基于貝葉斯網(wǎng)絡的水質風險分析.pdf

1、長期以來，水環(huán)境的治理效果受到許多不確定性因素的影響，這些不確定性來源于監(jiān)測資料的短缺以及人類認識水平的有限性。不確定性總是存在，不可能完全被消除，此時，傳統(tǒng)的確定性研究方法表現(xiàn)出不適應性。量化污染物預測結果的不確定性并制定考慮不確定性的管理決策成為目前的研究熱點。概率統(tǒng)計理論可以量化隨機不確定性，是目前最主要的不確定性研究方法?；诟怕式y(tǒng)計理論的不確定性研究方法又分為基于機理模型的方法和基于統(tǒng)計模型的方法。傳統(tǒng)的貝葉斯網(wǎng)絡是一種統(tǒng)計模

2、型，基于數(shù)據(jù)驅動，通過數(shù)據(jù)來建立變量間的統(tǒng)計關系。此外，還存在一種特殊的貝葉斯網(wǎng)絡，它利用機理模型代表變量間的關系，是基于機理模型的方法和基于統(tǒng)計模型的方法的融合。
　　 本文以錢塘江流域的子流域東陽江流域為案例，利用概率統(tǒng)計理論量化水質超標風險。先后建立了基于機理模型的貝葉斯網(wǎng)絡BN1以及基于數(shù)據(jù)驅動的貝葉斯網(wǎng)絡BN2。前者用于計算不同降雨和氣溫條件下的水質超標風險，后者用于計算考慮降雨和氣溫隨機性時的水質超標風險。BN1的優(yōu)

3、勢是能夠基于少資料建模，BN2的優(yōu)勢是推理迅速，適用于大量的風險計算。本文對兩種方法取長補短，實現(xiàn)了優(yōu)勢互補。此外，以2020s時期(2011-2030年)為預測期，進一步研究了氣候變化對東陽江水質超標風險的可能影響，以便決策者對未來水質情況進行評估并做出預防性決策。論文的主要內容和成果如下：
　　 (1)建立了基于降雨徑流模型和水質模型的貝葉斯網(wǎng)絡BN1，將本案例的主要控制變量、中間變量和響應變量相互連接，并用降雨徑流模型、水

4、質模型等機理模型(即子模型)來代表各變量之間的關系。利用一種新的MCMC算法一DRAM，對子模型進行貝葉斯參數(shù)估計(亦即對BN1的參數(shù)估計)，然后通過對BN1進行MC隨機模擬實現(xiàn)了不同降雨、氣溫、水庫下泄流量和點污染源排放條件下的水質超標風險計算。并利用DRAM將點源與BN1的水質模型參數(shù)一同進行貝葉斯參數(shù)估計，既有效量化了不確定性，又突破了數(shù)據(jù)的限制實現(xiàn)了少資料地區(qū)建模。
　　 (2)建立了基于數(shù)據(jù)驅動的貝葉斯網(wǎng)絡BN2，選擇

5、6月和12月為典型月份，將月均降雨和月均氣溫的隨機分布輸入BN1進行隨機模擬，利用基于概率分布的柔性離散方法對降雨、氣溫以及BN1模擬產生的隨機數(shù)進行離散以用于訓練BN2的參數(shù)，最后利用BN2推理計算了減排前后考慮降雨和氣溫隨機性的水質超標風險。此外，還計算了增加水庫下泄流量對水質超標風險的影響，結果顯示，通過增加水庫下泄流量可以有效降低水質超標風險。BN2的一個重要優(yōu)勢是推理計算迅速，當參數(shù)估計完畢，各類風險計算可以通過推理計算很快完

6、成。尤其是當隨機模擬次數(shù)比較多、風險計算量比較大、機理模型比較復雜時，BN2的效率要明顯高于BN1。
　　 (3)擇2020s時期為預測期，利用大氣環(huán)流模式HadCM3在A1B、A2和B1三種氣候情景下的預測結果，并選擇天氣發(fā)生器對預測結果進行降尺度處理生成逐日降雨和氣溫數(shù)據(jù)。結果顯示2020s時期東陽市的月均降雨量和月最高、最低氣溫沒有明顯變化，但強降雨和高溫天氣發(fā)生的概率增加。然后利用BN2計算了2020s時期考慮降雨和氣溫