一种基于多源数据融合的水体生态智能监测系统

本发明涉及水体生态监测，具体为一种基于多源数据融合的水体生态智能监测系统。

背景技术：

1、水体生态监测是水环境治理与生态修复的核心支撑，传统人工采样监测存在周期长、连续性差、覆盖范围有限等不足，难以满足当前精准化、智能化的生态管理需求。

2、现有基于物联网的水体生态监测系统，如公开号cn109962982a名为‘一种基于物联网的河湖水生态环境监控系统’的专利方案，通过多类传感器采集水文、水质、底泥、水生生物等多源数据，采用自适应聚类方法识别异常监测点，实现了生态状态的自动化监测与预警。

3、但该方案仍存在明显局限：其一，将各类生态要素视为独立特征维度进行聚类分析，未建立生态链因果耦合关系，仅能判定监测点整体状态异常，无法定位异常触发的源头环节，难以支撑靶向治理；其二，仅能在异常充分显现后触发事后报警，无法预判异常沿生态链的扩散趋势与影响范围，缺乏提前预警能力，不利于风险前置防控；其三，采用通用统计分析模型，无法根据不同水体的生态特性自适应调整，跨水域应用时易因生态链结构差异出现诊断偏差，场景适配性不足。

4、综上，现有技术尚未突破“只报警、不诊断”的功能局限，无法兼顾异常溯源、级联预警与多场景自适应能力，亟需研发更具诊断深度与适配性的水体生态智能监测系统，为此，我们提出一种基于多源数据融合的水体生态智能监测系统。

技术实现思路

1、本发明的目的在于提供一种基于多源数据融合的水体生态智能监测系统。

2、为实现上述目的，本发明提供如下技术方案：一种基于多源数据融合的水体生态智能监测系统，包括多源生态数据采集子系统、无线数据传输模块和监控预警终端模块，还包括时序数据预处理模块、生态链有向图构建模块、跨维度传递熵因果推断模块、生态链异常溯源与级联预警模块；

3、所述多源生态数据采集子系统的输出端与无线数据传输模块的输入端相连，无线数据传输模块的输出端与时序数据预处理模块的输入端相连；所述生态链有向图构建模块的输出端与跨维度传递熵因果推断模块的第一输入端相连，时序数据预处理模块的输出端与跨维度传递熵因果推断模块的第二输入端相连；跨维度传递熵因果推断模块的输出端与生态链异常溯源与级联预警模块的输入端相连，生态链异常溯源与级联预警模块的输出端与监控预警终端模块的输入端相连；

4、所述多源生态数据采集子系统，用于采集水体中水文气象、水体水质、底泥质量、沉水植物、浮游植物、浮游动物、藻类共七类生态监测要素的实时时序数据；

5、所述无线数据传输模块，用于将多源生态数据采集子系统采集的原始时序数据无线上传至云端处理单元；

6、所述生态链有向图构建模块，用于基于水体生态学先验知识，将各类生态监测要素映射为有向图节点，依据生态系统物质能量流动方向定义节点间的有向生态关系边，构建初始生态链有向图拓扑并输出至跨维度传递熵因果推断模块；

7、所述时序数据预处理模块，用于接收云端的原始时序数据，依次执行异常值剔除、缺失值补全与标准化处理，输出标准化时序数据至跨维度传递熵因果推断模块；

8、所述跨维度传递熵因果推断模块，用于接收初始生态链有向图拓扑与标准化时序数据，量化各有向边对应节点间的定向因果耦合强度，动态校正有向图的拓扑结构与边权重，生成本地化生态链因果网络并输出至生态链异常溯源与级联预警模块；

9、所述生态链异常溯源与级联预警模块，用于基于本地化生态链因果网络执行节点状态异常检测，在检测到任一节点出现异常时沿有向图执行反向溯源分析与正向传播预测，输出包含异常源头、传播路径、影响节点与影响时间窗口的预警结果；

10、所述监控预警终端模块，用于接收并可视化展示异常溯源结果与级联预警信息。

11、作为本发明的进一步方案：所述多源生态数据采集子系统包括水文气象传感器单元、水质传感器单元、底泥监测单元、水生生物采样单元；所述水文气象传感器单元用于采集流量、水位、水温三类水文气象要素数据；所述水质传感器单元用于采集溶解氧、总磷、氨氮、高锰酸盐指数四类水质要素数据；所述底泥监测单元用于采集氧化还原电位、ph值、总氮、总磷、有机质五类底泥要素数据；所述水生生物采样单元用于采集沉水植物生物量、浮游植物群落与残留量、浮游动物分类与生物量、藻类分类与生物量四类水生生物要素数据。

12、作为本发明的进一步方案：所述无线数据传输模块采用近端组网及远端上传的两级传输架构；近端各监测点位的采集设备通过zigbee无线网络完成数据汇聚，汇聚后的数据通过4g/5g蜂窝网络远程上传至云端处理单元。

13、作为本发明的进一步方案：所述生态链有向图构建模块构建的初始生态链有向图中，节点按生态层级分为环境驱动层节点、底泥营养层节点、初级生产层节点、初级消费层节点、水质反馈层节点共五类；节点间的有向边按生态关系类型分为营养释放边、摄食关系边、竞争关系边、分解反馈边共四类，每条有向边的方向与生态系统中物质能量的传递方向一致；每个节点携带对应生态要素的时序监测数据作为节点属性，每条有向边携带对应的生态关系类型作为边属性。

14、作为本发明的进一步方案：所述时序数据预处理模块按以下步骤执行处理：第一步，采用3σ准则剔除原始时序数据中的异常值；第二步，采用线性插补法补全数据中的缺失值，形成连续时序序列；第三步，采用z-score标准化方法对各要素时序数据进行量纲统一处理，输出均值为0、方差为1的标准化时序数据。

15、作为本发明的进一步方案：所述跨维度传递熵因果推断模块通过传递熵量化节点间的定向信息传递强度，并通过净传递熵表征最终的因果耦合强度；对于任意两个存在有向边的上游节点对应时间序列x与下游节点对应时间序列y，传递熵的计算公式为：

16、；

17、式中，为时间序列到时间序列的传递熵，为t+1时刻y的取值；)为y序列在t时刻的k阶历史状态向量，k为嵌入维度；)为x序列在t时刻的l阶历史状态向量，为嵌入维度；为对应变量的概率分布；

18、净传递熵的计算公式为：

19、；

20、式中，为时间序列y到时间序列x的反向传递熵，为x到y的净传递熵，取值越大表示x对y的因果驱动作用越强；所述跨维度传递熵因果推断模块以净传递熵作为有向边的权重，剔除净传递熵未通过显著性检验的无效边，完成初始生态链有向图的拓扑校正与权重更新，生成本地化生态链因果网络。

21、作为本发明的进一步方案：所述生态链异常溯源与级联预警模块内置图注意力网络模型，以本地化生态链因果网络的节点时序特征为输入、以净传递熵为边权重构建加权邻接矩阵，通过多头注意力机制学习异常在生态链中的传播动力学规律；当检测到任一节点的监测数据偏离正常统计区间时，模块执行双向传播分析：反向溯源分析：沿有向图的入边方向向上游节点追溯，计算各上游节点对当前异常的条件归因概率，按概率从高到低排序输出异常源头集合；正向传播预测：沿有向图的出边方向向下游节点传播，基于图注意力网络学习的传播动力学参数，预测异常影响各下游节点的概率与时间延迟，输出对应的影响节点集合与影响时间窗口；最终模块输出包含异常源头、传播路径、预计影响节点、影响时间窗口的四元组级联预警结果。

22、作为本发明的进一步方案：所述监控预警终端模块包括生态可视化单元、分级预警推送单元、处置工单生成单元；所述生态可视化单元用于展示本地化生态链因果网络拓扑，标记异常节点位置与异常传播路径；所述分级预警推送单元用于根据异常影响范围与严重程度推送对应等级的预警信息至管理人员；所述处置工单生成单元用于根据异常源头与传播路径自动生成对应生态处置建议工单。

23、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

24、1、本发明通过生态链有向图构建结合跨维度传递熵因果推断的技术方案，针对现有水体生态监测系统将多维生态要素视为独立特征进行聚类分析、丢失生态链因果传递信息、仅能判定监测点异常状态而无法定位异常成因的核心缺陷，将各类生态监测要素按物质能量流动关系构建为结构化有向拓扑，并通过定向因果强度量化建立生态要素间的耦合关联，在检测到生态异常时沿因果链路反向追溯上游驱动环节，精准定位异常触发的生态源头，该方案突破了传统聚类分析仅能实现状态识别的功能局限，解决了水体生态监测中“知其然不知其所以然”的技术难题，为精准化生态治理提供明确的靶向决策依据，大幅提升监测系统的诊断价值与实际指导作用。

25、2、本发明通过图注意力网络对生态链因果网络的异常传播动力学进行建模的技术方案，针对现有监测系统仅能在异常充分显现于监测数据后触发报警、无法预判异常扩散趋势的事后响应缺陷，在本地化生态因果网络的基础上学习异常沿生态链的传递规律，当上游生态节点出现异常、尚未扩散至下游敏感环节时，沿因果链路正向预测异常传播路径、受影响的下游生态要素及对应的影响时间窗口，输出完整的级联预警信息，该方案将生态预警的触发节点从“异常显现”提前至“异常始发”，为生态管理预留充足的应急处置时间窗口，实现从被动报警到主动防控的功能升级，显著提升生态风险的前置防控能力。

26、3、本发明通过先验生态链有向图约束与数据驱动因果推断相结合的自适应学习机制，针对现有监测系统采用通用分析模型、无法适配不同水体生态特征差异、跨水域应用时易出现诊断偏差的缺陷，以生态学先验拓扑为合理约束，基于目标水域的实际监测时序数据动态校正生态链的拓扑结构与耦合强度，自动生成适配目标水体的本地化生态因果网络，且可随监测数据的积累持续迭代优化模型，该方案摆脱了固定经验模型对通用统计规律的依赖，能够自适应匹配湖泊、河流、水库等不同水体的生态特性，有效避免通用模型迁移应用时的适配性问题，显著提升系统在不同水域场景下的诊断准确性与适用范围。