技术领域
本申请涉及环保技术领域，特别是涉及一种海洋事故应急监测方法、系统、计算机设备和存储介质。
背景技术
随着海洋经济的发展，包括溢油、危化品泄漏、核泄漏在内的突发性海洋污染事故频发，给海洋环境和人们的生命财产安全造成巨大的威胁。突发性海洋污染事故应急监测是对污染事故进行处置的参考依据。目前，对应急监测点位的布设一般参考常规污染物的监测规范或是专业知识和历史经验，缺乏科学理论的指导，同时，对于应急监测点位优化布设的研究也相对较少。海洋环境因其复杂多变、影响因素众多，给应急监测工作带来了很大的困难，而关于突发性海洋污染事故应急监测优化布点的研究几乎是一片空白，这使得我国应对突发性海洋污染事故时，反应滞后，应对能力不足。
现有的应急处理中公开过一种基于污染物扩散模型-模糊综合评价理论-后优化分析技术的应急监测点位优化布设方法，涉及监测方案生成的全过程，是应急监测布点方法的一个创新，但其所提出的模型并没有将现实条件中监测成本约束考虑进去。此外，还公开过通过多目标规划方法对监测点位进行优化，考虑的首要问题是以最小的监测成本最大化地获取监测区域内污染物浓度分布情况，其目标函数多以污染物浓度作为决策变量，很少考虑污染区域的生态环境信息。
发明内容
基于此，有必要针对上述技术问题，提供一种海洋事故应急监测方法、系统、计算机设备和存储介质。
第一方面，本发明实施例提供了一种海洋事故应急监测方法，包括以下步骤：
初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
进一步的，所述根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性，包括：
根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
进一步的，所述根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性，还包括：
通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
进一步的，所述通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量，包括：
通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
另一方面，本发明实施例提供了一种海洋事故应急监测系统，包括：
污染定位模块，用于初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
敏感性分区模块，用于确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
监测效用模块，用于根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
模型构建单元，用于以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
模型求解模块，用于通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
进一步的，所述监测效用模块包括监测点约束单元，所述监测点约束单元用于：
根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
进一步的，所述监测效用模块还包括监测合并单元，所述监测合并单元用于：
通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
进一步的，所述模型求解模块包括模型优化单元，所述模型优化单元用于：
通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
本申请的有益效果是：本发明实施例提供了一种海洋事故应急监测方法、系统、计算机设备和存储介质，用监测点有效性来表征每个监测点的这两个特点；以最大化监测点有效性和最小化监测点数量为目标函数，以监测资源的最大监测能力、最少监测点数量要求以及高浓度污染区域的监测风险等作为约束条件，构建多目标优化模型，旨在为应对海洋突发事件应急监测优化布点提供决策支持。通过该监测方法，可以快速、高效、低成本的完成对海洋污染环境的应急处理，为后续的污染的救援和污染治理提供支持。
附图说明
图1为一个实施例中海洋事故应急监测方法的流程示意图；
图2为一个实施例中监测点数量约束分析的流程示意图；
图3为一个实施例中合并监测效用值的流程示意图；
图4为一个实施例中确定监测效用值和监测点数量的流程示意图；
图5为一个实施例中海洋事故应急监测系统的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
突发性海洋污染事故应急监测点位优化布设问题可以描述为：某海域发生突发性海洋污染事故，已知事故发生地点，且根据污染物类型、事故海域的气象、水文资料等信息，利用污染物扩散模型确定污染物的扩散趋势和影响范围；决策人员根据污染物数值模拟结果，采用海洋环境监测站位设计常用方法对待监测海域进行初始监测点位布设；在此基础上，需要考虑以最小的监测成本获取到包括污染物浓度分布和敏感区污染情况在内的最大的信息量。
在一个实施例中，如图1所示，提供了一种海洋事故应急监测方法，其特征在于，包括以下步骤：
步骤101，初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
步骤102，确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
步骤103，根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
步骤104，以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
步骤105，通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
具体地，考虑现实条件约束，为简化建立的多目标优化模型，本发明实施例现作出如下要求，要求一：待选择的监测船舶数量有限，不能覆盖所有备选监测点；要求二：模拟所得污染物浓度分布即代表该区某时刻实际污染物浓度分布，任意点位的质量浓度认为已知，并由污染物扩散模拟所得的该点浓度值来给定；要求三：每个待选监测点的监测时间、监测成本相同。因此，本实施例通过用监测点有效性来表征每个监测点的这两个特点；以最大化监测点有效性和最小化监测点数量为目标函数，以监测资源的最大监测能力、最少监测点数量要求以及高浓度污染区域的监测风险等作为约束条件，构建多目标优化模型，旨在为应对海洋突发事件应急监测优化布点提供决策支持。通过该监测方法，可以快速、高效、低成本的完成对海洋污染环境的应急处理，为后续的污染的救援和污染治理提供支持。
在一个实施例中，如图2所示，监测点数量约束分析包括：
步骤201，根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
步骤202，通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
步骤203，获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
具体地，监测点数量约束主要考虑两个方面的因素。第一，现实情况下监测设备和监测人员等资源数量有限，污染区域较大时，可能不能完全覆盖所有备选监测点；在假设到达每个监测点的监测时间相同时，出于对监测效率的考虑，监测点总数不能超过某个阈值；因此，通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的最大监测点数量，用来表示。第二，考虑到对监测点覆盖面积以及对监测准确度的要求，需要设置最少监测点数量。综合考虑以上两个因素，确定了优化模型中监测点数量的可接受范围。对于每个敏感区域而言，至少需要一个监测点，最多不能超过某个阈值，阈值从敏感区的面积与根据其重要程度而设置的监测密度两方面考虑，因此，需要敏感区域监测点数量约束。考虑到现实条件下，污染物浓度超过某个范围之后会对人员造成生命威胁，为保证监测人员的人身安全，本实施例将问题简化为污染物浓度分值超过某个阈值的监测点需要被舍弃。
在一个实施例中，如图3所示，合并监测效用值的方法包括：
步骤301，通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
步骤302，通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
具体地，监测点数量越多，监测到的污染物浓度值和敏感性分值相应地会越高。为了提高监测点的代表性，将备选监测点的污染物浓度和敏感性分值两个属性进行合并，以此选择出最具有代表性的监测点。本实施例提出的多目标优化模型旨在通过权衡监测点数量和监测点有效性两个目标对决策方案进行分析比较。因此，首先使用atan函数对污染物浓度与敏感性分值进行归一化，并将其作为某一监测点相应的效用值；然后使用效用函数合并规则中的代换规则对监测点的污染物浓度效用值和敏感性效用值进行合并，得到监测点的总效用值；最大化监测点的代表性通过最大化监测点的合并效用值来体现。
在一个实施例中，如图4所示，通过总效用值并利用遗传算法确定监测效用值和监测点数量包括：
步骤401，通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
步骤402，通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
步骤403，分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
具体地，即带有精英策略的非支配排序遗传算法，是求解多目标优化时最常用的一种算法。其基本思想为：首先随机产生规模为N的初始种群，然后进行非支配排序并通过选择、交叉、变异产生第一代子代种群；从第二代开始，将父代种群与子代种群进行合并后进行快速非支配排序，同时计算每个非支配层中个体的拥挤度，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群；最后，通过锦标赛选择、交叉、变异等基本操作产生新的子代种群：不断重复上述步骤直到达到最大迭代次数。通过对所述总监测效用值和监测点的数量范围设置不同的权重，可以生成不同的优化方案，反应不同的决策者偏好。本实施例中确定最少监测点数为30，最大监测点数为60，为了求取折中解，现设置参数如下：种群规模为100，迭代次数为200，交叉概率为0.85，设决策者分配给监测点数量和监测点有效性的权重分别为0.5和0.5，通过遗传算法，生成的最优方案包括46个监测点，得到的监测点有效性超过44，相对贴近度也超过了55％，得到的监测点即为较优的方案。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种海洋事故应急监测系统，包括：污染定位模块501、敏感性分区模块502、监测效用模块503、模型构建单元504和模型求解模块505，其中：
第污染定位模块501，用于初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；
敏感性分区模块502，用于确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；
浓度监测模块503，用于用于根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；
模型构建单元504，用于以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；
模型求解模块505，用于通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
在一个实施例中，所述监测效用模块503包括监测点约束单元，所述监测点约束单元用于：
根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
在一个实施例中，所述监测效用模块503包括监测合并单元，所述监测合并单元用于：
通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
在一个实施例中，所述模型求解模块505包括模型优化单元，所述模型优化单元用于：
通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
关于海洋事故应急监测系统的具体限定可以参见上文中对于海洋事故应急监测方法的限定，在此不再赘述。上述海洋事故应急监测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图6示出了一个实施例中计算机设备的内部结构图。如图6所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现权限异常检测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行权限异常检测方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现以下步骤：初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：初步确定海洋污染区域，对所述海洋污染区域进行网格化处理，以网格交点为备选监测点位并标号；确定所述海洋污染区域的环境敏感性分区，并对每个所述环境敏感性分区进行打分，得到每个备选监测点的敏感性分值；根据污染物的漂移预测模型得到每个备选监测点的污染物浓度，将所述敏感性分值和所述污染物浓度进行归一化处理，得到每个备选监测点的有效性；以总监测点数量范围、每个敏感区能够接受的监测点数量范围构建多目标优化模型；通过所述多目标优化模型，对监测点的数量范围和监测效用值范围进行遗传算法计算，确定监测效用值和监测点数量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述监测点的覆盖面积以及对监测准确度的要求，确定设置最少监测点数量；
通过将监测资源的最大监测能力量化为最大监测点数量来确定可接受的所述监测点的最大数量；
获取所述海洋污染区域的污染物浓度数据，当所述污染物浓度超过预设阈值时，将高污染浓度下的监测点进行舍弃。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过归一化函数对所述污染物浓度与所述敏感性分值进行归一化处理，得到单个监测点的污染物浓度效用值和敏感性效用值；
通过效用函数合并规则中的代换规则对单个监测点的所述污染物浓度效用值和敏感性效用值进行合并，得到监测点的总监测效用值范围。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过监测点的数量范围构建最小化监测点数量模型，通过所述总监测效用值范围构建最大化监测点有效性模型；
通过带有精英策略的非支配排序遗传算法，对所述最小化监测点数量模型和最大化监测点有效性模型进行双目标优化；
分别对所述总监测效用值和监测点的数量范围进行权重分配，并通过求取折中解的方式确定监测效用值和监测点数量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
机译： 确定拖曳式海洋地震勘测过程中计划弯曲路径的离散集元素偏移的计算机实现的方法，拖曳式海洋地震勘测设备，计算机可读程序存储介质，编程的计算设备，方法和拖曳式海洋地震举升仪器。
机译： 事故应急设备和事故应急电话系统
机译： 海洋事故的天气监测系统及使用该方法的天气监测方法
