[发明专利]河网水质的监测方法、装置和可读存储介质

权利要求书

1.一种河网水质的监测方法，其特征在于，所述河网包括多条河流，所述监测方法包括：

获取全部所述河流监测断面的第一数据，所述第一数据包括第一流量、第一水位、盐度、第一污染物浓度；

获取所述河网内企业排污口的第二数据，所述第二数据包括第二流量、第二污染物浓度；

获取所述河网的气象数据，所述气象数据包括温度、风速、风向、降雨；

基于所述第一数据，采用神经网络模型，获取全部所述河流监测断面的预测流量和预测水位；

基于所述第一数据、所述第二数据、所述气象数据、所述预测流量和所述预测水位，采用水动力模型和水质模型，获取所述河网的模拟结果，所述模拟结果包括水位模拟结果、流量模拟数据、流场模拟结果、污染物质模拟结果。

2.根据权利要求1所述的河网水质的监测方法，其特征在于，在所述获取全部所述河流监测断面的第一数据之前，还包括：

获取每条所述河流监测断面第一时间段内的历史数据，所述历史数据包括第三流量和第二水位；

对所述历史数据进行清洗，对清洗后的所述历史数据进行归一化处理；

针对归一化处理后的所述历史数据，将连续多个时刻的数据作为输入，下一时刻的数据作为输出，得到输入数据集和输出数据集；

将所述输入数据集和所述输出数据集拆分为训练集、验证集和测试集；

构建每条所述河流监测断面的深度学习神经网络模型，采用每条所述河流监测断面对应的所述训练集、所述验证集训练所述深度学习神经网络模型，采用所述测试集评估所述深度学习神经网络模型，进而得到训练好的每条所述河流监测断面的所述深度学习神经网络模型。

3.根据权利要求2所述的河网水质的监测方法，其特征在于，基于所述第一数据，采用神经网络模型，获取全部所述河流监测断面的预测流量和预测水位，具体包括：

获取每条所述河流监测断面当前时刻和此前连续多个时刻的所述第一流量和所述第一水位作为输入，输入至训练好的所述河流的所述深度学习神经网络模型，得到每条所述河流监测断面预测流量和预测水位。

4.根据权利要求1所述的河网水质的监测方法，其特征在于，在所述采用水动力模型和水质模型，获取模拟结果之前，还包括：

对所述河网进行建模，得到河网概化图；

构建水动力模型和水质模型。

5.根据权利要求4所述的河网水质的监测方法，其特征在于，所述对所述河网进行建模，得到河网概化图，具体包括：

基于所述河网，制作河道网格，得到河网概化文件；

获取所述河流的河流底高程数据，制作河道地形数据；

将所述河道网格与所述河道地形数据进行插值处理；

根据河道实际情况对相应的河道网格添加干点；

根据实际地理信息在相应的河道网格上添加薄坝。

6.根据权利要求1所述的河网水质的监测方法，其特征在于，还包括：

通过所述水动力模型和所述水质模型，得到水位数据、流场数据、污染物质浓度数据；

将所述水位数据、所述流场数据、所述污染物质浓度数据转换为GeoJson数据；

基于所述GeoJson数据，得到水位的GIS可视化效果、流场的GIS可视化效果和污染物质浓度的GIS可视化效果。

7.根据权利要求1至6中任一项所述的河网水质的监测方法，其特征在于，所述第一数据、所述第二数据和所述气象数据分别通过数据接口获取。