[发明专利]一种水环境污染风险综合感知识别系统

说明书

本发明提供了一种水环境污染风险综合感知识别系统，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的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。本发明的优点在于：通过水环境视频监控模块实时监控水环境的画面，并基于画面识别与分析发现异常排污事件，能够实时监控，提高异常响应的时效性，防止排污事件的影响扩大，同时通过水质水量监测模块检测水环境的水质水量数据，能够在水体颜色、浊度等物理性质无明显变化时，及时发现水质的异常，提高识别精度，防止漏报。

技术领域

本发明涉及水环境污染监测技术领域，尤其涉及一种基水环境污染风险综合感知识别系统。

背景技术

目前对水体污染物排放的管理逐渐加强，但是水环境如何排口依然存在违法排放的情况，且经常在视线受限的夜间进行排放，导致监管困难，影响河流治理的效果。随着水质、水量在线监测硬件设备的完善，智慧水环境系统平台近年逐步发展，对水环境入河排口、管网等节点的监测是河流治理的重要部分。公开号为CN109857046A的发明专利申请公开了一种河流水污染监测预警的智能化监控管理系统及方法，通过水雨情监测模块获取水文数据、通过水质检测模块监测水体水质数据，通过视频监测模块采集和处理视频数据，从而对水体情况进行全面的监控，及时发现异常情况；但是该现有技术并未针对不同的水环境提供针对性的水质监测和视频分析方法，容易出现错报误报，使用效果不佳。

发明内容

本发明所要解决的技术问题在于提供一种能够根据水环境的特点针对性的提供污染情况监控分析的风险综合感知识别系统。

本发明是通过以下技术方案解决上述技术问题的：一种水环境污染风险综合感知识别系统，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。

本发明通过水环境视频监控模块实时监控水环境的画面，并基于画面识别与分析发现异常排污事件，能够实时监控，提高异常响应的时效性，防止排污事件的影响扩大，同时通过水质水量监测模块检测水环境的水质水量数据，能够在水体颜色、浊度等物理性质无明显变化时，及时发现水质的异常，提高识别精度，防止漏报。

优选的，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。

优选的，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。

优选的，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。

优选的，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；