[发明专利]一种基于大数据分析实现的快速水污染溯源方法

权利要求书

1.一种基于大数据分析实现的快速水污染溯源方法，其特征在于：包括以下步骤：

a)通过园区或河道的水质采集设备获取数据；

b)大数据计算平台会采集得到的数据，应用标签算法，给每个设备打上水质标签，其中标签设计需要对历史水质数据进行数据调研，分析数据特征，所谓的标签算法即将根据历史数据获取，水质参数的优、良、合格、一般污染的分界值，level1，level2，level3，level4，根据如下算法进行标签化，降低计算量，公式如下：

其中，level1，level2，level3，level4为人工定义的水质参数值；

c)经过对各个水质采集设备的水质标签使用大数据算法进行区域和时域分析，根据水质的变化趋势判断水流方向，其中水质变化即求取水质参数的在地域和时域的导数，通过各节点水质指标及区域地图绘制水质地图，其计算公式如下：

其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数；

d)通过各个设备的水质标签与人工定义水质的合格参数进行深度学习，主要用到支持向量机算法将历史水质数据分成两组，一组为正常的水质数据，另一组为污染的水质数据，使用支持向量机算法生成超平面，计算较新增的水质数据点与超平面之间的距离，当计算值为负值时，说明其只存污染风险，其绝对值可以标注水质污染的程度，即当小于0时，绝对值越大，风险越高，当大于0时，绝对值越大，其水质越安全，可以为水质污染的区域提供预警，其计算公式如下：

超平面函数，

其中，W为根据历史数据得出的参数矩阵，b根据历史数据得出的常数，i表示i个参数点，y为该数据样本的分类，

当y⁽ⁱ⁾＝1时，函数边界将会很大，(w^Tx+b)为一个较大的正数，其水质就越好；

当y⁽ⁱ⁾＝-1时，函数边界也将会很大，(w^Tx+b)为一个较大的负数，水质就越差；

e)当需要定位水域的污染源时，可以根据水质地图中各个区域的水质数据判断水质的变化趋势，找到水质污染最严重的区域，从而得出可能的污染源，其公式如下：

其中，f为水质参数函数，f(x)表示其在x时刻的水质参数，f(x+h)表示其在x+h时刻的水质参数，

y＝max(f(x,y,t,key_value1,key_value2,…))；

其中，f为采集设备位置、时间、水质参数构造而成的水质污染指标函数，其值越大表示污染情况越严重，max是获取水质污染指标的最大值，也就得出其地理位置，确定污染源；

f)根据水质地图，当含有历史水质数据且数量比较大，使用数值分析中曲线拟合，根据拟合结果计算水质的各个参数的变换周期，在水质存在污染风险时，及时关停，其中使用到快速傅里叶变换计算水质参数的变换周期，其具体过程如下：

y＝fft(x)，

period＝1/((1：N/2)/(N/2)*0.5)，

其中，x为水质参数的时间序列，fft是傅里叶变换，y为fft变换后的频域序列，N为y的长度，period为水质参数时间序列的变化的平均周期。

2.根据权利要求1所述的一种基于大数据分析实现的快速水污染溯源方法，其特征在于：所述水质采集设备获取数据为每五分钟上传一次水质数据。

3.根据权利要求1所述的一种基于大数据分析实现的快速水污染溯源方法，其特征在于：所述水质标签的信息内容包括但不仅于：各种水质参数、设备编号、采集时间。