(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111662368.0 (22)申请日 2021.12.31 (71)申请人 天健创新 （北京） 监测仪表 股份有限 公司 地址 100084 北京市海淀区农大南路1号院 8号楼6层101-10 01 (72)发明人 任宏刚　刘辉翔　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 代理人 何佩英 (51)Int.Cl. C02F 1/00(2006.01) B01D 46/00(2022.01) B01D 53/00(2006.01) B08B 5/02(2006.01)B01D 53/30(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种在线式黑臭水体的多模态辨识方法及 系统 (57)摘要 本发明涉及环 境监测技术领域， 公开了一种 在线式黑臭水体的多模态辨识方法及系统。 方法 包括： 通过设置于待测水体上方的数据采集终端 获取水质常规参数数据及水面挥发物感官参数 数据； 利用基于深度学习相关算法的多任务水质 评估模型进行水体黑臭等级和待预测指标的在 线预测； 其中， 水质常规参数数据及水面挥发物 感官参数数据作为多任务水质评估模 型的输入， 水体黑臭等级分类和待预测指标的预测结果作 为多任务水质评估模型的多个输出。 本发明实现 了黑臭水体的在线监测， 同时通过多任务水质评 估模型对黑臭水体水质演变发展给出预测预警； 能对所有黑臭水体进行快速定性及定量综合评 估， 无需复杂的样本预处理， 操作简单， 准确率 高。 权利要求书3页 说明书7页 附图2页 CN 114368795 A 2022.04.19 CN 114368795 A 1.一种在线式黑臭 水体的多模态辨识方法， 其特 征在于， 包括： 通过设置于待测水体上方的数据采集终端获取水质常规参数数据及水面挥发物感官 参数数据； 利用基于深度学习相关算法的多任务水质评估模型进行水体黑臭等级和待预测指标 的在线预测； 其中， 所述水质常规参数数据及水面挥发物感官参数数据作为所述多任务水质评估模 型的输入， 水体黑臭等级分类和待预测指标的预测结果作为所述多任务水质评估模型的多 个输出， 所述待预测指标包括水质常规 参数和水面挥发物感官参数中的至少一个参数。 2.根据权利要求1所述的方法， 其特征在于， 所述数据采集终端包括缓冲舱、 反应舱和 主控舱， 所述反应舱通过带有第一阀门的管路与所述缓冲舱联通， 所述反应舱通过带有第 二阀门和气泵的管路与外界大气联通， 所述反应舱内设置气体传感器阵列， 所述气体传感 器阵列与主控舱内的主控装置电气连接； 还包括用于放置于待测水体中的水质传感器阵 列， 所述水质传感器阵列 与主控装置电气连接； 所述获取 水质常规 参数数据及水面挥发物感官参数 数据， 包括： 以预设流速将缓冲舱内的气体泵入反应舱， 其中， 所述缓冲舱内的气体为水面挥发物 通过自由扩散的方式扩散 至所述缓冲舱中并达 到内外平衡的状态； 通过所述反应舱内置的气体传感器阵列在预设时间段内进行水面挥发物感官参数数 据的采集； 根据所述水面挥发物感官参数数据采集的时间坐标， 通过水质传感器阵列同步采集预 设时间段内水质常规 参数数据。 3.根据权利要求1或2所述的方法， 其特征在于， 所述基于深度学习相关算法的多任务 水质评估模型采用基于BP神经网络的多任务模 型； 所述基于BP神经网络的多任务模型包括 输入层、 特 征共享层、 任务层分支和输出层； 所述特征输入层用于 输入水质常规 参数数据及水面挥发物感官参数 数据的综合信息； 所述特征共享层由两层隐含层组成， 用于提取 水体的综合特 征； 所述任务层 分支分别由两个隐含层组成， 用于提取水体的深层特征并用于各自的任务 训练； 所述输出层用于 输出水体黑臭等级分类和待预测指标的预测结果。 4.根据权利要求3所述的方法， 其特征在于， 所述基于BP神经网络的多任务模型的损失 函数包括基于交叉熵损失函数的多分类损失和基于均方误差的回归损失， 其数学表达式分 别如下式(1)、 (2)所示： 其中， M表示水体黑臭等级类别的数量， N表示样本数量， Li表示第i个样本的损失， c表示 水体黑臭等级类别， yic表示水体黑臭等级类别的样本标签， pic表示样本i属于水体黑臭等 级类别c的预测概 率； 权　利　要　求　书 1/3 页 2 CN 114368795 A 2其中， yi表示样本i的回归标签， 表示样本i的回归预测值； 所述多任务水质评估 模型总的损失函数为： 其中 β 为模型中损失函数的权 重， 且 5.根据权利要求1或2所述的方法， 其特征在于， 还包括， 所述多任务水质评估模型通过 注意力机制对 模型给予关注程度小于预设值的特 征予以删除， 实现特 征的筛选。 6.根据权利要求1或2所述的方法， 其特征在于， 还包括， 基于深度神经网络， 将水质常 规参数数据及水面挥发物感官参数数据分别作为所述多任务水质评估模型的输入和输出， 或者输出和输入； 以此建立水体气味信息和水质 信息的非线性映射， 实现水体气味信息和 水质信息的相互转换。 7.一种在线式黑臭 水体的多模态辨识系统， 其特 征在于， 包括： 数据采集终端， 设置于待测水体上方， 用于获取水质常规参数数据及水面挥发物感官 参数数据； 结果预测装置， 用于利用基于深度 学习相关算法的多任务水质评估模型进行水体黑臭 等级和待预测指标的在线预测； 其中， 所述水质常规参数数据及水面挥发物感官参数数据作为所述多任务水质评估模 型的输入， 水体黑臭等级分类和待预测指标的预测结果作为所述多任务水质评估模型的多 个输出， 所述待预测指标包括水质常规 参数和水面挥发物感官参数中的至少一个参数。 8.根据权利要求7所述的系统， 其特征在于， 所述数据采集终端包括缓冲舱、 反应舱和 主控舱， 所述反应舱通过带有第一阀门的管路与所述缓冲舱联通， 所述反应舱通过带有第 二阀门和气泵的管路与外界大气联通， 所述反应舱内设置气体传感器阵列， 所述气体传感 器阵列与主控舱内的主控装置电气连接； 还包括用于放置于待测水体中的水质传感器阵 列， 所述水质传感器阵列 与主控装置电气连接； 水面挥发物感官参数数据采集 时， 以预设流速将 缓冲舱内的气体泵入反应舱， 其中， 所 述缓冲舱内的气体为水面挥发物通过自由扩散的方式扩散至所述缓冲舱中并达到内外平 衡的状态； 通过所述反应舱内置的气体传感器阵列在预设时间段内进 行水面挥发物感官参 数数据的采集； 水质常规参数数据采集时， 根据所述水面挥发物感官参数数据采集的时间坐标， 通过 水质传感器阵列同步采集预设时间段内水质常规 参数数据。 9.根据权利要求8所述的系统， 其特征在于， 所述主控舱固定在浮标内， 所述浮标顶部 通过支撑结构固定所述缓冲舱， 所述缓冲舱侧 壁和底板为网孔结构， 所述缓冲舱顶部固定 太阳能电池板， 所述反应舱固定在缓冲舱内。 10.根据权利要求8所述的系统， 其特征在于， 所述反应舱还通过带有第三阀门的管路 与过滤器联通， 过 滤器与外界大气联通。 11.根据权利要求7至10任一项所述的系统， 其特征在于， 所述基于深度学习相关算法 的多任务水质评估模型采用基于BP神经网络的多任务模型； 所述基于BP神经网络的多任务 模型包括输入层、 特 征共享层、 任务层分支和输出层； 所述特征输入层用于 输入水质常规 参数数据及水面挥发物感官参数 数据的综合信息；权　利　要　求　书 2/3 页 3 CN 114368795 A 3