染行业组合起来可以得到第一候选污染行业集合。
步骤302，根据特征污染物从特征污染物数据库中确定第二候选污染行业集合。
其中，特征污染物数据库中存储有监管区域内的污染行业以及各污染行业对应的基础特征污染物。
本实施例中，特征污染物数据库的建立过程可以包括以下内容：
环保部门可以预先获取监管区域内的所有污染企业，以及各污染企业所属的污染行业。
进一步的，可以对属于同一污染行业的多个污染企业排放的废水进行采样和分析，获取该属于同一污染行业的多个污染企业排放的废水的特征污染物，本实施例中将该特征污染物称为基础特征污染物。
需要说明的是，本实施例中，每个污染行业的特征污染物可以是一种或者多种。
根据获取到的监管区域内的所有污染行业以及各个污染行业对应的基础特征污染物建立特征污染物数据库。
服务器可以将污染监控点位的特征污染物与逐一地与特征污染物数据库中的基础特征污染物进行对比，当污染监控点位的特征污染物与某基础特征污染物完全相同，或者部分相同时，将某基础特征污染物对应的污染行业确定为污染监控点位的特征污染物对应的第二候选污染行业。
当污染监控点位对应的水的特征污染物为一种时，本实施例中可以将污染监控点位对应的水的特征污染物称为目标特征污染物。服务器可以将所有包含该目标特征污染物的基础特征污染物对应的污染行业组合起来，得到第二候选污染行业集合。
当污染监控点位对应的水的特征污染物为多种时，本实施例中，可以认为污染监控点位对应的水的中含有多种目标特征污染物。服务器可以将包含部分目标特征污染物的基础特征污染物对应的污染行业组合起来，得到第二候选污染行业集合。
步骤303，根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业。
在一种可选的实现方式中，根据第一候选污染行业集合和第二候选污染行业集合确定目标污染物行业的过程可以是：
对第一候选污染行业集合和第二候选污染行业集合求并集，将第一候选污染行业集合中包括的所有第一候选污染行业以及第二候选污染行业集合中包括的所有第二候选污染行业一起作为目标污染行业，此时，目标污染行业存在多个。通过该方法，将所有可能的目标污染行业均包括在内，避免遗漏。
相应的，当目标污染行业存在多个时，可以对每一个目标污染行业，从污染监控点位的污染溯源范围内的所有企业中，查找属于该目标污染行业的企业，并将查找出来的企业确定为污染源对象。
在另一种可选的实现方式中，根据第一候选污染行业集合和第二候选污染行业集合确定目标污染物行业的过程可以是：
将第一候选污染行业集合和第二候选污染行业集合中共同具有的污染行业确定为目标污染行业。
第一候选污染行业集合中包括多个第一候选污染行业，第二候选污染行业集合中包括多个第二候选污染行业，本实施例中，将第一候选污染行业集合与第二候选污染行业集合的交集部分作为目标污染行业，交集部分对应的目标污染行业为造成污染监控点位的水污染事件的污染源对象所属的污染行业的可能性更高。
在本申请的一个实施例中，如图5所示，步骤203之前，该污染物溯源方法还可以包括以下步骤：
步骤501，获取监管区域的水系图，对水系图进行网格划分，根据网格划分结果得到监测网格。
本实施例中，水系图中可以包括监管区域内的水系分布信息、邻水村庄分布信息、河流断面分布信息、跨界断面分布信息、工业园区分布信息、排水系统分布信息以及涉水企业分布信息。通过水系图中的包括的上述信息，可以确定出监管区域内的多个目标点位。
在一种可选的实现方式中，对水系图进行网格划分的过程可以是：
本实施例中，可以对水系图按照预设的网格划分尺度进行划分，例如图6所示中的网格所示。可选的，可以预先设置不同尺度大小的网格，例如一级网格和二级网格，一级网格的尺度可以为4km×4km，二级网格的尺度可以为2km×2km。
首先，按照一级网格的尺度对水系图进行划分，得到多个一级网格，然后从多个一级网格中挑选出同时存在干流与一级支流的交汇断面、一级支流与二级支流的交汇断面、污水处理厂、工业园区排水口、邻水村庄以及涉水企业中的至少两个的一级网格，称为候选一级网格。
对候选一级网格按照二级网格的尺度进行划分，得到多个二级网格。本实施例中，网格划分结果可以如图6所示，其中，一级网格和二级网格为监测网格。
需要说明的是，本实施例中，还可以根据需要设置三级网格，三级网格的尺度小于一级网格和二级网格。
在另一种可选的实现方式中，如图7所示，对水系图进行网格划分的过程可以是：
步骤701，对水系图按照预设的尺度进行网格划分，得到多个第一级候选网格。
本实施例中，服务器可以获取预先存储的网格尺度，并按照网格尺度对水系图进行网格划分，得到多个第一级候选网格。
步骤702，将多个第一级候选网格中，辐射范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个第二级候选网格。
其中，目标对象为可能排放污水的主体。可选的，目标对象可以是涉水企业和人口密度大于密度阈值的村庄。需要说明的是，本申请实施例中的村庄可以是指乡镇级别的人口聚集区域。
本实施例中，对每个第一级候选网格，以第一级候选网格的中心点为原点，以预设长度为半径，建立第一级候选网格的辐射范围，其中，第一级候选网格的辐射范围大于第一级候选网格的覆盖范围。
获取水系图中的包括的监管区域内的水系分布信息、邻水村庄分布信息、河流断面分布信息、跨界断面分布信息、工业园区分布信息、排水系统分布信息以及涉水企业分布信息。
由于目标对象为可能排放污水的主体，当第一级候选网格的辐射范围内存在目标对象时，我们认为该第一级候选网格中可能发生水污染事件。本实施例中，将这种第一级候选网格确定为第二级候选网格。
步骤703，将多个第二级候选网格中，存在目标点位的第二级候选网格确定为监测网格。
本实施例中，第二级候选网格中，可能存在目标点位，也可能不存在目标点位。
将第二级候选网格中存在目标点位的网格确定为监测网格。即监测网格中必然存在至少一个目标点位，并且，监测网格的辐射范围内具有可能排放污水的主体。
步骤502，将污染监控点位所在的监测网格的范围确定为污染监控点位对应的污染溯源范围。
本实施例中，监测网格对应的范围可以是网格划分尺度，当某监测网格内的目标点位被确定为污染监控点位时，则该监测网格的对应的地理范围确定为该污染监控点位对应的污染溯源范围。
在一种可选的实现方式中，当某监测网格内的目标点位被确定为污染监控点位时，可以根据步骤702公开的第一级候选网格的辐射范围，将该监测网格的辐射范围确定为该污染监控点位的污染溯源范围。
本实施例通过对监管区域进行网格划分，确定了污染监控点位污染溯源范围，缩小了污染源对象的搜索范围，从而提高了确定污染源对象的速度。
请参考图8，其示出了本申请实施例提供的一种污染物溯源装置的框图，该污染物溯源装置可以配置在图1所示实施环境中的后台服务器中。如图8所示，该污染物溯源装置可以包括监测模块801，行业确定模块802和溯源模块803，其中：
监测模块801，用于对监管区域内的多个目标点位进行水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；
行业确定模块802，用于根据水质特征和特征污染物确定目标污染行业；
溯源模块803，用于根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
在一个实施例中，溯源模块803还用于获取监管区域的水系图，对水系图进行网格划分，根据网格划分结果得到监测网格；将污染监控点位所在的监测网格的范围确定为污染监控点位对应的污染溯源范围。
在一个实施例中，溯源模块803还用于对水系图按照预设的尺度进行网格划分，得到多个第一级候选网格；将多个第一级候选网格中，辐射范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个第二级候选网格，目标对象为可能排放污水的主体；将多个第二级候选网格中，存在目标点位的第二级候选网格确定为监测网格。
在一个实施例中，目标对象包括涉水企业和人口密度大于密度阈值的村庄。
在一个实施例中，行业确定模块802还用于根据水质特征从水质特征数据库中确定第一候选污染行业集合，水质特征数据库中存储有监管区域内的污染行业以及各污染行业对应的废水的基础水质特征；根据特征污染物从特征污染物数据库中确定第二候选污染行业集合，特征污染物数据库中存储有监管区域内的污染行业以及各污染行业对应的基础特征污染物；根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业。
在一个实施例中，行业确定模块802还用于将水质特征与水质特征数据库中存储的基础水质特征进行匹配，得到水质特征与各基础水质特征之间的匹配度；将匹配度大于匹配阈值的基础水质特征对应的污染行业组合，确定出第一候选污染行业集合。
在一个实施例中，行业确定模块802还用于将第一候选污染行业集合和第二候选污染行业集合中共同具有的污染行业确定为目标污染行业。
在一个实施例中，目标点位包括：监管区域内的河流的干流与一级支流的交汇断面类点位、一级支流与二级支流的交汇断面类点位、监管区域内的污水处理类点位、监管区域内的工业园区的废水排水口类点位、监管区域内的农村分散点源污水的汇水口类点位和监管区域内的涉水企业的排水口类点位中的至少一种。
关于污染物溯源装置的具体限定可以参见上文中对于污染物溯源方法的限定，在此不再赘述。上述污染物溯源装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
对监管区域内的多个目标点位进行水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；根据水质特征和特征污染物确定目标污染行业；根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：获取监管区域的水系图，对水系图进行网格划分，根据网格划分结果得到监测网格；将污染监控点位所在的监测网格的范围确定为污染监控点位对应的污染溯源范围。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：对水系图按照预设的尺度进行网格划分，得到多个第一级候选网格；将多个第一级候选网格中，辐射范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个第二级候选网格，目标对象为可能排放污水的主体；将多个第二级候选网格中，存在目标点位的第二级候选网格确定为监测网格。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据水质特征从水质特征数据库中确定第一候选污染行业集合，水质特征数据库中存储有监管区域内的污染行业以及各污染行业对应的废水的基础水质特征；根据特征污染物从特征污染物数据库中确定第二候选污染行业集合，特征污染物数据库中存储有监管区域内的污染行业以及各污染行业对应的基础特征污染物；根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：将水质特征与水质特征数据库中存储的基础水质特征进行匹配，得到水质特征与各基础水质特征之间的匹配度；将匹配度大于匹配阈值的基础水质特征对应的污染行业组合，确定出第一候选污染行业集合。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：将第一候选污染行业集合和第二候选污染行业集合中共同具有的污染行业确定为目标污染行业。
本申请实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对监管区域内的多个目标点位进行水质监测，当监测到某目标点位发生水质异常时，将某目标点位确定为污染监控点位，并获取污染监控点位的水质特征以及污染监控点位的特征污染物；根据水质特征和特征污染物确定目标污染行业；根据目标污染行业从污染监控点位对应的污染溯源范围内确定污染源对象，污染源对象为造成污染监控点位的水污染事件的主体。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：获取监管区域的水系图，对水系图进行网格划分，根据网格划分结果得到监测网格；将污染监控点位所在的监测网格的范围确定为污染监控点位对应的污染溯源范围。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：对水系图按照预设的尺度进行网格划分，得到多个第一级候选网格；将多个第一级候选网格中，辐射范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个第二级候选网格，目标对象为可能排放污水的主体；将多个第二级候选网格中，存在目标点位的第二级候选网格确定为监测网格。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据水质特征从水质特征数据库中确定第一候选污染行业集合，水质特征数据库中存储有监管区域内的污染行业以及各污染行业对应的废水的基础水质特征；根据特征污染物从特征污染物数据库中确定第二候选污染行业集合，特征污染物数据库中存储有监管区域内的污染行业以及各污染行业对应的基础特征污染物；根据第一候选污染行业集合和第二候选污染行业集合确定目标污染行业。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：将水质特征与水质特征数据库中存储的基础水质特征进行匹配，得到水质特征与各基础水质特征之间的匹配度；将匹配度大于匹配阈值的基础水质特征对应的污染行业组合，确定出第一候选污染行业集合。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：将第一候选污染行业集合和第二候选污染行业集合中共同具有的污染行业确定为目标污染行业。
本申请实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种污染物溯源方法，其特征在于，所述方法包括：
对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将所述某目标点位确定为污染监控点位，并获取所述污染监控点位的水质特征以及所述污染监控点位的特征污染物；
根据所述水质特征从水质特征数据库中确定第一候选污染行业集合，所述水质特征数据库中存储有所述监管区域内的污染行业以及各所述污染行业对应的废水的基础水质特征；
根据所述特征污染物从特征污染物数据库中确定第二候选污染行业集合，所述特征污染物数据库中存储有所述监管区域内的污染行业以及各所述污染行业对应的基础特征污染物；
根据所述第一候选污染行业集合和所述第二候选污染行业集合确定目标污染行业；
根据所述目标污染行业从所述污染监控点位对应的污染溯源范围内确定污染源对象，所述污染源对象为造成所述污染监控点位的水污染事件的主体。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标污染行业从所述污染监控点位对应的污染溯源范围内确定污染源对象之前，所述方法还包括：
获取所述监管区域的水系图，对所述水系图进行网格划分，根据网格划分结果得到监测网格；
将所述污染监控点位所在的监测网格的范围确定为所述污染监控点位对应的污染溯源范围。
3.根据权利要求2所述的方法，其特征在于，所述对所述水系图进行网格划分，根据网格划分结果得到监测网格，包括：
对所述水系图按照预设的尺度进行网格划分，得到多个第一级候选网格；
将多个所述第一级候选网格中，覆盖范围内存在目标对象的第一级候选网格作为第二级候选网格，得到多个所述第二级候选网格，所述目标对象为可能排放污水的主体；
将多个所述第二级候选网格中，存在所述目标点位的第二级候选网格确定为所述监测网格。
4.根据权利要求3所述的方法，其特征在于，所述目标对象包括涉水企业和人口密度大于密度阈值的村庄。
5.根据权利要求1所述的方法，其特征在于，所述根据所述水质特征从水质特征数据库中确定第一候选污染行业集合，包括：
将所述水质特征与所述水质特征数据库中存储的基础水质特征进行相似度匹配，得到所述水质特征与各所述基础水质特征之间的匹配度；
将所述匹配度大于匹配阈值的所述基础水质特征对应的污染行业组合，确定出所述第一候选污染行业集合。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一候选污染行业集合和所述第二候选污染行业集合确定目标污染行业，包括：
将所述第一候选污染行业集合和所述第二候选污染行业集合中共同具有的污染行业确定为所述目标污染行业。
7.根据权利要求1所述的方法，其特征在于，所述目标点位包括：所述监管区域内的河流的干流与一级支流的交汇断面类点位、所述一级支流与二级支流的交汇断面类点位、所述监管区域内的污水处理类点位、所述监管区域内的工业园区的废水排水口类点位、所述监管区域内的农村分散点源污水的汇水口类点位和所述监管区域内的涉水企业的排水口类点位中的至少一种。
8.一种污染物溯源装置，其特征在于，所述装置包括：
监测模块，用于对监管区域内的多个目标点位进行在线水质监测，当监测到某目标点位发生水质异常时，将所述某目标点位确定为污染监控点位，并获取所述污染监控点位的水质特征以及所述污染监控点位的特征污染物；
行业确定模块，用于根据所述水质特征从水质特征数据库中确定第一候选污染行业集合，所述水质特征数据库中存储有所述监管区域内的污染行业以及各所述污染行业对应的废水的基础水质特征；根据所述特征污染物从特征污染物数据库中确定第二候选污染行业集合，所述特征污染物数据库中存储有所述监管区域内的污染行业以及各所述污染行业对应的基础特征污染物；根据所述第一候选污染行业集合和所述第二候选污染行业集合确定目标污染行业；
溯源模块，用于根据所述目标污染行业从所述污染监控点位对应的污染溯源范围内确定污染源对象，所述污染源对象为造成所述污染监控点位的水污染事件的主体。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010222387.0A CN111474307B (zh) | 2020-03-26 | 2020-03-26 | 污染物溯源方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010222387.0A CN111474307B (zh) | 2020-03-26 | 2020-03-26 | 污染物溯源方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111474307A CN111474307A (zh) | 2020-07-31 |
| CN111474307B true CN111474307B (zh) | 2021-11-30 |
Family
ID=71748407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010222387.0A Active CN111474307B (zh) | 2020-03-26 | 2020-03-26 | 污染物溯源方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111474307B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111812292B (zh) * | 2020-09-03 | 2020-12-08 | 中兴仪器（深圳）有限公司 | 水质污染类型溯源方法、装置、设备及可读存储介质 |
| CN112418609B (zh) * | 2020-10-30 | 2024-06-18 | 暨南大学 | 一种基于面-网格-点的大气二次污染精准溯源方法 |
| CN112595834B (zh) * | 2020-12-03 | 2022-11-04 | 农业农村部环境保护科研监测所 | 一种土壤重金属溯源及污染途径确定方法 |
| CN112508407B (zh) * | 2020-12-07 | 2023-07-18 | 北京英视睿达科技股份有限公司 | 一种基于水基因的污染溯源方法 |
| CN112939114A (zh) * | 2021-02-04 | 2021-06-11 | 广东鹏裕建设有限公司 | 水环境治理方法、系统、计算机设备及存储介质 |
| CN112903660A (zh) * | 2021-03-11 | 2021-06-04 | 广西大学 | 一种判别流域水体污染现状和污染来源的方法 |
| CN113030416A (zh) * | 2021-03-25 | 2021-06-25 | 北京市环境保护科学研究院 | 一种水源地污染源溯源方法、装置及电子设备 |
| CN113313399A (zh) * | 2021-06-08 | 2021-08-27 | 台州南水环保科技有限公司 | 一种基于特征污染物源解析的地下水污染溯源方法 |
| CN113777261B (zh) * | 2021-09-17 | 2024-04-26 | 神彩科技股份有限公司 | 一种水污染的溯源方法、装置、电子设备及存储介质 |
| CN114184751B (zh) * | 2021-11-11 | 2023-11-21 | 深圳市宇驰检测技术股份有限公司 | 分段式管网污染物溯源装置及系统 |
| CN114511181A (zh) * | 2021-12-31 | 2022-05-17 | 中国环境科学研究院 | 基于电网及税收数据融合的水污染环保校验方法和装置 |
| CN114660255A (zh) * | 2022-04-06 | 2022-06-24 | 山东中节能天融环保技术有限公司 | 一种应用微站污染源溯源分析的方法 |
| CN115048475A (zh) * | 2022-06-09 | 2022-09-13 | 南京国环科技股份有限公司 | 一种基于大数据的快速水污染溯源方法以及系统 |
| CN116297936A (zh) * | 2023-02-28 | 2023-06-23 | 广东工业大学 | 一种污染物的溯源方法、系统、装置及介质 |
| CN116912704A (zh) * | 2023-06-02 | 2023-10-20 | 生态环境部环境规划院 | 一种基于遥感及地面核查技术的地表水磷污染物溯源方法 |
| CN117473134B (zh) * | 2023-12-28 | 2024-03-26 | 河南省新乡水文水资源测报分中心 | 一种用于污染物溯源的水资源监控管理方法及系统 |
| CN118429789B (zh) * | 2024-07-04 | 2024-09-20 | 江苏省沿海开发投资有限公司 | 水产病害数据处理方法及系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4083691A (en) * | 1977-04-22 | 1978-04-11 | The United States Of America As Represented By The Secretary Of The Army | Method for detecting contaminants in water |
| RU2205401C1 (ru) * | 2001-11-28 | 2003-05-27 | Институт минералогии, геохимии и кристаллохимии редких элементов | Геохимический способ выявления и оценки зон техногенного загрязнения рек |
| US20130078730A1 (en) * | 2011-09-23 | 2013-03-28 | Michael J. Murcia | Method for monitoring and control of a wastewater process stream |
| CN104615906B (zh) * | 2015-03-03 | 2018-04-20 | 中科宇图天下科技有限公司 | 一种基于单线河流快速逆流溯源的方法 |
| CN105512797A (zh) * | 2015-11-26 | 2016-04-20 | 浙江省环境监测中心 | 一种控制断面污染风险溯源及风险程度展示方法 |
| CN107563139A (zh) * | 2017-09-06 | 2018-01-09 | 郑州大学 | 一种点源突发性水污染源事故溯源贡献程度计算方法 |
| CN107944601A (zh) * | 2017-11-07 | 2018-04-20 | 中国石油天然气集团公司 | 以特征污染物溯源分析为指导的污水处理评估方法及装置 |
| CN110412006A (zh) * | 2018-04-26 | 2019-11-05 | 北京化工大学 | 一种实现水污染在线溯源的方法 |
| CN109583723A (zh) * | 2018-11-19 | 2019-04-05 | 北京英视睿达科技有限公司 | 基于污染源确定水环境热点网格的方法、电子设备及装置 |
| CN109711674A (zh) * | 2018-12-03 | 2019-05-03 | 北京师范大学 | 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置 |
| CN110390494B (zh) * | 2019-08-13 | 2022-04-26 | 成都理工大学 | 农业区生活垃圾填埋场地下水中“三氮”的溯源方法 |
| CN110851981B (zh) * | 2019-11-12 | 2023-05-09 | 上一云联环境(金华)有限公司 | 一种实现突发水污染快速溯源的方法 |
| CN110765228A (zh) * | 2019-11-18 | 2020-02-07 | 镇江颀珑工程技术服务有限公司 | 一种基于河流网络在线监测的污染源追踪方法 |
-
2020
- 2020-03-26 CN CN202010222387.0A patent/CN111474307B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111474307A (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111474307B (zh) | 污染物溯源方法、装置、计算机设备及存储介质 | |
| WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
| CN111783904B (zh) | 基于环境数据的数据异常分析方法、装置、设备及介质 | |
| Lorenzo-Toja et al. | Dynamic environmental efficiency assessment for wastewater treatment plants | |
| Raso et al. | How to evaluate a monitoring system for adaptive policies: criteria for signposts selection and their model-based evaluation | |
| CN112001520B (zh) | 天气预报方法、装置、计算机设备及存储介质 | |
| CN112505189A (zh) | 一种基于地下水特征污染物的自动溯源方法 | |
| CN113435738A (zh) | 环境污染溯源方法、装置、设备及计算机可读存储介质 | |
| CN113919991A (zh) | 基于区块链的环境监测数据处理方法及系统 | |
| Ahmad et al. | A comprehensive study on the Bayesian modelling of extreme rainfall: a case study from Pakistan | |
| CN117854619A (zh) | 涉水企业特征污染物的排放量核算方法和装置 | |
| CN115759345A (zh) | 智慧环保平台大气环境管理系统的质量预测模块及方法 | |
| CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
| Wang et al. | A machine learning approach to methane emissions mitigation in the oil and gas industry | |
| CN113590663A (zh) | 一种环境检测方法及系统 | |
| Mounce et al. | Implementation of an on-line artificial intelligence district meter area flow meter data analysis system for abnormality detection: a case study | |
| CN116883755B (zh) | 一种乡村建设环境监测方法、系统、设备及存储介质 | |
| Vekaria et al. | Using artificial intelligence for water pipeline infrastructure asset management | |
| KR20200036125A (ko) | 무단방류에 대한 환경감시 방법 | |
| Freni et al. | Probabilistic approach to the positioning of water quality sensors in urban drainage networks | |
| CN115453053A (zh) | 一种污染分析方法、装置、设备和存储介质 | |
| Lee et al. | A study on the 4th industrial revolution and e-government security strategy-in terms of the cyber security technology of intelligent government | |
| Muslikh et al. | Systematic literature review of data distribution in preprocessing stage with focus on outliers | |
| Devan et al. | Hydro-Chemical Analysis using Data Science | |
| CN118981885B (zh) | 基于水动力和水质模型的图论驱动水质污染溯源方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |