买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：台州市环科环保设备运营维护有限公司;台州学院;北京尚洋东方环境科技有限公司;杭州谱育科技发展有限公司

摘要：本发明公开了一种用于水质污染源在线异常分析系统及方法，属于水质污染分析领域，本发明对水质监测点的监测数据进行分析，得到疑似水质检测异常点，将疑似排放区域上游和下游的水质监测点的监测数据导入疑似水质检测异常点监测数据核对模型中进行监测数据核对，获取监测数据核对结果，且根据核对结果判断是否进行污染源查找，将核对后的疑似水质检测异常点监测数据和水体沿线附近工厂的企业污染物排放报备情况代入污染源查找策略中进行污染源的查找，将查找得到的污染源信息传输至污染监管部门，进行污染源的实时播报，对水质监测点的监测数据进行准确核对，提高了污染源播报的准确性。

主权项：1.一种用于水质污染源在线异常分析方法，其特征在于，其包括以下具体步骤：在水体沿线等距离设置若干个水质监测点，获取水质监测点的水质信息，同时获取水体沿线附近工厂的企业污染物排放报备情况；对水质监测点的监测数据进行分析，得到疑似水质检测异常点，将疑似排放区域上游和下游的水质监测点的监测数据导入疑似水质检测异常点监测数据核对模型中进行监测数据核对；获取监测数据核对结果，且根据核对结果判断是否进行污染源查找；将核对后的疑似水质检测异常点监测数据和水体沿线附近工厂的企业污染物排放报备情况代入污染源查找策略中进行污染源的查找；将查找得到的污染源信息传输至污染监管部门，进行污染源的实时播报；所述对水质监测点的监测数据进行分析，得到疑似水质检测异常点，将疑似排放区域上游和下游的水质监测点的监测数据导入疑似水质检测异常点监测数据核对模型中进行监测数据核对包括以下具体内容：S21、获取全部水质监测点的水质监测数据，获取水质监测数据中的各种污染物含量数据，将各水质监测点中的各种污染物含量数据导入水质异常增加值计算公式中计算各水质监测点的水质异常增加值，其中，第i个水质监测点的水质异常增加值计算公式为：，其中N为水体中污染物种类，d（）的具体含义为：若括号中的数小于0，则取值为0，若括号中的数大于等于0，则取值，cij为第i个水质监测点的第j种污染物的含量，cjmax为设定的第j种污染物的含量安全范围中最接近第i个水质监测点的第j种污染物的含量的值，ci-1j为位于第i个水质监测点的上游的第一个水质监测点的第j种污染物的含量；S22、将获取得到的各水质监测点的水质异常增加值与设定的水质监测点的水质异常增加阈值进行对比，若对应水质监测点的水质异常增加值大于等于设定的水质监测点的水质异常增加阈值，则将对应水质监测点设为疑似水质检测异常点，将距离疑似水质检测异常点最近的上游的第一个水质监测点和下游的第一个水质监测点之间的范围区域设为疑似排放区域，获取疑似排放区域上游和下游的水质监测点的监测数据；S23、提取历史监测数据中的疑似排放区域上游和下游的水质监测点的污染物监测数据、疑似水质检测异常点的污染物监测数据、水体流动水速和流量，构建输入为历史监测数据中的疑似排放区域上游和下游的水质监测点的污染物监测数据、水体流动水速和流量，输出为对应的疑似水质检测异常点的污染物监测数据的深度学习神经网络模型；S24、将提取的历史监测数据中的疑似排放区域上游和下游的水质监测点的污染物监测数据、疑似水质检测异常点的污染物监测数据、水体流动水速和流量分为作为70%的参数训练集和30%的参数测试集；将70%的参数训练集输入深度学习神经网络模型进行训练，以得到初始深度学习神经网络模型；利用30%的参数测试集对初始深度学习神经网络模型进行测试，输出满足最高疑似水质检测异常点的污染物监测数据判断准确度的最优初始深度学习神经网络模型作为深度学习神经网络模型，其中，深度学习神经网络模型中的神经元的输出策略公式为：，其中为n+1层p项神经元的输出，第n层神经元I与n+1层p项神经元的连接权重，代表第n层神经元I的输出，代表第n层神经元I与n+1层p项神经元的线性关系的偏置，代表Sigmoid激活函数；S25、获取当前时间的疑似排放区域上游和下游的水质监测点的污染物监测数据、水体流动水速和流量导入深度学习神经网络模型中输出对应的疑似水质检测异常点的污染物监测数据，设为核对监测数据；S26、将获取的疑似水质检测异常点的污染物监测数据与核对监测数据导入核对值计算公式中计算核对值，其中，核对值计算公式为：，其中，zj为核对监测数据中第j种污染物的含量，zjm为疑似水质检测异常点的污染物监测数据中第j种污染物的含量。

全文数据：

权利要求：

百度查询： 台州市环科环保设备运营维护有限公司 台州学院 北京尚洋东方环境科技有限公司 杭州谱育科技发展有限公司 一种用于水质污染源在线异常分析系统及方法