一种水质污染溯源方法及终端与流程

1.本发明涉及水环境污染监测技术领域，尤其涉及一种水质污染溯源方法及终端。


背景技术：

2.水环境污染溯源，即评估水质污染事件中所有的可能污染源，找出污染源的位置和污染源信息，主要推断过程大致为：识别水质污染事件、提取水质污染特征、追溯污染来源路径、定位污染源位置、评估污染源影响范围。
3.现有的水环境污染溯源方法都较为类似，遵循传统的排查思路：
4.(1)梳理水环境涉及的水质污染类别、污染源、水网脉络，其中水质污染类别主要来源于历史污染事件的总结以及调研潜在污染事件，污染源信息主要为水环境周围的一些排污管道、企业工厂、居民生活等，水网脉络主要是水路之间的汇入、排出等关系；
5.(2)对水路网络进行切分，得到对应分段节点(管网节点、汇水单元等)，理论上分段越细，节点越多，污染源定位精度便越高，由于受限于成本，往往基于(1)梳理的信息进行合理划分；
6.(3)在各个节点布设监测设备，获取实时的水质监测数据，数据间隔时间依据监测设备而定；
7.(4)针对某一时期接收到的报警信息，定位至污染物浓度超标的节点；
8.(5)沿着上游节点逐步追溯污染物浓度异常的段落，计算各节点段落的污染物汇入量和排出量，对污染源进行粗定位；
9.(6)摸排该段落的污染源信息，进行精定位。
10.上述的传统的水环境污染溯源方案，将监测站点污染模式固定化，适用于管道等相对封闭的环境，或周边环境相对简单的河道等流域。此类方式倾向于简单污染事件的溯源，对于复杂水环境，如湖泊水环境表现出的开放性和易侵入性，往往是多点污染混合，此时的溯源结果就显得十分粗糙，使得溯源结果的可信度不高。


技术实现要素：

11.本发明所要解决的技术问题是：提供一种水质污染溯源方法及终端，能够提高溯源精度。
12.为了解决上述技术问题，本发明采用的一种技术方案为：
13.一种水质污染溯源方法，包括步骤：
14.建立目标流域的水质污染知识图谱；
15.获取所述目标流域的监测站点以及所述监测站点的上下游关系，并基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络；
16.获取每一监测站点的污染物指标，并判断所述污染物指标是否超过预设浓度，若是，则将所述监测站点确定为异常监测站点，并生成与所述异常监测站点对应的水质污染事件；
17.基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果。
18.为了解决上述技术问题，本发明采用的另一种技术方案为：
19.一种水质污染溯源终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
20.建立目标流域的水质污染知识图谱；
21.获取所述目标流域的监测站点以及所述监测站点的上下游关系，并基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络；
22.获取每一监测站点的污染物指标，并判断所述污染物指标是否超过预设浓度，若是，则将所述监测站点确定为异常监测站点，并生成与所述异常监测站点对应的水质污染事件；
23.基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果。
24.本发明的有益效果在于：建立目标流域的水质污染知识图谱，基于水质污染知识图谱、监测站点和上下游关系构建溯源网络，获取每一监测站点的污染物指标，当其超过预设浓度，则将监测站点确定为异常监测站点，并生成与异常监测站点对应的水质污染事件，基于溯源网络对水质污染事件进行溯源，通过结合水质污染知识图谱使溯源网络能够对各异常监测站点实现自适应推断，从现有的污染水段定位改为具体的污染源定位，从而提高了溯源精度，即便是复杂的湖泊水环境污染也可实现高精度溯源。
附图说明
25.图1为本发明实施例的一种水质污染溯源方法的步骤流程图；
26.图2为本发明实施例的一种水质污染溯源终端的结构示意图；
27.图3为本发明实施例的水质污染溯源方法中的水质污染知识图谱示意图；
28.图4为本发明实施例的水质污染溯源方法中的溯源网络示意图；
29.图5为本发明实施例的水质污染溯源方法中的溯源网络的污染贡献指标概率示意图。
具体实施方式
30.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
31.请参照图1，本发明实施例提供了一种水质污染溯源方法，包括步骤：
32.建立目标流域的水质污染知识图谱；
33.获取所述目标流域的监测站点以及所述监测站点的上下游关系，并基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络；
34.获取每一监测站点的污染物指标，并判断所述污染物指标是否超过预设浓度，若是，则将所述监测站点确定为异常监测站点，并生成与所述异常监测站点对应的水质污染事件；
35.基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果。
36.从上述描述可知，本发明的有益效果在于：建立目标流域的水质污染知识图谱，基于水质污染知识图谱、监测站点和上下游关系构建溯源网络，获取每一监测站点的污染物
指标，当其超过预设浓度，则将监测站点确定为异常监测站点，并生成与异常监测站点对应的水质污染事件，基于溯源网络对水质污染事件进行溯源，通过结合水质污染知识图谱使溯源网络能够对各异常监测站点实现自适应推断，从现有的污染水段定位改为具体的污染源定位，从而提高了溯源精度，即便是复杂的湖泊水环境污染也可实现高精度溯源。
37.进一步地，所述建立目标流域的水质污染知识图谱包括：
38.采集水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息；
39.根据所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行数据抽取，建立目标流域的水质污染知识图谱。
40.由上述描述可知，水质污染知识图谱为能够影响水质变化的知识总谱，通过构建目标流域的水质污染知识图谱便于后续准确高效地实现水质污染溯源。
41.进一步地，所述根据所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行数据抽取，建立目标流域的水质污染知识图谱包括：
42.对所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行预处理，得到预处理后的数据；
43.按照三元组形式对所述预处理后的数据进行结构化数据抽取，得到三元组数据；
44.对所述三元组数据进行知识融合，得到融合后的数据；
45.使用neo4j图数据库根据所述融合后的数据构建目标流域的水质污染知识图谱。
46.由上述描述可知，由于收集得到的资料较繁杂，且可能存在前后多个版本的情况，通过预处理能够筛选出符合当地实际，且有助于理解水质影响情况的数据，然后进行数据抽取和知识融合，使建立的知识图谱全面、真实地体现出影响水质情况的因素。
47.进一步地，所述基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络包括：
48.根据所述监测站点和所述上下游关系搭建基本网络；
49.根据所述水质污染知识图谱对所述基本网络中的每一监测站点进行污染路径匹配，得到各个监测站点的污染模式；
50.根据所述污染模式和所述基本网络构建溯源网络。
51.由上述描述可知，匹配各个站点的污染模式，基于此构建溯源网络，以便于后续溯源时能够精准、快速地定位污染源，实现可靠溯源。
52.进一步地，所述基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果包括：
53.获取所述异常监测站点对应的溯源网络；
54.使用汇入诊断算法根据所述溯源网络确定所述异常监测站点在各个路径上的污染物汇入量；
55.将所述各个路径上的污染物汇入量的总和确定为汇入总量，并将每条路径上的污染物汇入量与所述汇入总量的比重确定为每条路径上的污染指标贡献率；
56.采集所述异常监测站点的实际污染浓度，并判断所述汇入总量与所述实际污染浓度的差值是否小于第一预设阈值，若是，则确定所述异常监测站点的数据高度匹配，若否，则确定所述异常监测站点的数据不匹配；
57.对于所述数据高度匹配的所述异常监测站点，基于所述污染指标贡献率对所述水质污染事件进行溯源，得到溯源结果；
58.对于所述数据不匹配的所述异常监测站点，判断所述异常监测站点的监测数据是否存在异常，若是，则生成数据异常描述，并输出所述数据异常描述，若否，则对所述异常监测站点进行未知污染源排查，得到溯源结果。
59.由上述描述可知，考虑数据误差以及水环境的复杂性，根据汇入总量与实际污染浓度的差值判断数据是否匹配，数据高度匹配时，表示无外源干扰，可基于污染指标贡献率对水质污染事件进行溯源，即可实现准确的污染物溯源，而当数据不匹配时，对异常监测站点进行未知污染源排查，得到溯源结果，从而提高了水质污染溯源的全面性。
60.进一步地，所述基于所述污染指标贡献率对所述水质污染事件进行溯源，得到溯源结果包括：
61.判断所述污染指标贡献率是否大于或等于第二预设阈值，若是，则将所述污染指标贡献率对应的路径确定为污染路径；
62.将所述污染路径加入候选污染源列表；
63.根据所述污染指标贡献率计算所述候选污染源列表中的每一污染路径的相对贡献率；
64.根据所述相对贡献率对所述候选污染源列表中的所述污染路径按照从大到小的顺序进行排序，得到排序后的候选污染源列表；
65.从所述排序后的候选污染源列表中确定主要污染源；
66.根据所述溯源网络确定所述主要污染源的基本信息、激发详情信息和污染影响范围；
67.根据所述主要污染源的基本信息、激发详情信息和污染影响范围生成与所述水质污染事件对应的溯源结果。
68.由上述描述可知，由于实际的污染分析中，并不需要关注全部污染源或相对贡献率太低的污染源，从排序后的候选污染源列表中确定主要污染源，然后根据溯源网络确定主要污染源的基本信息、激发详情信息和污染影响范围，接着生成与水质污染事件对应的溯源结果，从而实现高效且可靠的水质污染溯源。
69.进一步地，所述对所述异常监测站点进行未知污染源排查，得到溯源结果包括：
70.获取所述异常监测站点的主要监测指标的污染浓度曲线，并根据所述汇入总量生成各个路径总汇入曲线；
71.将所述污染浓度曲线与所述各个路径总汇入曲线进行相似分析，得到第一趋势相似度；
72.根据所述第一趋势相似度和第三预设阈值确定所述异常监测站点的当前污染模式的合理与否结果；
73.获取所述异常监测站点的其他监测指标的污染浓度曲线；
74.将所述其他监测指标的污染浓度曲线与所述污染浓度曲线进行相似分析，得到第二趋势相似度；
75.将所述第二趋势相似度最大的其他监测指标确定为首要关联指标；
76.若所述合理与否结果为合理，且存在所述首要关联指标，则确定排查结果为属于
内源波动影响；
77.若所述合理与否结果为合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备周围水体浓度分布不均的异常原因；
78.若所述合理与否结果为不合理，且存在所述首要关联指标，则对所述首要关联指标进行分析，得到排查结果；
79.若所述合理与否结果为不合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备运行状态；
80.根据所述排查结果人工确定溯源结果。
81.由上述描述可知，当一个干扰因素介入产生明显异常时，不会只体现在唯一指标上，因此将第二趋势相似度最大的其他监测指标确定为首要关联指标，然后基于当前污染模式的合理与否结果和首要关联指标确定排查结果，根据排查结果人工确定溯源结果，实现未知污染源排查，提高水质污染溯源的全面性。
82.进一步地，所述根据所述第一趋势相似度和第三预设阈值确定所述异常监测站点的当前污染模式的合理与否结果包括：
83.判断所述第一趋势相似度是否低于第三预设阈值，若是，则确定所述异常监测站点的当前污染模式的合理与否结果为不合理，若否，则确定所述异常监测站点的当前污染模式的合理与否结果为合理。
84.由上述描述可知，通过对趋势相似度进行判断来得到当前污染模式的合理与否结果，有利于实现对未知污染源的准确排查。
85.进一步地，所述基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果之后包括：
86.获取与所述溯源结果对应的处置结果；
87.确定与所述处置结果对应的量化指标；
88.将所述量化指标添加至所述水质污染知识图谱，得到更新后的水质污染知识图谱；
89.根据所述更新后的水质污染知识图谱更新所述溯源网络。
90.由上述描述可知，在对水质污染事件进行处置之后，获取处置结果，将处置结果进行量化，然后用于更新水质污染知识图谱和溯源网络，在溯源过程中不断发掘和更新污染模式，可不断提升溯源网络精度，完善溯源体系，从而提高溯源精度。
91.请参照图2，本发明另一实施例提供了一种水质污染溯源终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述水质污染溯源方法中的各个步骤。
92.本发明上述的水质污染溯源方法及终端能够适用于简单水环境污染和复杂水环境污染，特别适用于湖泊水环境污染中，以下通过具体实施方式进行说明：
93.实施例一
94.请参照图1、图3-图5，本实施例的一种水质污染溯源方法，包括步骤：
95.s1、建立目标流域的水质污染知识图谱，具体包括：
96.s11、采集水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息；
97.在一种可选的实施方式中，还可采集其他与目标流域的水质污染相关的数据，进一步提高后面的水质污染知识图谱的全面性。
98.s12、根据所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行数据抽取，建立目标流域的水质污染知识图谱，具体包括：
99.s121、对所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行预处理，得到预处理后的数据；
100.在一种可选的实施方式中，所述预处理包括数据筛选和数据清洗。
101.s122、按照三元组形式对所述预处理后的数据进行结构化数据抽取，得到三元组数据；
102.其中，所述三元组形式包括实体、关系、属性数据，比如，所述三元组数据可以是生活污水—升高—总磷或生活污水—形式—管道直排。
103.在一种可选的实施方式中，当数据形式和文本表达较繁杂时，可人工进行结构化数据抽取，得到三元组数据。
104.s123、对所述三元组数据进行知识融合，得到融合后的数据；
105.具体的，对所述三元组数据进行知识融合，对多个数据来源的同一实体的描述进行整合或消歧，得到融合后的数据。
106.s124、使用neo4j图数据库根据所述融合后的数据构建目标流域的水质污染知识图谱，所述水质污染知识图谱为能影响水质变化的知识总谱，如图3所示，上游站点的汇入、生活污水排放、降雨直接汇入和降雨冲刷带来的农业养殖面源污染汇入，都影响着水质污染指标。
107.s2、获取所述目标流域的监测站点以及所述监测站点的上下游关系，并基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络，具体包括：
108.s21、获取所述目标流域的监测站点以及所述监测站点的上下游关系；
109.其中，所述上下游关系即水路之间的汇入汇出关系，本发明将每一监测站点作为一个分析单元，开展污染溯源。
110.s22、根据所述监测站点和所述上下游关系搭建基本网络，如图中的监测站点a、b、c的基本汇入汇出网络；
111.s23、根据所述水质污染知识图谱对所述基本网络中的每一监测站点进行污染路径匹配，得到各个监测站点的污染模式；
112.在一种可选的实施方式中，结合实地调查信息，根据所述水质污染知识图谱对所述基本网络中的每一监测站点进行污染路径匹配，得到各个监测站点的污染模式，提高匹配精确度。
113.如图4所示，站点c的污染模式主要为上游汇入(站点b)、降雨冲刷汇入和居民区污水汇入综合影响，其中生活污水受传统习俗和旅游影响较大，后续列为考虑因素。
114.s24、根据所述污染模式和所述基本网络构建溯源网络。
115.s3、获取每一监测站点的污染物指标，并判断所述污染物指标是否超过预设浓度，若是，则将所述监测站点确定为异常监测站点，并生成与所述异常监测站点对应的水质污染事件；
116.s4、基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果，具体包括：
117.s41、获取所述异常监测站点对应的溯源网络；
118.具体的，获取所述异常监测站点发生所述水质污染事件时刻的溯源网络。
119.在一种可选的实施方式中，同时获取与所述异常监测站点发生所述水质污染事件时刻对应的监测数据，包括监测站点数据和厂区排水口数据等；还需要注意网络节点之间的滞后效应，比如，当前异常监测站点c，获取污染时间段13:00至15:00的监测数据，对于监测站点b，需要利用b和c之间水路距离除以平均水流速度，得到滞后时间，假设为2小时，则监测站点b获取时间段15:00至17:00的监测数据。
120.s42、使用汇入诊断算法根据所述溯源网络确定所述异常监测站点在各个路径上的污染物汇入量；
121.其中，所述汇入诊断算法包括水力学模型、时序趋势匹配、模糊决策、机器学习或深度学习等。
122.在一种可选的实施方式中，基于所述监测数据使用汇入诊断算法根据所述溯源网络确定所述异常监测站点在各个路径上的污染物汇入量。
123.s43、将所述各个路径上的污染物汇入量的总和确定为汇入总量，并将每条路径上的污染物汇入量与所述汇入总量的比重确定为每条路径上的污染指标贡献率。
124.如图4所示，比如，监测站点b需要统计站点a和污水处理厂的污染物汇入量的汇入总量。
125.s44、采集所述异常监测站点的实际污染浓度，并判断所述汇入总量与所述实际污染浓度的差值是否小于第一预设阈值，若是，则确定所述异常监测站点的数据高度匹配，若否，则确定所述异常监测站点的数据不匹配，以此考虑到数据误差的情况以及水环境的复杂性，确保溯源的准确性。
126.在一种可选的实施方式中，所述第一预设阈值根据历史数据规律总结确定，以及污染源精细化程度，越低的阈值需要考虑越多的影响因素。
127.s45、对于所述数据高度匹配的所述异常监测站点，基于所述污染指标贡献率对所述水质污染事件进行溯源，得到溯源结果，具体包括：
128.s451、判断所述污染指标贡献率是否大于或等于第二预设阈值，若是，则将所述污染指标贡献率对应的路径确定为污染路径；
129.在一种可选的实施方式中，所述第二预设阈值按照历史污染事件和实际需求进行设置。
130.在一种可选的实施方式中，若所述污染指标贡献率对应的路径为上游节点汇入，则向上追溯，得到完整的污染路径；
131.比如，假设第二预设阈值为20％，对异常监测站点c的污染进行溯源，追溯所有贡献率达到20％的路径，对城镇生活污水则向上追溯至民俗节日、日常生活；对上游站点b需继续向上追溯，将污水处理厂作为完整的污染路径，追溯站点a，将水库作为完整的污染路径。
132.s452、将所述污染路径加入候选污染源列表；
133.s453、根据所述污染指标贡献率计算所述候选污染源列表中的每一污染路径的相对贡献率；
134.具体的，将每一污染路径上的所述污染指标贡献率相乘，得到每一污染路径的相
对贡献率；
135.比如，如图5所示，管网渗漏的相对贡献率是污水处理厂与监测站点c之间途径的所有路径的污染指标贡献率的乘积，即100％
×
80％
×
65％＝52％，依此类推，可以得到民俗节日的相对贡献率为24％、水库的相对贡献率为13％、日常生活的相对贡献率为6％。
136.s454、根据所述相对贡献率对所述候选污染源列表中的所述污染路径按照从大到小的顺序进行排序，得到排序后的候选污染源列表。
137.s455、从所述排序后的候选污染源列表中确定主要污染源；
138.在一种可选的实施方式中，从所述排序后的候选污染源列表中选择预设数量的污染路径作为主要污染源，所述预设数量根据实际情况进行设置；
139.在另一种可选的实施方式中，从所述排序后的候选污染源列表中选择所述相对贡献率达到第四预设阈值的污染路径作为主要污染源，所述第四预设阈值根据实际情况进行设置。
140.s456、根据所述溯源网络确定所述主要污染源的基本信息、激发详情信息和污染影响范围；
141.在一种可选的实施方式中，所述基本信息包括污染位置和污染量等，指的是监测站点的第一级要素分析，即直接汇入节点的要素，如图所示中与监测站点b、c直接相连的污水处理厂、城镇生活污水。
142.所述激发详情信息即污染源发生的原因，包括自然因素诱发或人为因素导致等，指第一级要素的上级节点分析，是影响第一级要素的所有上级要素，如图所示的城镇生活污水排放受日常生活、民俗节日和旅游旺季影响；污水处理厂排放受设备关停、管网渗漏等影响。
143.所述污染影响范围包括污染传播路径和站点污染指标涨幅等。
144.s457、根据所述主要污染源的基本信息、激发详情信息和污染影响范围生成与所述水质污染事件对应的溯源结果。
145.在一种可选的实施方式中，通过污染事件报告的形式展示所述与所述水质污染事件对应的溯源结果。
146.s46、对于所述数据不匹配的所述异常监测站点，判断所述异常监测站点的监测数据是否存在异常，若是，则执行s461，若否，则执行s462。
147.其中，所述异常包括数据缺失或存在无效值等。
148.s461、生成数据异常描述，并输出所述数据异常描述。
149.s462、对所述异常监测站点进行未知污染源排查，得到溯源结果，具体包括：
150.s4621、获取所述异常监测站点的主要监测指标的污染浓度曲线，并根据所述汇入总量生成各个路径总汇入曲线；
151.其中，所述主要监测指标即出现污染的异常指标。
152.s4622、将所述污染浓度曲线与所述各个路径总汇入曲线进行相似分析，得到第一趋势相似度；
153.在一种可选的实施方式中，使用皮尔森相关系数算法将所述污染浓度曲线与所述各个路径总汇入曲线进行相似分析，得到第一趋势相似度。
154.比如，如图5所示，假设监测站点c出现总磷污染事件，需要对站点c的3条污染路径
(降雨、地表径流、城镇生活污水)总磷汇入量逐时刻求和，得到总汇入曲线，再与站点c总磷污染浓度曲线作相似分析。
155.s4623、根据所述第一趋势相似度和第三预设阈值确定所述异常监测站点的当前污染模式的合理与否结果；
156.具体的，判断所述第一趋势相似度是否低于第三预设阈值，若是，则确定所述异常监测站点的当前污染模式的合理与否结果为不合理，若否，则确定所述异常监测站点的当前污染模式的合理与否结果为合理。
157.s4624、获取所述异常监测站点的其他监测指标的污染浓度曲线；
158.其中，所述其他监测指标即除主要监测指标以外的监测指标。
159.s4625、将所述其他监测指标的污染浓度曲线与所述污染浓度曲线进行相似分析，得到第二趋势相似度；
160.比如，如图5所示，假设监测站点c出现总磷污染事件，需要将站点c总磷污染浓度曲线与总氮、溶解氧等监测指标的污染浓度曲线作相似分析。
161.s4626、将所述第二趋势相似度最大的其他监测指标确定为首要关联指标；
162.s4627、若所述合理与否结果为合理，且存在所述首要关联指标，则确定排查结果为属于内源波动影响；
163.工作人员了解排查结果后，将结合水质污染知识图谱分析缘由。
164.s4628、若所述合理与否结果为合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备周围水体浓度分布不均的异常原因；
165.s4629、若所述合理与否结果为不合理，且存在所述首要关联指标，则对所述首要关联指标进行分析，得到排查结果；
166.其中，对所述首要关联指标进行分析的方法与s41～s46相同，在此不再赘述。
167.s46210、若所述合理与否结果为不合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备运行状态；
168.s46211、根据所述排查结果人工确定溯源结果。
169.具体的，根据排查结果工作人员结合流域环境和关联指标，查阅文献资料，咨询专家学者，分析是否存在污染模式缺漏，罗列可能导致当前站点污染的因素；现场走访问询，实地排查可疑污染源，条件允许时可取样，辅助化学分析；对偶发非自然源，如居民违规乱倒乱排等，则按条例处置登记，对于规律性、条件激发的自然源，则要进一步追溯。
170.找到候选污染源后，需要结合相关理论，进一步做数据论证，对封闭约束的污染源，如排水口等，部署临时监测仪；对开放的污染源，如施工等，需要取样分析或现场试验，以数据为基础，匹配污染量和污染数值波动趋势，论证污染路径的正确性。
171.在一种可选的实施方式中，当人工确定溯源结果后，若数据论证合理，污染源锁定后更新入所述水质污染知识图谱，可量化因素可直接添加进知识图谱，不可量化因素需要追溯至可量化因素，例如评估农田肥料汇入污染时，需要向上追溯一级，如降雨量、田沿高度、农作物类型等，由智能算法间接量化，所述智能算法为常用的多元回归方法。
172.s5、获取与所述溯源结果对应的处置结果；
173.s6、确定与所述处置结果对应的量化指标；
174.具体的，若所述处置结果包括部署监测站点、视频监控、污水处理等一系列防治措
施，则将其提炼为量化指标。
175.在一种可选的实施方式中，对于存在污染物监测数值的，可直接添加，对于没有污染物监测数值的，需先提炼为事件数，例如1次废水倾倒等，在将所述汇入总量与所述实际污染浓度的差值作为其初始权重，后续出现同类事件，可不断更新事件权重。
176.s7、将所述量化指标添加至所述水质污染知识图谱，得到更新后的水质污染知识图谱；
177.从污染模式上来说，可以将污染溯源集中在各个水段的痛点、要点上，并且避免同类事件反复排查，从污染溯源上来说，可逐步增加溯源精度，随着量化指标的增加，将允许第一预设阈值越来越低，满足精细化治理需求。
178.s8、根据所述更新后的水质污染知识图谱更新所述溯源网络。
179.具体的，所述溯源网络从所述更新后的水质污染知识图谱匹配新的污染模式，得到新的溯源网络，实现动态生长，提升溯源网络精度，完善溯源体系。
180.实施例二
181.请参照图2，本实施例的一种水质污染溯源终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例一中的水质污染溯源方法中的各个步骤。
182.综上所述，本发明提供的一种水质污染溯源方法及终端，建立目标流域的水质污染知识图谱，基于水质污染知识图谱、监测站点和上下游关系构建溯源网络，获取每一监测站点的污染物指标，当其超过预设浓度，则将监测站点确定为异常监测站点，并生成与异常监测站点对应的水质污染事件，基于溯源网络对水质污染事件进行溯源，通过结合水质污染知识图谱使溯源网络能够对各异常监测站点实现自适应推断，从现有的污染水段定位改为具体的污染源定位，从而提高了溯源精度，即便是复杂的湖泊水环境污染也可实现高精度溯源；另外，匹配各个站点的污染模式，基于此构建溯源网络，以便于后续溯源时能够精准、快速地定位污染源，实现可靠溯源。
183.以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种水质污染溯源方法，其特征在于，包括步骤：建立目标流域的水质污染知识图谱；获取所述目标流域的监测站点以及所述监测站点的上下游关系，并基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络；获取每一监测站点的污染物指标，并判断所述污染物指标是否超过预设浓度，若是，则将所述监测站点确定为异常监测站点，并生成与所述异常监测站点对应的水质污染事件；基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果。2.根据权利要求1所述的一种水质污染溯源方法，其特征在于，所述建立目标流域的水质污染知识图谱包括：采集水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息；根据所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行数据抽取，建立目标流域的水质污染知识图谱。3.根据权利要求2所述的一种水质污染溯源方法，其特征在于，所述根据所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行数据抽取，建立目标流域的水质污染知识图谱包括：对所述水环境相关文献、目标流域的水质历史记录、目标流域的周围环境信息以及污染源信息进行预处理，得到预处理后的数据；按照三元组形式对所述预处理后的数据进行结构化数据抽取，得到三元组数据；对所述三元组数据进行知识融合，得到融合后的数据；使用neo4j图数据库根据所述融合后的数据构建目标流域的水质污染知识图谱。4.根据权利要求1所述的一种水质污染溯源方法，其特征在于，所述基于所述水质污染知识图谱、所述监测站点和所述上下游关系构建溯源网络包括：根据所述监测站点和所述上下游关系搭建基本网络；根据所述水质污染知识图谱对所述基本网络中的每一监测站点进行污染路径匹配，得到各个监测站点的污染模式；根据所述污染模式和所述基本网络构建溯源网络。5.根据权利要求1所述的一种水质污染溯源方法，其特征在于，所述基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果包括：获取所述异常监测站点对应的溯源网络；使用汇入诊断算法根据所述溯源网络确定所述异常监测站点在各个路径上的污染物汇入量；将所述各个路径上的污染物汇入量的总和确定为汇入总量，并将每条路径上的污染物汇入量与所述汇入总量的比重确定为每条路径上的污染指标贡献率；采集所述异常监测站点的实际污染浓度，并判断所述汇入总量与所述实际污染浓度的差值是否小于第一预设阈值，若是，则确定所述异常监测站点的数据高度匹配，若否，则确定所述异常监测站点的数据不匹配；对于所述数据高度匹配的所述异常监测站点，基于所述污染指标贡献率对所述水质污染事件进行溯源，得到溯源结果；
对于所述数据不匹配的所述异常监测站点，判断所述异常监测站点的监测数据是否存在异常，若是，则生成数据异常描述，并输出所述数据异常描述，若否，则对所述异常监测站点进行未知污染源排查，得到溯源结果。6.根据权利要求5所述的一种水质污染溯源方法，其特征在于，所述基于所述污染指标贡献率对所述水质污染事件进行溯源，得到溯源结果包括：判断所述污染指标贡献率是否大于或等于第二预设阈值，若是，则将所述污染指标贡献率对应的路径确定为污染路径；将所述污染路径加入候选污染源列表；根据所述污染指标贡献率计算所述候选污染源列表中的每一污染路径的相对贡献率；根据所述相对贡献率对所述候选污染源列表中的所述污染路径按照从大到小的顺序进行排序，得到排序后的候选污染源列表；从所述排序后的候选污染源列表中确定主要污染源；根据所述溯源网络确定所述主要污染源的基本信息、激发详情信息和污染影响范围；根据所述主要污染源的基本信息、激发详情信息和污染影响范围生成与所述水质污染事件对应的溯源结果。7.根据权利要求5所述的一种水质污染溯源方法，其特征在于，所述对所述异常监测站点进行未知污染源排查，得到溯源结果包括：获取所述异常监测站点的主要监测指标的污染浓度曲线，并根据所述汇入总量生成各个路径总汇入曲线；将所述污染浓度曲线与所述各个路径总汇入曲线进行相似分析，得到第一趋势相似度；根据所述第一趋势相似度和第三预设阈值确定所述异常监测站点的当前污染模式的合理与否结果；获取所述异常监测站点的其他监测指标的污染浓度曲线；将所述其他监测指标的污染浓度曲线与所述污染浓度曲线进行相似分析，得到第二趋势相似度；将所述第二趋势相似度最大的其他监测指标确定为首要关联指标；若所述合理与否结果为合理，且存在所述首要关联指标，则确定排查结果为属于内源波动影响；若所述合理与否结果为合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备周围水体浓度分布不均的异常原因；若所述合理与否结果为不合理，且存在所述首要关联指标，则对所述首要关联指标进行分析，得到排查结果；若所述合理与否结果为不合理，且不存在所述首要关联指标，则确定排查结果为需要关注监测设备运行状态；根据所述排查结果人工确定溯源结果。8.根据权利要求7所述的一种水质污染溯源方法，其特征在于，所述根据所述第一趋势相似度和第三预设阈值确定所述异常监测站点的当前污染模式的合理与否结果包括：判断所述第一趋势相似度是否低于第三预设阈值，若是，则确定所述异常监测站点的
当前污染模式的合理与否结果为不合理，若否，则确定所述异常监测站点的当前污染模式的合理与否结果为合理。9.根据权利要求1所述的一种水质污染溯源方法，其特征在于，所述基于所述溯源网络对所述水质污染事件进行溯源，得到溯源结果之后包括：获取与所述溯源结果对应的处置结果；确定与所述处置结果对应的量化指标；将所述量化指标添加至所述水质污染知识图谱，得到更新后的水质污染知识图谱；根据所述更新后的水质污染知识图谱更新所述溯源网络。10.一种水质污染溯源终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的一种水质污染溯源方法中的各个步骤。

技术总结
本发明公开一种水质污染溯源方法及终端，建立目标流域的水质污染知识图谱，基于水质污染知识图谱、监测站点和上下游关系构建溯源网络，获取每一监测站点的污染物指标，当其超过预设浓度，则将监测站点确定为异常监测站点，并生成与异常监测站点对应的水质污染事件，基于溯源网络对水质污染事件进行溯源，通过结合水质污染知识图谱使溯源网络能够对各异常监测站点实现自适应推断，从现有的污染水段定位改为具体的污染源定位，从而提高了溯源精度，即便是复杂的湖泊水环境污染也可实现高精度溯源。溯源。溯源。


技术研发人员：刘添强 吴弘毅 林永清 戴诗琪 吴闽帆
受保护的技术使用者：四创科技有限公司
技术研发日：2023.05.30
技术公布日：2023/8/28