给我们留言
91学术服务平台

您好,欢迎来到91学术官网!业务合作:91xueshu@sina.com,站长邮箱:91xszz@sina.com

发布论文

论文咨询

多变量因果驱动的水污染溯源方法研究

  2025-01-07    19  上传者:管理员

摘要:为满足水污染快速溯源的需求,本文提出一个多变量因果驱动的水污染溯源技术方案。首先应用知识图谱技术和因果分析技术构建知识网络,并结合数据与知识分析异常特征,然后采用时间序列异方法分析污染事件链,实现流域动态监管和水污染溯源功能。实验的结果表明,本文方案能够提供优质高效的异常分析服务,可为河湖智能管理提供有力支撑。

  • 关键词:
  • 水污染
  • 水环境系统
  • 溯源技术
  • 用水安全
  • 知识图谱
  • 加入收藏

1、引言


水环境系统是人类生存和发展的重要场所。水污染事故将严重污染水环境,威胁用水安全,造成巨大经济损失[1]。近年来,我国不断提高水环境保护和综合治理标准,各流域加速推进数字化进程,探索数字孪生流域建设[2]。水环境监管进入数字时代,实时监测、遥感分析、视频监控、机理推演等模块产生了海量数据。这些数据基于特定需求产出,虽具有较大的综合分析潜力,但实际联动不足。水污染防治的关键在于源头监管,首要问题是污染源追溯,即水环境监管中的污染溯源问题。这需要在不同场景下挖掘数据价值,并进行多源数据联动分析。

水污染溯源通常结合监测数据和实验数据,模拟污染传播过程,定位污染源。目前,国内外已经发展出多种污染溯源技术,包括地理信息系统(Geographic Information System,GIS)技术、稳定同位素技术、化学追踪技术、传感监测技术、水质荧光指纹技术、水文模型等[3]。这些技术虽然在水体污染扩散和污染源追踪上都有不错的表现,稳定性好且精确度高,但溯源工作主要依赖人为操作,追求在最小成本里进行快速溯源。且传统溯源目的在评估影响范围和落实责任主体时,往往忽略一些过程信息。而随着数字孪生建设,精细化和自动化成为主要趋势。因此,本文依托智能感知网络,综合知识图谱、因果推断等多种技术优势,围绕知识网络构建水环境监管系统,实现水污染快速溯源,提升水环境管理效能。


2、系统设计


2.1需求分析

随着工业化和城市化的快速发展,水生态环境日益复杂,鉴于流域生态保护和综合治理的迫切需求,围绕监测网络构建溯源系统。通过建立数据中心,将所有数据有序组织存储,并挖掘数据关联信息,为各业务提供数据支持。系统主要面向水域管理人员,在水质出现异常时,排查人员需要快速获取监测断面信息、关联数据情况、异常传递过程和排查方向等关键信息。因此,溯源系统需有效整合监测数据,挖掘数据异常信息,并结合专家知识,推断异常演变过程,最后通过可视化展示分析结果,为人工核查提供参考方向。

2.2框架设计

根据需求,溯源系统包含4层结构,如图1所示。

最底层为数据监测网络,主要由前端设备组成空天地一体化感知网络,实时掌握流域水环境动态。

图1 总体结构图

第二层是数据预处理与存储,主要包含监测数据和知识网络。监测数据预处理是对数据进行整合,包括收集、分类、清洗、存储和共享等,使用Postgresql数据库存储。知识网络由知识图谱结合反馈网络构成,知识图谱对梳理后的数据资料进行有组织地归集,并通过建立知识之间的拓扑关系,形成系统性的知识网络。反馈网络基于历史数据,分析监测断面之间的污染响应差异,补全污染事件链。知识网络存储在Neo4j数据库中,便于进行溯源分析。

第三层为水质异常事件分析,数据标准化是对不同格式、不同频率的数据进行对齐,并通过异常特征解析,获得数据的异常分布情况。将监测数据的异常特征与知识网络中的污染模式进行匹配,得到对应的知识路径。

顶层是用户交互层,主要展示系统研判信息,为人工核查提供参考方向。用户可上传人工核查的结果及相应的处置措施,并对系统研判结果进行反馈,区分有效推断和无效推断。最后对系统研判和人工核查结果进行整合,生成异常事件分析报告。

2.3知识网络

在数据组织结构方面,自知识图谱概念提出以来,各领域学者都在不断研究知识图谱的创新应用。其在语义检索、推荐系统、智能问答等领域有着越来越广泛的运用[4]。知识图谱本质是客观世界实体概念及关系的图表达,即一种揭示实体间关系的、可推理的语义网络。相较于传统知识结构,知识图谱技术在灵活性、可解释性、准确性和更新效率等方面优势显著。在水利信息化系统中,将专家知识、感知网络等数据属性和关系映射到知识图谱,可以增强数据之间的关联性,在此基础上研究的水污染溯源过程就是知识路径推理过程。

图2 知识图谱构建

知识图谱的构建可采取自顶向下的构建方式,即从较高质量的数据集中,通过知识抽取和知识融合等手段,由概念建模预先完成知识图谱的组织结构定义(见图2)。首先针对流域水质监管场景,围绕流域要素构建模式层,即在流域范围内影响水质污染过程的因素。基于空间关系对全流域要素进行梳理,并选取对构建污染溯源关系具有特定价值的要素,再依据要素的属性分类,空间关系结构如表1所示。

表1 知识图谱本体空间关系设计

水质污染除了空间关系,还要关注同一监测断面的要素响应关系。通过整理相应论文资料和会议纪要等,提取专家知识补全要素响应模式。响应关系结构如表2所示。知识图谱一般以图数据库形式存储,如Neo4j数据库等。相较于其他数据组织形式,知识图谱能显著提升知识检索的效率,依托数据之间的关联性实现知识路径推理。路径推理的过程就是分析问题、解答问题的过程。

表2 知识图谱本体响应关系设计

要素响应关系除了监测断面的水质指标,还包括空间关系中的关联要素,如监测断面之间、污染源与监测断面等。响应关系不仅是监测要素的经验总结,还需分析历史时序数据,进一步验证关联性,挖掘响应差异性。在数据关联分析中,相关性分析是最常用的方法,数据间的相关性有助于理解系统的内在规律。在生态系统这类复杂响应系统中,数据间表现出明显的非线性响应特征[5],相关性分析便不再适用。而因果分析技术便能很好地解决此类非线性问题。其旨在透过看似杂乱的响应关系,挖掘数据潜在的因果关联性。

近年来,为了摆脱传统因果分析方法在控制变量上的局限性,许多学者开始在信息论、条件独立检验、动态系统理论、贝叶斯图等基础理论上开展算法研究。Runge等于2019年提出了因果诊断方法PCMCI (Condition selection and the momentary conditional independence)[6],从具有线性、非线性和时间延迟的时间序列数据中理解系统与要素间的互馈机制。如图3所示,预处理后的原始数据可按照Z-score标准化法处理,应用奇异谱分析(Singular Spectrum Analysis,SSA)分解和重构时间序列信号,通过PCMCI解析各要素的因果关联,并构建互馈网络。互馈网络包含元素之间的因果方向、时间滞后表现和因果关联强度,体现各监测断面之间的数值响应差异。如图4所示,黑色箭头表示因果方向,(1.92,0.72)中的1.92表示时间滞后表现(天),0.72表示因果关联强度,其余类推。反馈网络和知识图谱共同组成知识网络,支持系统实现对污染传播过程和物理化学过程的解析。

图3 响应网络构建

图4 响应网络示意图


3、系统实现


溯源系统首页展示站点水质异常指标描述信息、异常推断原因、关联巡查事件和历史相似事件;人工研判界面展示分析有效性反馈、事件处置记录和人工核查结果;报告归档界面展示异常事件报告文本。

3.1前端可视化实现

系统采用面向对象的开发方法,采用B/S架构设计,应用python语言开发,数据库系统采用Postgresql和Neo4j。系统基于flask框架快速实现Web服务,通过读取json格式数据并结合ECharts库展示数据信息。

3.2指标趋势分析实现

图5 溯源分析流程图

系统溯源分析如图5所示。首先对水质监测指标进行异常高值判定,判定依据地表水环境监测质量标准,监测数值未超过目标类别水质标准时,利用SSA算法提取趋势曲线,并进一步分析趋势曲线的斜率,当监测数据表现为持续1天以上的上升趋势,则进行异常预警。当监测数值超过目标类别水质标准时,截取出异常上升时段进行溯源分析,异常高值前的上升阶段通常指示着,诱发事件的产生和持续发展。伪代码如下:

3.3知识路径分析实现

根据知识网络中监测断面的污染模式取出关联数据,依照异常水质指标的监测频率,对所有数据进行重采样,完成数据间隔匹配。对于水质监测数据曲线,通过计算与地表水环境质量标准的比值,并乘以特征参数(默认1),计算异常倍率曲线。其他不在水环境质量标准里的监测数据,则采用近7天的平均值作为标准值,同样以比值形式换算。由此可得异常发生前24小时内,所有关联数据的异常分布情况。参考知识网络中的时间滞后表现,筛选出所有异常关联指标,并在知识网络中进行路径匹配。如图4中的降雨事件对溶解氧的影响存在3条不同路径,可依照异常指标匹配其中一条或多条路径。伪代码如下:

3.4关联事件分析实现

最后对推断结果进行总结,并展示在系统页面。通过得到异常特征曲线,可与历史事件的异常特征曲线进行余弦相似度计算,得到历史相似事件。如果同时段存在巡查事件,如排污管破损、污水井满溢、河岸乱堆乱放等,可通过事件上报经纬度匹配。历史相似事件的推断结果和处置措施,以及巡查事件都可为下一步的人工核查提供参考。伪代码如下:

3.5异常核查功能实现

图6 异常核查流程图

系统研判结果将展示在溯源界面上,并向责任区工作人员派发任务(见图6)。工作人员根据沿岸巡查结果验证系统研判结果,并通过界面交互反馈有效性。当反馈推断无效时,异常倍率曲线计算的指标特征参数需进一步调整,使异常倍率最大值小于1。最后整合人工核查结论与系统研判结果,生成监测数值异常事件报告进行归档,并提供下载。特征优化伪代码如下:


4、系统测试


4.1核心功能测试

4.1.1异常分析模块

用户登录系统后,通过点击水质监测站点,可跳转水质异常分析界面(见图7)。该界面包含了水质异常事件基本描述和异常原因分析,用户可通过点击推断原因,查看原因推断描述,以及对应的波动数据折线图。系统右侧同步展示该河道的关联巡查事件,以及历史相似事件。

4.1.2人工研判模块

在该模块界面(见图8),用户可依据实地核查情况和经验知识,通过点击“有用”和“无效”评价分析结果。事件处置记录展示了该事件的处理进程,包括受理部门、处理人员、处置时间和审查意见。工作人员可参考异常分析结果,在实地核查后上传排查结果和处置方案。

图7 溯源分析界面

4.1.3报告归档模块

该模块整合了异常分析和人工核查的结果,形成异常事件报告,依次展示告警事件描述、处置记录和研判结果,包含有效的原因推断和人工核查结果(见图9)。报告内容在经过最终确认后归档,并支持下载报告文档。

图8 核查反馈界面

图9 报告归档界面

4.2性能测试

平台部署在塔式服务器上,测试环境如下:CPU为i7-12650H,运行内存为32G,硬盘容量1TB,操作系统为Centos7。使用Loadrunner进行性能测试,在100个用户并发时,平均响应时间为0.3秒,执行成功率100%。分析表明,该系统的性能符合设计需求。


5、结语


为强化物联网、大数据等信息技术与水环境监管业务的深度融合,本文结合知识图谱与因果分析技术构建知识网络,围绕知识网络开展水污染溯源系统设计研究。通过知识网络汇集多源数据,实现水环境综合监管,对异常水质进行溯源分析,自动生成污染事件链。知识网络提供多维度特征,促使水污染监管更加合理高效,为各级责任单位提供统筹监督、自主溯源、事件捕捉等智能化应用。


参考文献:

[1]彭虹,周文婷,张万顺,等.流域突发水污染云溯源体系构建与应用.水资源保护,2022,38(01):176-181,204

[2]张霞,郭伟华,袁轲,等.数字孪生欧阳海灌区关键技术研究和应用.水利信息化,2023(03):20-25

[3]王新龙,薛晓鹏,孙如飞.基于粒子群与知识图谱的突发水污染事件溯源方法.水力发电,2020,46(02):17-21,131

[4]袁莹,罗志强,李晖,等.污染源知识图谱的构建.厦门理工学院学报,2022,30(05):28-34

[5]王丹雨,朱媛君,杨晓晖.收敛交叉映射方法及其在生态学中的应用.应用生态学报,2021,32(12):4539-4548


文章来源:郑楚飞.多变量因果驱动的水污染溯源方法研究[J].福建电脑,2025,41(01):54-59.

分享:

91学术论文范文

相关论文

推荐期刊

网友评论

我要评论

水力发电

期刊名称:水力发电

期刊人气:732

期刊详情

主管单位:国务院国有资产监督管理委员会

主办单位:水电水利规划设计总院

出版地方:北京

专业分类:水利

国际刊号:0559-9342

国内刊号:11-1845/TV

邮发代号:2-428

创刊时间:1954年

发行周期:月刊

期刊开本:大16开

见刊时间:一年半以上

论文导航

查看更多

相关期刊

热门论文

【91学术】(www.91xueshu.com)属于综合性学术交流平台,信息来自源互联网共享,如有版权协议请告知删除,ICP备案:冀ICP备19018493号

400-069-1609

微信咨询

返回顶部

发布论文

上传文件

发布论文

上传文件

发布论文

您的论文已提交,我们会尽快联系您,请耐心等待!

知 道 了

登录

点击换一张
点击换一张
已经有账号?立即登录
已经有账号?立即登录

找回密码

找回密码

你的密码已发送到您的邮箱,请查看!

确 定