[发明专利]河网水质的监测方法、装置和可读存储介质

说明书

本发明提供了一种河网水质的监测方法、装置和可读存储介质。一种河网水质的监测方法，包括获取全部河流监测断面的第一数据；获取河网内企业排污口的第二数据；获取河网的气象数据；采用神经网络模型，获取全部河流监测断面的预测流量和预测水位；采用水动力模型和水质模型，获取河网的模拟结果。本发明的技术方案通过对河网进行水环境模拟，可以更加直观的得到河网的水环境情况，对河网整体流域范围内的水环境进行较为全面的监测，便于掌握整个河网的整体情况。

技术领域

本发明涉及监测技术领域，具体而言，涉及一种河网水质的监测方法、装置和可读存储介质。

背景技术

随着城市化、工业化的发展，越来越多的工业废水、生活废水被排放至河道、水库、湖泊和海洋，使得淡水资源受到污染，同时，导致水资源更加紧张。为避免水污染的进一步恶化，水质监管刻不容缓。

相关技术中，水环境建模往往根据历史数据进行建模，不具有前瞻性，无法使用未来的数据进行建模。

发明内容

本发明旨在解决或改善上述技术问题的至少之一。

为此，本发明的第一目的在于提供一种河网水质的监测方法。

本发明的第二目的在于提供一种河网水质的监测装置。

本发明的第三目的在于提供一种河网水质的监测装置。

本发明的第四目的在于提供一种可读存储介质。

为实现本发明的第一目的，本发明的技术方案提供了一种河网水质的监测方法，河网包括多条河流，监测方法包括：获取全部河流监测断面的第一数据，第一数据包括第一流量、第一水位、盐度、第一污染物浓度；获取河网内企业排污口的第二数据，第二数据包括第二流量、第二污染物浓度；获取河网的气象数据，气象数据包括温度、风速、风向、降雨；基于第一数据，采用神经网络模型，获取全部河流监测断面的预测流量和预测水位；基于第一数据、第二数据、气象数据、预测流量和预测水位，采用水动力模型和水质模型，获取河网的模拟结果，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。

本技术方案中，通过获取得到的第一数据、第二数据、气象数据以及预测得到的预测流量和预测水位，采用水动力模型和水质模型，可以进行河网水环境的模拟，得到模拟结果。通过对河网进行水环境模拟，可以更加直观的得到河网的水环境情况，对河网整体流域范围内的水环境进行较为全面的监测，便于掌握整个河网的整体情况。

另外，本发明提供的技术方案还可以具有如下附加技术特征：

上述技术方案中，在获取全部河流监测断面的第一数据之前，还包括：获取每条河流监测断面第一时间段内的历史数据，历史数据包括第三流量和第二水位；对历史数据进行清洗，对清洗后的历史数据进行归一化处理；针对归一化处理后的历史数据，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；将输入数据集和输出数据集拆分为训练集、验证集和测试集；构建每条河流监测断面的深度学习神经网络模型，采用每条河流监测断面对应的训练集、验证集训练深度学习神经网络模型，采用测试集评估深度学习神经网络模型，进而得到训练好的每条河流监测断面的深度学习神经网络模型。

本技术方案中，通过获取历史数据，再对历史数据进行清洗和归一化，生成训练集、验证集和测试集，可以显著提高神经网络模型预测结果的准确性。

上述任一技术方案中，基于第一数据，采用神经网络模型，获取全部河流监测断面的预测流量和预测水位，具体包括：获取每条河流监测断面当前时刻和此前连续多个时刻的第一流量和第一水位作为输入，输入至训练好的河流的深度学习神经网络模型，得到每条河流监测断面预测流量和预测水位。

本技术方案中的河网包括多条河流，采用深度学习神经网络模型，得到每条河流监测断面准确的预测流量和预测水位，为水动力模型和水质模型提供准确的参数，提升水动力模型和水质模型输出模拟结果的准确率。