基于計算智能方法的河流水質管理數(shù)字模擬研究與應用.pdf

1、依靠數(shù)字模擬或概念模型等手段在宏觀層面上改善河流水質,不僅可以節(jié)省大量人力物力,也可以實時對目標問題進行快速高效的分析解決。針對目前我國河流水質管理中存在的主要技術問題,本文在調研國內外研究現(xiàn)狀的基礎上,以松花江哈爾濱段為研究對象,利用計算智能方法等數(shù)值模擬手段開展了入河污染源識別模式、河流水質預測模型和入河排污削減模式的研究。
　　基于專家系統(tǒng)思想研究建立了入河污染源識別模式。結合河流常規(guī)水質監(jiān)測,建立了基于污染超標初篩和多元數(shù)

2、據(jù)挖掘技術的核心水質指標解析機制,可對常規(guī)監(jiān)測矩陣解析出代表污染信息的污染因子及其荷載核心水質指標。根據(jù)專家知識構建了污染源類別判定樹及其22類產生式規(guī)則,基于53則國家行業(yè)水污染排放標準,設計建立了針對工業(yè)點源污染因子的行業(yè)相似度和污染貢獻指數(shù)。該模式可識別出對目標水域影響較大的點源污染行業(yè)并排序。對松花江哈爾濱段各類水域進行了行業(yè)污染源識別,影響非城市水域較大的點源污染行業(yè)主要有制藥和鐵礦采選工業(yè);影響阿什河內復雜高污染水域的上游點

3、源污染行業(yè)主要有制藥、陶瓷、煉焦和造紙等工業(yè),根據(jù)資料和污染源調查,驗證識別結果合理。大頂子山工程竣工后,影響過城主干流水域的污染點源主要有制藥工業(yè)、污水廠、鐵礦采選和電鍍工業(yè)等,相比竣工前,點源行業(yè)貢獻指數(shù)降低,非點源污染因子數(shù)量增加且污染因子總數(shù)減少,表明工程的建立在一定程度上強化了水體的自凈作用,產業(yè)結構政策調整或環(huán)保政策的下達實施也頗有成效。
　　基于雙重Bootstrap方法和小波技術,本研究建立了適用于常規(guī)水質時間序列

4、預測及其綜合不確定性評價的人工神經網絡模型(BWNN)。模型以Morlet基函數(shù)作為ANN激活函數(shù),水質監(jiān)測時滯作為模型輸入。BWNN對朱順屯氨氮和DO序列的預測結果滿意,準確性指標NSE分別可達0.9678和0.8556,驗證表明BWNN比ARIMA和其他傳統(tǒng)ANN等模型的預測準確性和可靠性更高,對于季節(jié)性較好的氨氮序列,模型結構帶來的不確定性所占比例更多;對非季節(jié)性或序列波動較大的DO序列,數(shù)據(jù)帶來的不確定性所占比例更多;北方冰封河

5、流枯水期的平均綜合預測不確定性比其他水期要大10-20％。
　　以BWNN為基礎,開展了水質時間序列預測方案優(yōu)選研究。BWNN對缺失達8.3%的無插補序列預測結果仍為滿意,對季節(jié)周期性較好的缺失序列,應首選時間指數(shù)平移滑動平均插補策略;對季節(jié)周期性不好的缺失序列,應首選空間多重插補策略,當同類空間區(qū)域數(shù)據(jù)不易獲取時,局部平均插補可以作為優(yōu)先備選策略。對有監(jiān)測缺失的大頂子山斷面的水質進行了預測,結果表明在未來的一段時間,COD、氨氮

6、和TP的預測值均能達到IV類功能區(qū)標準,但預測區(qū)間上限在冬季仍有超標。
　　基于水環(huán)境容量控制思想和計算智能方法,設計建立了用于河流水質管理的入河排污削減模式。利用Bootstrap法和ANN建立了實用性良好的排污源強-河流水質關聯(lián)模型,僅需各目標斷面的實際水質監(jiān)測數(shù)據(jù)和相關的排污口數(shù)據(jù),生成的預測區(qū)間可保證削減管理的安全性,適用于多種情形。根據(jù)大中型河流和小型河流的特點,分別研究構建了單功能區(qū)排污口優(yōu)化削減模式和多目標多功能區(qū)排