首页 / 专利库 / 水处理 / 淡水 / 饮用水 / 一种水源污染预警方法及系统

一种源污染预警方法及系统

阅读:983发布:2020-05-08

专利汇可以提供一种源污染预警方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 提供一种 水 源污染预警方法及系统,通过将聚 氨 酯 泡沫 块 沉入待监测 水体 设定时间后,收取监测水样;检测监测水样中 微 生物 种类和对应 密度 ;将微生物种类和对应密度输入到预先构建的 深度学习 模型中;根据深度学习模型输出的预测结果,对待监测水体进行预警;利用PFU(Polyurethane Foam Unit)微型 生物群落 监测结合计算机深度学习 算法 ,在选取足够量数据基数的情况下,通过计算机深度学习可将每次预警层级划分为更为清晰准确,在不需要选取对比水样的情况下,直接对每次所取的水样进行定性定量判断预警等级,使得经深度学习后的系统对 饮用水 源污染预警更加准确、灵敏、可靠。,下面是一种源污染预警方法及系统专利的具体信息内容。

1.一种源污染预警方法,其特征在于,包括:
将聚泡沫沉入待监测水体设定时间后,收取监测水样;
检测所述监测水样中生物种类和对应密度
将所述微生物种类和对应密度输入到预先构建的深度学习模型中;
根据所述深度学习模型输出的预测结果,对所述待监测水体进行预警。
2.如权利要求1所述的水源污染预警方法,其特征在于,所述深度学习模型是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。
3.如权利要求2所述的水源污染预警方法,其特征在于,所述预警限值包括:总大肠菌群、耐热大肠菌群、大肠埃希氏菌在监测水样中不得检出,且菌落总数小于100CFU/ML、贾第鞭毛虫小于1个/10L、隐孢子虫小于1个/10L。
4.如权利要求2所述的水源污染预警方法,其特征在于,所述不同类型水体包括Ⅰ类水体、Ⅱ类水体、Ⅲ类水体。
5.如权利要求4所述的水源污染预警方法,其特征在于,所述不同类型水体还包括Ⅳ类水体、Ⅴ类水体。
6.如权利要求1-5任一项所述的水源污染预警方法,其特征在于,所述设定时间根据待监测水体条件进行设置,所述待监测水体条件包括流水、静水。
7.如权利要求1-5任一项所述的水源污染预警方法,其特征在于,所述根据所述深度学习模型输出的预测结果,对所述待监测水体进行预警包括:
在预测结果为所述监测水样中检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,直接亮红灯进行严重污染预警;
在预测结果为所述监测水样中未总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在80~100CFU/ML、贾第鞭毛虫在0.8~1个/10L、隐孢子虫0.8~1个/10L,亮红灯进行严重污染预警;
在预测结果为所述监测水样中未检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在50~80CFU/ML、贾第鞭毛虫0.5~0.8个/10L、隐孢子虫0.5~0.8个/10L,亮橙色灯进行中度预警;
在预测结果为所述监测水样中未检测总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数小于50CFU/ML、贾第鞭毛虫小于0.5个/10L、隐孢子虫小于0.5个/10L,亮绿灯进行低度污染预警。
8.一种水源污染预警系统,其特征在于,包括:
水样收取装置,用于对待监测水体收取监测水样;
原生生物监测装置,用于检测所述监测水样中微生物种类和对应密度;
深度学习模块,用于基于输入的微生物种类和对应密度,输出预测结果;
预警模块,用于根据所述预测结果,对所述待监测水体进行预警。
9.如权利要求8所述的水源污染预警系统,其特征在于,所述水样收取装置包括聚氨酯泡沫块、投放收取装置、周期设定装置;所述聚氨酯泡沫块用于沉入待监测水体中,所述投放收取装置用于根据所述周期设定装置设置的设定时间,将所述聚氨酯泡沫块从所述待监测水体中提起,以收取监测水样。
10.如权利要求9所述的水源污染预警系统,其特征在于,所述深度学习模块是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。

说明书全文

一种源污染预警方法及系统

技术领域

[0001] 本发明涉及水污染检测技术领域,尤其涉及一种水源污染预警方法及系统。

背景技术

[0002] 我国是一个淡水资源短缺的国家,虽然淡水资源总量为2.8万亿立方,排名世界第六,但人均淡水资源量仅为世界平均水平的四分之一,随着社会经济的高速发展,我国的水体环境面临污染加剧的困境。近年来,根据环境保护部对全国河流、湖泊、水库等水质状况的调查,我国七大水系、主要湖泊、近岸海域及部分地区的地下水均受到不同程度的污染。流域的水污染引起系列生态环境问题,造成水体生态功能退化。
[0003] 水资源对于人类具有特别重要的意义,水污染问题已经是国家发展必须解决的问题,能够找到可快速、准确地调查预警水源污染状况的方法,对饮用水源污染的预警具有重大意义,以往的饮用水源污染预警只能定性、定量预警水污染严重程度,且常规的仪器和化学手段监测只反映采样瞬时的污染物浓度,不能反映多种污染物共同作用的综合结果,不能体现污染因素对人和生物的危害及对环境的综合效应。

发明内容

[0004] 本发明提供的一种水源污染预警方法及系统,主要解决的技术问题是:如何快速、准确地调查预警水源污染状况。
[0005] 为解决上述技术问题,本发明提供一种水源污染预警方法,包括:
[0006] 将聚泡沫沉入待监测水体设定时间后,收取监测水样;
[0007] 检测所述监测水样中微生物种类和对应密度
[0008] 将所述微生物种类和对应密度输入到预先构建的深度学习模型中;
[0009] 根据所述深度学习模型输出的预测结果,对所述待监测水体进行预警。
[0010] 可选的,所述深度学习模型是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。
[0011] 可选的,所述预警限值包括:总大肠菌群、耐热大肠菌群、大肠埃希氏菌在监测水样中不得检出,且菌落总数小于100CFU/ML、贾第鞭毛虫小于1个/10L、隐孢子虫小于1个/10L。
[0012] 可选的,所述不同类型水体包括Ⅰ类水体、Ⅱ类水体、Ⅲ类水体。
[0013] 可选的,所述不同类型水体还包括Ⅳ类水体、Ⅴ类水体。
[0014] 可选的,所述设定时间根据待监测水体条件进行设置,所述待监测水体条件包括流水、静水。
[0015] 可选的,所述根据所述深度学习模型输出的预测结果,对所述待监测水体进行预警包括:
[0016] 在预测结果为所述监测水样中检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,直接亮红灯进行严重污染预警;
[0017] 在预测结果为所述监测水样中未总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在80~100CFU/ML、贾第鞭毛虫在0.8~1个/10L、隐孢子虫0.8~1个/10L,亮红灯进行严重污染预警;
[0018] 在预测结果为所述监测水样中未检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在50~80CFU/ML、贾第鞭毛虫0.5~0.8个/10L、隐孢子虫0.5~0.8个/10L,亮橙色灯进行中度预警;
[0019] 在预测结果为所述监测水样中未检测总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数小于50CFU/ML、贾第鞭毛虫小于0.5个/10L、隐孢子虫小于0.5个/10L,亮绿灯进行低度污染预警。
[0020] 本发明还提供一种水源污染预警系统,包括:
[0021] 水样收取装置,用于对待监测水体收取监测水样;
[0022] 原生生物监测装置,用于检测所述监测水样中微生物种类和对应密度;
[0023] 深度学习模块,用于基于输入的微生物种类和对应密度,输出预测结果;
[0024] 预警模块,用于根据所述预测结果,对所述待监测水体进行预警。
[0025] 可选的,所述水样收取装置包括聚氨酯泡沫块、投放收取装置、周期设定装置;所述聚氨酯泡沫块用于沉入待监测水体中,所述投放收取装置用于根据所述周期设定装置设置的设定时间,将所述聚氨酯泡沫块从所述待监测水体中提起,以收取监测水样。
[0026] 可选的,所述深度学习模块是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。
[0027] 本发明的有益效果是:
[0028] 根据本发明提供的一种水源污染预警方法及系统,通过将聚氨酯泡沫块沉入待监测水体设定时间后,收取监测水样;检测监测水样中微生物种类和对应密度;将微生物种类和对应密度输入到预先构建的深度学习模型中;根据深度学习模型输出的预测结果,对待监测水体进行预警;利用PFU(Polyurethane Foam Unit)微型生物群落监测结合计算机深度学习算法,在选取足够量数据基数的情况下,通过计算机深度学习可将每次预警层级划分为更为清晰准确,在不需要选取对比水样的情况下,直接对每次所取的水样进行定性定量判断预警等级,使得经深度学习后的系统对饮用水源污染预警更加准确、灵敏、可靠。附图说明
[0029] 图1为本发明实施例一的水源污染预警方法示意图;
[0030] 图2为本发明实施例二的水源污染预警系统结构示意图。

具体实施方式

[0031] 为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0032] 实施例一:
[0033] 请参见图1,图1为本实施例的水源污染预警方法示意图,该方法主要包括如下步骤:
[0034] S101、将聚氨酯泡沫块沉入待监测水体设定时间后,收取监测水样。
[0035] 聚氨酯泡沫块浸泡水体中,曝露一定时间后,水体中大部分微型生物种类均可群集到泡沫块内,挤出的水样能代表该水体中的微型生物群落。以预报工业废水和化学品对受纳水体中微型生物群落的毒性强度,为制定其预警安全浓度和预警最高允许浓度提出群落级水平的基准。
[0036] 设定时间根据待监测水体条件进行设置,所述待监测水体条件包括流水、静水。可选的,静水四周,流水两周。
[0037] S102、检测监测水样中微生物种类和对应密度。
[0038] 对聚氨酯泡沫块收集到的监测水样进行保护性收取,将所取水样倒入原生生物监测装置中进行微生物种类和数量的监测,得到不同种类对应密度。
[0039] S103、将微生物种类和对应密度输入到预先构建的深度学习模型中。
[0040] 深度学习模型是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。
[0041] 其中,预警限值包括:总大肠菌群、耐热大肠菌群、大肠埃希氏菌在监测水样中不得检出,且菌落总数小于100CFU/ML、贾第鞭毛虫小于1个/10L、隐孢子虫小于1个/10L。
[0042] 不同类型水体包括Ⅰ类水体(主要适用于源头水、国家自然保护区)、Ⅱ类水体(主要适用于集中式生活饮用水地表水源地一级保护区、珍稀水生生物栖息地、鱼虾类产场、仔稚幼鱼的索饵场等)、Ⅲ类水体(主要适用于集中式生活饮用水地表水源地二级保护区、鱼虾类越冬场、洄游通道、水产养殖区等渔业水域及游泳区)。
[0043] 例如,用聚氨酯泡沫块取Ⅲ类水体、Ⅱ类水体、Ⅰ类水体的样本各1000个进行训练学习,通过监测设备测定总大肠菌群、耐热大肠菌群、菌落总数、贾第鞭毛虫、隐孢子虫、大肠埃希氏菌。
[0044] 可选的,不同类型水体还包括Ⅳ类水体(主要适用于一般工业用水区及人体非直接接触的娱乐用水区)、Ⅴ类水体(主要适用于农业用水区及一般景观要求水域)。
[0045] S104、根据深度学习模型输出的预测结果,对待监测水体进行预警。
[0046] 可选的,在预测结果为监测水样中检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,直接亮红灯进行严重污染预警;
[0047] 在预测结果为监测水样中未总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在80~100CFU/ML、贾第鞭毛虫在0.8~1个/10L、隐孢子虫0.8~1个/10L,亮红灯进行严重污染预警;
[0048] 在预测结果为监测水样中未检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在50~80CFU/ML、贾第鞭毛虫0.5~0.8个/10L、隐孢子虫0.5~0.8个/10L,亮橙色灯进行中度预警;
[0049] 在预测结果为监测水样中未检测总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数小于50CFU/ML、贾第鞭毛虫小于0.5个/10L、隐孢子虫小于0.5个/10L,亮绿灯进行低度污染预警。
[0050] 本实施例提供的水源污染预警方法,利用PFU微型生物群落监测结合计算机深度学习算法,在选取足够量数据基数的情况下,通过计算机深度学习可将每次预警层级划分为更为清晰准确,在不需要选取对比水样的情况下,直接对每次所取的水样进行定性定量判断预警等级,使得经深度学习后的系统对饮用水源污染预警更加准确、灵敏、可靠。
[0051] 实施例二:
[0052] 本实施例提供一种水源污染预警系统,请参见图2,该系统主要包括:
[0053] 水样收取装置10用于对待监测水体收取监测水样.
[0054] 原生生物监测装置20用于检测监测水样中微生物种类和对应密度。
[0055] 深度学习模块30用于基于输入的微生物种类和对应密度,输出预测结果。
[0056] 预警模块40用于根据预测结果,对待监测水体进行预警。
[0057] 水样收取装置10包括聚氨酯泡沫块11、投放收取装置12、周期设定装置13;聚氨酯泡沫块11用于沉入待监测水体中,投放收取装置12用于根据周期设定装置设置的设定时间,将聚氨酯泡沫块11从所述待监测水体中提起,以收取监测水样。在投放聚氨酯泡沫块11的同时,通过周期设定装置13设置好提取监测水样的收取周期,投放收取装置12全自动的进行收取操作,减少过程中人工的操作步骤。
[0058] 对聚氨酯泡沫块11收集到的水样进行保护性收取,将所取水样倒入原生生物监测装置进行微生物种类和数量的监测。
[0059] 深度学习模块30是根据不同类型水体的若干样本,并输入定义的预警限值进行学习得到的。例如,针对地表水环境质量标准划分的五类水体,用聚氨酯泡沫块取Ⅲ类水体、Ⅱ类水体、Ⅰ类水体的样本各1000个进行训练学习,通过监测设备测定总大肠菌群、耐热大肠菌群、菌落总数、贾第鞭毛虫、隐孢子虫、大肠埃希氏菌。
[0060] 预警限值包括:总大肠菌群、耐热大肠菌群、大肠埃希氏菌在监测水样中不得检出,且菌落总数小于100CFU/ML、贾第鞭毛虫小于1个/10L、隐孢子虫小于1个/10L。
[0061] 由深度学习算法在储存装置中对所测数据及最终定级信息进行存储,并录入数据库对进行训练学习。
[0062] 预警系统的警报灯分为三个颜色,分别为绿色、橙色、红色,每个颜色的警报分别代表低度、中度、严重污染状态。
[0063] 可选的,在预测结果为所述监测水样中检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,直接亮红灯进行严重污染预警;
[0064] 在预测结果为所述监测水样中未总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在80~100CFU/ML、贾第鞭毛虫在0.8~1个/10L、隐孢子虫0.8~1个/10L,亮红灯进行严重污染预警;
[0065] 在预测结果为所述监测水样中未检出总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数在50~80CFU/ML、贾第鞭毛虫0.5~0.8个/10L、隐孢子虫0.5~0.8个/10L,亮橙色灯进行中度预警;
[0066] 在预测结果为所述监测水样中未检测总大肠菌群、耐热大肠菌群、大肠埃希氏菌,且菌落总数小于50CFU/ML、贾第鞭毛虫小于0.5个/10L、隐孢子虫小于0.5个/10L,亮绿灯进行低度污染预警。
[0067] 通过叠加完善每次的数据和预警等级,可使水源污染预警系统的预警准确精度更加完善准确。
[0068] 显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件软件结合。
[0069] 以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈