[发明专利]一种水环境污染风险综合感知识别系统

权利要求书

1.一种水环境污染风险综合感知识别系统，其特征在于：包括水质水量监测模块和水环境视频监控模块；

所述水质水量监测模块基于内置的水污染等级识别模型输出水质水量数据对应的水污染等级，所述水环境视频监控模型采集目标区域的视频画面，并通过内置的视频识别模型识别视频画面是否存在异常排放。

2.根据权利要求1所述的一种水环境污染风险综合感知识别系统，其特征在于：所述水污染等级识别模型的训练方法包括以下步骤：

步骤A：获取水环境入口节点处水质水量的历史数据，对历史数据进行异常值剔除和缺失值填充操作；

步骤B：基于时间序列标记各节点影响因子对应的风险等级，结合历史数据得到风险标签数据，将风险标签数据按比例划分为训练集和测试集；

步骤C：搭建深度学习模型，配置模型参数，将训练集数据输入深度学习模型，通过参数优化，当训练模型的准确率满足输出标准时，输出训练后的模型；

步骤D：使用测试集对训练后的深度学习模型进行测试，如果测试结果不满足预设标准，则返回步骤C，如果满足预设标准，则作为水污染等级识别模型输出。

3.根据权利要求2所述的一种水环境污染风险综合感知识别系统，其特征在于：所述水质数据包括物理指标、常规水质指标、金属含量、无机物含量、有机物含量、微生物含量、辐射量；所述水量数据包括水位、流量、流速。

4.根据权利要求2所述的一种水环境污染风险综合感知识别系统，其特征在于：步骤A中基于箱线图或三倍标准偏差法检测异常值，对极端异常值进行剔除；基于缺失值前后多个数据的平均值对缺失值进行填充。

5.根据权利要求2所述的一种水环境污染风险综合感知识别系统，其特征在于：步骤C中基于决策树搭建深度学习模型，训练方法包括以下步骤：

步骤i：调用决策树模型，选择基尼系数或信息增益作为模型的特征指标计算方法；

步骤ii：设置决策树各参数的序列值列表，包括最大深度、叶子节点最少样本数、最大叶子节点数，将风险标签数据的训练集输入决策树模型，依据序列值列表逐个更新每个参数，并保持其他参数不变，以准确率和召回率最优值对应的数值作为当前参数的最优值，依次确定每个参数的最优值，基于迭代后的最高准确率和召回率评价指标确定决策树的最佳参数组合；

步骤iii：基于最佳模型参数组合，使用测试集数据对决策树模型进行测试，并将输出结果与步骤B中标定的风险等级进行比对；如果正确率≥90％，则将该最佳参数组合对应的决策树作为水污染等级识别模型输出，否则返回步骤ii；

所述准确率的计算公式为：

召回率计算公式为：

其中，TP表示真实结果为A，预测结果也是A的数量，FN表示真实结果为A，预测结果不是A的数量；TN表示真实结果不是A，预测结果也不是A的数量，FN表示真实结果不是A，预测结果是A的数量。

6.根据权利要求1所述的一种水环境污染风险综合感知识别系统，其特征在于：所述水环境视频监控模型包括用于获取水环境视频画面的视频监控装置，所述视频监控装置包括底座、沿竖直方向固定于底座上的第一支架、与第一支架配合的第二支架，所述第一支架的上端与第二支架的端部能够铰接配合改变轴向夹角，所述第二支架上固定有朝向监控区域的视频获取终端；

所述第一支架和第二支架均包括相互嵌套的固定杆和伸缩杆，所述伸缩杆沿轴向套设于固定杆内部，固定杆与伸缩杆配合的一端沿径向设置有至少一个锁紧螺栓，所述固定杆能够沿轴向与伸缩杆滑动配合；所述锁紧螺栓能够顶紧伸缩杆的杆体；所述伸缩杆能够在固定杆内自由转动；所述第二支架与第一支架铰接的一端固定有一弧形板，所述弧形板上具有弧形槽，所述第一支架上设置有与弧形槽自由配合的限位销，所述限位销上螺接有锁母。