[发明专利]基于人工智能的河岸污染检测及考察地点选址方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及基于人工智能的河岸污染检测及考察地点选址方法及系统。该方法根据待选区域内的水体状态数据序列进行初次区域分配，获得多个第一区域匹配对。根据第一区域匹配对内每个土壤传感器的数据差异获得最优土壤传感器。根据最优土壤传感器的土壤含水量序列的变化特征进行匹配，获得最优协同传感器对，获得最优协同传感器对的协同传感器平均数据序列，进一步获得第一区域匹配对内待选区域的平均土壤状态数据序列进行二次区域匹配，获得最优第二区域匹配对，根据多次采样时间段的分析获得最优区域匹配对。本发明实现了科学公正的河岸污染检测及考察地点选址，使得选址过程更具有客观性和便捷性。

技术领域

本发明涉及人工智能技术领域，具体涉及基于人工智能的河岸污染检测及考察地点选址方法及系统。

背景技术

水污染的监控与治理是重要的民生问题。流域水资源具有跨域性、外部性特征。对于流域水资源的水污染的监控往往需要两个区域的相关人员共同进行协同监管。实现两个区域的协同监管是扩大水环境治理的正外部性、阻滞跨域水环境负外部性扩散的必然选择。

目前水环境协同监管治理需要实地采集多种状态指标。对于一个区域而言，选择采集状态指标的地点可以根据区域特点快速选择，而对于上下游两个区域或者河岸两侧区域而言，两个区域治理部门对所监管区域的选址无法很好的证明数据正确协同性，达不到两区域数据协同的目的。因此检测选址不当会使得两个区域在监管过程中造成数据选取不当、工作出现失误，造成决策内容出现缺陷无法正确引导水污染的治理。

发明内容

为了解决上述技术问题，本发明的目的在于提供基于人工智能的河岸污染检测及考察地点选址方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的河岸污染检测及考察地点选址方法，所述方法包括：

在河岸两侧预设多个待选区域；每个所述待选区域中设置有多个土壤传感器；通过每个所述土壤传感器获得预设采样时间段内的土壤状态数据序列；所述土壤状态数据序列包括土壤含水量序列和土壤酸碱度序列；

通过每个所述待选区域内设置的水污染传感器获得水体状态数据序列；根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配，获得多个第一区域匹配对；

获得所述第一区域匹配对之间每个所述土壤传感器的土壤状态数据序列差异；根据所述土壤状态数据序列差异对所述土壤传感器进行剔除，使所述第一区域匹配对中两个所述待选区域的所述土壤传感器数量相同，将余下的所述土壤传感器作为最优土壤传感器；

通过所述最优土壤传感器的所述土壤含水量序列的变化特征对每个所述待选区域内所述最优土壤传感器进行匹配，获得最优协同传感器对；以所述最优协同传感器对之间的所述土壤酸碱度序列的差异获得土壤环境权值，根据所述土壤环境权值获得所述最优协同传感器对的协同传感器平均数据序列；所有所述协同传感器平均数据序列组成所述待选区域的平均土壤状态数据序列；

根据所述第一区域匹配对内所述待选区域的所述平均土壤状态数据序列进行二次区域匹配，获得最优第二区域匹配对；以多个所述采样时间段内出现次数最多的所述最优第二区域匹配对作为最优区域匹配对；以所述最优区域匹配对作为选址结果。

进一步地，所述根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配包括：

以不同所述待选区域内所述水体状态数据序列的向量距离作为差异。

进一步地，所述根据不同所述待选区域内所述水体状态数据序列的差异进行初次区域匹配，获得多个第一区域匹配对包括：

利用全局KM算法进行所述初次区域匹配，获得所述第一区域匹配对。

进一步地，所述获得所述第一区域匹配对之间每个所述土壤传感器的土壤状态数据序列差异；根据所述土壤状态数据序列差异对所述土壤传感器进行剔除包括：