[發明專利]一種水環境污染風險綜合感知識別系統

在審

• 申請號: 202010984385.5
• 申請日: 2020-09-16
• 公開（公告）號: CN112101796A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 程雨涵;梁漫春;石瑞雪;任瑩;王清泉;錢益武;李楚;李梅;曹毅;孔美玲;龔柳;楊思航;唐洪洋
• 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;G06K9/00;G06K9/62;G06N3/04
• 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

1.一種水環境污染風險綜合感知識別系統，其特征在于：包括水質水量監測模塊和水環境視頻監控模塊；

所述水質水量監測模塊基于內置的水污染等級識別模型輸出水質水量數據對應的水污染等級，所述水環境視頻監控模型采集目標區域的視頻畫面，并通過內置的視頻識別模型識別視頻畫面是否存在異常排放。

2.根據權利要求1所述的一種水環境污染風險綜合感知識別系統，其特征在于：所述水污染等級識別模型的訓練方法包括以下步驟：

步驟A：獲取水環境入口節點處水質水量的歷史數據，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，當訓練模型的準確率滿足輸出標準時，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，則作為水污染等級識別模型輸出。

3.根據權利要求2所述的一種水環境污染風險綜合感知識別系統，其特征在于：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。

4.根據權利要求2所述的一種水環境污染風險綜合感知識別系統，其特征在于：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。

5.根據權利要求2所述的一種水環境污染風險綜合感知識別系統，其特征在于：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：

步驟i：調用決策樹模型，選擇基尼系數或信息增益作為模型的特征指標計算方法；

步驟ii：設置決策樹各參數的序列值列表，包括最大深度、葉子節點最少樣本數、最大葉子節點數，將風險標簽數據的訓練集輸入決策樹模型，依據序列值列表逐個更新每個參數，并保持其他參數不變，以準確率和召回率最優值對應的數值作為當前參數的最優值，依次確定每個參數的最優值，基于迭代后的最高準確率和召回率評價指標確定決策樹的最佳參數組合；

步驟iii：基于最佳模型參數組合，使用測試集數據對決策樹模型進行測試，并將輸出結果與步驟B中標定的風險等級進行比對；如果正確率≥90％，則將該最佳參數組合對應的決策樹作為水污染等級識別模型輸出，否則返回步驟ii；

所述準確率的計算公式為：

召回率計算公式為：

其中，TP表示真實結果為A，預測結果也是A的數量，FN表示真實結果為A，預測結果不是A的數量；TN表示真實結果不是A，預測結果也不是A的數量，FN表示真實結果不是A，預測結果是A的數量。

6.根據權利要求1所述的一種水環境污染風險綜合感知識別系統，其特征在于：所述水環境視頻監控模型包括用于獲取水環境視頻畫面的視頻監控裝置，所述視頻監控裝置包括底座、沿豎直方向固定于底座上的第一支架、與第一支架配合的第二支架，所述第一支架的上端與第二支架的端部能夠鉸接配合改變軸向夾角，所述第二支架上固定有朝向監控區域的視頻獲取終端；

所述第一支架和第二支架均包括相互嵌套的固定桿和伸縮桿，所述伸縮桿沿軸向套設于固定桿內部，固定桿與伸縮桿配合的一端沿徑向設置有至少一個鎖緊螺栓，所述固定桿能夠沿軸向與伸縮桿滑動配合；所述鎖緊螺栓能夠頂緊伸縮桿的桿體；所述伸縮桿能夠在固定桿內自由轉動；所述第二支架與第一支架鉸接的一端固定有一弧形板，所述弧形板上具有弧形槽，所述第一支架上設置有與弧形槽自由配合的限位銷，所述限位銷上螺接有鎖母。