[发明专利]一种水体有机污染智能化溯源方法及系统

权利要求书

1.一种水体有机污染智能化溯源方法，其特征在于，包括：

获取受污染水体自上游至下游的若干水样的高效液相色谱-串联质谱的有机物分析检测数据；

根据所述分析检测数据，对水样中的有机物进行高通量筛查，确认水体中的污染物；

根据所确定的污染物，通过网络分析识别污染源；

根据所识别的污染源以及所述污染源的受纳水体中的有机污染物，利用机器学习分类模型，确定污染源中的关键污染物，量化其污染贡献;

所述根据所确定的污染物，通过网络分析识别污染源包括计算有机污染物的峰面积的相关性，并根据所述相关性构建基于相关性的污染物网络，对污染物网络进行类群划分；根据污染物类群，绘制各类群中污染物的峰面积的变化曲线以及各类群污染物的平均峰面积的变化曲线；根据大型类群中污染物的平均峰面积的变化曲线从上游至下游剧烈增加的点位确定潜在污染源位置区间，同时考虑该类群污染物峰面积在此点位剧烈增加的一致性，结合实际地理信息，确定污染源；

所述计算有机污染物的峰面积的相关性，并根据所述相关性构建基于相关性的污染物网络，对污染物网络进行类群划分包括计算从上游至下游的受纳水体水样中有机污染物峰面积的相关性，将其作为边、将污染物作为节点输入网络分析软件中，构建基于相关性的污染物网络，进行模块化分析，得到污染物网络的类群划分结果；

所述根据污染物类群，划分绘制各类群中污染物的峰面积的变化曲线以及各类群污染物的平均峰面积的变化曲线包括将上游至下游的水样中污染物的峰面积标准化，根据污染物类群划分，绘制各类群中污染物的峰面积的变化曲线图；根据污染物类群划分，计算各点位污染物峰面积的平均值，获得各类群污染物的平均峰面积的变化曲线。

2.根据权利要求1所述的方法，其特征在于，根据所述分析检测数据，对水样中的有机物进行高通量筛查，确认水体中的污染物包括：

将分析检测得到的数据文件导入分析软件，进行峰提取和对齐，使用公开的大型质谱数据库对水样中的有机物进行高通量筛查，手动检查二级谱图的匹配情况去除假阳性，根据PubChem提供的物质分类信息确认其中的污染物。

3.根据权利要求1所述的方法，其特征在于，所述计算从上游至下游的受纳水体水样中有机污染物峰面积的相关性，保留显著性p＜0.05且为正值的相关关系。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述机器学习分类模型为随机森林模型。

5.根据权利要求1所述的方法，其特征在于，根据所识别的污染源以及所述污染源处受纳水体中的有机污染物，利用机器学习分类模型，确定污染源中的关键污染物，量化其污染贡献包括：

针对确定的污染源，测定其汇入受纳水体的水样中的有机污染物；选择同时在污染源和受纳水体中存在的有机污染物，将其在受纳水体各点位的峰面积作为输入；

构建随机森林分类模型，将受纳水体样本相对于污染源的上游或下游作为样本二分类的标准；

训练随机森林分类模型；

输出表征变量重要性的指标，并根据所述指标的数值大小确定关键的污染物及其污染贡献。

6.根据权利要求5所述的方法，其特征在于，输出表征变量重要性的指标，并根据所述指标的数值大小确定关键污染物及其污染贡献包括：

对所述指标的数值大于设定阈值的变量，认为其是潜在的污染贡献因子，判断其峰面积在受纳水体相对于污染源的下游样本和上游样本之间的大小关系；

若潜在污染贡献因子的峰面积在下游样本中比在上游样本中大，则认为是污染源中关键污染物，基于这些关键污染物的重要性的指标的数值的大小量化它们的污染贡献。

7.根据权利要求1所述的方法，其特征在于，获取受污染水体自上游至下游的若干水样的高效液相色谱-串联质谱的有机物分析检测数据包括：

采集接受污染的水体从上游至下游的水样；

对水样进行处理，尽可能全面地提取和富集其中的有机物，得到待测液；

使用高效液相色谱-串联质谱对样品进行有机物的分析检测。

8.一种水体有机污染智能化溯源系统，利用权利要求1-7任一项所述的水体有机污染智能化溯源方法对水体污染进行溯源，其特征在于，包括：

数据获取单元，用于获取受污染水体自上游至下游的若干水样的高效液相色谱-串联质谱的有机物分析检测数据；

污染物确定单元，用于根据所述分析检测数据，对水样中的有机物进行高通量筛查，确认水体中的污染物；

污染源识别单元，用于根据所确定的污染物，通过网络分析识别污染源；

污染源评价单元，用于根据所识别的污染源以及所述污染源的受纳水体中的有机污染物，利用机器学习分类模型，确定污染源中的关键污染物，量化其污染贡献。