基于智能优化算法的河流水质模型参数的优化

为探索河流水质模型参数新的求解方法，根据有限的实测数据，分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法，对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合，并与实测结果进行了比较。结果表明，将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高，而且相对稳定，从而为河流水质模型参数的优化提供了一种新方法。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

免疫粒子群算法优化的环境空气质量评价方法

为了提高免疫算法的收敛速度，将粒子群优化思想引入到免疫算法中，设计了一种免疫粒子群优化算法。采用该算法对大气污染损害公式的参数进行寻优，得到了适用于臭氧、PM2．5等6种大气污染物的环境空气质量评价的污染损害指数公式及环境空气质量评价模型。为了使评价结果更准确，采用了国家环保部最新发布的空气质量标准中给出的大气污染物种类、数目及各级浓度限值。将该评价方法应用于大气质量评价领域，实验结果表明，该方法评价结果准确，具有较好的灵活性、实用性和应用前景。     

ASM3模型研究与运用

根据国际水质协会推出的ASM3利用MATLAB建立模型,通过实验确定进水水质及模型初值,通过模拟结果与污水处理厂实测结果对比,确定重要模型参数范围,并用结果对其他污水处理厂进行模拟,模拟结果与实测结果吻合较好.     

柴油机SCR催化器载体结构参数优化

提出一种柴油机选择催化还原（SCR）催化器载体结构参数优化的设计方法，根据车用柴油机排量，将SCR催化器载体分为4类，选取载体体积、长度、目数、壁厚和涂层厚5个结构参数为设计变量，以高NO。转化率及低压力损失为优化目标，利用拉丁超立方实验设计选择样本点进行数值模拟，在构建的Kriging近似模型基础上，对载体结构参数采用改进的非支配排序遗传算法NSGA—II（non—dominatedsortinggeneticalgorithm—II）进行优化设计。结果表明：Kriging近似模型的拟合精度较高，结合NSGA—II算法对SCR催化器载体结构参数进行优化是可行的、有效的，不同排量下的优化结果均能够较好地满足设计要求。     

简化河流水质1号模型(RWQM1)实验研究

为了建立标准、一致的河流水质模型,并使它们可与标准活性污泥模型直接相连,国际水协会(IWA)专门成立了河流水质建模任务组,并发布河流水质1号模型(RWQM1)。根据河流水质1号模型(RWQM1)子模型选择原则,通过试验研究,得出以下两点结论:(1)简化河流水质1号模型能充分考虑废水生物处理自身的特点,较为深入地反映活性污泥生物反应过程的主要行为;(2)通过参数灵敏度分析,发现对模拟COD值影响较大的动力学参数是kgro,H,aer,To和khyd,To,对模拟TP值影响较大的动力学参数是kgro,H,aer,To、kgro,N1,To和βN1,对模拟NH3-N值影响较大的动力学参数是kgro,N1,To和βN1。     

BOD培养中硫化物氧化的性质

(一) 引言对水质参数生化需氧量的概念和定义至今还没有得到完全统一的认识。生化需氧量开始作为水质污染参数是用来衡量河流的污染强度,现在往往将生化需氧量作为间接反映污水和废水可生化有机物含量的参数。在河流水质模型的应用中,又将生化需氧量分为两部分,即碳生化需氧量(CBOD)和硝化需氧量(NOD)。在自然水体和一般污水中,硫化物含量很     

未确知信息对河流型水源保护区划分的影响

基于未确知数学理论,考虑河流环境系统信息的未确知性,定义二维水质模型主要参数为未确知参数,建立未确知二维水质模型,递推计算出保护区划分的合理长度及对应的污染物浓度取值区间及可信度分布,并对未确知二维水质模型中各参数的影响做了比较分析。结果表明,利用未确知二维水质模型,以COD为污染物计算的晋江干流水源二级保护区水域长度为6 220m,该长度能在0.934 0的主观可信度上保证水质安全,而基于确定性水质模型,利用各参数均值计算的保护区长度5 350 m存在95.22%的水质超标风险率。未确知二维水质模型各参数影响分析表明,模型应用的未确知参数及各参数变异性对模型计算结果有较大关系,未确知参数考虑越多,保护区划分长度越长;参数变异系数越小,其对计算结果影响越小。     

闸坝河流水质模型及实例研究

分析了闸坝控制河流具有水库特征，在比较已有闸坝河道水质模型的基础上，提出应在以下两方面改进，必须考虑蓄水量的变化，应能反映出水质沿程变化，在此基础上研制了新的闸坝河道水质模型，并进行了案例研究，证明了模型的有效性。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法(QGA)优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

水质模型参数识别的遗传算法

Ｏ’ｃｏｎｎｏｒ模型是一个比广泛应用的Ｓｔｒｅｅｔｅｒ－Ｐｈｉｌｉｐｓ模型更精确的水质模型,由于该模型参数率定的困难性,限制它在实际中应用。     

地下水水质评价的逻辑斯谛曲线模型

为检验已订的地下水水质评价标准的合理性，解决各单项水质指标的评估结果的不相容性问题，提高水质等级模型的分辨率，提出了一种新的水质评价模型－逻辑斯谛曲线模型，它的水质等级是连续的实数值。根据LOG模型的参数值可以分析各水质指标值对水质等级的影响程度，据此检验原订水质等级标准的合理性。并给出了基于实码遗传算法的LOG建模的实施方案。实例研究的结果说明，该方案是可行、有效且通用的，在环境质量综合评价中具有广泛的应用价值。     

万家寨引黄北干线桑干河道输水水质模拟与控制

主要对采用河道输水方案的山西万家寨引黄北干线桑干河道水质进行模拟与控制研究,依据各水体特性建立河流水质数值模型和水库数值模型,运用系统分解方法将整个研究河道分解为若干个河段,并采用情景分析方法生成3个水质模拟情景,分析模拟结果表明,在山阴取水口和怀仁取水口水质达地表水Ⅲ类标准条件下,册田水库的入水水质不达标。应用反演思想生成2个水质控制情景和3个子情景,在水库出水口水质达标的情况下,分析确定沿河各排污口的污染物排放控制量,给出了保证册田水库水质安全的控制方法。     

基于因子分析法优选河流水体中氮浓度预测方法的研究

定量的河流水体中氮浓度预测方法有很多种,如何优选出预测精度较高的方法一直是学术界多年来致力于研究的重点。本研究采用因子分析法对预测方法的精度评价指标进行分析,并建立了预测方法精度的评价模型,对回归分析法、神经网络法、灰色系统法和增长率统计法4种水体氮浓度预测方法进行综合评估,优选出精度较高的河流水体氮浓度预测模型——BP神经网络预测模型。结果表明,此评估模型对类似研究具有一定的参考价值,能为选择出合适的河流水体氮浓度预测方法提供依据。     

危险废物事故排放的河流水环境健康风险评价

分析了基于水体中污染物迁移转化方程的水质预测模型,并借鉴美国环保局推荐使用的健康风险评价模型,建立了一种危险废物事故排放时水环境对人体健康风险的评价方法。以电镀污泥为例验证了该方法的有效性。结果显示:该方法需要参数少且计算简单;电镀污泥中目标污染物(Cr、Cu、Ni、Zn)所引起的河流水环境非致癌风险(1.67)超过了美国标准中的可接受风险水平1.00,不可接受;致癌风险(0.88E-11)则小于美国标准中的可接受风险水平1.00E-06,风险不明显。     

Comprehensive study on parameter sensitivity for flow and nutrient modeling in the Hydrological Simulation Program Fortran model

Numerous parameters are used to construct the HSPF (Hydrological Simulation Program Fortran) model, which results in significant difficulty in calibrating the model. Parameter sensitivity analysis is an efficient method to identify important model parameters. Through this method, a model’s calibration process can be simplified on the basis of understanding the model’s structure. This study investigated the sensitivity of the flow and nutrient parameters of HSPF using the DSA (differential sensitivity analysis) method in the Xitiaoxi watershed, China. The results showed that flow was mostly affected by parameters related to groundwater and evapotranspiration, including DEEPFR (fraction of groundwater inflow to deep recharge), LZETP (lower-zone evapotranspiration parameter), and AGWRC (base groundwater recession), and most of the sensitive parameters had negative and nonlinear effects on flow. Additionally, nutrient components were commonly affected by parameters from land processes, including MON-SQOLIM (monthly values limiting storage of water quality in overland flow), MON-ACCUM (monthly values of accumulation), MON-IFLW-CONC (monthly concentration of water quality in interflow), and MON-GRND-CONC (monthly concentration of water quality in active groundwater). Besides, parameters from river systems, KATM20 (unit oxidation rate of total ammonia at 20 °C) had a negative and almost linear effect on ammonia concentration and MALGR (maximal unit algal growth rate for phytoplankton) had a negative and nonlinear effect on ammonia and orthophosphate concentrations. After calibrating these sensitive parameters, our model performed well for simulating flow and nutrient outputs, with R ² and E_NS (Nash–Sutcliffe efficiency) both greater than 0.75 for flow and greater than 0.5 for nutrient components. This study is expected to serve as a valuable complement to the documentation of the HSPF model to help users identify key parameters and provide a reference for performing sensitivity analyses on other models.     

基于GA-BP算法的含油污泥处理 工艺参数优化

在含油污泥进行资源化处理过程中,针对处理目标受多个因素影响的实际,为了解决工艺之间的耦合问题,采用正交实验的方法来解决,并把主要参数作为优化对象,把含油污泥的脱水率作为评价目标,通过采用GA-BP算法对含油污泥耦合工艺正交实验参数进行了线性与非线性分析.在采用遗传算法优化神经网络的权值和阈值的基础上,用优化后的权值和阈值对测试样本和训练样本进行了预测.预测结果表明,预测误差都有明显减小,分别由0.34211减少到0.031549和0.15476减少到0.040682,可见耦合参数趋向于非线性优化.     

Cost-effective sampling network design for contaminant plume monitoring under general hydrogeological conditions

A new simulation-optimization methodology is developed for cost-effective sampling network design associated with long-term monitoring of large-scale contaminant plumes. The new methodology is similar in concept to the one presented by Reed et al. (Reed, P.M., Minsker, B.S., Valocchi, A.J., 2000a. Cost-effective long-term groundwater monitoring design using a genetic algorithm and global mass interpolation. Water Resour. Res. 36 (12), 3731-3741) in that an optimization model based on a genetic algorithm is coupled with a flow and transport simulator and a global mass estimator to search for optimal sampling strategies. However, this study introduces the first and second moments of a three-dimensional contaminant plume as new constraints in the optimization formulation, and demonstrates the proposed methodology through a real-world application. The new moment constraints significantly increase the accuracy of the plume interpolated from the sampled data relative to the plume simulated by the transport model. The plume interpolation approaches employed in this study are ordinary kriging (OK) and inverse distance weighting (IDW). The proposed methodology is applied to the monitoring of plume evolution during a pump-and-treat operation at a large field site. It is shown that potential cost savings up to 65.6% may be achieved without any significant loss of accuracy in mass and moment estimations. The IDW-based interpolation method is computationally more efficient than the OK-based method and results in more potential cost savings. However, the OK-based method leads to more accurate mass and moment estimations. A comparison of the sampling designs obtained with and without the moment constraints points to their importance in ensuring a robust long-term monitoring design that is both cost-effective and accurate in mass and moment estimations. Additional analysis demonstrates the sensitivity of the optimal sampling design to the various coefficients included in the objective function of the optimization model.