论文部分内容阅读
近年来,我国突发水环境污染事故频频发生,严重威胁城乡供水安全。因而建立水污染事故预警应急系统是相当必要的。本研究引入环境水力学反问题的观点,将识别突发性污染源以及模拟污染物浓度时空变化过程提为边界条件控制反问题,并且在传统径向基配点法基础上,建立GST-MQ径向基函数方法求解突发水污染事故反演模型。主要研究成果如下。在传统径向基配点法中引入最小二乘法,建立起最小二乘-径向基配点法。该方法能够利用边界点(内部点)测量数据有效求解二维稳态扩散过程边界条件识别问题。对于利用边界点测量数据的边界条件识别问题,最小二乘-配点法的边界浓度(通量)反演解精度在高误差水平e > 0.005时提高了55%(90%);对于利用内部点测量数据的边界条件识别问题,最小二乘-配点法的边界浓度反演解精度在高误差水平e > 0.05时提高了50%。在逆Multiquadric(MQ)径向基函数中直接引入时间变量,构造了时空全域MQ函数(GST-MQ)方法。该方法能够利用边界点(内部点)测量数据有效求解一维非稳态扩散过程边界条件识别问题。对于利用边界点测量数据的边界条件识别问题,GST-MQ边界浓度(通量)反演解精度在输入数据误差水平e = 0.001时比基本解法提高了80.7%(82.5%);对于内部点测量数据的边界条件识别问题,GST-MQ边界浓度(通量)反演解精度在e = 0.1时比基本解法提高了51.2%(39.0%)。最小二乘-径向基配点法与GST-MQ径向基函数联合建立起GST-MQ反演模型,能够利用监测断面浓度数据有效求解一维污染物非稳态对流-扩散过程源识别问题。源历史反演解ES误差值随着形状参数c0值、比例因子w值的增大而呈现V型分布;对于时间步长Δt、配点密度N、观测数据数量M 1以及观测位置d ,可以通过这些参数的优化取值得到更好精度的反演解。GST-MQ反演模型成功应用于一维地表水、二维地表水、二维地下水污染事故模拟。结果表明,GST-MQ方法较好地反演计算恒定源、间歇源以及瞬时源的一维地表水污染事故源排放历史以及浓度分布,三种源情况下浓度分布C ( x )在t = 30,60,90,120时的反演解EC误差值分别为(0.0536, 0.0133, 0.0177,0.0185),(0.0550, 0.0437, 0.0138, 0.0278),(0.0978, 0.0927, 0.0916, 0.1109);对于非恒定线源形式的二维地表水污染事故,源s ( y , t )反演解E S误差值为0.0617,并且可以通过适当减小配点密度N、采用区域分解方法节省计算机内存,并保证合理的反演解精度;对于非恒定线源形式的二维地下水污染事故,浓度分布反演解C ( x , y )在t = 0.05,0.10,0.15,0.20时的EC误差值分别为0.2287,0.1092,0.0837,0.0801。上述计算结果中,源历史反演解误差不会在浓度分布反演解误差中放大。