海域水质生态模型参数估计方法研究初探——以叶绿素参数估计为例

建立了海域水质生态模型参数估计新方法,将数据驱动模型理论同海域生态模型结合在一起,通过海域水质生态模型设计工况的计算构建海域内部观测点的解集,应用基于人工神经网络的数据驱动模型归纳建立状态变量(污染物浓度)同控制变量(模型参数)之间的关系,最后将实测资料带入上述关系反演模型参数最优解。以渤海海域水质生态模型叶绿素参数估计为例,采用"孪生"试验验证参数估计新方法的可行性,模型参数的校验结果表明该方法是有效的。     

综合水质模型参数识别研究

针对综合水质模型参数众多，难以同时估算的特点，介绍了二种参数优化方法，分别为：基因法，罗森布瑞克法和单纯形法，在分析了每种方法特点的基础上，结合具体实例进行比较验证，最后提出先进行模型参数灵敏度分析，再选用基因法对灵敏度高的参数进行优选，将优选结果作为罗森布瑞克法和单纯形法初始值，并进一步优选的设计思路。     

动水射流多参数优化耦合反演方法

通过数据驱动模型理论和变密度各项异性湍浮力射流模型的有机结合,提出了射流比和射流喷角多参数优化耦合反演的新方法:通过射流模型计算射流比和射流喷角多参数匹配设计的数值工况,构建计算水域内部观测点污染物浓度解集;以数据驱动模型理论建立状态变量(污染物稀释度)同控制变量(模型多参数)之间的非线性关系;将拟获得的稀释度带入关系中,进行模型多参数的组合优化反演研究,结果表明基于数据驱动模型理论的多参数反演方法可以获得最优的射流参数,有利于射流水体与环境水体间的掺混。     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R²达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R²达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

降雨地表径流水质模拟中SWMM模型水质参数确定

检测城市不同功能区污染物累积和径流样本并结合模拟实验,分析不同污染物累积和冲刷规律,确定SWMM模型在降雨地表径流水质模拟中污染物累积和冲刷参数取值范围,并进行模型验证。研究结果表明,SS、COD、氨氮污染物累积量均随累积时间不断增加,并趋于稳定,其在不同功能区最大累积量C_1取值范围分别为:6.37~12.86、14.03~21.66和8.89~12.88 g/m~2,累积速率常数C_2取值范围分别为:0.055~0.100、0.061~0.085和0.133~0.167。降雨强度较大时,降雨地表径流中污染物浓度较高,但均随降雨历时不断下降,并趋于稳定。SS、COD、氨氮冲刷系数S_1取值范围分别为:0.003~0.005,0.025~0.035和0.01~0.02,冲刷指数S_2取值范围分别为:0.4~0.8,0.8~1.0和0.5~0.8。在确定的取值范围内选取SWMM模型水质参数,对某场降雨地表径流中SS、COD、氨氮污染物浓度变化过程进行模拟,模拟结果与实测数据基本吻合,表明水质参数取值范围适用于SWMM模型降雨地表径流水质模拟。     

水质模型参数识别与验证的探讨

参数识别与模型验证是水质模型应用的两个重要步骤。在对模型参数的本质含义进行辨析的基础上,对模型参数的时变性、集成性和可识别性进行了分析。采用科学哲学的方法,对水质模型验证的必要性和不足进行了讨论,指出虽然模型验证必不可少,但也不能证实模型本身就是实际物理和生化过程的反映,因此应充分地意识到“经过验证的”模型在预测中的风险。     

厦门海域水体悬浮物遥感反演算法研究

通过现场实测厦门海域水体遥感反射率及水体悬浮物浓度,分析了该海域水体的遥感反射光谱特征,选取了特征波段及组合建立了该海域水体悬浮物浓度反演模型。本文经过对比分析水体中呈悬浮态的总颗粒物质量浓度的不同反演方法,最后得出悬浮颗粒物在近红外波段的反射曲线的反射率高值和低值围成的区域面积可较好的反演研究区域的悬浮颗粒物浓度,其统计回归模型的决定系数是0.66,该反演算法的RMSE是10.25mg/L,相对误差是7.79mg/L。     

肇庆星湖水质模型研究

根据星湖水污染特点，建立包括ＮＨ＾＿４－Ｎ，ＮＯ＾－２－Ｎ，ＮＯ＾－３－Ｎ，ＣＢＯＤ，ＤＯ的多元耦合氧平衡模型，Ｐ平衡模拟以及Ｃｈｌａ－Ｐ关系统计模型。模型中的参数采用实验法，经验公式法以及利用实测资料率定等方法，经实测资料验证，模型精度达到基本要求，可用于星湖水质管理实际工作。     

天津市近岸海域水质变化趋势分析及水质目标研究

掌握海域水质变化趋势、制定科学合理的水质目标,有助于精准实施重点海域排污总量控制,制定有效的污染物管控政策。利用广义加性模型（GAM）,基于2007—2018年天津市近岸海域营养盐浓度及降水量数据,建立水质变化趋势分析模型和水质目标确定方法,在评估天津市近岸海域12个监测站位无机氮和活性磷酸盐浓度变化趋势的基础上,提出天津市近岸海域水质控制目标,并分析水质目标的合理性和可达性。结果表明：2013—2018年与2007—2012年相比,天津市近岸海域无机氮浓度总体呈下降趋势,下降比例为13.19%,95%的置信区间为−30.37%～3.96%;活性磷酸盐浓度总体呈上升趋势,上升比例为7.01%,95%的置信区间为−11.43%～25.45%,尚未恢复到2007—2012年的平均水平;提出2025年天津市近岸海域无机氮、活性磷酸盐二者综合优良水质比例达到75%的控制目标;将天津市近岸海域划分成7个区域,建议据此实施海域水质分区管理,进一步加强农业面源污染防治,强化流域上下游协同治理和省际水污染联防联治,持续改善天津市近岸海域水质。

     

遗传梯度法在水质数学模型参数估值的应用

介绍一种混合遗传算法－－遗传梯度法，并将其应用于水质数学模型参数估值，较一般优化算法能稳定得到的全局最优解。     

变尺度混沌-遗传算法在复杂河流水质模型参数优化中的应用

将变尺度混沌-遗传算法(MSCGA)应用于复杂河流水质模型参数优化.采用湘江衡阳段水质监测资料,以二维河流水质数学模型反演结果的均方误差为适应度函数,估计横向扩散系数Dx、纵向弥散系数Dy和污染物衰减系数κ.数值实验结果表明,MSCGA寻优过程具有明显的分级特征,级级收敛;在同样的条件下,MSCGA的收敛速度较快,为遗传算法(GA)的1.36倍;同时,MSCGA克服了GA早熟收敛的问题,其最优适应度函数值为7.6×10-4,而GA的最优适应度函数值9.6×10-4.将MSCGA应用于研究河段,求得Dx、Dy分别为0.1335、0.0011,BOD5、As、Cr的衰减系数κ分别为0.0229、0.0100、0.0107.     

昆承湖水质参数空间分布特征研究

为了分析湖泊水质参数的空间分布特征,在面积为17.57km2的昆承湖布设水质监测点18个,运用基于Arc GIS的地统计学组件分析了湖区水质参数的空间分布特性.结果表明,昆承湖水质参数的空间结构变异性是客观存在的,各主要水质参数都具有块金效应;对昆承湖水质参数进行克立格插值,并绘制空间分布图,发现湖区各主要水质参数的空间异质性比较明显.其中,DO浓度呈西高东低之势;TN和NH4 -N的高浓度区主要集中在湖东北部和东部;TP的变化最为复杂,高浓度区主要分布在东北部和湖西的部分区域;Chla除在湖心较小区域出现低值,在整个湖区浓度均较高.     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

浅水湖泊群水质模型的近似解析解法

为了实现在一般微机上也能模拟浅水湖泊群的水质变化，从水质变化的基本控制方程出发，根据浅水湖泊群的水流特征与污染物迁移特性，首先建立了浅水湖泊群ＢＯＤ－ＤＯ模型，然后针对恒定水流和污染源稳定排放污水的情形，把处于湖泊边界上的污染源所面临的湖面视为半无限区域，并考虑到浓度的可叠加性，提出了浅水湖泊群ＢＯＤ－ＤＯ模型的近似解析解法。实例结果表明，这种解法计算工作量和存储量都较小，在一般微机上即能进行，且计算准确度基本上能满足工程实际要求。     

BOD-DO耦合人工神经网络水质模拟的研究

将人工神经网络的理论和方法引入河流水质模型的建筑中，提出了BOD－DO耦合BP人工神经网络水质模型，应用长江干流重庆段的实测水质样本对模型进行训练与 检验表明：该模型用于水质模拟可行且精度较高，为河流水质模拟开辟了一条简便可行的新途径。     

Development and application of a two-dimensional water quality model for the Daqinghe River Mouth of the Dianchi Lake

Water quality models are important tools to support the optimization of aquatic ecosystem rehabilitation programs and assess their efficiency. Basing on the flow conditions of the Daqinghe River Mouth of the Dianchi Lake, China, two-dimensional water quality model was developed in the research. The hydrodynamics module was numerically solved by the alternating direction iteration (ADI) method. The parameters of the water quality module were obtained through the in situ experiments and the lab analyses that were conducted from 2006 to 2007. The model was calibrated and verified by the observation data in 2007. Among the four modelled key variables that were water level, CODcr, NH3-N and PO4-P, the minimum value of the coefficient of determination (CoD) was 0.69, which mean the model performed reasonably well. The developed model was then applied to simulate the water quality changes at the downstream cross-section assuming that the designed restoration programs were implemented. According to the simulated results, the restoration programs could cut down the loads of CODcr and PO4-P about 15%, however, they would have very little effect on the NH3-N removal. Besides, the water quality at the outlet cross-section would be still in class V (3838-02), indicating more measures should be taken to further reduce the loads. The study demonstrated the capability of water quality models to support aquatic ecosystem restorations.     

污水回用中的循环浓缩水质模型与污水回用率

污水回用中因循环浓缩,存在着水质变差问题．探索其变化规律,定量确定运行参数,做到既节水又保证回用水质合格、稳定,具有重要理论和实用意义．通过数学归纳法推导出一个循环浓缩水质数学模型和计算杂用水质和污水回用率的公式．应用该模型,以厕所污水回用为例,就污水水质、污染物去除率、处理水质和杂用水质标准对杂用水质、污水回用率的影响进行讨论．结果表明,在符合城市杂用水水质标准的前提条件下,分别按生化需氧量、浊度、氨氮及色度等水质指标计算得出的污水回用率是65．3％,82．9％,57．5％和37％．在厕所污水回用中,色度为水回用率的限制指标．由于色度指标的限制,经计算水循环厕所的污水回用率一般不宜超过40％。     

基于遗传算法的次级河流回水段水质模型多参数识别

根据长江次级河流临江河回水段的实际情况,建立一维水质模型,模型中的各变化项采用有限差分法(FDM)进行离散,以回水段水体中COD和NH3-N的实测资料为基础,利用自适应遗传算法(AGA)对2种污染物的纵向离散系数及一级降解系数进行反演计算,得出回水段COD和NH3-N的纵向离散系数分别为0.5227,0.5196km2/h,一级降解系数分别为0.0342,0.0367h-1;计算值与实测值吻合较好,表明FDM-AGA方法能较好地运用于次级河流回水段水质模型的多参数识别.     

水质富营养化程度的人工神经网络决策模型

为了对水质富营养化程度进行综合评价,提出水质富营养化决策的人工神经网络模型,用此模型研究我国17个湖泊的富营养化状况,通过期望输出值的选取和对未知水体的评价原则充分体现了水质富营养化各等级之间的模糊性,正确地反映了水质富营养化作用的内部机理。