[發明專利]一種基于人工智能的水污染報警等級識別方法

在審

• 申請號: 202010973023.6
• 申請日: 2020-09-16
• 公開（公告）號: CN112101789A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 程雨涵;梁漫春;錢益武;李梅;李楚;王清泉;曹毅;孔美玲;龔柳;肖鑫鑫;王康林
• 申請（專利權）人: 清華大學合肥公共安全研究院;安徽澤眾安全科技有限公司;北京辰安測控科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/26;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥市浩智運專利代理事務所(普通合伙) 34124
• 代理人: 張祥

本發明提供了一種基于人工智能的水污染報警等級識別方法，包括以下步驟：步驟A：獲取歷史數據，對歷史數據進行預處理；步驟B：人工標記歷史數據的風險等級，得到風險標簽數據，按比例劃分為訓練集和測試集；步驟C：搭建深度學習模型，將訓練集數據輸入深度學習模型，輸出訓練后的模型；步驟D：使用測試集進行測試，如果滿足預設標準，則作為水污染報警等級識別模型；步驟E：對各入口節點的實時數據進行識別得到水污染報警等級。本發明的優點在于：綜合考慮水體的水質和水量數據，基于人工智能深度學習技術，發現水體污染與多種參數的深度關系，對污染報警等級進行準確的判斷識別。

技術領域

本發明涉及水污染分析技術領域，尤其涉及一種基于人工智能的水污染報警等級識別方法。

背景技術

對水環境進行污染情況監控時需要考慮入河排口、管網節點等位置的監控，涉及的監控因子較多，如果采用單因子指標報警，在同一時間點，存在多個監測指標的同時報警情況，產生多條報警信息，工作人員需要對多條單因子報警信息進行處理，人工判斷節點排放的綜合污染風險程度。依賴工作人員的工作經驗，具有隨機性，因人差異性，效率較低且對工作人員的專業技術有一定要求。

公開號為CN110196083A的發明專利申請公開了一種排水管網污染路徑的監測識別方法，通過建立待監測區域的排水管網骨架模型，根據排水管網骨架模型，識別可能性污染傳輸路徑和可能性污染傳輸路徑的關鍵節點，按照關鍵節點在實際排水管網布點后，監測實際排水管網的水量和水質指標數據，在監測到水量和水質指標數據異常時，利用排水管網骨架模型從可能性污染傳輸路徑中確定實際污染傳輸路徑，對實際污染傳輸路徑中的關鍵節點進行污染取證；通過對水質、水量的監控快速確定水質異常并確定問題節點；該方法雖然考慮了水質和水量的變化情況，但實際上的判斷條件依然是單個因子是否超標，沒有對多個因子進行綜合評估，準確度較低。

發明內容

本發明所要解決的技術問題在于異常檢測存在滯后性的情況，提供一種基于水質和水量綜合判定，快速準確確認水污染報警等級的方法。

本發明是通過以下技術方案解決上述技術問題的：一種基于人工智能的水污染報警等級識別方法，包括以下步驟：

步驟A：獲取水環境入口節點影響因子的歷史數據，對歷史數據進行異常值剔除和缺失值填充操作；

步驟B：基于時間序列標記各節點影響因子對應的風險等級，結合歷史數據得到風險標簽數據，將風險標簽數據按比例劃分為訓練集和測試集；

步驟C：搭建深度學習模型，配置模型參數，將訓練集數據輸入深度學習模型，通過參數優化，當訓練模型的準確度滿足輸出標準時，輸出訓練后的模型；

步驟D：使用測試集對訓練后的深度學習模型進行測試，如果測試結果不滿足預設標準，則返回步驟C，如果滿足預設標準，則作為水污染報警等級識別模型；

步驟E：將各入口節點的實時數據輸入水污染報警等級識別模型，得到水污染報警等級。

本發明綜合考慮水體的水質和水量數據，基于人工智能深度學習技術，發現水體污染與多種參數的深度關系，對污染報警等級進行準確的判斷識別；另外對每個入口節點分別配置適用的模型，提高準確度，能夠在發現異常時直接確定問題節點，提高響應速度，不需要根據主通道的異常反向排查各節點的情況，處理速度更快。

優選的，所述影響因子包括水質數據和水量數據，所述水質數據包括物理指標、常規水質指標、金屬含量、無機物含量、有機物含量、微生物含量、輻射量；所述水量數據包括水位、流量、流速。

優選的，步驟A中基于箱線圖或三倍標準偏差法檢測異常值，對極端異常值進行剔除；基于缺失值前后多個數據的平均值對缺失值進行填充。

優選的，步驟C中基于決策樹搭建深度學習模型，訓練方法包括以下步驟：