研究氯代溶剂在含水层中的迁移转化规律,对评价其对环境的影响、预测其行为规律及确定相应的修复策略有着重要意义。通过对比三氯乙烯(TCE)在石英砂和细砂中的批量吸附试验结果,建立了描述表面吸附与分配作用的Linear-Langmuir-Freundlich(LLF)等温非线性吸附模型。该模型能最佳地描述TCE单溶质在细砂中的非线性等温吸附规律。但砂柱试验结果表明,最佳的吸附模式为Langmuir模型,即由批试验与柱实验得到的吸附模式不同,这表明在运移模型中应用非平衡吸附理论需慎重。根据实验结果和模型反演参数确定TCE在多孔介质中运移的一维非线性吸附-对流-扩散模型。应用BP神经网络研究四氯乙烯(PCE)和TCE的竞争吸附关系,建立了在BP神经网络基础上的多溶质系统下多组分竞争性吸附-对流-扩散模型。金属降解PCE和TCE的实验表明,零价锌(Zn(0))降解有机物最有效。假设各化学反应符合准一级动力学,建立多级链式平行反应数学模型,用混合函数遗传算法进行动力学参数的反演。确定主要反应路径为PCE→TCE→t-DCE→C2H2→C2H4和PCE→C2Cl2→t-DCE→C2H2→C2H4。最终有94.77%的PCE转化为C2H4,5.23%转化成氯乙烯(VC)。Zn(0)降解TCE时,各物质主要反应类型和路径与前述有所差别,表明PCE,TCE及各产物之间相互影响。根据反应柱试验结果,建立了多组分反应性溶质的一维非线性吸附-对流-扩散-降解模型,应用遗传算法进行模型参数反演,确认TCE,c-DCE, t-DCE的不同吸附模式及其时空分布规律,进一步用于渗透反应墙厚度的最优化设计。