[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

本發明提供了一種水環境污染風險綜合感知識別系統，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的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。本發明的優點在于：通過水環境視頻監控模塊實時監控水環境的畫面，并基于畫面識別與分析發現異常排污事件，能夠實時監控，提高異常響應的時效性，防止排污事件的影響擴大，同時通過水質水量監測模塊檢測水環境的水質水量數據，能夠在水體顏色、濁度等物理性質無明顯變化時，及時發現水質的異常，提高識別精度，防止漏報。

技術領域

本發明涉及水環境污染監測技術領域，尤其涉及一種基水環境污染風險綜合感知識別系統。

背景技術

目前對水體污染物排放的管理逐漸加強，但是水環境如何排口依然存在違法排放的情況，且經常在視線受限的夜間進行排放，導致監管困難，影響河流治理的效果。隨著水質、水量在線監測硬件設備的完善，智慧水環境系統平臺近年逐步發展，對水環境入河排口、管網等節點的監測是河流治理的重要部分。公開號為CN109857046A的發明專利申請公開了一種河流水污染監測預警的智能化監控管理系統及方法，通過水雨情監測模塊獲取水文數據、通過水質檢測模塊監測水體水質數據，通過視頻監測模塊采集和處理視頻數據，從而對水體情況進行全面的監控，及時發現異常情況；但是該現有技術并未針對不同的水環境提供針對性的水質監測和視頻分析方法，容易出現錯報誤報，使用效果不佳。

發明內容

本發明所要解決的技術問題在于提供一種能夠根據水環境的特點針對性的提供污染情況監控分析的風險綜合感知識別系統。

本發明是通過以下技術方案解決上述技術問題的：一種水環境污染風險綜合感知識別系統，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。

本發明通過水環境視頻監控模塊實時監控水環境的畫面，并基于畫面識別與分析發現異常排污事件，能夠實時監控，提高異常響應的時效性，防止排污事件的影響擴大，同時通過水質水量監測模塊檢測水環境的水質水量數據，能夠在水體顏色、濁度等物理性質無明顯變化時，及時發現水質的異常，提高識別精度，防止漏報。

優選的，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。

優選的，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：

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；