河流突发污染事故溯源关键技术研究
本文关键词:河流突发污染事故溯源关键技术研究
更多相关文章: 水体污染 河流模型 污染源溯源 参数优化 马尔科夫蒙特卡罗方法
【摘要】:近年来,我国突发水质污染事件时有发生,造成很大危害和损失,而现有的河流突发水污染事故溯源技术仍面临响应速度慢,溯源结果不够准确以及监测断面数据利用不充分等问题。基于这样的状况,本文提出一种针对岸边排放的河流突发点源污染事件的污染物溯源算法架构,重点研究该架构下污染源反演算法、水质扩散模型在线率定算法、溯源结果抽样分析算法等关键技术,以提高溯源方法对断面监测数据的利用率、溯源响应速度以及准确度,通过案例计算和水槽模拟实验验证了相关方法的适用性。论文主要工作和创新点如下:(1)针对河流发生水质污染事故后环境监管部门难以有效利用污染物监测数据来定位污染源位置的问题,根据污染源反问题推导的思路,提出了一种基于马尔科夫蒙特卡罗(MCMC)方法的河流污染源反演算法。该算法将溯源问题转换成贝叶斯估计问题,根据污染源下游断面的观测值序列,结合污染物扩散模型,构建了污染源信息的似然函数,根据贝叶斯定理,推导得到污染源的后验概率密度函数,最后利用抽样算法对结果进行抽样分析,可以快速得到污染事件中污染源的空间位置和排放时刻等未知参数的概率分布。(2)针对水质模型离线率定工作实时性不高、计算结果准确性不易提升等问题,提出了一种应用断面监测数据进行水质模型参数在线率定的方法。该方法利用初始断面数据构建虚拟污染源,替代实际污染源来预测下游浓度,通过预测值与后续断面实测数据进行偏差分析,动态校正模型参数。仿真案例数据计算结果表明,该方法可以在线率定水质模型参数,得到参数的优化解,从而为溯源算法提供更可靠的水质模型,提高反演计算结果的准确度。(3)针对溯源结果特征分析时存在的抽样算法稳定性较差,及由此导致的抽样结果不能很好体现样本特征等不足,提出了一种自适应Metropolis-Hastings算法,该算法在标准Metropolis-Hastings算法的基础上,对提议函数参数设定做出改进,自适应计算提议函数的标准差,解决了接收概率不稳定导致抽样结果不易收敛的问题,使得抽样结果更能代表抽样对象的特征。实际案例计算结果表明,利用该算法,可以从参数后验概率密度函数中得到污染源的排放量、空间位置和排放时刻等未知参数的概率分布特征,且结果代表性更好。(4)开展了实验水槽模拟实验。通过在波浪水槽中投放示踪剂来模拟河流突发污染事件,将监测点实测浓度数据作为反演数据,在线率定了污染物扩散模型参数,计算了污染源的关键信息概率分布,计算结果和实测数据验证了所研究河流污染源反演算法和水质模型参数在线率定方法的有效性。论文研究工作为河流污染泄漏事件溯源增加了技术积累,相关算法成果将集成于课题组所研发的河流水质预警应急系统中,为有关部门掌握污染源信息、制定应急决策提供帮助。
【关键词】:水体污染 河流模型 污染源溯源 参数优化 马尔科夫蒙特卡罗方法
【学位授予单位】:浙江大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:X522
【目录】:
- 摘要5-7
- Abstract7-14
- 第一章 绪论14-24
- 1.1 课题的研究背景及意义14-15
- 1.2 国内外研究现状15-21
- 1.2.1 河流突发性水污染事故溯源方法研究现状15-17
- 1.2.2 水质模型参数率定方法研究现状17-19
- 1.2.3 现有溯源方法在应对突发污染事件溯源时存在的不足19-21
- 1.3 本文主要研究内容及章节安排21-24
- 1.3.1 课题的提出21
- 1.3.2 论文研究内容21-22
- 1.3.3 章节内容安排22-24
- 第二章 河流点源排放水污染事件的溯源24-41
- 2.1 污水直排导致的突发水质污染事故溯源问题概述24-25
- 2.2 污染物在水体中的扩散规律及污染物扩散模型推导25-30
- 2.2.1 污染物在河流中的扩散规律研究25-26
- 2.2.2 二维污染物扩散模型适用性论证26-27
- 2.2.3 点源岸边瞬时排放的污染物扩散模型推导27-29
- 2.2.4 点源岸边连续排放的污染物扩散模型推导29-30
- 2.3 河流突发污染事故溯源方法框架30-33
- 2.3.1 移动水质监测平台32
- 2.3.2 污染物扩散模型参数率定32-33
- 2.3.3 基于马尔科夫蒙特卡罗方法的河流污染物溯源反演算法33
- 2.4 基于马尔科夫蒙特卡罗方法的河流污染物溯源反演算法实现33-39
- 2.4.1 污染事件类型判断33-35
- 2.4.2 获取污染源先验分布35-36
- 2.4.3 构造似然函数和后验概率密度函数36-38
- 2.4.4 溯源结果抽样分析38-39
- 2.5 需重点研究的几个问题39-40
- 2.5.1 现有算法难以满足水质模型参数在线率定算法的需求39
- 2.5.2 结果特征分析时存在的结果代表性不足的缺点39-40
- 2.6 本章小结40-41
- 第三章 河流点源水污染溯源模型参数在线率定方法研究41-70
- 3.1 现有水质模型参数率定方法41-46
- 3.1.1 遗传算法41-42
- 3.1.2 模拟退火算法42
- 3.1.3 粒子群算法42-46
- 3.2 基于粒子群优化算法的污染物扩散模型参数在线率定方法46-54
- 3.2.1 污染物扩散模型参数敏感度分析48-49
- 3.2.2 模型参数初值设定49-50
- 3.2.3 初始断面数据处理和污染源构建50
- 3.2.4 自适应混沌粒子群算法做模型参数寻优50-54
- 3.3 案例研究与结果分析54-69
- 3.3.1 污染物扩散模型在线参数率定方法应用案例54-63
- 3.3.2 自适应混沌粒子群优化算法与标准粒子群算法对比实验63-69
- 3.4 本章小结69-70
- 第四章 河流点源污染事件溯源结果抽样算法方法研究70-83
- 4.1 马尔科夫蒙特卡罗方法(MCMC)抽样方法概述70
- 4.2 标准Metropolis-Hastings抽样算法70-72
- 4.3 自适应Metropolis-Hastings算法72-75
- 4.3.1 自适应提议函数标准差计算73-74
- 4.3.2 接受概率计算74
- 4.3.3 马尔科夫链收敛判断74-75
- 4.4 案例研究与结果分析75-82
- 4.4.1 算例介绍75-77
- 4.4.2 反演分析77-78
- 4.4.3 实验结果对比分析78-82
- 4.5 本章小结82-83
- 第五章 河流污染溯源模拟实验83-102
- 5.1 实验目的83-84
- 5.2 实验设备介绍和实验所需的参数计算84-87
- 5.2.1 实验水槽概述84-85
- 5.2.2 流速测定85
- 5.2.3 荧光光谱测得的峰值和溶液浓度曲线拟合85-86
- 5.2.4 扩散系数确定86-87
- 5.3 实验过程及结果分析87-101
- 5.3.1 实验一:岸边瞬时排放污染事件的溯源实验87-91
- 5.3.2 实验二:岸边连续排放污染事件的溯源实验91-95
- 5.3.3 实验三:真实河流岸边瞬时排放污染事件的溯源实验95-100
- 5.3.4 实验结果总结分析100-101
- 5.4 本章小结101-102
- 第六章 总结与展望102-105
- 6.1 论文工作总结102-104
- 6.2 工作展望104-105
- 参考文献105-108
- 作者在攻读硕士学位期间的研究成果108-109
- 致谢109-111
- 作者简介111
【参考文献】
中国期刊全文数据库 前10条
1 辛小康;韩小波;李建;卢路;;基于遗传算法的水污染事故污染源识别模型[J];水电能源科学;2014年07期
2 齐伟;张弛;初京刚;周惠成;;Sobol′方法分析TOPMODEL水文模型参数敏感性[J];水文;2014年02期
3 刘乐平;高磊;杨娜;;MCMC方法的发展与现代贝叶斯的复兴——纪念贝叶斯定理发现250周年[J];统计与信息论坛;2014年02期
4 张质明;王晓燕;于洋;刘文竹;;基于GLUE法的多指标水质模型参数率定方法[J];环境科学学报;2014年07期
5 杨海东;肖宜;王卓民;邵东国;刘碧玉;;突发性水污染事件溯源方法[J];水科学进展;2014年01期
6 余勤飞;侯红;白中科;李发生;;中国污染场地国家分类体系框架构建[J];农业工程学报;2013年12期
7 王金南;吴文俊;蒋洪强;徐敏;谢阳村;赵康平;;中国流域水污染控制分区方法与应用[J];水科学进展;2013年04期
8 马乐宽;王金南;王东;;国家水污染防治“十二五”战略与政策框架[J];中国环境科学;2013年02期
9 江曙光;;中国水污染现状及防治对策[J];现代农业科技;2010年07期
10 刘晓东;姚琪;薛红琴;褚克坚;胡进;;环境水力学反问题研究进展[J];水科学进展;2009年06期
中国博士学位论文全文数据库 前4条
1 张徐杰;气候变化下基于SWAT模型的钱塘江流域水文过程研究[D];浙江大学;2015年
2 徐礼强;钱塘江水环境主要污染物通量研究[D];浙江大学;2008年
3 朱嵩;基于贝叶斯推理的环境水力学反问题研究[D];浙江大学;2008年
4 张明亮;河流水动力及水质模型研究[D];大连理工大学;2007年
中国硕士学位论文全文数据库 前3条
1 栾焱;基于三维GIS的滨州市水污染扩散仿真系统的设计与实现[D];山东大学;2013年
2 汲剑锐;马尔科夫链应用的一些探讨[D];华中师范大学;2012年
3 赵万星;河流水质的二维数值模拟[D];重庆大学;2002年
,本文编号:822574
本文链接:https://www.wllwen.com/shengtaihuanjingbaohulunwen/822574.html