有机污染物运移的预测方法、装置和电子设备与流程

本发明涉及污染物运移的，尤其是涉及一种有机污染物运移的预测方法、装置和电子设备。

背景技术：

1、随着我国经济发展以及工业化和城市化进程的不断加快，大量化工、农药生产企业需要搬迁或已经搬迁，遗留的大量场地存在有机污染问题，这些场地的土层基本都含有黏土等低渗透介质(以下将这类场地简称为“低渗场地”)。

2、快速的正演计算是高精度水文地质参数反演的基础。当前，低渗场地有机污染物运移模拟预测需要高精度的水文地质参数，而低渗场地有机污染物运移正演方法(即通过假设的水文地质参数正演得到低渗场地有机污染物运移的结果--低渗场地的有机污染物浓度)的时效性是制约污染场地高精度水文地质参数反演(即通过正演得到的低渗场地有机污染物运移的结果再反演调节上述假设的水文地质参数)的重要原因。

3、低渗场地有机污染物运移的正演通常基于有限元或有限差分的数值模拟方法，其关键是使用足够精细的时空网格来描述引起污染物扩散的浓度梯度，因此正演计算速度慢、耗时长。即使在某些假设条件下可以有显式表达的正演公式，但是由于数值积分和多层循环运算，一次正演计算往往也需要数十秒甚至更长的时间，然而正演计算在高精度水文地质参数反演中通常需要被调用成千上万次，甚至百万次以上，势必导致高精度水文地质参数反演的总时间过长。

4、综上，现有的低渗场地有机污染物运移的正演方法在进行有机污染物运移的预测时，存在耗时长、效率低的技术问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种有机污染物运移的预测方法、装置和电子设备，以缓解现有的低渗场地有机污染物运移的正演方法在进行有机污染物运移的预测时，耗时长、效率低的技术问题。

2、第一方面，本发明实施例提供了一种有机污染物运移的预测方法，包括：

3、获取待预测低渗污染场地的基础特征数据，其中，所述待预测低渗污染场地的污染物为有机污染物；

4、对所述基础特征数据进行特征衍生操作，并从特征衍生操作得到的衍生特征数据中提取目标衍生特征数据；

5、采用污染物浓度预测模型对所述目标衍生特征数据进行污染物浓度预测，得到所述待预测低渗污染场地的污染物浓度，进而得到有机污染物运移的预测结果。

6、进一步的，对所述基础特征数据进行特征衍生操作，包括：

7、对每个所述基础特征数据进行取平方的特征衍生操作，得到第一衍生特征数据；

8、将每个所述基础特征数据与其它每个所述基础特征数据，以及每个所述第一衍生特征数据进行差值计算，并将每个所述第一衍生特征数据与其它每个所述第一衍生特征数据进行差值计算，得到第二衍生特征数据；

9、将每个所述基础特征数据与其它每个所述基础特征数据，以及每个所述第一衍生特征数据进行求和计算，并将每个所述第一衍生特征数据与其它每个所述第一衍生特征数据进行求和计算，得到第三衍生特征数据；

10、将每个所述基础特征数据与其它每个所述基础特征数据，以及每个所述第一衍生特征数据进行相乘计算，并将每个所述第一衍生特征数据与其它每个所述第一衍生特征数据进行相乘计算，得到第四衍生特征数据；

11、将每个所述基础特征数据与其它每个所述基础特征数据，以及每个所述第一衍生特征数据进行相除计算，并将每个所述第一衍生特征数据与其它每个所述第一衍生特征数据进行相除计算，得到第五衍生特征数据；

12、将所述基础特征数据、所述第一衍生特征数据、所述第二衍生特征数据、所述第三衍生特征数据、所述第四衍生特征数据和所述第五衍生特征数据进行合并，得到所述衍生特征数据。

13、进一步的，从特征衍生操作得到的衍生特征数据中提取目标衍生特征数据，包括：

14、根据预设目标特征从所述衍生特征数据中提取与所述预设目标特征对应的所述目标衍生特征数据。

15、进一步的，所述污染物浓度预测模型包括：xgboost模型。

16、进一步的，所述方法还包括：

17、获取低渗污染场地的基础特征数据样本；

18、采用dandy-sale公式对所述基础特征数据样本进行计算，得到每组所述基础特征数据样本对应的污染物浓度真值；

19、对所述基础特征数据样本进行特征衍生操作，并从特征衍生操作得到的衍生特征数据样本中提取目标衍生特征数据样本；

20、采用所述目标衍生特征数据样本和对应的污染物浓度真值对原始污染物浓度预测模型进行训练，得到所述污染物浓度预测模型。

21、进一步的，从特征衍生操作得到的衍生特征数据样本中提取目标衍生特征数据样本，包括：

22、采用lasso回归对所述衍生特征数据样本进行特征重要性计算，得到所述衍生特征数据样本对应的各特征的重要性；

23、根据所述衍生特征数据样本对应的各特征的重要性在所述衍生特征数据样本对应的各特征中确定目标特征，其中，所述目标特征为所述衍生特征数据样本对应的各特征中，重要性大于预设阈值的特征；

24、根据所述目标特征从所述衍生特征数据样本中提取与所述目标特征对应的所述目标衍生特征数据样本。

25、进一步的，所述基础特征数据样本对应的基础特征包括：与污染源的距离、距污染源的垂向距离、低渗透层以上，渗透层中污染羽平均载荷浓度、渗透层的密度、低渗层的密度、有机碳分配系数、渗透层有机碳分数、低渗层有机碳分数、渗透层有效孔隙度、低渗层总孔隙度、渗透层渗流速度、渗透层污染物运移速度、污染源在x轴方向上的长度、渗透层横向弥散度、渗透层有效分子扩散系数、自污染源出现，污染加载的时长和污染源去除后的时间；

26、采用dandy-sale公式对所述基础特征数据样本进行计算，包括：

27、采用dandy-sale公式：

28、

29、对所述基础特征数据样本进行计算，得到每组所述基础特征数据样本对应的污染物浓度真值，其中，ctrans(x，z，t)表示当前空间点位(x，z)在t时刻的污染物浓度真值，x表示所述与污染源的距离，z表示所述空间点距污染源的垂向距离，t表示自污染源出现起至关注的时刻止的时长跨度，t＝t0+t1，t0表示自污染源出现，污染加载的时长，t1表示污染源去除后的时间，c0表示所述低渗透层以上，渗透层中污染羽平均载荷浓度，b表示源特征，v表示所述渗透层渗流速度，l表示所述污染源在x轴方向上的长度，dt表示渗透层横向水动力弥散系数，dt＝vαt+de，αt表示所述渗透层横向弥散度，de表示所述渗透层有效分子扩散系数，表示渗透层总孔隙度，vc表示渗透层污染物运移速度，r表示渗透层阻滞系数，ρb渗透层的密度，koc有机碳分配系数，foc渗透层有机碳分数，n渗透层有效孔隙度，ξ表示当前积分点与污染源之间的距离，γ表示中间变量，n’表示所述低渗层总空隙度，r’表示低渗层阻滞系数，ρb’表示所述低渗层的密度，f’oc所述低渗层有机碳分数，d*表示低渗层横向弥散系数，d*＝n′(p)do，d0表示所述渗透层污染物运移速度，p表示表面弯曲系数指数，

30、第二方面，本发明实施例还提供了一种有机污染物运移的预测装置，包括：

31、获取单元，用于获取待预测低渗污染场地的基础特征数据，其中，所述待预测低渗污染场地的污染物为有机污染物；

32、特征衍生操作单元，用于对所述基础特征数据进行特征衍生操作，并从特征衍生操作得到的衍生特征数据中提取目标衍生特征数据；

33、污染物浓度预测单元，用于采用污染物浓度预测模型对所述目标衍生特征数据进行污染物浓度预测，得到所述待预测低渗污染场地的污染物浓度，进而得到有机污染物运移的预测结果。

34、第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。

35、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。

36、在本发明实施例中，提供了一种有机污染物运移的预测方法，包括：获取待预测低渗污染场地的基础特征数据，其中，待预测低渗污染场地的污染物为有机污染物；对基础特征数据进行特征衍生操作，并从特征衍生操作得到的衍生特征数据中提取目标衍生特征数据；采用污染物浓度预测模型对目标衍生特征数据进行污染物浓度预测，得到待预测低渗污染场地的污染物浓度，进而得到有机污染物运移的预测结果。通过上述描述可知，本发明的有机污染物运移的预测方法中，待预测低渗污染场地的污染物浓度是采用污染物浓度预测模型对目标衍生特征数据进行污染物浓度预测得到的，相比于低渗场地有机污染物运移的正演方法，污染物浓度预测模型的运算速度快，提高了有机污染物运移的预测速度和预测效率，缓解了现有的低渗场地有机污染物运移的正演方法在进行有机污染物运移的预测时，耗时长、效率低的技术问题。