基于多模态特征图谱和概率推断的水污染溯源方法及系统
本发明涉及水污染溯源和大数据分析,尤其涉及一种基于多模态特征图谱和概率推断的水污染溯源方法及系统。
背景技术:
1、水污染溯源的核心任务,是建立受纳水体污染特征与污染源排放特征之间的定量关联,以识别引发特定断面或区域水质异常的责任排放单元及其污染行为。污染物从排放单元进入河网后,会经历汇流、稀释、弥散、降解、沉积和再悬浮等过程,导致受体端观测信号相对于源端排放出现时间延迟、幅度衰减和组分变化。因此,水污染溯源本质上是一个具有多解性和参数不确定性的逆问题。
2、目前,相关溯源技术主要包括化学质量平衡(cmb)、正定矩阵因子分解(pmf)、光谱指纹、水文示踪以及大数据机器学习等。cmb利用已知源成分谱线性分解受体成分,物理解释较清晰、结果可审计,但依赖完整源谱,多源混合时可能不唯一。pmf通过因子分析提取潜在源成分谱,无需预先给出全部源谱,可识别潜在源,但因子数选择和因子解释具有不确定性。光谱指纹特异性较强,可发现常规指标覆盖外的差异,但受检测成本、指纹漂移及同源相似性限制。水文示踪能提供迁移路径和物理约束,但参数率定和现场条件要求较高。大数据机器学习适用于多源数据、较大尺度和持续运行,但依赖训练代表性,容易产生黑箱相关性。
3、现有技术的主要缺陷包括:(1)数据割裂,遥感、断面、企业在线监控、许可、水文和实验室指纹数据使用不同时间粒度、坐标、质量标识和主键,难以在同一事件窗口联合计算;(2)相关性替代因果可达性,部分机器学习方案直接从企业属性预测断面水质,未将河网拓扑、传输时间和衰减过程作为候选源约束,可能把空间上不连通或时间上不可能的排污单元列为高风险;(3)单一模式脆弱,完整水动力模型在数据不足时无法运行,而纯数据驱动模型又不能说明物理可达性,缺少按数据完备度自动切换的连续服务机制;(4)多源混合与未知源处理不足,相似行业、同步排放或新型污染物事件易导致解混不唯一,现有输出通常没有未知源判定和证据不足提示;(5)缺少不确定性分析,只给出相关系数、类别或排序,未对迁移参数、数据质量、模型校准误差进行分析;(6)缺少闭环,模型输出与现场核查结果分离,难以将真实核查结论沉淀为可追踪的训练样本和指纹版本。
技术实现思路
1、为了解决上述背景技术中存在的技术问题,本发明提供了一种基于多模态特征图谱和概率推断的水污染溯源方法及系统,通过环境感知数据驱动,以河网传输物理关系为约束,自动规划溯源工具链并输出可审计证据链;在受体水质异常发生后,能够基于真实环境数据与水文传输特征自动组织溯源流程,逐步缩小疑似源空间,量化候选源的责任可能性,呈现结果不确定性,并形成可供现场核查的结构化证据链。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明的第一个方面提供了一种基于多模态特征图谱和概率推断的水污染溯源方法。
4、一种基于多模态特征图谱和概率推断的水污染溯源方法,包括:
5、接收受纳水体的水质监测数据,对所述水质监测数据进行异常检测,并在检测到水质异常时生成包含受体标识、异常时刻、目标污染物和分析时间窗口的异常事件对象;
6、基于统一时空索引,获取异常事件对象对应的污染源排放数据、水文空间数据和受体水质数据,构建包括污染源节点及其排放特征的源特征图谱、包括河网有向边及其路径特征的汇特征图谱以及包括受体异常特征的体特征图谱;
7、以所述异常事件对象的分析时间窗口为时间切片,从所述源特征图谱、汇特征图谱和体特征图谱中抽取事件局部子图,并基于污染源排放数据生成与所述时间切片对应的候选源排放时间序列;
8、从受纳水体对应的节点沿河网有向边逆向检索,根据水力可达性、分析时间窗口和污染物覆盖关系形成候选污染源集合;
9、针对候选污染源,将候选源排放序列按照对应传输时间与受体的异常时间序列进行对齐,并依据迁移响应、污染物组分或光谱指纹、空间关系、排放行为及数据质量中的至少两项生成候选证据向量;
10、基于候选证据向量计算各候选污染源对应的后验概率,并输出溯源证据链。
11、进一步地,所述溯源证据链包括:候选污染源排序、置信信息、支持证据和模型版本标识,所述置信信息通过对迁移参数和测量误差进行不确定性传播得到。
12、进一步地,在输出溯源证据链之后还包括:基于候选污染源对应的后验概率,计算候选污染源后验分布的熵,进而计算各采样位置-时间组合的期望信息增益,选择期望信息增益高且满足成本、可达性和时效约束的采样或示踪动作,推荐能够最大程度区分高概率候选污染源的采样点、采样时刻、检测指标或示踪方案。
13、进一步地,所述异常检测,包括:对受纳水体的水质监测数据进行阈值、变化点、季节基线偏离或多变量异常检测。
14、进一步地,所述形成候选污染源集合,包括:从受纳水体对应的节点沿河网有向边逆向检索,在最大水力距离、最大传输时间、汇流区边界和分析时间窗口约束下获得上游可达源集合;根据各上游可达源的物理可行性,对空间不连通、理论到达时间不落入异常窗口或衰减后浓度低于可检测阈值的上游可达源予以排除或降权;再依据排放污染物覆盖度、行业属性、许可先验、历史异常行为和数据质量进行筛选,得到所述候选污染源集合。
15、进一步地,所述计算各候选污染源对应的后验概率,包括:根据许可量、历史异常频率和行业属性构造先验概率;根据受体观测与候选污染源理论响应之间的时序误差、指纹相似度、候选证据向量中的其他有效分量以及传输参数构造似然;根据所述先验概率和似然计算后验概率,并通过概率校准器进行校准;当最大后验概率低于对应阈值、受体指纹与全部已知源的相似度低于对应阈值或者分布内得分低于对应阈值时,输出未知源标识,不将水质异常强制归属于已知候选污染源。
16、本发明的第二个方面提供了一种基于多模态特征图谱和概率推断的水污染溯源系统。
17、一种基于多模态特征图谱和概率推断的水污染溯源系统,包括:
18、异常事件生成模块,其被配置为:接收受纳水体的水质监测数据,对所述水质监测数据进行异常检测,并在检测到水质异常时生成包含受体标识、异常时刻、目标污染物和分析时间窗口的异常事件对象;
19、图谱构建模块,其被配置为:基于统一时空索引,获取异常事件对象对应的污染源排放数据、水文空间数据和受体水质数据,构建包括污染源节点及其排放特征的源特征图谱、包括河网有向边及其路径特征的汇特征图谱以及包括受体异常特征的体特征图谱;
20、局部子图生成模块,其被配置为:以所述异常事件对象的分析时间窗口为时间切片,从所述源特征图谱、汇特征图谱和体特征图谱中抽取事件局部子图,并基于污染源排放数据生成与所述时间切片对应的候选源排放时间序列;
21、污染源检索模块,其被配置为:从受纳水体对应的节点沿河网有向边逆向检索,根据水力可达性、分析时间窗口和污染物覆盖关系形成候选污染源集合;
22、候选证据生成模块,其被配置为:针对候选污染源,将候选源排放序列按照对应传输时间与受体的异常时间序列进行对齐,并依据迁移响应、污染物组分或光谱指纹、空间关系、排放行为及数据质量中的至少两项生成候选证据向量;
23、输出模块,其被配置为:基于候选证据向量计算各候选污染源对应的后验概率,并输出溯源证据链。
24、本发明的第三个方面提供了一种计算机设备,该设备包括:
25、处理器,适于执行计算机程序;
26、计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时,实现如上述第一个方面所述的基于多模态特征图谱和概率推断的水污染溯源方法中的步骤。
27、本发明的第四个方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,计算机程序适于由处理器加载并执行如上述第一个方面所述的基于多模态特征图谱和概率推断的水污染溯源方法中的步骤。
28、本发明的第五个方面提供了一种计算机程序产品或计算机程序。
29、本发明提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如上述第一个方面所述的基于多模态特征图谱和概率推断的水污染溯源方法中的步骤。
30、与现有技术相比,本发明的有益效果是:
31、本发明通过统一时空索引、质量向量和不可变快照,对多源异构数据进行事件化封装与治理,减少因时间粒度、空间坐标、质量标识和主键不一致导致的错配和不可追踪处理所造成的推断偏差,使溯源结论具备可复核性。
32、本发明通过构建源-汇-体动态子图,并将源排放时间序列按传输时间对齐至受体时间轴,将河网物理可达性引入候选源检索过程,从而排除空间不连通或时间上不可能的来源,提高事件解释的物理一致性和可解释性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com