论文部分内容阅读
当前,水污染预警应急是我国的急需研究课题与热点问题。建立突发水污染预警应急系统能对污染响应与处置提供有效辅助决策支持。然而其前提是确知污染源位置及其排放历史。实际中在事故初期难以获得充分的污染源信息,难以对污染事件实时动态评估、预警响应,需要开展河流突发污染的源项反演问题研究。同时地表水的追踪溯源研究很不充分,鲜有文献报道。因此本文开展了河流污染源项反演算法研究和决策支持工具研发的工作。研究建立了地表水污染源项反演算法体系,并重点探讨了三类重要情景的源项反演算法。首先,基于相关系数优化法,结合地表水环境特征和污染物水质过程特征,推导出一维河道中单点源瞬时排放的源项反演算法。采用假想算例进行数值试验,综合分析了流速信息、污染物衰减、监测距离、监测数据误差及中间参数?T选取等因素对反演结果的影响,确定了该方法的适用条件和最优条件的寻找方式。最优条件下计算结果的平均相对误差在10%以内。并且方法具有监测布点简单高效,数据需求低,编程简单等优点。然后,基于遗传算法,结合水质模型和BP神经网络,建立了适用于一维河道的多点源瞬时排放和单点源连续排放的反演算法。通过假想算例检验算法,反演结果的平均相对误差均低于20%,取得了良好的结果。并考察参数对基于水质模型-遗传算法耦合的反演算法的影响,扩散系数为主要影响因素,但其计算结果的平均相对误差不超过50%,在可接受范围内。基于上述研究结果,结合可视化技术和数据库技术,采用C#、C++编程语言开发了河流污染源项反演系统软件。该软件将河流基础信息、监测断面信息、污染物质信息等集合在一起,在计算机上实现了流域污染源识别。以实验室示踪剂实验和松花江硝基苯污染事件为背景,进行了具体应用分析,应用结果的平均相对误差均不超过20%,具有较好的效果。可为流域水环境管理提供强有力的技术支持,可应用于我国各大流域管理部门。