论文部分内容阅读
城市的大规模建设增加了硬化路面的比例,改变了降雨的产汇流规律,导致降雨时城市地表径流量显著增加;同时,城市建设初期未充分考虑降雨径流污染的严重性,导致城市排水体制存在固有的设计缺陷。其结果是:降雨径流污染未得到有效控制,已经成为城市水体污染的主要影响因素。而了解和掌握城市降雨径流的污染特征是对其进行有效管理控制的必要基础和前提。
本研究首先对包括主干道、支路、广场、屋面及绿地在内的5类城市下垫面开展了4场降雨的地表径流水样采集及水质检测实验,研究场次降雨径流污染平均浓度(EMC)、初期冲刷效应以及径流污染影响因素等。结果表明:①研究区域整体径流污染程度整体较低,各采样点径流COD、SS、NH3-N、TP及TN的EMC值分别在22.92~79.91、19.01~53.29、0.403~0.800、0.063~0.298、1.213~3.315mg/L之间,其中,主干道、支路及绿地径流COD、TN污染程度劣于Ⅳ类水体水质标准,SS浓度劣于城镇二级污水厂排放二级标准,直接排放会加重受纳水体污染。②研究区域降雨特征对径流污染影响显著:降雨强度越大、雨前干期越长,则EMC相对越高、初期冲刷效应越显著。③研究区域不同类型下垫面径流污染程度差异显著:主干道及支路径流污染水平相对较高;屋面径流SS污染水平较高、有机物及营养盐等污染水平较低;绿地径流受滞蓄下渗作用影响,产流、径流量小,但径流污染水平较高。④径流污染各指标之间存在一定的相关关系:在P<0.01显著性水平上,COD/NH3-N、COD/TN、NH3-N/TN呈高度线性相关,COD/SS、COD/TP、SS/NH3-N、SS/TN、SS/TP呈显著线性相关,NH3-N/TP、TN/TP呈低度线性相关;此外,污染指标间相关性与降雨特征存在一定关系,本研究区域内,降雨强度越大、雨前干期越长,则污染指标间(尤其是COD/SS、COD/TN间)相关性越强。
此外,本研究以前人文献及本研究实测数据作为样本,结合国内外研究成果及论文实验部分研究结论,选取雨型、平均雨强、峰值雨强、降雨历时、雨前干期、大气降尘量、PM10、车流量、路面材料及城市功能区等10项影响因子作为模型输入量,分别选取径流污染指标COD的场次降雨平均浓度EMC及初期冲刷指数FF30作为模型输出量,基于支持向量机(SVM)构建了城市道路径流污染预测模型。结果表明:①构建的EMC-SVM及FF30-SVM模型均具有较高的预测精度:EMC-SVM预测模型均方根误差(RMSE)、平均偏差(MBE)分别为57.928及-1.231,远小于数据集EMC均值(189.59mg/L),其效率系数(CE)及相关系数(CC)达到0.815及0.933;FF30-SVM预测模型RMSE、MBE分别为0.038、0.004,远小于数据集FF30均值(0.457),其CE、CC值分别为0.866、0.932。因此,对于采样监测困难的城市道路,运用该模型进行降雨径流污染评估具有可行性。②预测模型选用径向基函数(RBF)作为核函数,使用k折交叉验证法对模型参数进行寻优能够以较快的收敛速度获得精度较高的模型,对于EMC-SVM及FF30-SVM模型寻得的最优参数(c,g)分别为(64.0,0.001953125)、(2.0,0.0625)。③对样本数据集进行影响因子相关性分析及主成分分析,结果表明:主成分PCA1反映道路综合特性,PCA2反映降雨特性,其对数据集方差贡献率分别为30.42%及21.88%,证明了道路特性及降雨特性为道路降雨径流污染的主要影响因素,其中,包括大气降尘量、交通流量等因子的道路(下垫面)特性为最主要影响因素。
本研究首先对包括主干道、支路、广场、屋面及绿地在内的5类城市下垫面开展了4场降雨的地表径流水样采集及水质检测实验,研究场次降雨径流污染平均浓度(EMC)、初期冲刷效应以及径流污染影响因素等。结果表明:①研究区域整体径流污染程度整体较低,各采样点径流COD、SS、NH3-N、TP及TN的EMC值分别在22.92~79.91、19.01~53.29、0.403~0.800、0.063~0.298、1.213~3.315mg/L之间,其中,主干道、支路及绿地径流COD、TN污染程度劣于Ⅳ类水体水质标准,SS浓度劣于城镇二级污水厂排放二级标准,直接排放会加重受纳水体污染。②研究区域降雨特征对径流污染影响显著:降雨强度越大、雨前干期越长,则EMC相对越高、初期冲刷效应越显著。③研究区域不同类型下垫面径流污染程度差异显著:主干道及支路径流污染水平相对较高;屋面径流SS污染水平较高、有机物及营养盐等污染水平较低;绿地径流受滞蓄下渗作用影响,产流、径流量小,但径流污染水平较高。④径流污染各指标之间存在一定的相关关系:在P<0.01显著性水平上,COD/NH3-N、COD/TN、NH3-N/TN呈高度线性相关,COD/SS、COD/TP、SS/NH3-N、SS/TN、SS/TP呈显著线性相关,NH3-N/TP、TN/TP呈低度线性相关;此外,污染指标间相关性与降雨特征存在一定关系,本研究区域内,降雨强度越大、雨前干期越长,则污染指标间(尤其是COD/SS、COD/TN间)相关性越强。
此外,本研究以前人文献及本研究实测数据作为样本,结合国内外研究成果及论文实验部分研究结论,选取雨型、平均雨强、峰值雨强、降雨历时、雨前干期、大气降尘量、PM10、车流量、路面材料及城市功能区等10项影响因子作为模型输入量,分别选取径流污染指标COD的场次降雨平均浓度EMC及初期冲刷指数FF30作为模型输出量,基于支持向量机(SVM)构建了城市道路径流污染预测模型。结果表明:①构建的EMC-SVM及FF30-SVM模型均具有较高的预测精度:EMC-SVM预测模型均方根误差(RMSE)、平均偏差(MBE)分别为57.928及-1.231,远小于数据集EMC均值(189.59mg/L),其效率系数(CE)及相关系数(CC)达到0.815及0.933;FF30-SVM预测模型RMSE、MBE分别为0.038、0.004,远小于数据集FF30均值(0.457),其CE、CC值分别为0.866、0.932。因此,对于采样监测困难的城市道路,运用该模型进行降雨径流污染评估具有可行性。②预测模型选用径向基函数(RBF)作为核函数,使用k折交叉验证法对模型参数进行寻优能够以较快的收敛速度获得精度较高的模型,对于EMC-SVM及FF30-SVM模型寻得的最优参数(c,g)分别为(64.0,0.001953125)、(2.0,0.0625)。③对样本数据集进行影响因子相关性分析及主成分分析,结果表明:主成分PCA1反映道路综合特性,PCA2反映降雨特性,其对数据集方差贡献率分别为30.42%及21.88%,证明了道路特性及降雨特性为道路降雨径流污染的主要影响因素,其中,包括大气降尘量、交通流量等因子的道路(下垫面)特性为最主要影响因素。