城市供水管网模型参数自动识别方法研究

在分析城市供水管网模型建设和应用问题的基础上,针对管网模型参数识别这一核心问题进行了研究,提出了基于GIS和SCADA的管网模型参数自动识别的流程,分析了管网模型参数自动识别的核心算法,提出了基于RSA方法的灵敏参数自动识别和基于MCS方法进行参数识别的算法和技术路线,并完成了管网模型参数自动识别模块的编程实现.最后选择一个典型城市小区供水管网为案例,进行了管网水力模型参数自动识别的示例研究,并得到满足要求的模型参数.     

基于图深度学习的供水管网短期需水量预测研究

供水系统短期需水量预测是供水管网优化调度的基础,预测的准确性对供水调度有重要影响。图神经网络是一种新型神经网络架构,通过学习对象的拓扑特征优化学习效果。利用供水管网的拓扑特征搭建了图波网络(Graph Wavenet)模型,用于学习供水管网各监测点的空间拓扑关系及其需水量时间序列关系,实现了更准确的供水管网短期需水量预测。使用真实管网历史数据训练Graph Wave Net模型,未来5 min预测的最小百分比误差达到1.28%,平均百分比误差达到1.34%。实验成功地将给水管网拓扑结构用于优化深度学习模型效果,使用图卷积网络模型有效提升了供水管网短期需水量预测精度。并对图神经网络在供水管网领域的应用前景进行了简要探讨。     

智慧水务背景下的供水管网漏损控制研究进展

供水管网漏损是国内外供水行业面临的普遍难题,不仅造成大量的水资源浪费,而且带来管网水质二次污染风险.因此,管网漏损控制一直是供水行业的研究热点.尤其是近年来智慧水务的发展,使管网基础信息与运行监测数据不断完善,大大推动了管网漏损控制技术的发展.综述了管网破损预测、管网漏损识别定位、管网漏损控制方案优化、数据质量控制与漏损管理系统等方面的研究进展,并分析了当前研究的特点与不足,以期为管网漏损控制技术的发展提供借鉴.     

基于自组织映射(SOM)算法的地下水污染源反演

根据污染物浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,通过对地下水污染源位置与强度的确定有助于提高地下水污染治理与修复的效果。提出一种基于自组织映射(SOM)算法的地下水污染溯源模型的替代模型的构建方法,并通过数值算例研究了SOM替代模型中训练数据样本数目和神经元数目的最优组合,以得到能够准确地表征地下水污染源强信息与观测数据之间联系的最优替代模型。算例研究结果表明:基于SOM算法的替代模型作为一种快速反演算法,在应用于地下水污染源反演问题时能有效减少计算量,并能以较高的精度对地下水污染源进行快速识别,具有良好的稳定性和鲁棒性。     

流域空间统计模型SPARROW及其研究进展

SPARROW(SPAtially Referenced Regressions On Watershed attributes流域属性基于空间的回归模型)是美国地质调查局(USGS)开发的经验统计和地表过程相结合的流域空间统计模型。模型通过对河流水质数据和流域属性建立空间回归实现污染负荷产生和迁移的定量化。模型的最大特色是其空间特性非常显著,可以将上游的营养盐污染源数据和下游的营养盐负荷数据联系起来,同时可以将河流中的水质监测数据或污染物通量数据和流域的空间属性特征(比如土地利用类型、河网、大气沉降等)联系起来。模型除了一般水质模型所具有的水质模拟和流域污染源的分析功能外,还可在模拟过程中对流域中每个污染源、流域属性和污染物迁移过程对水质监测结果的影响进行显著性检验。文章简要介绍了SPARROW模型的结构和原理、功能和应用发展前景。     

一种基于虚拟压力分区的供水管网漏损区域识别方法

针对供水管网的漏损识别问题,提出了一种基于虚拟压力分区的漏损区域识别方法。通过虚拟压力分区降低漏损识别问题的维度,利用遗传算法优化真实漏损流量在管网空间中的分布,建立了各区域的漏损水量与漏损率的识别方法。该方法分为虚拟压力分区与漏损区域识别2个步骤：前者基于改进的K均值聚类算法,将管网节点划分为空间位置邻近、平均自由水头相似、拓扑结构连通的不同区域;后者以区域比例系数为决策变量,以最小化测压点处压力的模拟值与实测值差异为优化目标,实现各区域真实漏损情况识别。基于Z市L镇供水管网8号分区设计小型算例,验证了该方法对不同漏损工况识别的准确性。随后利用Z市L镇供水管网进行实际工程应用,结果表明,该方法对管网节点划分合理,管网中漏损严重区域的识别结果与实际情况相吻合,可以辅助大型供水管网的漏损检测工作。     

紫外线-茶多酚联用对供水管网的消毒效果

针对传统消毒技术的安全风险问题,以维护供水管网水质安全为目标,引入茶多酚作为辅助消毒剂和紫外线消毒联用,模拟供水管网系统探究不同管材和水力停留时间下紫外线-茶多酚联合消毒的消毒效果,分析管壁生物膜形貌和菌落分布的变化.结果表明,75mg/L是紫外线-茶多酚联合消毒时茶多酚的较优投加量,可保持48h消毒效果.模拟管网运行过程中整体水质较好,但管材对管网消毒效果的影响较大,30d内球墨铸铁和UPVC管网中细菌量超过100CFU/mL的频率分别为80%和0%,紫外线-茶多酚联合消毒在UPVC管网中消毒持续性较强.与紫外线消毒相比,紫外线-茶多酚联合消毒对管壁生物膜的破坏效果更明显,且对生物膜中的蓝藻菌和肠道致病菌杀灭效果更强,有利于保障管网水质的安全性.     

基于水热因子波动的呼伦贝尔草原产草量模型

基于多年气象资料(温度和降水量)和产草量监测数据,采用相关分析、主成分分析和回归分析等方法,构建呼伦贝尔草原产草量与气象因子统计学模型,并对二者之间的关系进行了分析.结果表明:利用水热波动因子建立的多项式回归模型具有较好的拟合效果,所建立的呼伦贝尔草原产草量预测模型为y=100.209+1.6410x-0.00559x2.F值显著性检验表明,其复相关系数R2=0.4713,F=8.0239(P=0.0033),在α=0.01水平上显著.利用1989─2009年呼伦贝尔草原产草量数据进行模型精度检验,模型预测精度在85%以上.该预测模型具有选用参数易得、易于代入遥感数据中进行栅格计算、精度高于基于植被指数预测模型等特点.     

基于Elman神经网络的流体管道泄漏点检测定位

目的通过Elman神经网络预测对泄漏点进行过检测定位。方法基于流体压力波的负压波法及反馈型Elman神经网络方法,开展水力输运管道的泄漏定位研究。利用Flowmaster仿真软件中的水力输运模型建立长度为1100 m的一维管路系统,针对此系统开展不同管路状态参数下的数值仿真计算。结果通过小波变换技术实现了数据降噪与奇异点捕捉,完成了泄漏点位置的估算。同时,借助反馈型Elman神经网络,开展了不同泄漏工况下的网络训练和预测,利用经过训练的神经网络对所选取的5组泄漏点完成了定位预测,最大测试误差为1.83%。结论通过Elman神经网络预测得到的结果与实际泄漏位置进行对比,验证了反馈型神经网络方法在管路泄漏智能定位问题中的准确性与有效性。     

基于SPARROW模型的面源污染模拟研究进展

随着点源污染的有效控制,面源污染逐渐成为我国水环境治理亟须解决的问题。但是,由于面源污染物的来源及其传输过程难于监测,因此需要使用模型模拟的方法进行评估分析。对面源污染模拟常用的统计模型方法和机理模型方法的分析比较发现,空间属性回归模型(SPAtially referenced regressions on watershed attributes,SPARROW)在利用统计学方法的同时,考虑了简单的水文传输过程,是一种介于简单统计模型与复杂机理模型之间的实用模型模拟方法。通过对该模型在污染溯源模拟与分析、流域变化预测分析和管理措施评估等方面的综述,得出结论如下:1) SPARROW模型模拟所需的数据相对较少,难度适中,十分符合我国流域人为干扰严重且监测数据相对不足的管理特点;2) SPARROW模型以空间模拟为主,可以基于目标水体的污染物负荷对上游流域的污染贡献进行溯源分析,并为面源污染的模拟研究提供技术支持。3) SPARROW模型可以在不确定性分析、时间分辨率和空间差异性等方面进行优化改进,进而实现更为广泛的应用。     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

京杭运河(杭州段)河网水质模拟

京杭运河杭州段河网属于典型的平原河网地区,根据平原河网的水流以及污染特点,利用一维对流扩散方程建立了该地区河网水质模型,采用全隐中心差分格式离散方程,并用追赶法求解。对京杭运河杭州段河网进行水质模拟,并利用2007年上半年常规水质监测断面水质监测数据对模型计算结果进行验证。验证结果表明水质模拟结果较为理想,模型能较为准确的反映河网水质变化趋势,可以用于该地区河网水质改善研究。     

基于环境保护大数据的监测与智能诊断研究

为了提高环境保护的智能监测能力,采用大数据分析方法进行环境监测和诊断分析,提出一种基于环保大数据关联特征挖掘的环境保护智能监测与诊断技术。构建环境监测的约束参量模型,以土壤监测数据、空间污染排放量以及水资源监测数据为原始统计数据,采用关联规则特征提取方法进行环保大数据的有用信息挖掘,结合模糊C均值聚类算法实现对环保大数据的分类处理,根据分类结果进行环保监测和智能诊断分析。仿真结果表明,采用该方法进行环保大数据挖掘的准确性较好,对各种污染信息的分类精度较高,提高了环保监测和诊断的有效性与实时性。     

基于空腔流动理论的市政消火栓盲端铁迁移扩散机理研究

市政消火栓滞水严重，存在积累扩散亚铁离子（Fe²⁺）的问题，可能引发"红水"现象，威胁供水卫生安全.以往的管网水质模拟缺少对消火栓盲端支管的研究，难以准确模拟消火栓铁释放现象，使得计算精确度不足.针对上述问题，本研究尝试运用空腔流动机理分析市政消火栓构成的盲端支管内Fe²⁺迁移扩散现象，结合扩散实验和数值模拟，构建盲端支管Fe²⁺扩散的流体力学模型，定量分析管长、管径、流速等因素的影响规律，为精确模拟消火栓水质提供参考.     

基于Matlab软件自动化求取参数的HEC-RAS模型构建

水质模型是水环境模拟的重要工具,近年来越来越多的应用于水环境预测与管理中,但平原河网水质模拟一直是个难点.本研究采用HEC-RAS模型开展湖州市长兴城区平原河网水动力和水质模拟.模型的水质模块率定采用Matlab软件自动化求取参数,代替常规试错法求参率定,减少了人工干预,提高了模型率定效率.HEC-RAS模型在平原河网地区水动力模拟结果较好,水质模拟结果基本符合要求,证明了HEC-RAS模型在平原河网应用的可行性,但模型的精度通常受水系概化、水文状况、污染源信息等因素影响,对于信息比较充分的短时段水质模拟其精度相对较好.     

新疆博尔塔拉蒙古族自治州水资源开发利用中的若干问题探讨

本文从宏观角度对博州水资源的开发利用作了详细的研究。通过分析博州现行的水资源利用状况,找出以往开发利用中存在的问题及原因,运用结构分析方法,借助系统动力学(SD)建模手段,构造了博州水资源系统的宏观调控结构分析模型。通过观察和比较模型的输出结果,最后提出以从农业生产中挖潜节水为主攻方向,来解决博州水资源开发利用中现存的各种问题和作为今后制定各种水资源政策的参考。本研究将区域水资源开发利用问题归结为系统宏观控制问题,并在方法上作了一些探索。     

新疆博尔塔拉蒙古族自治州水资源开发利用中的若干问题探讨

本文从宏观角度对博州水资源的开发利用作了详细的研究。通过分析博州现行的水资源利用状况,找出以往开发利用中存在的问题及原因,运用结构分析方法,借助系统动力学(SD)建模手段,构造了博州水资源系统的宏观调控结构分析模型。通过观察和比较模型的输出结果,最后提出以从农业生产中挖潜节水为主攻方向,来解决博州水资源开发利用中现存的各种问题和作为今后制定各种水资源政策的参考。本研究将区域水资源开发利用问题归结为系统宏观控制问题,并在方法上作了一些探索。     

基于分区多点供电的填埋场渗漏实时检测系统研究

针对现有填埋场渗漏检测系统在检测大面积填埋场时存在的检测成本高、电极铺设困难和定位不精确的实际问题,设计了一种新型填埋场实时渗漏检测系统,该系统采用分区检测、多点供电的方式采集检测电极电势,并通过定位算法定位漏洞。该系统在大大降低了大面积填埋场渗漏检测成本的同时,也提高了定位精度。通过在中国环境科学研究院内小型填埋场做模拟实验验证,在膜上供电电流400 mA、膜下电极栅格间距10 m、膜下媒质电阻率50Ω·m的情况下,系统的定位精度可达到20 cm。该系统为垃圾填埋场的科学管理和减少环境污染提供了新的科学技术手段。     

不确定性条件下地下水污染监测井网优化设计——基于XGBoost替代模型

在地下水污染监测井网优化设计中,应用模拟优化方法时客观存在的模型参数不确定性往往会影响到设计监测井网的可靠性.针对该问题,重点考虑了渗透系数和污染源释放强度的不确定性,应用模拟优化方法和蒙特卡罗方法求解上述不确定性参数影响下的最优监测井布设方案.为缓解蒙特卡罗方法多次调用模拟模型所产生的巨大计算负荷,本研究建立了XGBoost替代模型,代替模拟模型与优化模型进行耦合.为提高监测井网对实际污染羽的监测精度,污染监测井网优化模型以监测空间矩误差极小化为优化目标.此外,本次研究还考虑了监测井网设计中污染源释放强度的动态变化过程.最后,以抚顺市某煤矸石堆放场地为基础建立假想例子,验证所提方法的有效性.结果表明:1.XGBoost能够有效近似模拟模型的输入输出关系,显著降低了计算负荷.2.空间矩能够有效评估监测井网插值污染羽和实际污染羽的逼近程度,优化设计后的监测井网能够较为准确地捕捉到实际污染羽的状态.3.模拟优化方法结合蒙特卡罗方法能有效求解不确定性条件下最优监测井网的设计问题.本文为地下水污染监测井网设计提供了一种稳定可靠的方法.