[發明專利]基于深度學習的水污染突發事故快速應急評估和決策方法

有效

• 申請號: 201710939980.5
• 申請日: 2017-10-11
• 公開（公告）號: CN107798467B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 盧濱;陳義中;常文婷
• 申請（專利權）人: 杭州市環境保護科學研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 王洪新;王之懷

1.一種基于深度學習的水污染突發事故快速應急評估和決策方法，包括以下步驟：

1)確定上游水文邊界條件；針對特定河流，按所屬行政區劃為界，分析上游來水的流量特征，選取典型水文條件數據，從中總結歸納并按特定流量間隔設定不同的流量作為上游水文邊界條件；

2)確定下游水文邊界條件；

若特定河流為潮汐河流，則下游水文邊界為潮汐性往復流，12種潮汐類別按順序分別賦值1～12，作為下游水文條件；

若下游邊界流場是恒定流，則使用下游水位或流量作為下游水文條件；

3)通過測繪獲取高精度的河流水下地形數據，建立河流的三維流場；

4)全面梳理河流沿線飲用水源地、水環境生態敏感目標的經緯度位置或范圍，選定數組最為典型的目標位置作為應急評估和決策時的生態環境保護對象；

5)根據河流周邊存儲、生產和運輸的主要危險化學品、油品特征污染物，選取常見特征污染物并查詢理化性質數據，包括密度、溶解度、降解速率、粘度、表面張力、沸點及蒸發常數參數；

6)建立典型流場數據庫

根據1)、2)中確定的上下游水文邊界條件，結合(3)中的地形數據，進行數值模擬計算，針對不同水文邊界條件的組合建立典型的三維流場數據庫；

7)確定河流沿線事故易發高發點位，以事故點位與起點的距離表示；確定事故發生時刻；

8)典型突發水污染事故情景的模擬計算；按照7)中確定的事故發生位置和7)中確定的事故發生時刻，選取5)中的特征污染物并分別設定泄漏量，結合6)中的流場數據庫，形成的情景案例大于等于1500個，逐個用環境專業模型進行數值模擬計算；獲得污染物進入水體后的轉移和擴散的數學模型；

9)將上述情景案例計算結果存入數據庫形成典型突發水污染事故案例庫，計算結果包括各敏感目標的污染物到達時刻、超閾值持續時間和最大峰值濃度；隨機選取情景案例中的90％作為深度學習的訓練數據集，其余10％案例作為測試數據集，用于后續的深度學習深度神經網絡；

10)采用深度學習的方法，基于深度神經網絡建立突發水污染事故應急評估和決策模型；

11)建立突發水污染事故應急評估和決策系統；系統由輸入單元、運算單元和輸出單元組成；

輸入單元對突發事故發生的位置、污染物泄漏量、污染物的密度、溶解度、降解速率、粘度、表面張力及蒸發常數，以及上下游流量或潮位數據進行歸一化處理后，輸入到運算單元；

運算單元由10)建立的突發水污染事故應急評估和決策模型對輸入數據進行運算，在15min內快速計算出結果；

輸出單元對運算結果進行反歸一化換算，輸出下游敏感目標的峰值濃度、到達時刻和持續時間；

12)應用突發水污染事故應急評估和決策系統，可根據應急專家提出的方案迅速評估應急措施的效果；或者預先設定幾種應急措施進行評估，然后將評估結論提供給應急專家或應急指揮部決策；還可根據應急評估中污染達到時刻和持續時間，對現場應急監測的人員、布點和監測時間進行科學分配和指導。

2.根據權利要求1所述的基于深度學習的水污染突發事故快速應急評估和決策方法，其特征在于：所述步驟1)中的典型水文條件數據，包括上游流量、下游流量、水位或潮位歷史數據或實測數據；如有人工構筑物，則需分析其下泄流量的分布規律，從中總結歸納并按特定流量間隔設定不同的流量作為流量邊界條件；設定的流量必須覆蓋歷史極大值和極小值，設定流量數大于等于10組。

3.根據權利要求2所述的基于深度學習的水污染突發事故快速應急評估和決策方法，其特征在于：所述步驟2)中的12種潮汐類別為：大潮漲憩、大潮漲急、大潮落憩、大潮落急、中潮漲憩、中潮漲急、中潮落憩、中潮落急、小潮漲憩、小潮漲急、小潮落憩以及小潮落急。

4.根據權利要求3所述的基于深度學習的水污染突發事故快速應急評估和決策方法，其特征在于：所述步驟3)中，為應對各類復雜污染物的應急評估，需獲取詳細的河流水下地形數據，以便于建立河流的三維流場；測繪時縱向長度小于500m，橫向小于100m，如遇到河流彎曲或有島嶼則需加密橫向測點。