CN120101876A 一种用于水环境治理的污染源检测方法及系统 （生态环境部环境规划院）

(19)国家知识产权局(71)申请人生态环境部环境规划院号院付全凯肖传宁(74)专利代理机构北京科慧致远知识产权代理有限公司11739专利代理师王乾旭(54)发明名称一种用于水环境治理的污染源检测方法及系统(57)摘要本发明属于污染源检测技术领域，本发明公开了一种用于水环境治理的污染源检测方法及系统；包括：通过水下声学传感器采集声扰动数据，并进行实时边缘预处理，同步采集不同深度水体环境数据，计算水体环境梯度数据，随后通过统一时间戳实现数据同步。采用傅里叶变换提取声扰动信号的频域特征，计算主频率、能量差和频谱偏度，并据此生成扰动声波指标。结合扰动声波指标与水体环境梯度数据，采用滑动窗口构建时序样本集，训练预测未来污染释放风险的循环神经网络模型，根据不同水体类型设置差异化污染释放阈值，当模型输出超过阈值时，自动收集声扰动数据，实时执行边缘预处理：在声扰动数据收集时同步收集水体环境数据，所述水体环境收集声扰动数据，实时执行边缘预处理：在声扰动数据收集时同步收集水体环境数据，所述水体环境数据同一时刻包含四组指标：每组指标包含水温、p值、溶解氧浓度与流速四类基于水体环境数据计算水体环境梯度数据将水体环境梯度数据与声扰动数据引入时间同步机制，打上统一时间戳基于声扰动数据使用傅里叶变换获取频域信息：基于频谱信息获取主频率、能量差和频谱偏度；基于频谱偏度、主频率、能量差计算扰动声波指标基于扰动声波指标和水体环境梯度数据通过滑动窗口方式建立数据集；基于数据集训练预测未来k时刻底泥扰动是否污染超标的机器学习模型为不同水体类型设置不同级别污染释放阈值：基于机器学习模型的输出与预设的不同级别污染释放阀值对比，当机器学习模型输出值大于污染释放闹值时，生成不同级别底泥污染预警指令2收集声扰动数据，实时执行边缘预处理；在声扰动数据收集时同步收集水体环境数据，所述水体环境数据同一时刻包含四组指标；每组指标包含水温、pH值、溶解氧浓度与流速四基于水体环境数据计算水体环境梯度数据；设水体环境数据为Qjk;J为水体环境数据识别符，k=1,2,3,4分别代表水温、pH值、溶解氧浓度与流速；水体环境梯度数据为：基于声扰动数据使用傅里叶变换获取频域信息；基于频谱信息获取主频率、能量差和基于扰动声波指标和水体环境梯度数据通过滑动窗口方式建立数据集；基于数据集训为不同水体类型设置不同级别污染释放阈值；基于机水体环境数据第二组为底泥处垂直向上5cm处的四类指标；水体环境数据第三组为底泥处;式中：F(W)为傅里叶变换频率分布；f(t)为时域信主频率是频谱中振幅最大的频率；能量差指的是扰动前3建立数据集的过程包括：同时间戳的扰动声波指标和水体环境梯度数据作为特征数将一份特征数据与标签构建为样本，收集多组样本建立数据集；使用训练集作为机器学习模型的输入，所述机器学习模型以未来k时刻污染释放标签 所述机器学习模型为循环神经网络模型，所述循环神经网络模型可以是长短时记忆网二级底泥污染预警指令包括：系统自动生成中等级别预警，通知现场管理人员对相关数据同步模块，将水体环境梯度数据与声扰动数据引入时间同步机制，打上统一时间4数据增强模块，基于声扰动数据使用傅里叶变换获取频域信息；基于频谱信息获取主模型训练模块，基于扰动声波指标和水体环境梯度数据通过滑动窗口方式建立数据集；基于数据集训练预测未来k时刻底泥扰动是否污染超标的机器学习模型；后处理模块，为不同水体类型设置不同级别污染释放阈值；基于机器学习模型的输出与预设的不同级别污染释放阈值对比，当机器学习模型输出值大于污染释放阈值时，生成不同级别底泥污染预警指令。处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1～7任一项所述的一种用于水环境治理的污染源检测方法。10.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述的一种用于水环境治理的污染源检测方5一种用于水环境治理的污染源检测方法及系统技术领域[0001]本发明涉及污染源检测技术领域，更具体地说，本发明涉及一种用于水环境治理的污染源检测方法及系统。背景技术[0002]随着工业化和城市化进程的加快，水体污染问题日益严重。尽管近年来各类水环境治理工程在地表水净化方面取得了一定成效，但底泥作为污染物的重要“沉积库”,其内部累积的重金属、有机污染物、营养盐等在特定条件下仍可能重新释放，成为水体污染“二[0003]在实际应用中，船只航行、水工施工、水流扰动等因素均可能触发底泥中污染物向[0004]授权公告号CN109060414B的中国专利公开了一种河流底泥采样装置，设计了一种对底泥扰动小，保持底泥样品完整性，而且保压、保温性能良好的取样方式，便于后续的实验检测。[0005]授权公告号CN115128229B的中国专利公开了基于大数据的水环境治理污染源检测管理系统，通过在河道内均匀布设水质检测点，利用第一检测模块定期检测水质，第二检测模块定位检测点并确定其标准水质。系统通过对比实际水质与标准水质，动态调整检测[0006]然而，目前对底泥扰动释放过程的研究多集中于实验室条件或离线检测，缺乏适用于实际水环境的实时、自动化监测手段。此外，由于污染释放过程具有非线性、突发性和复杂耦合特性，现有方法难以准确预测其发展趋势，无法为水质风险预警和治理策略调整提供及时有效的数据支持。[0007]因此，亟需一种能够实时感知底泥扰动及其污染释放行为、并具备动态预测能力的智能化检测方法与系统，以提高水环境监测的精度和响应效率。[0008]鉴于此，本发明提出一种用于水环境治理的污染源检测方法及系统以解决上述问发明内容[0009]为了克服现有技术的上述缺陷，本发明的实施例提供一种用于水环境治理的污染源检测方法及系统。一种用于水环境治理的污染源检测方法，所述方法包括，收集声扰动数据，实时执行边缘预处理；在声扰动数据收集时同步收集水体环境数据，所述水体环境数据同一时刻包含四组指标；每组指标包含水温、pH值、溶解氧浓度与流速四类；基于水体环境数据计算水体环境梯度数据；设水体环境数据为Qjk;J为水体环境6类别识别符，k=1,2,3,4分别代表水温、pH值、溶解氧浓度与流速；水体环境梯度数据为：将水体环境梯度数据与声扰动数据引入时间同步机制，打上统一时间戳；基于声扰动数据使用傅里叶变换获取频域信息；基于频谱信息获取主频率、能量基于扰动声波指标和水体环境梯度数据通过滑动窗口方式建立数据集；基于数据集训练预测未来k时刻底泥扰动是否污染超标的机器学习模型；为不同水体类型设置不同级别污染释放阈值；基于机器学习模型的输出与预设的不同级别污染释放阈值对比，当机器学习模型输出值大于污染释放阈值时，生成不同级别底泥污染预警指令。[0011]优选的，所述声扰动数据指的是底泥颗粒在受到扰动后产生的回波声谱信号；声扰动数据的采集频率为每秒10次，边缘预处理包括：信号转换与无效信号剔除；所述水体环境数据第一组为底泥处的四类指标(水温、pH值、溶解氧浓度与流速);水体环境数据第二组为底泥处垂直向上5cm处的四类指标；水体环境数据第三组为底泥处垂直向上15cm处的四类指标；水体环境数据第四组为底泥处垂直向上50cm处的四类指标；秒与季度标识。时间长度；主频率是频谱中振幅最大的频率；能量差指的是扰动前后两个时间窗口的频域能量差值；频谱偏度表示频谱分布的对称性；建立数据集的过程包括：同时间戳的扰动声波指标和水体环境梯度数据作为特征数据，特征数据对应标签为时间戳后k时刻，此时的污染释放标签；当底泥上方5cm、15cm、50cm任意位置检测到污染物浓度超标，则污染释放标签设置为1;否则则设置为0;将一份特征数据与标签构建为样本，收集多组样本建立数据集；所述数据集分为训练集、验证集和测试集，其中训练集占数据集的60%,验证集和测试集各占数据集的20%。7使用训练集作为机器学习模型的输入，所述机器学习模型以未来k时刻污染释放标签的预测值为输出，以实时扰动声波指标和水体环境梯度数据的特征数据为预测目标，以最小化机器学习模型损失函数值作为训练目标所述机器学习模型损失函数为均方误差；均方误差通过将损失函数所述机器学习模型为循环神经网络模型，所述循环神经三级底泥污染预警指令包括：系统发出低等级提醒，建数据同步模块，将水体环境梯度数据与声扰动数据数据增强模块，基于声扰动数据使用傅里叶变换获后处理模块，为不同水体类型设置不同级别污染释输出与预设的不同级别污染释放阈值对比，当机器学习模型输出值大于污染释放阈值时，8[0018]一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种用于水环境治理的污染源检测方法。机执行上述的一种用于水环境治理的污染源检测方法。[0020]本发明一种用于水环境治理的污染源检测方法及系统的技术效果和优点：本申请利用水下声学传感器采集声扰动数据，通过傅里叶变换提取主频率、能量差和频谱偏度，计算扰动声波指标；同时采集底泥上方不同高度的水体环境数据(水温、pH、溶解氧和流速),构建水体环境梯度特征，并与扰动声波指标按时间戳对齐，形成滑动窗口样本。最终使用循环神经网络模型进行训练，预测未来时刻的底泥污染释放风险，并根据模型输出与差异化设定的污染阈值比对，触发分级预警指令。[0021]本申请集成多源数据融合、时间序列建模与分层响应机制，实现了对底泥扰动导致的污染释放行为的高灵敏度、实时性和可预测性识别。梯度式水体数据与声波特征共同作用，增强模型对扰动路径与污染强度的综合判断能力；差异化阈值设置提升了系统在不同水体类型中的适应性与实用性，减少误报漏报；分级预警指令设计使系统具备实际操作附图说明[0022]图1为本发明的一种用于水环境治理的污染源检测方法示意图；图2为本发明的一种用于水环境治理的污染源检测系统示意图；图3是本申请一个实施例提供的电子设备结构示意图；图4是本申请一个实施例提供的计算机可读存储介质结构示意图。具体实施方式[0023]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，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例1[0024]请参阅图1所示，本实施例所述一种用于水环境治理的污染源检测方法及系统，包收集声扰动数据，所述声扰动数据通过部署在水体底部的高灵敏度水下声学传感器获取；所述声扰动数据指的是底泥颗粒在受到扰动后产生的回波声谱信号。扰动方式为人工模拟船只划行或其他水体扰动行为产生的扰动。[0025]声扰动数据的采集频率为每秒10次，通过RS485通信协议实时上传至边缘计算设备。边缘计算设备用于实时执行边缘预处理，边缘预处理包括：信号转换与无效信号剔除操作。信号转换是将声扰动数据采集到的信号通过转化为统一时间线上的高精度数字波形。无效信号剔除是将接收到的信号中识别并去除无用信息和干扰信息。无效信号剔除的方式9[0026]在声扰动数据收集时同步收集水体环境数据，包括水温、pH值、溶解氧浓度与流速四类指标。需要说明的是，所述水体环境数据同一时刻包含四组指标；每组指标包含水温、所述水体环境数据第一组为底泥处的四类指标(水温、pH值、溶解氧浓度与流速);水体环境数据第二组为底泥处垂直向上5cm处的四类指标；水体环境数据第三组为底泥处垂直向上15cm处的四类指标；水体环境数据第四组为底泥处垂直向上50cm处的四类指标。[0027]如此设置，是因为底泥扰动时，往往只考虑到底泥的成分，不能及时的反映底泥的扩散情况和实际的非线性的污染行为，通过设置梯度高度的水体环境数据，可以优先反映底泥扰动后近距离范围的变化情况，并且随着扩散范围增大，设置的梯度逐渐增大，有效防止收集到无效数据或不明显数据，便于后续分析的准确性。[0028]水温通过高精度数字温度计获取，单位为摄氏度(℃);pH值由水质离子电极测定；溶解氧浓度使用荧光法传感器测量，量程0~20mg/L;流速由多普勒流速仪测得。[0029]环境数据反映水动力与生物化学条件变化，是底泥污染释放行为的重要驱动因素。流速越高，底泥越易被扰动并发生重悬；水温变化影响微生物活性，间接调控污染物释放速率；pH和溶解氧水平决定了重金属及营养盐的释放形态与迁移路径。[0030]基于水体环境数据计算水体环境梯度数据；设水体环境数据为Qjk;J为水体环境水体环境梯度数据同样为四组；每组为一个三维向量；水体环境梯度数据的收集，是提高对污染释放异动事件的敏感度；传统收集底泥和分析底泥仅仅存在于实验室中，如果需要提高环保部门及时的响应能力，则远远不足，通过获取水体环境梯度数据，放大底泥扰动的梯度影响，有利于及时实时的检测和预警水污染，向量方式相比单一数据更能反映梯度趋势。[0031]将水体环境梯度数据与声扰动数据引入时间同步机制，时间同步机制为水体环境梯度数据与声扰动数据打上统一时间戳，精确到秒。时间戳的信息包括采集日期、小时、分钟、秒与季度标识，用于后续构建时间序列输入特征矩阵。季度信息由系统内置时历模块自动判定。时间特征的引入可提升模型对周期性扰动事件与季节性污染释放趋势的识别能[0032]基于声扰动数据计算扰动声波指标；所述计算过程包括：基于声扰动数据使用傅里叶变换获取频域信息；傅里叶变换定义为：f(t)为时域时间长度。[0033]基于频谱信息获取主频率、能量差和频谱偏度，主频率是频谱中振幅最大的频率，表示当前扰动信号中，最强的能量集中在某一具体频率上，有助于识别污染扰动的关键频率；能量差指的是扰动前后两个时间窗口的频域能量差值；频谱偏度表示频谱分布的对称主频率变高可能扰动更精细剧烈，能量差越大表示释放标签设置为1;否则则设置为0;污染物浓度由在线水质监测仪器实时获取，包括但本发明提供如下的关于滑动窗口方法的示例：假设有5分钟扰动声波指标和水体环境梯度数据的特征数据，将5分钟的特征数据标记为特征数据集合A,A={A₁,A₂,使用训练集作为机器学习模型的输入，所述机器学习模型以未来k时刻污染释放标签的预测值为输出，以实时扰动声波指标和水体环境梯度数据的特征数据为预测目标，以最小化机器学习模型损失函数值作为训练目标所述机器学习模型损失函数为均方误差；均方误差通过将损失函数11优选的，所述机器学习模型为循环神经网络模型，所述循环神经网络模型可以是长短时记忆网络(LSTM)或门控循环单元(GRU)。[0037]所述机器学习模型的其他模型参数，例如网络模型的深度、每层的神经元数量、网络模型使用的激活函数、收敛条件、训练集测试集验证集比例以及损失函数等均通过实际的工程实现，不断地进行实验调优后获得。[0038]为不同水体类型设置不同级别污染释放阈值，不同污染释放阈值由具备资质的水环境治理人员根据具体水体的功能定位、污染承载能力和管理标准等因素进行设定；基于机器学习模型的输出与预设的不同级别污染释放阈值对比，当机器学习模型输出值大于污染释放阈值时，生成不同级别底泥污染预警指令；由于不同水体对污染物浓度的敏感程度存在显著差异，因此需要采用具有针对性的阈值设计。以城市河道为例，其多承担排涝、景观和一定的生态功能，对污染有一定容忍度。为避免频繁触发误报，影响城市管理效率，可适当提高其污染释放阈值作为三级污染释放阈值，确保预警系统更稳定、更具实用性。对于调蓄池等人工水体，其设计初衷是承接雨设置二级污染释放阈值；富营养湖泊则对污染输入极为敏感，极易因底泥扰动引发内源性污染，导致水华或黑臭等生态问题。此类水体应设置较低的阈值标准，提前识别微小扰动引发的潜在风险，设置一级污染释放阈值。三级污染释放阈值>二级污染释放阈值>一级污染释放阈值；差异化阈值设计的好处在于，不仅增强了模型预测结果的现实指导意义，使输出结果更贴近实际水体管理的响应需求，同时也避免了因统一阈值带来的误报或漏报问题，提高了预警系统的稳定性与可靠性。[0039]一级底泥污染预警指令包括，系统立即发送高级别预警，通知环境应急小组快速响应，启动应急污染控制预案，包括快速布设拦污措施、开展污染源封堵和水质快速修复[0040]二级底泥污染预警指令包括：系统自动生成中等级别预警，通知现场管理人员对相关水域进行重点巡查和水质加密监测，必要时提前部署污染控制资源，以备进一步应对。[0041]三级底泥污染预警指令包括：系统发出低等级提醒，建议工作人员常规巡查该水[0042]本申请利用水下声学传感器采集声扰动数据，通过傅里叶变换提取主频率、能量差和频谱偏度，计算扰动声波指标；同时采集底泥上方不同高度的水体环境数据(水温、pH、溶解氧和流速),构建水体环境梯度特征，并与扰动声波指标按时间戳对齐，形成滑动窗口样本。最终使用循环神经网络模型进行训练，预测未来时刻的底泥污染释放风险，并根据模型输出与差异化设定的污染阈值比对，触发分级预警指令。[0043]本申请集成多源数据融合、时间序列建模与分层响应机制，实现了对底泥扰动导致的污染释放行为的高灵敏度、实时性和可预测性识别。梯度式水体数据与声波特征共同作用，增强模型对扰动路径与污染强度的综合判断能力；差异化阈值设置提升了系统在不同水体类型中的适应性与实用性，减少误报漏报；分级预警指令设计使系统具备实际操作实施例2[0044]请参阅图2所示，本实施例未详细叙述部分见实施例1描述内容，提供一种用于水环境治理的污染源检测系统，所述系统包括，数据收集模块，收集声扰动数据，实时执行边缘预处理；在声扰动数据收集时同步收集水体环境数据，所述水体环境数据同一时刻包含四组指标；每组指标包含水温、pH值、溶解氧浓度与流速四类；数据处理模块，基于水体环境数据计算水体环境梯度数据；设水体环境数据为Qjk水体环境数据类别识别符，k=1,2,3,4分别代表水温、pH值、溶解氧浓度与流速；水体环境数据同步模块，将水体环境梯度数据与声扰动数据引入时间同步机制，打上统一时间戳；数据增强模块，基于声扰动数据使用傅里叶变换获取频域信息；基于频谱信息获模型训练模块，基于扰动声波指标和水体环境梯度数据通过滑动窗口方式建立数据集；基于数据集训练预测未来k时刻底泥扰动是否污染超标的机器学习模型；后处理模块，为不同水体类型设置不同级别污染释放阈值；基于机器学习模型的输出与预设的不同级别污染释放阈值对比，当机器学习模型输出值大于污染释放阈值时，生成不同级别底泥污染预警指令。[0045]各个模块之间通过有线和/或无线网络方式连接。实施例3[0046]请参阅图3所示，根据本申请的又一方面还提供了一种电子设备500。该电子设备500可包括一个或多个处理器以及一个或多个存储器。其中，存储器中存储有计算机可读代码，计算机可读代码当由一个或多个处理器运行时，可以执行如上所述的一种用于水环境治理的污染源检测方法及系统。[0047]根据本申请实施方式的方法或系统也可以借助于图3所示的电子设备的架构来实机存取存储器(RAM)504、连接到网络的通信端口505、输入/输出组件506、硬盘507等设备500中的存储设备，例如ROM503或硬盘507可存储本申请提供的一种用于水环境治理的污染源检测方法。进一步地，电子设备500还可包括用户界面508。示例性的，在实现不同的设备时，根据实际需要，可以省略图3示出的电子设备中的一个或多个组件。实施例4[0048]请参阅图4所示，是根据本申请一个实施方式的计算机可读存储介质600。计算机可读存储介质600上存储有计算机可读指令。当计算机可读指令由处理器运行时，可执行参照以上附图描述的根据本申请实施方式的一种用于水环境治理的污染源检测方法。存储介质600包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器[0049]另外，根据本申请的实施方式，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请提供了非暂时性机器可读存储介质，所述非暂时性机器可读存储介质存储有机器可读指令，所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。[0050]上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁[0051]本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。[0052]所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0053]在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如