CN119474588A 基于数据分析的农业污染源入水体负荷量核算方法 （水利部交通运输部国家能源局南京水利科学研究院）

基于数据分析的农业污染源入水体负荷量具体地公开了一种基于数据分析的农业污染源种基础数据计算出多个维度的污染物影响因子对各个污染物影响因子的属性描述和数值进行2对所述各个污染物影响因子的属性描述和数值进行语义嵌入编码以得到污染物影响对所述污染物影响因子属性一数值嵌入编码向量的集合进行基于本对所述可区分强化污染物影响因子属性一数值嵌入编码向量的集合进基于所述污染物影响因子多维交互编码向量进行入水体系数估计以得到所述入水体2.根据权利要求1所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征对所述各个污染物影响因子的属性描述进行语义嵌入编码以得到污染物影响因子属在所述各个污染物影响因子属性语义嵌入编码向量的尾部添加所述各个污染物影响3.根据权利要求2所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征使用基于Bert模型的语义嵌入编码器对所述各个污染物影响因子的属性描述进行语义嵌入编码以得到所述污染物影响因子属性语义嵌4.根据权利要求3所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征提取所述污染物影响因子属性一数值嵌入编码向量的集合的本质特征基于所述污染物影响因子属性一数值语义场域本质特征向量，对所属性数值嵌入编码向量的集合中的各个污染物影响因子属性数值嵌入编码向量分别进5.根据权利要求4所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征3对所述污染物影响因子属性一数值嵌入编码向量的集合中的各个污染物影响因子属性数值嵌入编码向量进行场域映射以得到污染物影响因子属性数值语义场特征向量的计算所述污染物影响因子属性一数值语义场特征向量的性数值语义场特征向量的场域深度因子以得到污染物影响因子属性数值语义场域深度基于所述污染物影响因子属性一数值语义场域深度因子的集合，计因子属性数值语义场特征向量的集合的场域本质特征以得到所述污染物影响因子属性6.根据权利要求5所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征因子属性数值语义场特征向量的集合的场域本质特征以得到所述污染物影响因子属性对所述污染物影响因子属性一数值语义场域深度因子的集合进行归7.根据权利要求6所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征属性数值嵌入编码向量的集合中的各个污染物影响因子属性数值嵌入编码向量分别进将所述污染物影响因子属性一数值语义场域本质特征向量和所述污染物影响因子属性数值嵌入编码向量输入基于sigmoid激活函数的语义差异特征提取网络以得到污染物8.根据权利要求7所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征将所述可区分强化污染物影响因子属性一数值嵌入编码向量的集合输入机模型的影响因子间关联编码器以得到所述污染物影响因子多维交互9.根据权利要求8所述的基于数据分析的农业污染源入水体负荷量核算方法，其特征将所述污染物影响因子多维交互编码向量输入基于解码器的入水体系数估计模块以4号为CN113011993A的发明专利提出了一种基于标准数据的农业污染源入水体负荷量测算式得出各流域分区的入水体系数，接着进一步结合待研究区域内的农业源污染物排放量，升农业污染源入水体负荷量的核算精度，为环境保护和污染治理提供更为科学的决策支5染物影响因子计算所述各流域分区的入水体系数；基于所述各流域分区的入水体系数对所述各个污染物影响因子的属性描述和数值进行语义嵌入编码以得到污染物基于所述污染物影响因子多维交互编码向量进行入水体系数估计以得到所述入入基于深度学习的数据分析技术对各个污染物影响因子的属性描述和数值进行语义嵌入[0010]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、[0011]图1为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法的[0012]图2为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法的[0013]图3为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法中[0014]图4为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法中6合理划分流域分区提供关键依据。目前，最常用的DEM来源包括全球范围内的SRTM（ShuttleRadarTopographyMission）数据集和更高精度的LiDAR（LightDetection7[0021]土壤质地和土壤类型数据对于分析污染物在土壤中的迁移和转化过程至关重不同质地和类型的土壤对污染物的吸附、解吸能力不同，从而影响污染物进入水体的速率表层土到深层土的多项物理化学指标。一方面，可以通过查阅已有的土壤普查报告快速获微观细节不被忽视。值得注意的是，近年来兴起的一些新型探测技术，如近红外光谱仪水都能沿着地表或地下路径汇聚到同一个出口点——通常是河流的主要支流或干流交汇8降雨驱动因子的计算原理是基于不同流域分区内的降雨情况与整个研究区域的降雨情况[0029]地形驱动因子的计算依据是流域分区内的平均坡度与计算流域栅格的平均坡度9于深度学习的数据分析技术对各个污染物影响因子的属性描述和数值进行语义嵌入编码，多种污染物入水影响因素之间的关联关系，有效提升农业污染源入水体负荷量的核算精[0034]图1为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法的流程图。图2为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法的体负荷量核算方法，包括步骤：S110，提取所述各个污染物影响因子的属性描述和数值；所述污染物影响因子多维交互编码向量进行入水体系数估计以得到所述所述各个污染物影响因子的属性描述和数值进行语义嵌入编码以得到污染物影响因子属所述各个污染物影响因子的属性描述进行语义嵌入编码以得到污染物影响因子属性语义器对所述各个污染物影响因子的属性描述进行语义嵌入编码以得到所述污染物影响因子习到了丰富的语言知识和语义表示。在对所述污染物影响因子的属性描述进行语义编码各个污染物影响因子属性语义嵌入编码向量的尾部添加所述各个污染物影响因子的数值，[0040]图4为根据本申请实施例的基于数据分析的农业污染源入水体负荷量核算方法中响因子属性数值嵌入编码向量的集合中的各个污染物影响因子属性数值嵌入编码向量物影响因子属性数值嵌入编码向量，和分别表示第一线性映射矩阵和影响因子属性数值语义场特征向量的场域深度因子以得到污染物影响因子属性数值语染物影响因子属性数值语义场特征向量的集合的场域本质特征以得到所述污染物影响因属性数值语义场特征向量的集合进行加权聚合以得到所述污染物影响因子属性数值语其中，exp(·)表示以e为底的自然指数函数，a;表示所述对应的归一化污染物征向量和所述污染物影响因子属性一数值嵌入编码向量输入基于sigmoid激活函数的语义影响因子属性数值语义差异特征向量和所述污染物影响因子属性数值嵌入编码向量之性数值语义场域本质特征向量作为基准，进一步引入神经网络模型来学习各个污染物影响因子属性数值嵌入编码向量中相对于所述污染物影响因子属性数值语义场域本质特而为污染物入水影响的预测和评估提供了更为全面和精准[0047]将所述污染物影响因子多维交互编码向量输入基于解码器的入水体系数估计模响因子多维交互编码分布概率值，miu、vmax和Dmin分别为所述污染物影响因子多维交将所述污染物影响因子多维交互编码向量进行最大值归一化以获得污染物影响以一减去所述污染物影响因子多维交互编码分布概率值为指数计算所述污染物影响因子多维交互编码概率特征向量的每个特征值的幂函数以获得第一污染物影响因子以所述污染物影响因子多维交互编码分布概率值为指数计算单位特征向量与所述污染物影响因子多维交互编码概率特征向量的点差特征向量的每个特征值的幂函数以获得第二污染物影响因子多维交互编码收敛特征向量v,=(ev)on，表示第二污将所述污染物影响因子多维交互编码概率特征向量与一减去所述污染物影响因子多维交互编码分布概率值的差值进行点乘以获得第一污染物影响因子多维交互编码限将所述点差特征向量与所述污染物影响因子多维交互编码分布概率值进行点乘将所述第一污染物影响因子多维交互编码收敛特征向量与所述第二污染物影响征向量和所述第二污染物影响因子多维交互编码限定特征向量进行点加以获得优化的污将所述优化的污染物影响因子多维交互编码向量输入基于解码器的入水体系数物影响因子属性数值嵌入编码向量分别表示各个污染物影响因子的属性描述和数值的低