土壤中有机污染物的老化及其环境意义

持久性有机污染物随着在土壤中时间的延长,其生物有效性和毒性会逐渐下降的现象被称为老化。老化对有机污染物的有效性和行为归趋有着重要的影响。本文对国外有关老化对有机污染物生物有效性和可浸提性的影响,老化的机理和影响因素,以及老化后有机污染物生物有效性评价方法的研究作了概述。指出老化作为土壤对有机污染物修复的一种自然修复过程,可降低有机污染物的潜在环境风险,具有重要的环境意义。     

基于笛卡尔切割单元法的复杂河道地理信息系统环评可视化

复杂河道中污染物扩散计算及其在地理信息系统(GIS)上的可视化,对于地表水环境影响评价(EIA)具有非常重要的意义,但在网格生成、污染物计算模型及计算结果可视化方面存在着诸多困难。针对点源岸边排放河流污染物计算及基于GIS可视化中的难点问题,提出了基于切割单元法的地面水环境影响评价可视化方法。将切割单元法应用于网格剖分,通过切割单元交点追踪算法及河道轮廓线内背景网格筛取算法,生成了复杂河道笛卡尔网格。提出了基于污染物二维稳态衰减模式的网格自适应加密与稀疏算法,在非结构化笛卡尔网格基础上采用了基于河流几何信息判断的点源岸边排放河流污染预测算法与区域填充算法,实现了环境影响评价计算结果的可视化显示。通过一个河流污染环境影响评价可视化的实例,验证了所提方法的可行性与有效性。     

基于笛卡尔切割单元法的复杂河道地理信息系统环评可视化

复杂河道中污染物扩散计算及其在地理信息系统(GIS)上的可视化,对于地表水环境影响评价(EIA)具有非常重要的意义,但在网格生成、污染物计算模型及计算结果可视化方面存在着诸多困难。针对点源岸边排放河流污染物计算及基于GIS可视化中的难点问题,提出了基于切割单元法的地面水环境影响评价可视化方法。将切割单元法应用于网格剖分,通过切割单元交点追踪算法及河道轮廓线内背景网格筛取算法,生成了复杂河道笛卡尔网格。提出了基于污染物二维稳态衰减模式的网格自适应加密与稀疏算法,在非结构化笛卡尔网格基础上采用了基于河流几何信息判断的点源岸边排放河流污染预测算法与区域填充算法,实现了环境影响评价计算结果的可视化显示。通过一个河流污染环境影响评价可视化的实例,验证了所提方法的可行性与有效性。     

工业大气污染物浓度的复合自回归网络预测

针对工业园区大气污染管理中预测能力较弱的问题,考虑工业大气污染物的多因素耦合及非线性时序特征,提出一种工业大气污染物浓度预测方法。根据预测指标数值特征,提出复合自回归神经网络（CNAR）。对目标预测指标及影响因素进行关联分析及时序建模,实现对工业大气污染物浓度的短期预测。选用河北省某市大气网格化监测数据进行模型训练与方法验证,实验结果表明CNAR预测模型可对工业大气污染物浓度进行有效预测,效果优于传统自回归神经网络,为工业大气污染防控提供参考依据。     

污水生化处理过程建模与控制

污水生化处理是利用微生物清除污水中有机污染物的一种有效方法, 是当前处理工业有机污水和城市生活污水的主要途径. 本文综述了污水生化处理过程, 尤其是活性污泥法处理过程的建模与控制. 从控制理论的角度, 生化污水处理过程是典型的非线性、时变、不确定性、时滞的复杂系统, 其建模与控制给控制界提出了严峻的挑战.     

基于多尺度时空图神经网络的污染物浓度预测

基于深度学习的细粒度污染物浓度预测是一种新兴且具有前景的方法,如何充分利用气象、空间和时间等3大信息是其关键.为了协同融合3大信息,提出一种基于多尺度时空图神经网络的污染物浓度预测模型.该模型利用空气质量模型动态构建多尺度的时空图神经网络,学习污染物之间的动态时空关系.具体为:利用图神经网络学习污染物之间的多尺度空间关系,采用空气质量模型HYSPLIT构建图的结点和边属性,通过基于注意力机制的GRU (gate recurrent unit)学习污染物浓度之间的时序关系.该模型不仅充分考虑了气象、空间和时间3大影响因素,还将3个因素联动起来统一到一个框架内协同学习.该方法与传统的机理模型方法相比具有灵活部署、易于实施的特点.实际项目数据集和公开数据集上的实验表明:与现有先进的基于图神经网络的方法相比,该方法预测的污染物浓度平均绝对误差降低了0.6左右,对称平均绝对百分比误差降低0.005左右.     

基于一种时间序列模型的河流重金属污染浓度预测研究

水环境是一个充满不确定性的复杂巨系统,传统水质模型很难体现重金属污染物在河流中迁移的随机性,因此经典的时间序列模型——ARIMA模型被应用于河流重金属污染浓度的预测。实例分析证实,通过采用将荻得的最新数据不断地添加到用于模型设定的样本中,并再此基础上获得最近向前一个时期预测值的动态预测方法,ARIMA模型能够获得很好的预测表现,尤其是在充分考虑模型残差统计分布特征的情况下,采用具有学生t分布的模型预测更精确。     

基于LSTM循环神经网络的PM2.5预测

PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。     

基于分组卷积与双注意力机制的河流水面污染图像分类

河流水面污染物是危害河流资源的重要污染物, 及时发现并处理水面污染物可以有效地保护河流环境以及水资源, 能进一步实现减污降碳, 提升生态系统碳汇能力. 随着智能化的大范围推广, 传统的河流水面污染物的监测处理方法已经不能满足当今的需求. 针对辽河流域水面污染问题, 本文将计算机视觉技术应用到了河流水面污染分类上, 提出了基于分组卷积与双注意力机制的河流水面污染图像分类算法模块(grouped convolution dual attention, GCDA), 在分组卷积的基础上引入简化的双注意力机制, 使用较少的参数量增强了网络对图像的特征提取能力, 进一步提升图像分类效果. 通过固定位截取图像的方式对辽河流域中的温泉城水站取水口、王营河入细河、高台子断面、津源污水排口和清源污水处理厂溢流口5个河流监控摄像图像做了预处理工作并建立了一个河流水面污染物数据集, 图像分为污染和未污染两类, 通过实验证明在此数据集上, 添加使用GCDA模块的网络相较于原网络以及分别添加空间、通道注意力机制的网络在河流水面污染物图像的二分类任务中效果有明显提升.     

基于改进AFSA算法的河流突发水污染溯源

污染源的排放时间、排放位置以及排放总量的确定是河流突发性水污染溯源问题的关键.如何快速准确的确定重金属污染源的三个因素, 然后通过GIS得到污染源企业的排查清单是本文的研究重点.本文通过对河流的水文水质的研究, 依据重金属污染物的特性, 确定了一维河流重金属污染物的时空变化的动态解析解.同时构造了污染物时空溯源模型以及污染物排放总量模型, 并利用改进的AFSA算法实现了模型的求解.研究结果表明, 该算法使得模型能够更加快速准确地得到三个参数的结果, 然后将该结果通过本文的方法并且借助GIS技术更快更准确的为相关工作人员提供污染源企业概率排查清单.本文提出的方法和模型对于水污染处理以及保护水环境具有一定的指导意义.     

水污染物扩散模型三维可视化的关键技术

在分析污染物扩散模型的基础上,针对模型的大规模数据难以可视化的缺点,提出水污染物扩散模型三维可视化的关键技术,其中包括三维地形组织与管理、河道数据预处理、污染物浓度等级划分、污染物时空分布等关键技术。实验测试结果证明,该系统具有较低的时间、空间开销,适合水污染物模型真三维的可视化。     

滨江复杂河网地区水环境调控仿真模拟系统研究

为满足滨江河网地区人民群众对河流防洪安全、水环境、水生态、水景观等要求,达到水资源调用效益最优化,基于自主研发的GIS平台,实现滨江复杂河网地区水文、水动力及水质模型的耦合,集构模、连库、计算、调试和展示等为一体.通过Web Services接口设定调度预案及预报期边界条件,驱动预报调度模型进行计算,并直接获取预报调度...     

Simulation of a coke wastewater nitrification process using a feed-forward neuronal net

A laboratory-scale Activated Sludge System (ASS) was employed for the biodegradation of coke wastewater, which contains high concentrations of ammonium, thiocyanate, phenols and other organic compounds. The well-known kinetics models of Monod or Haldane are not very useful due to inhibition phenomena amongst the pollutants and also, they need the determination of a wide range of parameters to be introduced in the models. In this paper, a feed-forward neural network is outlined to obtain a satisfactory approach for estimating the effluent ammonium concentration of the treatment plant. The methodology consists in performing several tests with a group of different sizes of the hidden layer and different subsets of input variables.The developed model is useful to obtain simulations under different conditions of the influent stream, thus enabling the effluent ammonium concentration to be estimated. This neural network achieves better results than classical mathematical models for biological wastewater treatment as a result of the complex composition of the coke wastewater.     

SRTM DEM数据提取河网方法及影响因素研究

从数字高程模型（Digital Elevation Models,DEM）直接提取河网及相关流域信息,是分布式水文模型开发与应用的基础。珠江三角洲地区是中国经济最发达的地区之一,是世界上公认范围最大、结构最复杂的网河流域。研究该地区河网分布及流域特征,对于流域的整体规划和水资源的有序配置具有重要意义。文中首先讨论了基于栅格DEM取流域河网水系特征信息的基本方法;然后基于SRTM DEM数据,以珠江三角洲地区为例给出了利用Arc/Info实现河网提取的具体步骤,实现了大范围区域内的流域特征信息的快速提取;最后对比分析珠江三角洲分流域河网特征。     

Dynamic features along the German Baltic Sea coast: contribution to coastal monitoring

Based on satellite imagery in combination with ground data measurements and numerical modelling, the distribution patterns of water masses along the German Baltic Sea coast of the state of Mecklenburg–Vorpommern (M–V) were investigated. The dynamic processes forming these patterns are driven by the local wind. Distinct wind directions induce typical features in several regions of the M–V coast. The processes considered are the distribution of Oder river water in the Pomeranian Bight, the upwelling off Hiddensee and off the coast of the Mecklenburg Bight including the Warnow river outflow, and the special dynamic regime in Lübeck Bay. In the Pomeranian Bight, a strong relation was found between the wind and transport direction of river water which was also applied to interpret the distribution of inorganic and organic pollutants. During easterly winds, different upwelling cells arise with the highest intensity in the Hiddensee area. The cells merge by increasing wind velocity. Lübeck Bay is mainly excluded from water exchange during the dominant wind directions. The first results of this systematic remote sensing study along the entire coast of M–V are summarized and will be continued to support the coastal monitoring programme of regional authorities.     

A model library for simulation and benchmarking of integrated urban wastewater systems

This paper presents a freely distributed, open-source toolbox to predict the behaviour of urban wastewater systems (UWS). The proposed library is used to develop a system-wide Benchmark Simulation Model (BSM-UWS) for evaluating (local/global) control strategies in urban wastewater systems (UWS). The set of models describe the dynamics of flow rates and major pollutants (COD, TSS, N and P) within the catchment (CT), sewer network (SN), wastewater treatment plant (WWTP) and river water system (RW) for a hypothetical, though realistic, UWS. Evaluation criteria are developed to allow for direct assessment of the river water quality instead of the traditional emission based metrics (for sewer overflows and WWTP discharge). Three case studies are included to illustrate the applicability of the proposed toolbox and also demonstrate the potential benefits of implementing integrated control in the BSM-UWS platform. Simulation results show that the integrated control strategy developed to maximize the utilization of the WWTP's capacity represents a balanced choice in comparison to other options. It also improves the river water quality criteria for unionized ammonia and dissolved oxygen by 62% and 6%, respectively.     

宁波市推进河网水资源智能化调度的思路与探索

为改善宁波市河网水环境,基于现有的工程措施,从智能化非工程措施角度,探究平原河网水资源智能化调度的可行方案。根据宁波市中心城区平原河网基本特点及闸泵工程分布情况,分析宁波市近些年在水资源智能化管理调度方面的建设情况及存在问题,以满足河流生态需水量为前提,从监测、模拟、调度方案的形成及调度执行4个层面,提出推进河网水资源智能化调度的思路及实现途径,并对每一个层面的实际可行性进行分析。通过建立宁波市中心城区河网水质水量联合调度模型,结合重要水功能区与河湖断面的水质实时监测数据,对河道水体进行纳污容量分析,并使用水质模型结合调度方案模拟水污染演化进程、影响范围、持续时间,为河流水量调配提供决策支持,为类似区域的水质改善提供借鉴。     

Using Radial Basis Function Neural Networks to identify river water data parameters

The complex conditions of water dynamics create a challenge in selecting an appropriate neuron structure for artificial neural networks to simulate real river parameters. This study proposes an identification model based on Radial Basis Function (RBF) Neural Networks. We applied this identification model to river water quality parameters with different neuron node size scenarios to test network structure characters. Simulation results reveal that the RBF Neural Networks model achieves convergence through neuron iterations and the simulation error is well controlled within a small margin. The adjusting effect is closely related to structure design and the neuron updating strategy.     

Neural networks forecasting of flood discharge at an unmeasured station using river upstream information

Based upon information at stations upstream of a river, a back-propagation neural network model was employed in this study to forecast flood discharge at station downstream of the river which lacks measurement. The performance of the neural network model was evaluated from the indices of root mean square error, coefficient of efficiency, error of peak discharge, and error of time to peak. The verification results showed that the neural network model is preferable, which performs relatively better than that of the conventional Muskingum method. Furthermore, the developed model with different input parameters was trained to check the sensitivity of physiographical factors. The results exhibited that flood discharge and water stage, are two factors to dominate the accuracy of estimation. Meanwhile, the physiographical factors had a slight and positive influence on the accuracy of the prediction. The time varied flood discharge forecasting at an unmeasured station might provide a valuable reference for designing an engineering project in the vicinity of the investigation region.     

基于网格计算的水污染运移模拟研究与应用

针对目前水污染运移模拟过程中存在的计算力不足,无法满足全河道污染物运移模拟的问题,利用网格计算提供高性能的计算环境,将原子拆分思想和信息可视化技术引入水污染运移模拟中,构建基于网格的水污染运移模拟平台。通过该平台的有效观测,实现了水污染在全河道内运移的动态可视化展现。实例模拟了松花江污染事件污染物沿河道运移和扩散的运移全过程,为合理处置重大水污染事件提供了新的思路。