基于区块链的水体污染监测方法与流程

本发明属于水质监测技术领域，具体涉及基于区块链的水体污染监测方法。

背景技术：

近年来，我国的水体污染存在着不同程度的污染，大到海洋湖泊，小到园林绿化水体。水体污染的蔓延性十分强，水污染得不到有效治理和改善，生态环境恶化将日益严重，从长远发展来看，会严重影响我国经济发展和人民生活质量。

随着这一问题的突出，水体污染控制受到越来越多的关注，评估并且量化水环境质量，对水体污染进行成因分析是水污染防治中一个不可缺少的基本工作之一。流域污染日益严重和有效治理中存在的实际困难，是我们研究流域水污染防治对策的驱动力之一。传统的防止水体污染的水体监测方法都是人工顶点或者抽样，这些监测手段和方法不仅耗费人力、物力、财力资源而且效率也十分低下。更加明显的是，正处于污染中的水体存在局部的区域性差异，这样监测结果偏差度大，对实际的污染中水体水体污染防治帮助效果不明显。

技术实现要素：

本发明针对上述现有技术的存在的问题，提供基于区块链的水体污染监测方法。

本发明通过以下技术手段实现解决上述技术问题的：

基于区块链的水体污染监测方法，包括以下步骤：

s1、建立区块化监测区域：在待测的水域内，设置均布式的监测点，记为i，i＝1、2、3……n，每个监测点形成区块化监测区域；

s2、信息捕捉：在每一个监测点上，建立以时间戳为维度的信息表，所述信息表里包含监测水体得到的被测指标的浓度数据信息gti，其中i对应不同的监测点，t对应不同的监测时间戳；

s3、数据统计：针对连续24小时内每一个独立的监测点的监测数据，形成时间-浓度坐标系，将对应的数据在时间-浓度坐标系中形成折线图，同时对信息表内的数据取均值k，m为连续24小时内生成的时间戳数量；

s4、数据分析：根据折线图走势并结合k值，判断水体处于哪种污染阶段：

若折线图呈上升趋势，且k值大于k0，说明水体处于污染初期，同时为污染间接扩散源；

若折线图呈水平趋势，且k值小于k0，说明水体水质正常，未被污染；

若折线图呈水平趋势，且k值大于k0，说明水体处于污染末期，水体水质被污染严重，为污染直接扩散源；

其中，k0为水体污染检测数据的临界值。

进一步的，还包括以下步骤：

s5、污染源探查：取水体处于污染初期的监测点为探索中心，以数据分析中同一时间戳为基准，做等距水波式辐射状分批次数据收集分析，将收集数据与探索中心的浓度数据信息gti做级差化处理，在每批次中取级差最大的值保留，并由探索中心向外将级差对应的监测点标记为pj，j＜i，以pj与对应的级差建立坐标系，获取相应的折线图；

s6、污染源判断：根据污染源探查获取的折线图的走势是否存在折线走势趋平的转折点，确定污染源：

若不存在走势趋平的转折点，则折线走势顶点对应的监测点为污染源；

若存在走势趋平的转折点，则获取折线走势趋平的转折点，标记为次级探索中心，同时取污染源探查中所用时间戳的前一个时间戳为基准，重复s5污染源探查步骤，直到确定污染源。

进一步的，污染源探查中每批次数据分析收集之间相差一个区块化监测区域。

进一步的，所述时间戳为等时间间隔取值，且所有监测点的信息表内时间戳保持同步。

进一步的，区块化监测区域为正六边形，相邻两个区块化监测区域共边。

进一步的，所述监测点设置在区块化监测区域内。

进一步的，所述监测点设置在区块化监测区域的中心。

本发明的有益效果为：本发明中利用区块链的特点，将每一个区块化监测区域作为一个独立的监测对象，通过对其监测结果的分析判断水体的污染状况，且能利用其时间戳的特点分析水体污染处于哪一个具体的污染期，这种检测方法有利于提高资源的利用效率，同时对指导水体污染治理有着十分重要的作用。

附图说明

图1是本发明实施例中区块化监测区域的示意图；

图2是本发明实施例中数据分析的折线图；

图3是本发明实施例中污染源探查的示意图；

图4是本发明实施例中污染源判断的折线图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

基于区块链的水体污染监测方法，包括以下步骤：

s1、建立区块化监测区域：如图1所示，在待测的水域内，设置均布式的监测点，记为i，i＝1、2、3……，每个监测点形成正六边形的区块化监测区域，相邻两个区块化监测区域共边，所述监测点设置在区块化监测区域的中心；通过设置均布式的监测点，来控制监测的准确性，保证整个监测水域内监测结果一致程度，同时区块化监测区域设置为正六边形，便于提高不同区块化监测区域的连结性，避免区块化监测区域过度交叉导致监测结果相互影响以及连接性差导致的漏测区域过大。

s2、信息捕捉：在每一个监测点上，每隔4小时建立以时间戳为维度的信息表，所有监测点的信息表内时间戳保持同步，所述信息表里包含监测水体得到的被测指标bod5的浓度数据信息gti，其中i对应不同的监测点，t对应不同的监测时间戳，bod5为五日生化需氧量；生化需氧量bod亦称生化耗氧量，是表示水中有机化合物等需氧物质含量的一个综合指标。当水中所含有机物与空气接触时，由于需氧微生物的作用而分解，使之无机化或气体化时所需消耗的氧量，就称为生化需氧量。其值越高，说明水中有机污染物质越多，污染就越厉害，通常采用bod5作为检测指标。

s3、数据统计：针对连续24小时内每一个独立的监测点的监测数据，形成时间-浓度坐标系，将对应的数据在时间-浓度坐标系中形成折线图，同时对信息表内的数据取均值k，

s4、数据分析：根据折线图走势并结合k值，判断水体处于哪种污染阶段：

若折线图呈上升趋势，且k值大于4ppm，说明水体处于污染初期，同时为污染间接扩散源，如图2中折线b所示；

若折线图呈水平趋势，且k值小于4ppm，说明水体水质正常，未被污染，如图2中折线a所示；

若折线图呈水平趋势，且k值大于4ppm，说明水体处于污染末期，水体水质被污染严重，为污染直接扩散源，如图2中折线c所示。

狭义来讲，区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，每个区块都包含一个时间戳和一个与之对应的数据结构；传统的水体监测模式单一且效率低，而本发明中利用区块链的特点，将每一个区块化监测区域作为一个独立的监测对象，通过对其监测结果的分析判断水体的污染状况，且能利用其时间戳的特点分析水体污染处于哪一个具体的污染期，这种检测方法有利于提高资源的利用效率，同时对指导水体污染治理有着十分重要的作用。

针对上述的数据分析结果，进行一下操作：

s5、污染源探查：如图3所示，取水体处于污染初期的监测点为探索中心，以数据分析中同一时间戳为基准，做水波式辐射状分批次数据收集分析，每批次数据分析收集之间相差一个区块化监测区域，将收集数据与探索中心做级差化处理，在每批次中取级差最大的值保留，并由探索中心向外将级差对应的监测点标记为pj，j＜20，以pj与对应的级差建立坐标系，获取相应的折线图，其中，级差为水波式辐射线上收集的浓度数据与探索中心浓度数据的差；

s6、污染源判断：根据污染源探查获取的折线图的走势是否存在折线走势趋平的转折点，确定污染源：

若不存在走势趋平的转折点，则折线走势顶点对应的监测点为污染源，如图4中折线d所示；

若存在走势趋平的转折点，如图4中折线e所示，说明该时间戳下探索中心处于污染源扩散的边缘，污染源内部已经被严重污染，则获取折线走势趋平的转折点，标记为次级探索中心，同时取污染源探查中所用时间戳的前一个时间戳为基准，重复污染源探查步骤，直到确定污染源。

水体污染的原因大部分是由于废水排放导致的，所以要想根治水体污染，找到废水排放源才是最重要的。本发明采用区块链的概念，引入时间戳作，其技能作为本区块内数据结构的连接纽带，同时能联系不同区块的数据结构。由于污染源是通过水体扩散的，其在同一个时间节点必然存在不同区块的浓度差，利用这个特点，从处于污染初期的区块化监测区域入手，向周围辐射扩散，越靠近污染源的区块，其污染物浓度越高，与探索中心的污染物浓度级差越大；而重污染区的地方污染物浓度相差无几，这时利用时间戳的特点，向前推移时间戳，便可以利用不同时间戳状态下的数据结构搜索到污染源，对水体污染的治理有着决定性的重要意义。

需要说明的是，在本文中，如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。