CN119443829A 一种针对水环境污染的监测预警方法、装置及存储介质 （杭州北水云服科技有限公司）

本申请公开了针对水环境污染的监测预警先设置的多个目标监测点，基于多个目标监测结构和用于表示污染物扩散以及降解第二图结并生成与各个目标监测点对应的第一污染物浓2确定目标区域内预先设置的多个目标监测点，并基于多个目标监表示污染物迁移运动的第一图结构和用于表示污染物扩散以及降解第二构建与所述第一图结构对应的第一图神经网络，并将所构建与所述第二图结构对应的第二图神经网络，并将所述对所述第三图结构和所述第四图结构进行特征提取以及融合，并生成将所述第一污染物浓度特征向量输入至预先训练的风险预将所述第一污染物浓度特征向量输入至预先训练的风险预测模型判断与所述各个目标监测节点对应的污染程度概率是否大于预先设置的污染程度阈对所述第三图结构进行特征提取，并生成与所述各个目标监测点对对所述第四图结构进行特征提取，并生成与所述各个目标监测点对利用MLP对所述第二污染物浓度特征向量和所述第三污染物浓度特征向量进行融合，基于各个相邻节点之间的第一关联关系，确定所述各个相邻基于各个相邻节点之间的第二关联关系，确定所述各个相邻3采集与所述目标区域对应的遥感图像，并利用GIS系统从所述遥感图像中提取出与所第一图结构输出模块，用于构建与所述第一图结构对应第二图结构输出模块，用于构建与所述第二图结构对应融合模块，用于对所述第三图结构和所述第四图结构进行特征预警模块，用于将所述第一污染物浓度特征向量输入至预先定与所述各个目标监测点对应的污染程度，并基于与所述各个目标监测点对应的污染程污染程度概率输出模块，用于将所述第一污染确定目标区域内预先设置的多个目标监测点，并基于多个目标监表示污染物迁移运动的第一图结构和用于表示污染物扩散以及降解第二构建与所述第一图结构对应的第一图神经网络，并将所构建与所述第二图结构对应的第二图神经网络，并所对所述第三图结构和所述第四图结构进行特征提取以及融合，并生成4将所述第一污染物浓度特征向量输入至预先训练的风险预5[0006]针对上述的现有技术中存在的目前无法对水环境污染程[0007]本公开的实施例提供了一种针对水环境污染的监测预警6[0010]根据本公开实施例的另一个方面，还提供了一种针对水环境污染的监测预警装[0011]根据本公开实施例的另一个方面，还提供了一种针对水环境污染的监测预警装7[0016]进而解决了现有技术中存在的目前无法对水环境污染程8的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执计算设备中执行。图1示出了一种用于实现针对水环境污染的监测预警方法的计算设备的[0022]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可境污染的监测预警方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器无线方式与互联网进行通讯。9[0025]显示器可以例如触摸屏式的液晶显示器（LCD该液晶显示器可使得用户能够与[0030]监测预警平台20在接收到由GIS平台30发送的与目标监测点相关的信息的情况[0032]在各个水质检测仪10检测到对应的目标监测点水环境内的各种污染物的组成成数据信息确定与各个目标监测点对应的污染程度。并且在污染程度大于预设阈值的情况[0033]图3是根据本申请实施例所述的监测预警平台20的模块化一图结构和用于表示污染物扩散以及降解的第二图神经网络模块用于基于第一图结构生成第三图结构，并将第三图结构发送至融合模块。的污染程度预测请求，从而监测预警平台20响应于由终端设备40发送的污染程度预测请[0041]从而GIS平台30响应于由监测预警平台20发送的目标监测点确定请求，并从与目送至终端设备40。从而在工作人员通过终端设备40观看到目标监测点的位置信息的情况质检测仪10用于检测对应位置处的污染物的组成成分以及[0045]从而监测预警模块20中的数据采集模块能够从目标区域内设置的多个水质检测[0046]并且在数据采集模块采集到与各个污染物指标对应的污流速度~lm相关，因此各个相邻节点之间的边s1~sm用与节点P2之间的水流方向关系为水从节点流向节点P2，并且节间的边J1~Imn用于表示各个相邻节点之间的权重关系F1~Fm以及距离关系~，并且重关系F3和距离关系ds。[0053]上述关于生成第一图结构和第二图结构的具体操作步骤;;度，表示在第n_1次递归迭代下，从节点p2向节点ps迁移的污染物浓度，;浓度，表示在第n_1次递归迭代下，从节点p2向节点psa迁移的污染物浓度，;浓度，表示在第n_1次递归迭代下，从节点pa向节点ps迁移的污染物浓度，表示在第n_1次递归迭代下，节点p2到节点ps扩散的污染物浓;污染物浓度，表示在第n_1次递归迭代下，节点到节点扩散的污染物浓度，表示在第n_1次递归迭代下，节点p2到节点psa扩散的污染物浓度，表示在第n_1次递归迭代下，节点ps到节点ps扩散的污染物浓污染物浓度，表示在第n_1次递归迭代下，节点p2到节点ps扩散的污染物浓度，表示在第n_1次递归迭代下，节点ps到节点ps扩散的污染物浓度，表示在第n_1次递归迭代下，节点ps到节点ps扩散的污染物浓对应的污染物浓度为"与各个目标监测点对应的污染程度例如可以是该目标监测点出现污染的概率以及未出现[0073]从而在利用MLP对第三图结构和第四图结构进行融合的情况下，最终所生成的与[0074]进而解决了现有技术中存在的目前无法对水环境污染程率是否大于预先设置的污染程度阈值；以及在污染程度概率大于污染程度阈值的情况下，[0079]之后告警模块判断与各个目标监测点对应的污染程度概率是否大于预先设置的大于预先设置的污染程度阈值，则说明与目标监测点对应的位置处可能会受到与各个目标监测点对应的第三污染物浓度特征向量；以及利用MLP对第二污染物浓度特征"含了与第二污染物浓度特征向量对应的污染物迁移信息和与第三污染物浓度特征向量对二污染物浓度特征向量和第三污染物浓度特征向量之后，可以进一步利用MLP对第二污染速度关系ua和权重关系，并且节点与节点p2之间的水流速度关系ua和权重关系组成节点与节点p2之间的边。而节点与节点psa之间存在水流速度关系us和权重关系w3，并且节点与节点psa之间的水流速度关系us和权重关系w3组成节点与关系d和权重关系F1，并且节点与节点pz之间的距离关系d和权与节点p2之间的边。而节点与节点psa之间存在距离关系d:和权重关系F3，并且节点与节点psa之间的距离关系d:和权重关系w3组成节点与节点psa之间边。[0102]进一步地，GIS平台30从与目标区域对应的遥感图像中提取出与目标区域对应的[0103]之后GIS平台30基于与目标区域对应的污染信息，选择可能出现污染物的监测点[0110]图8示出了根据本实施例所述的针对水环境污染的监测预警装置800，该装置800及融合子模块，用于利用MLP对第二污染物浓度特征向量和第三污染物浓度特征向量进行[0117]图9示出了根据本实施例所述的针对水环境污染的监测预警装置900，该装置900污染物浓度特征向量；以及将第一污染物浓度特征向量输入至预先训练的风险预测模型，与各个目标监测点对应的第三污染物浓度特征向量；以及利用MLP对第二污染物浓度特征[0129]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软