本发明涉及水质检测的,尤其涉及一种水质检测稳定性控制特征提取方法。
背景技术:
1、地表水水质的检测,不仅要保障检测的时效性,还要保障检测的质量,这在一定程度上增加了水质检测工作的难度。水质检测是指根据一定的标准,通过看、闻、查等手段,对水的水质进行检查和评估,以保证用水水质能够满足实际需求的行为。目前检测机构和检测人员在选取水质检测地点时主要依靠就近原则这种单一的影响因素进行选择,没有对整个河系流域进行全面的了解缺乏水质检测稳定性基础,针对该问题,本发明提出一种水质检测稳定性控制特征提取方法,通过对河系流域动态特征分析定位最优检测位置,保证水质检测稳定性和可靠性。
技术实现思路
1、有鉴于此,本发明提供一种水质检测稳定性控制特征提取方法,目的在于:1)通过利用图网络结构构建区域水系网络模型,区域水系网络模型中的节点包括河流源口位置、河流交汇点位置、河流拐点位置以及河流出口位置,边为节点之间的河道,进而对区域水系网络模型中的节点进行重要性分析,其中重要性越高的节点流经该节点的河流比例越大,所包含水系的流动信息越多,若待检测水系存在污染物,则污染物流经过程中经过河流流动权值高的节点的概率更大,上游河道长度更短,与上游节点之间的关系越紧密,避免过多的污染成分损失,进而在关键节点中进行样品数据采集,避免水系污染物的漏检;2)根据样品数据中污染物成分的浓度变化趋势,将所采集位置的水域参数数据带入到水污染扩散模型,利用水污染扩散模型计算得到不同污染位置以及污染强度的概率密度函数,并基于进化算法以及结合概率密度函数的状态转移概率进行污染位置以及污染强度的更新,加快了对污染位置进行溯源的速度,进而在污染位置进行样品数据采集,所采集样品数据在相当长的时间以及空间范围内变化不大,具有更好的代表性以及稳定性,因此包含了污染源中污染物的大部分成分,有利于对污染物成分进行检测解析,进而进行河流水质治理。
2、实现上述目的,本发明提供的一种水质检测稳定性控制特征提取方法,包括以下步骤:
3、s1:采集水域数据构建区域水系网络模型,所述模型以区域水系节点为点,以水系通路为边;
4、s2:对所构建的区域水系网络模型进行节点重要性分析,得到关键节点集合;
5、s3:构建水污染扩散模型,所述模型以污染位置为输入,以扩散浓度值为输出;
6、s4:在计算得到的关键节点位置采集样品数据,若在样品数据中检测到污染成分,则结合水污染扩散模型对污染位置进行反向推演,在污染位置采集到稳定的样品数据进行水质检测。
7、作为本发明的进一步改进方法:
8、可选地,所述s1步骤中采集水域数据构建区域水系网络模型,包括:
9、采集水域数据,其中水域数据包括河流源口位置、河流交汇点位置、河流拐点位置、河流出口位置、河流流量数据、河道宽度数据、河道长度数据以及河流水位数据,河流出口位置包括湖泊位置、水库位置以及沼泽位置;
10、根据所采集的水域数据构建区域水系网络模型g=(e,v),所述区域水系网络模型以区域水系节点为点,以水系通路为边:
11、e={en|n∈[1,n]}
12、v={vij=<ei,ej>|i,j∈[1,n],i≠j}
13、其中:
14、e表示区域水系节点集合,区域水系节点包括河流源口位置、河流交汇点位置、河流拐点位置以及河流出口位置,将水系节点作为区域水系网络模型中的点;
15、v表示水系通路集合,包括不同区域水系节点之间的河道;
16、en表示区域水系节点集合中的第n个节点;
17、vij表示区域水系节点ei到区域水系节点ej之间的河道,河道中河流的流向为区域水系节点ei到区域水系节点ej,其中河道之间不存在区域水系节点,若区域水系节点ej处的河流无法流向到区域水系节点ei,则不存在河道vji。
18、可选地,所述s2步骤中对所构建的区域水系网络模型进行节点重要性分析,包括:
19、对所构建区域水系网络模型中的区域水系节点进行节点重要性分析,其中节点重要性分析的流程为:
20、s21:获取任意两个不同区域水系节点之间的最短河流路径,其中河流路径长度为河流路径经过的区域水系节点数,区域水系节点ej与区域水系节点ei之间的最短河流路径即为区域水系节点ej沿着河流流向到达区域水系节点ei的若干条河流路径中,经过节点数最少的河流路径,所述最短河流路径由水系通路组成,并经过若干个区域水系节点;在本发明实施例中,若区域水系节点ej沿着河流流向无法到达区域水系节点ei,则两节点之间不存在最短河流路径;
21、s22:计算得到任意水系节点en的河流流动权值wn(1):
22、
23、其中:
24、count(eh,ek)表示由区域水系节点eh到达区域水系节点ek的最短河流路径数目;
25、表示由区域水系节点eh到达区域水系节点ek的所有最短河流路径中,经过区域水系节点en的最短河流路径数目;
26、在本发明实施例中,河流流动权值越高,表示流经该节点的河流比例越大,所包含水系的流动信息越多,若待检测水系存在污染物,则污染物流经过程中经过河流流动权值高的节点的概率更大;
27、s23:计算得到任意水系节点en的河道流量权值wn(2):
28、
29、其中:
30、qn表示水系节点en的平均径流量;
31、q0表示河流源口位置的平均径流量;
32、hn(up)表示水系节点en的上游河道的平均河流水位;
33、hn(down)表示水系节点en的下游河道的平均河流水位,其中上游河道表示终点为en的河道,下游河道表示起点为en的河道,每条河道仅包含起点和终点两个水系节点;
34、ln(up)表示水系节点en的上游河道长度;在本发明实施例中,若水系节点en存在多个上游河道,则选取其中最短的上游河道长度进行河道流量权值计算;
35、s24:计算得到任意水系节点en的密度权值wn(3):
36、
37、其中:
38、表示在以水系节点en为中心,r为半径的圆形区域中,所包含的水系节点的总数;在本发明实施例中,圆形区域中的水系节点包含圆心;
39、s25:计算得到水系节点en的重要性:
40、rn=wn(1)wn(2)wn(3)
41、其中:
42、rn表示水系节点en的重要性;
43、按照重要性由大到小的顺序对水系节点进行排序,并选取重要性最大的m个水系节点作为关键节点,所构成关键节点集合为:
44、{gm|m∈[1,m]}
45、其中:
46、gm表示第m个关键节点。
47、可选地,所述s3步骤中构建水污染扩散模型,包括:
48、构建水污染扩散模型,所述水污染扩散模型以污染位置以及污染强度为输入,以扩散浓度值为输出,其中水污染扩散模型形式为:
49、
50、
51、其中:
52、c(δ,(x,y),t)表示污染位置(x,y)所发出污染强度为δ的水系污染,在t时刻进行样品数据采样,样品数据中污染成分的浓度值;
53、exp(·)表示以自然常数为底的指数函数;
54、(x,y)表示污染位置坐标,将坐标原点作为采集样品数据的位置坐标;
55、δ表示污染物的污染强度,t表示污染持续时间;
56、h表示采集样品数据位置的上游河道的平均河流水位;
57、dx表示污染物在采集样品数据位置的水平方向上游河道的扩散系数,dy表示污染物在采集样品数据位置的水平方向上游河道的扩散系数;
58、ux表示水平方向的河流流速,uy表示竖直方向的河流流速;
59、σ表示污染物的降解系数,在本发明实施例中,σ默认为1;
60、i表示水力梯度,将其设置为0.003;
61、g表示重力加速度;
62、w表示采集样品数据位置的上游河道的平均宽度。
63、可选地,所述s4步骤中在关键节点位置采集样品数据,包括:
64、在关键节点位置周期性采集样品数据,通过定时装置在规定的时间间隔δt下自动开始和停止采集样品数据,并按照采集顺序将采集得到的样品数据存储到容器中,得到时序下的样品数据,其中样品数据为关键节点位置附近河流的水体数据。
65、可选地,所述s4步骤中若在样品数据中检测到污染成分,则结合水污染扩散模型对污染位置进行反向推演,包括:
66、若在样品数据中检测到污染成分,则结合水污染扩散模型对污染位置进行反向推演,其中对于任意检测到污染成分的样品数据对应的污染位置反向推演流程为:
67、s41:筛选得到检测到污染成分的样品数据以及对应的关键节点位置,得到污染成分浓度的时序变化序列,其中关键节点所对应污染物成分浓度的时序变化序列为:
68、
69、其中:
70、表示关键节点在tl时刻所采集样品数据中的污染物成分浓度,相邻采集时刻的时间间隔为δt;
71、为检测到污染成分的样品数据的采集位置;
72、s42:初始化生成f组个体,其中每个个体的维数为3,任意第f个个体的初始化结果为:sf(0)=(xf(0),yf(0),δf(0)),获取检测到污染成分的关键节点的参数数据,包括上游河道的平均河流水位、扩散系数、河流流速以及上游河道的平均宽度,xf(0),yf(0)表示以关键节点为原点所对应的污染位置坐标;
73、s43:设定当前推演次数为d,d的初始值为0,最大值为max,则第d次推演得到的第f个个体的推演结果为sf(d);
74、s44:将sf(d)以及关键节点的参数数据带入到水污染扩散模型,得到sf(d)对应的污染位置以及污染强度的概率密度函数p(sf(d)):
75、
76、
77、其中:
78、ε表示标准差,将其设置为0.01;
79、表示将sf(d)以及关键节点的参数数据带入到水污染扩散模型的模型输出浓度;
80、s45:将sf(d)作为初始值,从第d次推演结果的剩余个体中随机选取两个不同的个体s1(d),s2(d),生成初始值的扰动结果:
81、
82、其中:
83、rand(0,1)表示0-1之间的随机数;
84、计算扰动结果的概率密度函数
85、s46:对sf(d)进行更新:
86、
87、其中:
88、rand(0,1)表示0-1之间的随机数;
89、s47:令d=d+1,返回步骤s44,直到d=max,并选取当前概率密度函数最大的个体,其中个体所包含的污染位置坐标即为关键节点处所采集样品数据中污染物成分的来源位置。
90、可选地,所述s4步骤中在污染位置采集到稳定的样品数据进行水质检测,包括:
91、在污染位置附近的河流中采集到水体组成成分更为稳定的样品数据进行水质检测,其中推演得到的污染位置距离污染源较近,所采集样品数据在相当长的时间以及空间范围内变化不大,具有更好的代表性以及稳定性,因此包含了污染源中污染物的大部分成分,有利于对污染物成分进行检测解析,进而进行河流水质治理。
92、为了解决上述问题,本发明提供一种电子设备,所述电子设备包括:
93、存储器,存储至少一个指令;
94、通信接口,实现电子设备通信;及
95、处理器,执行所述存储器中存储的指令以实现上述所述的水质检测稳定性控制特征提取方法。
96、为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的水质检测稳定性控制特征提取方法。
97、相对于现有技术,本发明提出一种水质检测稳定性控制特征提取方法,该技术具有以下优势:
98、首先,本方案提出一种区域水系节点的重要性分析方法,通过获取任意两个不同区域水系节点之间的最短河流路径,其中河流路径长度为河流路径经过的区域水系节点数,区域水系节点ej与区域水系节点ei之间的最短河流路径即为区域水系节点ej沿着河流流向到达区域水系节点ei的若干条河流路径中,经过节点数最少的河流路径,所述最短河流路径由水系通路组成,并经过若干个区域水系节点;计算得到任意水系节点en的河流流动权值wn(1):
99、
100、其中:count(eh,ek)表示由区域水系节点eh到达区域水系节点ek的最短河流路径数目;表示由区域水系节点eh到达区域水系节点ek的所有最短河流路径中,经过区域水系节点en的最短河流路径数目;其中河流流动权值越高,表示流经该节点的河流比例越大,所包含水系的流动信息越多,若待检测水系存在污染物,则污染物流经过程中经过河流流动权值高的节点的概率更大;计算得到任意水系节点en的河道流量权值wn(2):
101、
102、其中:qn表示水系节点en的平均径流量;q0表示河流源口位置的平均径流量;hn(up)表示水系节点en的上游河道的平均河流水位;hn(down)表示水系节点en的下游河道的平均河流水位,其中上游河道表示终点为en的河道,下游河道表示起点为en的河道,每条河道仅包含起点和终点两个水系节点;ln(up)表示水系节点en的上游河道长度;计算得到任意水系节点en的密度权值wn(3):
103、
104、其中:表示在以水系节点en为中心,r为半径的圆形区域中,所包含的水系节点的总数;计算得到水系节点en的重要性:
105、rn=wn(1)wn(2)wn(3)
106、其中:rn表示水系节点en的重要性;按照重要性由大到小的顺序对水系节点进行排序,并选取重要性最大的m个水系节点作为关键节点,所构成关键节点集合为:
107、{gm|m∈[1,m]}
108、其中:gm表示第m个关键节点。本方案通过利用图网络结构构建区域水系网络模型,区域水系网络模型中的节点包括河流源口位置、河流交汇点位置、河流拐点位置以及河流出口位置,边为节点之间的河道,进而对区域水系网络模型中的节点进行重要性分析,其中重要性越高的节点流经该节点的河流比例越大,所包含水系的流动信息越多,若待检测水系存在污染物,则污染物流经过程中经过河流流动权值高的节点的概率更大,上游河道长度更短,与上游节点之间的关系越紧密,避免过多的污染成分损失,进而在关键节点中进行样品数据采集,避免水系污染物的漏检。
109、同时,本方案提出一种污染位置推演方法,若在样品数据中检测到污染成分,则结合水污染扩散模型对污染位置进行反向推演,其中对于任意检测到污染成分的样品数据对应的污染位置反向推演流程为:筛选得到检测到污染成分的样品数据以及对应的关键节点位置,得到污染成分浓度的时序变化序列,其中关键节点所对应污染物成分浓度的时序变化序列为:
110、
111、其中:表示关键节点在tl时刻所采集样品数据中的污染物成分浓度,相邻采集时刻的时间间隔为δt;为检测到污染成分的样品数据的采集位置;初始化生成f组个体,其中每个个体的维数为3,任意第f个个体的初始化结果为:
112、sf(0)=(xf(0),yf(0),δf(0)),获取检测到污染成分的关键节点的参数数据,包括上游河道的平均河流水位、扩散系数、河流流速以及上游河道的平均宽度,xf(0),yf(0)表示以关键节点为原点所对应的污染位置坐标;设定当前推演次数为d,d的初始值为0,最大值为max,则第d次推演得到的第f个个体的推演结果为sf(d);将sf(d)以及关键节点的参数数据带入到水污染扩散模型,得到sf(d)对应的污染位置以及污染强度的概率密度函数p(sf(d)):
113、
114、
115、其中:ε表示标准差,将其设置为0.01;表示将sf(d)以及关键节点的参数数据带入到水污染扩散模型的模型输出浓度;将sf(d)作为初始值,从第d次推演结果的剩余个体中随机选取两个不同的个体s1(d),s2(d),生成初始值的扰动结果:
116、
117、其中:rand(0,1)表示0-1之间的随机数;计算扰动结果的概率密度函数对sf(d)进行更新:
118、
119、其中:rand(0,1)表示0-1之间的随机数;令d=d+1,直到d=max,并选取当前概率密度函数最大的个体,其中个体所包含的污染位置坐标即为关键节点处所采集样品数据中污染物成分的来源位置。在污染位置附近的河流中采集到水体组成成分更为稳定的样品数据进行水质检测。本方案根据样品数据中污染物成分的浓度变化趋势,将所采集位置的水域参数数据带入到水污染扩散模型,利用水污染扩散模型计算得到不同污染位置以及污染强度的概率密度函数,并基于进化算法以及结合概率密度函数的状态转移概率进行污染位置以及污染强度的更新,加快了对污染位置进行溯源的速度,进而在污染位置进行样品数据采集,所采集样品数据在相当长的时间以及空间范围内变化不大,具有更好的代表性以及稳定性,因此包含了污染源中污染物的大部分成分,有利于对污染物成分进行检测解析,进而进行河流水质治理。