论文部分内容阅读
水质安全对于人类生存发展影响重大,然而近年来突发性河流污染事故频发,导致了巨大的国民经济损失,并引发了一系列环境问题和社会问题。如何在河流突发污染事故发生后为相关应急决策者提供准确、可靠的污染物扩散规律信息,成为了亟待解决的问题。本文通过研究应用不确定性方法、动态更新理论、普适似然不确定性(GLUE)算法以及基于马尔可夫链蒙特卡罗(MCMC)算法的改进GLUE算法等,建立了基于模型参数不确定性的河流突发污染事故动态预测方法,该方法可以在河流突发污染事故发生后为应急决策者提供污染物浓度的动态预测数据,方便他们有针对性地采取应急措施,应对污染事故。论文的主要工作和创新点如下：(1)为解决水质预测过程中的不确定性问题和实时性较差问题,本文分析了河流突发污染事故中的不确定性来源,提出了河流突发污染事故模型,并给出了基于模型参数不确定性的河流突发污染事故水质预测框架,然后以此为基础,引入动态更新方法对前述水质预测框架进行改进,利用事故发生后的污染物浓度实测数据对模型预测结果进行动态校正。(2)采用河流突发污染事故模型,结合蒙特卡罗方法和GLUE算法具体实现了本文提出的基于模型参数不确定性的河流突发污染事故动态预测框架。实例验证了本文方法的预测效果后,提出了将本文方法应用于实际突发污染事故中的具体步骤。(3)针对本文提出的基于GLUE算法的河流突发污染事故动态预测模型无法辨识模型参数的实际分布这一问题,提出了基于MCMC算法的改进GLUE算法—-Metropolis-Hastings GLUE (MHGLUE)算法,应用实际事故数据对该算法进行验证以后,证实其不但可以辨识模型参数的真实分布,还可以在此基础之上进行动态预测。(4)为进一步对比验证本文提出的两种水质预测方法的预测效果,本文设计了基于风浪水槽的污染物扩散模拟实验,然后分别采用前述两种算法应用实验数据进行不确定性预测,对比分析后,证实了两种算法处于各自适用条件的前提下均具有良好的预测效果。