基于径向基函数模型的优化方法在地下水污染源识别中的应用

采用一种基于径向基函数的替代模型代替地下水溶质运移模型,将其作为约束条件嵌入污染源识别的优化模型中,通过遗传算法对优化模型进行求解.最后通过一个假想例子评估优化模型的性能.研究表明：污染源泄漏量识别结果的平均绝对误差为1.00g/s,误差较小,计算时间为51min,耗时较少,因此,基于径向基函数模型的优化方法有效地避免了优化模型求解过程中多次调用模拟模型造成的巨大计算负荷,获得了较为准确的计算结果,是一种有效的地下水污染源识别方法,能够用来求解地下水污染源泄漏量.     

基于U-D分解卡尔曼滤波地下水污染源溯源辨识

采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数、位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,应用克里格插值法建立地下水污染质运移数值模拟模型的替代模型,代替模拟模型,作为约束条件嵌入优化模型中,运用遗传算法求解优化模型辨识出地下水污染源源强.结果表明：采用基于U-D分解的卡尔曼滤波方法能够保证滤波的稳定性,有效识别出污染源的个数和位置;非线性规划优化模型,可以辨识出污染源释放强度.在优化模型的求解过程中,应用克里格方法建立模拟模型的替代模型嵌入优化模型,能在保证一定精度的情况下,大幅度减少计算负荷和计算时间.     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

考虑参数不确定性的地下水污染源识别

为分析参数不确定性对地下水污染源识别的影响,本文通过模拟-优化方法、灵敏度分析方法、蒙特卡罗方法和克里格方法的综合运用,建立了描述渗透系数与污染物质释放强度之间关系的推算模型,进行了考虑参数不确定性的地下水污染源识别研究.研究结果表明,推算模型具有较高的精度,确定性系数和平均相对误差分别为0.9895和4.51%;运用推算模型推算了8000组渗透系数影响下的污染源识别结果,节省了约99%的计算负荷和时间;对8000组污染源识别结果进行了定量的统计与分析,得到了概率密度最大的污染源识别结果和置信水平分别为80%、60%、40%和20%对应的污染源识别结果置信区间.本研究改善了应用模拟-优化方法进行地下水污染源识别时,难以考虑参数不确定性的缺点,可以为决策者提供更多的参考依据.     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

不确定性条件下地下水污染监测井网优化设计——基于XGBoost替代模型

在地下水污染监测井网优化设计中,应用模拟优化方法时客观存在的模型参数不确定性往往会影响到设计监测井网的可靠性.针对该问题,重点考虑了渗透系数和污染源释放强度的不确定性,应用模拟优化方法和蒙特卡罗方法求解上述不确定性参数影响下的最优监测井布设方案.为缓解蒙特卡罗方法多次调用模拟模型所产生的巨大计算负荷,本研究建立了XGBoost替代模型,代替模拟模型与优化模型进行耦合.为提高监测井网对实际污染羽的监测精度,污染监测井网优化模型以监测空间矩误差极小化为优化目标.此外,本次研究还考虑了监测井网设计中污染源释放强度的动态变化过程.最后,以抚顺市某煤矸石堆放场地为基础建立假想例子,验证所提方法的有效性.结果表明:1.XGBoost能够有效近似模拟模型的输入输出关系,显著降低了计算负荷.2.空间矩能够有效评估监测井网插值污染羽和实际污染羽的逼近程度,优化设计后的监测井网能够较为准确地捕捉到实际污染羽的状态.3.模拟优化方法结合蒙特卡罗方法能有效求解不确定性条件下最优监测井网的设计问题.本文为地下水污染监测井网设计提供了一种稳定可靠的方法.     

固废填埋场地土壤-地下水的砷污染反应运移模拟与源强识别

污染场地土壤-地下水系统中污染组分源强的精准识别是实现地下水污染高效治理与有效防控的根本前提.针对某固废填埋场地1号、3号地块地下水As(Ⅲ)浓度出现高值异常,采用统计相关分析方法分析了地下水中As(Ⅲ)与其他检出特征组分的相关关系,确定了As(Ⅲ)与PO₄^3-之间的竞争吸附反应是地下水中As(Ⅲ)污染的主要原因;随后采用表面络合模型(SCM)模拟竞争吸附反应,并建立了基于TOUGHREACT的场地土壤-地下水系统As(Ⅲ)污染组分反应运移模型;最后利用粒子群优化(PSO)算法构建了污染地块As(Ⅲ)污染的源强识别的模拟优化模型.结果显示:(1)固废中存在的磷酸盐能解释污染地块土壤不同深度As(Ⅲ)含量较背景值偏高的现象;(2)构建的土壤-地下水系统As(Ⅲ)运移模型可较好地模拟As(Ⅲ)与PO₄^3-竞争吸附反应;(3)优化识别出1号和3号地块的As(Ⅲ)污染源强分别为187.25μg·L^-1和192.49μg·L^-1.研究表明,基于PSO算法的模拟优化模...     

卡尔曼滤波方法在地下水污染源反演中的应用

采用卡尔曼滤波方法反演识别地下水污染源的个数和大概位置.借助一个假想算例,建立地下水系统水流和溶质运移模拟模型,利用灵敏度分析方法筛选出对模拟结果影响最大的参数作为随机变量,对该参数进行抽样,运用蒙特卡罗方法将抽样结果输入模拟模型,生成污染质浓度场.采用卡尔曼滤波方法构造迭代过程,逐个利用采样点处浓度的实测值不断更新综合浓度场.引入模糊集理论表示污染羽,对比综合污染羽和单个污染羽的模糊集来更新各潜在污染源的权重,根据潜在污染源权重大小和综合污染羽收敛形状判断真实污染源的个数和大概位置.算例结果表明：采用卡尔曼滤波方法可以成功反演识别出地下水污染中真实污染源的准确个数和大概位置;引入模糊集理论表示污染羽,通过对比综合污染羽和单个污染羽的模糊集,可以确定各潜在污染源的权重.     

基于替代模型的地下水DNAPLs污染源反演识别

应用基于核极限学习机替代模型的模拟-优化理论和方法研究解决了地下水DNAPLs污染源及含水层参数的同步反演识别问题.结果表明：1）核极限学习机替代模型对模拟模型有较高的逼近精度,能够识别并模仿模拟模型的输入-输出关系,绝大部分相对误差小于5%,平均相对误差仅有2.98%;2）以替代模型代替模拟模型,大幅度地减小了模拟-优化过程的计算负荷,将反演识别时间由传统方法的83天减少到3小时,并能够保持较高的计算精度;3）应用基于模拟退火的粒子群优化算法求解优化模型,能够以较快的速度搜寻到全局最优,同时避免搜索过程陷于局部极小解.     

某垃圾填埋场地下水质监测井网优化设计——基于模拟优化法

以白城市垃圾填埋场为研究区,通过正交试验设计法得到2个污染源的4组可能污染源强组合,建立地下水流及溶质运移数值模拟模型,预测潜在污染源可能对研究区地下水产生的污染.根据污染羽分布情况,布设了57口潜在监测井.以最大化覆盖高污染区域为目标建立0-1整数规划优化模型并用隐枚举法进行求解.结果表明：模拟优化方法在允许监测井数目不同的情况下得到了最优地下水质监测井网布设方案.以7口监测井为例,最优布设方案为1,6,9,15,19,23,31号监测井（5口位于渗滤液调节池下游,2口位于填埋区下游）.最优布设方案的污染物检出概率达95%,远高于随机布设方案.     

基于含水层DNAPL污染修复替代模型的多目标优化研究

基于Kriging方法建立表面活性剂强化修复DNAPL污染含水层的替代模型,与混合多目标算法NSGAII-HCS（Nondominated sortinggenetic algorithm II-Hill climber with step）耦合,实现修复成本最小化和治理效率最大化的多目标优化.以三维非均质承压含水层中PCE污染物的运移与修复过程为例,采用UTCHEM程序模拟表面活性剂强化修复含水层过程.将Kriging替代模型与多相流模型的输出结果进行对比,两种模型得到的含水层中PCE去除效率的平均相对拟合误差为0.80%,相关系数为0.9992,表明Kriging模型可以有效替代多相流模型.进一步将替代模型的Pareto最优解与相应的多相流模型的模拟值进行比较,得到两种模型的平均相对拟合误差仅为0.70%,相关系数达0.9998,表明在多目标优化的迭代求解过程中可以直接调用Kriging替代模型,而无须重复调用多相流模型的大负荷运算,从而为制定表面活性剂强化含水层修复决策提供一种稳定可靠的多目标优化方法.     

基于脆弱性的地下水污染监测网多目标优化方法

区域地下水监测井的优化布设对于区域地下水系统管理有很重要的作用.为了以最少的监测费用最大化地获取区域污染风险和污染现状信息,以监测井数量最小、区域污染监测有效性最大、监测到的区域脆弱性分值最大为目标,建立了基于脆弱性评价的地下水污染监测网多目标优化模型.通过地下水脆弱性评价和溶质运移模型计算得到不同点位地下水脆弱性分值和污染物浓度,针对不同脆弱性等级提出区域监测井初设密度,采用改进非劣支配遗传算法（NSGA-Ⅱ）基于初设监测网求解该多目标优化模型,结合质量误差分析确定监测网优化方案.结果表明,阿什河漫滩区和樊家沟流域地下水硝酸盐氮污染相对较严重;地下水脆弱性高和较高等级区域分别分布在抽水井群影响范围和河漫滩;结合NSGA-Ⅱ Pareto最优解及质量误差分析结果,得到该区域地下水监测井最优数量（12口）及其最优布设位置.研究显示,该优化监测网与初设监测网插值所得污染羽的质量误差小于15%,满足监测精度要求.      

渭河流域关中段地下水硝态氮来源解析

为定性及定量识别地下水中氮的污染来源及迁移转化特征,本文在水化学分析的基础上结合氮氧稳定同位素技术及SIAR模型对渭河流域关中段地下水补给来源、地下水中氮污染特征进行了判断.结果表明,渭河流域关中段地下水的主要水化学类型为HCO₃-Ca+Mg型,地下水由降水快速入渗补给和地表水入渗补给.地下水氮污染以硝态氮形式为主,在所采集的34个地下水水样中,硝态氮含量的变化范围为0.154~36.717mg/L,平均含量为6.17mg/L,其中硝态氮含量超过Ⅲ类地下水标准的采样点共有2个,超标率为5.9%.氮循环的主导作用为硝化作用.地下水δ¹⁵N-NO₃^-含量的变化范围为+6.08‰~+16.42‰,δ¹⁵O-NO₃^-含量的变化范围为+9.38‰~+12.514‰,硝态氮污染主要受到人类活动的影响,土壤有机氮、粪便及污废水和大气沉降是地下水硝态氮的主要贡献者,平均贡献率分别为44.65%、40.03%和15.32%.     

考虑参数和边界条件不确定性的地下水污染随机模拟

为了分析模型参数的随机变化和边界条件的随机变化对地下水溶质运移模型输出结果的不确定性影响,采用蒙特卡洛模拟对一假想算例展开研究,并结合风险评估阐述不确定性分析结果.首先,建立研究区地下水溶质运移数值模拟模型,并综合利用局部灵敏度分析和全局灵敏度分析方法筛选出对模型输出结果影响较大的参数,连同模型的边界条件(第一类边界条件-水头值)一起作为随机变量.然后,利用优化超参数的高斯过程回归(GPR)方法建立模拟模型的替代模型,代替模拟模型完成蒙特卡洛随机模拟.最后,对随机模拟的结果进行统计分析和区间估计,并利用污染物浓度的概率分布函数对1、2、3号观测井进行地下水污染风险评价.结果表明:置信水平>80%时,1,2,3号观测井污染物浓度值的置信区间分别为34.77~35.03,57.74~58.04,100.07~100.69mg/L.此外,1,2,3号观测井为轻度污染的风险分别为6%,100%,100%;为中度污染的风险分别为0%,0%,99.6%;为重度污染的风险分别为0%,0%,0.5%,藉此为地下水污染修复防治和地下水的合理利用提供可靠参考依据.     

Fe0-PRB修复地下水硝酸盐污染数值模拟

基于地下水对流-弥散作用,采用数值分析方法,构建了GMS地下水渗流和硝酸盐污染物迁移三维耦合模型.在污染物迁移过程中,不考虑吸附降解和考虑吸附降解两种工况下,分析了污染物在地下水中的迁移特征.结果表明:地下水和土壤存在天然净化污染物的能力,但不显著,必须采取有效措施控制污染.以零价铁作为PRB墙体介质,并用GMS软件模拟Fe0-PRB修复地下水中硝酸盐的效果.PRB存在时能显著控制污染物的污染范围并降低污染物浓度.PRB厚度为4m时,污染物经过550d开始透过PRB墙,PRB运行10a后,1、2、3号观测井的浓度分别1.712,0.011,0.018mg/L,PRB下游污染羽拖尾明显;PRB厚度为6m时,污染物经过850d开始透过PRB墙,PRB运行10a后,1、2、3号观测井的浓度分别0.52,0.004,0.005mg/L,与4mPRB相比浓度分别降低69.6%、63.6%和72.2%,PRB下游污染羽拖尾仍存在但不明显.污染物迁移数值模拟是评价PRB修复污染地下水效果及确定PRB参数的重要手段.