基于机器学习的地下水污染源追踪方法、设备及存储介质

本发明涉及污染源追踪领域，尤其涉及一种基于机器学习的地下水污染源追踪方法、设备及存储介质。

背景技术：

1、地下水污染源包括农业污染源、工业污染源、生活污染源、自然污染源及其他污染源；农业污染源是指农业生产中大量使用的化肥和农药会通过渗透和径流进入地下水，导致硝酸盐、磷酸盐和农药残留物污染；工业污染源是指化工厂生产过程中产生的有害化学物质如重金属、挥发性有机化合物，会渗入地下水中；生活污染源是指未经处理或处理不当的生活污水通过渗透或泄漏进入地下水，会导致细菌、病毒和有机污染物的污染；自然污染源是指某些地区地下水本身含有高浓度的天然污染物，如砷、氟等，这些污染物来源于地下岩石的自然溶解；其他污染源包括但不限于交通事故或运输过程中有害物质的泄漏可能会渗入地下水中；

2、常规的地下水污染源追踪方法主要依赖于经验公式的计算，而经验公式基于特定条件下的历史数据和领域专家的知识，但经验公式的表达能力有限，难以适应复杂的地下水污染环境，实际追踪污染源并判别时，经验公式在处理非线性关系、多变量耦合效应及动态变化方面存在明显不足，实际投入使用时，较难对污染源进行高效且精确的判别和追踪，此外，经验公式对数据的依赖性较高，当数据质量不高或数据缺失时，其计算结果的准确性也会受到相对影响。

技术实现思路

1、本发明的目的在于：提出一种基于机器学习的地下水污染源追踪方法、设备及存储介质，解决传统地下水污染源追踪依赖经验公式导致最终结果不准确的技术问题。

2、本发明提供的一种基于机器学习的地下水污染源追踪方法，包括以下步骤：

3、s1、数据采集：获取地下水历史数据以及环境数据；

4、s2、特征提取：从环境数据中提取环境特征，从历史数据中提取污染物特征；

5、s3、模型构建：配置地下水污染追踪的融合模型；所述融合模型采用多种机器学习模型融合得到；

6、s4、权重计算：获取环境特征与污染物特征的相关性，并依据相关性得到权重因子，将权重因子作为输入至融合模型的额外特征；

7、s5、污染物追踪：部署融合模型，并利用融合模型完成污染源追踪。

8、一种存储介质，所述存储介质存储指令及数据用于实现一种基于机器学习的地下水污染源追踪方法。

9、一种基于机器学习的地下水污染源追踪设备，包括：处理器及所述存储介质；所述处理器加载并执行所述存储介质中的指令及数据用于实现一种基于机器学习的地下水污染源追踪方法。

10、本发明提供的有益效果是：克服常规方法基于经验公式判别的局限性，引入机器学习算法及监督学习算法相互融合，并将改进后的多维经验公式代入，作为额外输入特征导入至融合后的模型，通过模型自主学习实现对污染源的高效判别及追踪，此外，于在数据采集终端引入边缘计算技术，进行实时数据处理和初步分析，减少数据传输延迟，提升判别的实时性。

技术特征：

1.一种基于机器学习的地下水污染源追踪方法，其特征在于：方法包括以下步骤：

2.如权利要求1所述的一种基于机器学习的地下水污染源追踪方法，其特征在于：步骤s1具体如下：

3.如权利要求1所述的一种基于机器学习的地下水污染源追踪方法，其特征在于：步骤s2具体如下：

4.如权利要求3所述的一种基于机器学习的地下水污染源追踪方法，其特征在于：步骤s3具体如下：

5.如权利要求1所述的一种基于机器学习的地下水污染源追踪方法，其特征在于：步骤s4具体包括：

6.如权利要求1所述的一种基于机器学习的地下水污染源追踪方法，其特征在于：步骤s5具体为：保存训练得到的模型；引入边缘计算技术，基于边缘计算设备部署轻量级模型，于边缘设备处实现数据实时采集、预处理及初步分析，完成污染源追踪。

7.一种存储介质，其特征在于：所述存储介质存储指令及数据用于实现权利要求1~6任一项所述的一种基于机器学习的地下水污染源追踪方法。

8.一种基于机器学习的地下水污染源追踪设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1~6任一项所述的一种基于机器学习的地下水污染源追踪方法。

技术总结本发明涉及污染源追踪领域，公开了一种基于机器学习的地下水污染源追踪方法、设备及存储介质，方法包括步骤：获取地下水历史数据以及环境数据；从环境数据中提取环境特征，从历史数据中提取污染物特征；配置地下水污染追踪的融合模型；融合模型采用多种机器学习模型融合得到；获取环境特征与污染物特征的相关性，并依据相关性得到权重因子，将权重因子作为输入至融合模型的额外特征；部署融合模型，并利用融合模型完成污染源追踪。本发明引入机器学习算法及监督学习算法相互融合，并将改进后的多维经验公式代入，通过模型自主学习实现对污染源的高效判别及追踪，引入边缘计算，进行实时数据处理分析，减少数据传输延迟，提升判别的实时性。技术研发人员：董杉,李长冬,侯嘉诚,姜景瑞,胡希受保护的技术使用者：中国地质大学（武汉）技术研发日：技术公布日：2024/11/18