水质热污染检测方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种水质热污染检测方法及装置、电子设备和存储介质。


背景技术：

2.全球温度总体呈上升趋势，一方面来自于二氧化碳排放导致的温室效应，另一方面工业生产和生活中所排放的废热更是直接带来环境的热污染，例如，石油、化工、造纸等工厂排出的生产性废水中均含有大量废热，这些废热排入地面水体之后，能使水温升高。人类活动导致的水环境温度异常变化对生态环境、物种生存、人体健康都可能带来极大的危害。
3.然而，目前为止国内外基于河湖水环境的在线监测系统都主要针对污染物进行污染监测，忽视了热污染对水环境质量的损害以及对损害的及时处置。


技术实现要素：

4.本公开提出了一种水质热污染检测方法及装置、电子设备和存储介质。
5.根据本公开的一方面，提供了一种水质热污染检测方法，包括：实时测量预定水域的水温测量值；根据确定所述水温测量值时的气候信息和时间信息，确定所述预定水域的水温预测值；根据所述水温测量值和所述水温预测值，确定所述预定水域的热污染判别信息。
6.在一种可能的实现方式中，所述气候信息包括确定所述水温测量值当日的最低气温，根据确定所述水温测量值时的气候信息和时间信息，确定所述预定水域的水温预测值，包括：将所述当日的最低气温与所述时间信息输入水温预测模型，获得所述水温预测值，其中，所述水温预测模型包括水温的日周期特征项与水温的季节周期特征项，所述日周期特征项表示水温指标与测得所述水温指标的时刻之间的关系，所述季节周期特征项表示气候信息与水温指标之间的关系。
7.在一种可能的实现方式中，所述方法还包括：根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项；根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项；根据所述日周期特征项和所述季节周期特征项，确定所述水温预测模型。
8.在一种可能的实现方式中，根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项，包括：对所述第一时间段内的获得的多个水温指标以及获得所述水温指标的时刻进行傅里叶拟合处理，获得所述日周期特征项。
9.在一种可能的实现方式中，根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项，包括：对第二时间段内获得的多个水温指标以及获得所述水温指标当日的最低气温进行回归分析，获得所述季节周期特征项。
10.在一种可能的实现方式中，根据所述日周期特征项和所述季节周期特征项，确定
所述水温预测模型，包括：将所述日周期特征项和所述季节周期特征项进行求和处理，获得所述水温预测模型。
11.在一种可能的实现方式中，根据所述水温测量值和所述水温预测值，确定所述预定水域的热污染判别信息，包括：确定所述水温测量值与所述水温预测值之间的差值；在所述差值大于或等于预设阈值的情况下，将所述热污染判别信息确定为水温异常。
12.根据本公开的一方面，提供了一种水质热污染检测装置，包括：测量模块，用于实时测量预定水域的水温测量值；预测模块，用于根据确定所述水温测量值时的气候信息和时间信息，确定所述预定水域的水温预测值；判别模块，用于根据所述水温测量值和所述水温预测值，确定所述预定水域的热污染判别信息。
13.在一种可能的实现方式中，所述气候信息包括确定所述水温测量值当日的最低气温，所述预测模块可包括：将所述当日的最低气温与所述时间信息输入水温预测模型，获得所述水温预测值，其中，所述水温预测模型包括水温的日周期特征项与水温的季节周期特征项，所述日周期特征项表示水温指标与测得所述水温指标的时刻之间的关系，所述季节周期特征项表示气候信息与水温指标之间的关系。
14.在一种可能的实现方式中，所述装置还包括：日周期模块，用于根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项；季节周期模块，用于根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项；水温预测模块，用于根据所述日周期特征项和所述季节周期特征项，确定所述水温预测模型。
15.在一种可能的实现方式中，所述日周期模块进一步用于：对所述第一时间段内的获得的多个水温指标以及获得所述水温指标的时刻进行傅里叶拟合处理，获得所述日周期特征项。
16.在一种可能的实现方式中，所述季节周期模块进一步用于：对第二时间段内获得的多个水温指标以及获得所述水温指标当日的最低气温进行回归分析，获得所述季节周期特征项。
17.在一种可能的实现方式中，所述水温预测模块进一步用于：将所述日周期特征项和所述季节周期特征项进行求和处理，获得所述水温预测模型。
18.在一种可能的实现方式中，所述判别模块进一步用于：确定所述水温测量值与所述水温预测值之间的差值；在所述差值大于或等于预设阈值的情况下，将所述热污染判别信息确定为水温异常。
19.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：执行上述水质热污染检测方法。
20.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述水质热污染检测方法。
21.根据本公开的实施例的水质热污染检测方法，可实时检测水温，提高了检测的实时性，并可通过水温测量值与水温预测值确定预定水域是否受到热污染，可实时对水质热污染进行监测，为及时发现热污染并进行有针对性的防治提供了基础。
22.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
23.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
25.图1示出根据本公开实施例的水质热污染检测方法的流程图；
26.图2示出根据本公开的实施例的水温指标的示意图；
27.图3示出了水温日均值与气温最低值之间的关系示意图；
28.图4示出根据本公开实施例的水质热污染检测方法的应用示意图；
29.图5示出根据本公开实施例的水质热污染检测装置的框图；
30.图6示出根据本公开实施例的电子装置的框图；
31.图7示出根据本公开实施例的电子装置的框图。
具体实施方式
32.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
33.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
34.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
35.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
36.图1示出根据本公开实施例的水质热污染检测方法的流程图，如图1所示，所述方法包括：
37.在步骤s11中，实时测量预定水域的水温测量值；
38.在步骤s12中，根据确定所述水温测量值时的气候信息和时间信息，确定所述预定水域的水温预测值；
39.在步骤s13中，根据所述水温测量值和所述水温预测值，确定所述预定水域的热污染判别信息。
40.根据本公开的实施例的水质热污染检测方法，可实时检测水温，提高了检测的实时性，并可通过水温测量值与水温预测值确定预定水域是否受到热污染，可实时对水质热污染进行监测，为及时发现热污染并进行有针对性的防治提供了基础。
41.在示例中，可使用测温设备测量预定水域的水温测量值，例如，可使用温度计、红外测温仪、热成像仪等，本公开对测量水温使用的设备不做限制。在示例中，温度计可通过
接触预定水域的水质，直接获得水温测量值。红外测温仪和热成像仪等一起可基于预定水域的水质辐射出的红外光来间接获得水温测量值。
42.在示例中，也可使用微型光谱仪例如量子点光谱仪来测量预定水域的水温测量值，并且，通过测量预定水域的水质的光谱信息，还可获得其他信息，例如，水体中多种物质的含量，以结合水温的状况，来进一步判断水质污染的状况，本公开对量子点光谱仪的应用方式不做限制。进一步地，通过量子点光谱仪可同时获得水温和多种水质指标，无需设置多种仪器，可节约检测成本。
43.在示例中，量子点光谱仪可包括量子点光谱探头，量子点光谱探头可基于纳米晶体的物理特性和光学特性，对入射光线(例如，光线经过预定区域水样进行透射或散射后的光线)进行测量，以获得入射光线的光谱信息，该光谱信息可表示水域的水质信息。例如，量子点光谱探头中可包括由多种纳米晶体制成的纳米晶体芯片，所述纳米晶体芯片包含多种纳米晶体的一定排列(例如，纳米晶体阵列)，其中，每种纳米晶体具有不同光吸收特性或发射特性，不同种类半导体纳米晶体例如，可以为不同材料、尺寸等，使得纳米晶体芯片可对较宽波长范围内的波长进行调制响应，以获得对较宽波长范围内入射光调整后的光谱。
44.在一种可能的实现方式中，光线经水进行透射或散射后的光线可受到水中的物质(例如，悬浮物、污染物等)的影响，从而获得特定光谱信息。量子点光谱探头可实时获得该光谱信息，并确定该光谱信息代表的水质指标。例如，通过水样对不同波长光的吸收强弱，可获得不同频段的光的光谱信息，通过该光谱信息可换算出水质指标。在示例中，所述水质指标包括水质化学需氧量(chemical oxygen demand，cod)、浊度、高锰酸盐指数、总悬浮物、生物需氧量、总有机碳、硫酸盐含量、氯化物含量、溶解性铁含量、溶解性锰含量、溶解性铜含量、溶解性锌含量、硝酸盐含量、亚硝酸盐含量、总氮含量、氟化物含量、硒含量、总砷含量、总汞含量、总镉含量、铬含量、总铅含量、总氰化物、挥发酚含量、类大肠菌群含量、硫化物含量等。还可根据光谱信息中的红外光谱测定水温。或者，量子点光谱探头可通过神经网络来推断水质指标，例如，可将光谱信息输入神经网络，神经网络可推断出各种物质的浓度(水质指标)。本公开对确定水质指标的方式不做限制。本公开对量子点光谱探头的工作原理不做限制。
45.在示例中，量子点光谱探头可通过水中包含的各种物质对光的吸收特性确定水质指标，例如，可通过光谱信息分析特定波长的光线的光强，进而获得与所述特定波长范围的光线对应的物质的浓度(水质指标)。通过量子点光谱探头测量指标可实现在线、原位、高频、实时测量。在检测水质指标时，可通过量子点光谱探头检测经过预定水域的光线的光谱信息，进而可基于光谱信息快速计算出水质指标，以获得实时性较强的水质指标，相比于将水质带回实验室的化验过程，通过量子点光谱探头进行检测具有更好的实时性(即，检测出的水质指标即为当前的水质指标，而实验室化验所需时间较长，等待化验结果的时间段内，预定水域的水质指标可能已经发生变化)。通过设置在预设水域的量子点光谱探头在某个时间段内多次测量，可获得该水域的上述两种水质指标的水质指标序列，水质指标序列中的水质指标为在同一地点的多个时刻获取的水质指标，因而具有一致性和可比性，可用于观测水质指标在一段时间内的变化规律，以进行水质污染的判断。例如，量子点光谱探头的测量频率可达3-60min/次，优选5-30min/次，特别优选8-20min/次，最优选10-15min/次，测量频率远高于将水体带回实验室化验的频率，并且量子点光谱探头可设置于预定水域的固
定位置，可保证水体样本的一致性。而将水体带回实验室进行化验，则难以保证两次测量时完全在同一地点进行取样，且由于测量频率较低，两次测量之间间隔时间较长，即使能够保证两次测量时完全在同一地点进行取样，但由于水的流动性，该地点的水质在较长的间隔时间中可能已发生重大变化，难以保证测量的一致性以及测量结果的可比性。
46.在示例中，除上述水质指标外，还可通过量子点光谱探头检测预定水域的水质的红外光谱，以确定水质的水温测量值。如果水温测量值异常，还可通过上述水质指标来确定污染状况，以进一步确定水温异常的原因，或水质热污染的原因。
47.在一种可能的实现方式中，量子点光谱仪在测量水温时，可不接触水，并基于水的反射光线的光谱信息实现水温的测量，可减少对仪器的腐蚀，延长仪器的使用寿命。
48.在一种可能的实现方式中，在步骤s11中，可测量预定水域的水温测量值，并可记录测量的时刻。在示例中，可对预定水域的水温进行多次测量，并记录多次测量的时刻。
49.在一种可能的实现方式中，在获得水温测量值后，可确定水温测量值是否异常。例如，可将水温测量值与水温预测值进行对比，水温预测值可以是预定水域的正常水温，即，在获得水温测量值时，预定水域应达到的正常水温，如果水温测量值与正常水温差异较大，则可表示预定水域受到热污染，否则，可表示预定水域未受到热污染。
50.在一种可能的实现方式中，在步骤s12中，可确定预定水域的水温预测值，即，估计在获得水温测量值时，预定水域应达到的正常水温。在示例中，可根据获得水温测量值时的气候信息和时间信息来估计正常水温。
51.在示例中，可通过测量其他监测点位的水温来估算预定水域应达到的正常水温。例如，可在其他监测点位中，选取气温与预定水域气温接近(例如，温差小于1℃，2℃等设定值)的监测点位，并获得这些监测点位测量的水温，并可确定这些测量点位的水温均值来估算预定水域应达到的正常水温。但该种方法可能存在其他测量点位也受到热污染，导致估算值不准确的问题。或者由于水体流动导致虽然气温接近但水温差距较大等情况，进而导致估算值不准确的问题。
52.在示例中，还可根据气候和时间等多种因素来推测预定水域应达到的正常水温。预定水域在一天中的不同时刻接受的热量不同，例如，在中午时，水受到的太阳的热辐射较大，且可接受地面或空气中传导的热量等，导致水温较高。在早晨或晚上，水受到的太阳的热辐射较少，且空气和地面温度较低，也无法为水传导较多的热量，因此，水温较低。
53.在示例中，预定水域的水温还可受到气候信息的影响，例如，在夏天时，水温较高，在冬天时，水温较低。或者，在晴天时，水温较高，在下雨天，水温较低。
54.综上所述，预定水域的水温可受到一天中的时刻(即，时间信息)和气候信息的影响，因此，可通过获得水温测量值时的时间信息以及气候信息来估计预定水域的正常水温，即，水温预测值。
55.在示例中，可通过水温预测模型来预测正常水温，即，水温预测值。水温预测模型可以是神经网络模型，回归模型等，本公开对水温预测模型的类型不做限制。可将获得水温测量值时的时间信息和气候信息输入水温预测模型来确定水温预测值。
56.在示例中，由于气候信息对水温的影响需在较长时间段内测定，例如，需在一年或多年中测定气候信息对水温的影响，即，确定多年中各季节的气候与水温之间的关系。在示例中，可确定每天的气温与水温的日均值之间的关系，每天的气温可代表每天的气候信息
(例如，冬季时气温较低，夏季时气温较高)，水温的日均值可代表水温，可用每天的气温与水温日均值之间的关系表示气候与水温之间的关系。进一步地，根据实际经验数据，每日最低气温与水温日均值的线性相关系数较高(线性相关系数≥0.97)，因此，可使用每日最低气温来预测水温。
57.在一种可能的实现方式中，所述气候信息包括确定所述水温测量值当日的最低气温，步骤s12可包括：将所述当日的最低气温与所述时间信息输入水温预测模型，获得所述水温预测值，其中，所述水温预测模型包括水温的日周期特征项与水温的季节周期特征项，所述日周期特征项表示水温指标与测得所述水温指标的时刻之间的关系，所述季节周期特征项表示气候信息与水温指标之间的关系。
58.在示例中，在确定水温预测值时，可将当日最低气温与获得水温测量值时的时间信息输入水温预测模型，水温预测模型可输出水温预测值。当日最低气温可用于代表气候信息，用于估计季节周期特征项。时间信息用于估计日周期特征项，即，水温在一天的不同时刻呈现周期性变化的规律，可根据获得水温测量值的时刻以及上述规律来预测该时刻的正常水温。
59.在一种可能的实现方式中，建立水温预测模型的方法可包括：根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项；根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项；根据所述日周期特征项和所述季节周期特征项，确定所述水温预测模型。
60.图2示出根据本公开的实施例的水温指标的示意图。如图2所示，第一时间段可包括多天，可在多天中的多个时刻测量水温指标，得到水温指标序列{(t1,y1),(t2,y2),(t3,y3),
…
,(tm,ym),
…
}，其中，m为任意正整数，tm为第m个时刻，ym为第m个时刻测得的水温指标。水温指标可呈现周期性变化的规律，例如，在中午水温升高，在早晚水温降低等(如图2所示，由于温度变化，水温呈现周期性变化，但在气候条件未发生明显变化的情况下，水温可围绕某个温度值(例如25℃)波动)。由于水温呈现周期性变化的规律，因此，可通过傅里叶拟合来确定日周期特征项，即，水温指标与测得所述水温指标的时刻之间的关系。
61.在一种可能的实现方式中，根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项，包括：对所述第一时间段内的获得的多个水温指标以及获得所述水温指标的时刻进行傅里叶拟合处理，获得所述日周期特征项。
62.在示例中，可根据以下公式(1)来确定日周期特征项：
[0063][0064]
其中，t为获得所述水温指标的时刻，n为第一时间段所包括的天数，p为最小正周期，在示例中，最小正周期可为1天，本公开对最小正周期不做限制。n为获得所述水温指标时所处的日期，cn为傅里叶系数。s(t)为日周期特征项，即，可将获得水温测量值的时刻输入日周期特征项，日周期特征项输出的结果即为基于该时刻预测的正常水温。
[0065]
在一种可能的实现方式中，可确定季节周期特征项，即，表示水温随气候变化的规律。根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项，包括：对第二时间段内获得的多个水温指标以及获得所述水温指标当日的最
低气温进行回归分析，获得所述季节周期特征项。
[0066]
在示例中，第二时间段可包括多年，多年中的每天的最低气温与水温日均值之间具有较高的相关系数，可通过最低气温表示气候信息，通过水温日均值表示水温指标，并可确定每日最低气温与水温日均值之间的关系，即，季节周期特征项。
[0067]
图3示出了水温日均值与气温最低值之间的关系示意图，如图3所示，每天的最低气温与水温日均值之间具有较高的相关系数，可对每天的最低气温与水温日均值进行回归分析处理，获得季节周期特征项。在示例中，可通过以下公式(2)确定季节周期特征项：
[0068]
g(t)＝kt
env,daily_min
b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0069]
其中，k为回归系数，b为截距，t
env,daily_min
为每日最低气温，g(t)为季节周期特征项，即，可将获得水温测量值的气候信息(即，当日最低气温)输入季节周期特征项，季节周期特征项输出的结果即为基于该最低气温的正常水温。
[0070]
在一种可能的实现方式中，在确定日周期特征项和季节周期特征项后，可利用日周期特征项和季节周期特征项获得水温预测模型。在示例中，根据所述日周期特征项和所述季节周期特征项，确定所述水温预测模型，可包括：将所述日周期特征项和所述季节周期特征项进行求和处理，获得所述水温预测模型。
[0071]
在示例中，可通过以下公式(3)确定水温预测模型：
[0072][0073]
其中，为水温预测值。
[0074]
在示例中，水温预测模型可参考气候信息和时间信息来获得正常水温，即，水温预测值，可将上述两项进行求和，可获得在当日最低温度下，在获得水温测量值的时刻的预定水域应达到的正常水温，即，水温预测值。例如，获得水温测量值的时刻为下午15:00，当日的季节为夏，当日最低气温为28℃，可将时间信息(15:00)与气候信息(28℃)输入水温预测模型，获得水温预测值，即，在当日最低气温为28℃的条件下，在下午15:00时预定水域应达到的正常水温。
[0075]
通过这种方式，可使水温预测模型参考时间信息和气候信息，能够充分考虑到影响水温的多个因素，提高水温预测值的准确性。
[0076]
在示例中，影响水温预测值的因素还可包括有无汇入水流，在预定水域为海洋的情况下，影响水温预测值的因素还可包括潮汐等。也可将上述因素添加至水温预测模型中，本公开对影响水温预测值的因素不做限制。
[0077]
在一种可能的实现方式中，在步骤s13中，可比较水温测量值和水温预测值，其中，水温预测值为预定水域应达到的正常温度，而水温测量值为实测温度，如果水温测量值与水温预测值偏差较大，则该时刻水温异常，可能发生热污染事件。
[0078]
在一种可能的实现方式中，步骤s13可包括：确定所述水温测量值与所述水温预测值之间的差值；在所述差值大于或等于预设阈值的情况下，将所述热污染判别信息确定为水温异常。
[0079]
在示例中，可设定水温偏差的预设阈值ε，并确定水温测量值y(t)与水温预测值之间的差值，例如，差值的绝对值如果则可认
为水温测量值与正常水温之间的偏差处于合理范围之内，不存在热污染事件，如果为水温测量值与正常水温之间的偏差处于合理范围之内，不存在热污染事件，如果则可认为水温测量值与正常水温之间的偏差较大，超出正常范围，可能存在热污染事件。水温测量值y(t)可以是任意时刻的测量值，也可以是多次测量的平均值，或者多次测量的最大值等，本公开对水温测量值不做限制。
[0080]
根据本公开的实施例的水质热污染检测方法，可实时检测水温，提高了检测的实时性，并可通过水温预测模型确定预定水域是否受到热污染，水温预测模型能够充分考虑到影响水温的多个因素，提高水温预测值的准确性。进一步地，所述方法可实时对水质热污染进行监测，为及时发现热污染并进行有针对性的防治提供了基础。
[0081]
图4示出根据本公开实施例的水质热污染检测方法的应用示意图，如图4所示，可在预定水域设置量子点光谱仪，以对水温进行测量，量子点光谱仪可通过红外频段的谱线信息实时且高频地获得水温测量值。
[0082]
在一种可能的实现方式中，在判断某时刻是否存在水质热污染事件时，可将当日最低气温和获得水温测量值时的时间信息输入水温预测模型，可获得水温预测值。
[0083]
在一种可能的实现方式中，水温预测模型可包括季节周期特征项和日周期特征项。日周期特征项表示水温指标与测得水温指标的时刻之间的关系，季节周期特征项表示气候信息与水温指标之间的关系。
[0084]
在一种可能的实现方式中，当日最低气温可表示气候信息，季节周期特征项可对当日最低气温进行处理，获得在该气温条件下的预测水温。日周期特征项可对时间信息进行处理，获得在该时刻的预测水温。可将上述两个预测水温进行求和，获得水温预测值，即，预定水域在该气温条件下，在该时刻应达到的水温。
[0085]
在一种可能的实现方式中，可通过水温测量值和水温预测值之间的偏差来确定是否发生水质热污染事件。可设定水温偏差的预设阈值，确定水温测量值与水温预测值之间的差值，如果该差值大于或等于预设阈值，则可认为水温测量值与正常水温之间的偏差较大，超出正常范围，可能存在热污染事件。反之，则可认为水温测量值与正常水温之间的偏差处于合理范围之内，不存在热污染事件。
[0086]
进一步地，如果存在热污染事件，还可通过量子点光谱仪测量其他水质指标，以进一步确定水质污染的具体情况。本公开对量子点光谱仪的使用方法不做限制。
[0087]
图5示出根据本公开实施例的水质热污染检测装置的框图，如图5所示，所述装置包括：测量模块11，用于实时测量预定水域的水温测量值；预测模块12，用于根据确定所述水温测量值时的气候信息和时间信息，确定所述预定水域的水温预测值；判别模块13，用于根据所述水温测量值和所述水温预测值，确定所述预定水域的热污染判别信息。
[0088]
在一种可能的实现方式中，所述气候信息包括确定所述水温测量值当日的最低气温，所述预测模块可包括：将所述当日的最低气温与所述时间信息输入水温预测模型，获得所述水温预测值，其中，所述水温预测模型包括水温的日周期特征项与水温的季节周期特征项，所述日周期特征项表示水温指标与测得所述水温指标的时刻之间的关系，所述季节周期特征项表示气候信息与水温指标之间的关系。
[0089]
在一种可能的实现方式中，所述装置还包括：日周期模块，用于根据第一时间段内在预定水域获取的多个水温指标，确定水温的日周期特征项；季节周期模块，用于根据第二时间段内的气候信息以及在预定水域获取的多个水温指标，确定水温的季节周期特征项；
水温预测模块，用于根据所述日周期特征项和所述季节周期特征项，确定所述水温预测模型。
[0090]
在一种可能的实现方式中，所述日周期模块进一步用于：对所述第一时间段内的获得的多个水温指标以及获得所述水温指标的时刻进行傅里叶拟合处理，获得所述日周期特征项。
[0091]
在一种可能的实现方式中，所述季节周期模块进一步用于：对第二时间段内获得的多个水温指标以及获得所述水温指标当日的最低气温进行回归分析，获得所述季节周期特征项。
[0092]
在一种可能的实现方式中，所述水温预测模块进一步用于：将所述日周期特征项和所述季节周期特征项进行求和处理，获得所述水温预测模型。
[0093]
在一种可能的实现方式中，所述判别模块进一步用于：确定所述水温测量值与所述水温预测值之间的差值；在所述差值大于或等于预设阈值的情况下，将所述热污染判别信息确定为水温异常。
[0094]
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
[0095]
此外，本公开还提供了水质热污染检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种水质热污染检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
[0096]
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0097]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述
[0098]
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
[0099]
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
[0100]
电子设备可以被提供为终端、服务器或其它形态的设备。
[0101]
图6是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
[0102]
参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0103]
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模
块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0104]
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0105]
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
[0106]
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0107]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0108]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0109]
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0110]
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0111]
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0112]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
[0113]
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
[0114]
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows server
tm
，mac os
xtm
，unix
tm
,linux
tm
，freebsd
tm
或类似。
[0115]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
[0116]
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
[0117]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0118]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
[0119]
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如
smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
[0120]
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
[0121]
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
[0122]
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
[0123]
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0124]
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。