河流水质系统灰色模型的识别、模拟和应用

借助于灰色系统理论的思想和方法可以构造河流水质灰色模型,根据实测水质资料可以识别出河流水质灰色模型中的最优灰参数,在此基础上,可以对河流水质系统进行灰色模拟。灰色模拟考虑了实际河流水质系统中客观存在的不确知因素和偶然因素影响。本文概述了河流水质灰色模型的构造、河流水质灰色模型的研究意义、河流水质灰色模型的灰参数识别、河流水质系统的灰色模拟及其在四川沱江水质系统模拟中的应用。     

常州市环境管理信息系统中水质模型及其应用

本文在研究河流水质模型和河网水质模型的基础上,利用河流水质模型组成河流水质模拟,模型参数识别和水环境容量优化分配计算模块:利用河网水质模型组成河网水质模拟、河网水域水环境容量计算模块,并在此基础上形成水质模型软件系统。      

基于水质模型的河流水环境调控方案效果评估——以太浦河为例

针对太湖流域河流水质达标率下降的现状,构建基于水质模型的水环境优化方案的效果分析方法。以太浦河为例,应用WASP模型分析河流水环境优化调控方案的效果,应用实测水文水质数据率定和验证河流水质模型参数,设定枯水期污染物蓄积、降雨导致面源释放和突发性水污染事故引起的水质超标3种情景,通过模型模拟调水和抽水等调控措施的效果,分析不同的调控方案与水质改善效果的响应关系,为水环境优化方案筛选提供决策支持。     

水质综合评价物元模型的建立与应用

运用物元分析方法建立水质综合评价模型,采用灰色聚类方法确定各污染参数的权系数。该模型应用于某河流断面的水质综合评价,得到比较合理的结果。     

河流水质系统的灰色规划方法和应用

借助于河流水质灰色模型,可以对河流水质系统进行灰色规划。灰色规划考虑了实际河流水质系统中客观存在的不确知因素和偶然因素影响,概述了河流水质系统的灰色规划模型的构造、河流水质系统灰色规划模型的求解及其在四川沱江水质系统规划中的应用。     

有限元法计算机求解河流弥散系数

河流的弥散系数是建立水质模型的重要对数，目前尚无人令人满意的测定方法，本文基于离散和数学中有限元法的基本原理，通过测定某一河流断面的水文参数即可由计算机示解，省时省力简便准确，尤为适于中心河流水质模型的研究，在环境评价和环境科学研究中具有重析应用价值。     

伊洛河水质模型与预报系统研究

本文从中国河流水文的具体情况出发,研究了水质变化的机制。在充分取得水质系统信息的条件下。进行了模型的选择、参数识别和分段动态水质模型的建立。考虑了天然河道中随机因素对水质的影响,引进模型随机误差来体现随机因素对BOD-DO浓度的影响,然后利用自适应技术自动校正河流状态估计和预报系统,应用卡尔曼滤波技术建立伊洛河水质状态估计和预报系统。这是从天然河道特点出发,引进数学计算技术改进和提高水质模型精度的尝试,结果是很令人满意的。     

基于随机微分方程的重度污染区域河流水质检测研究

为了治理重度污染区域中的河流,需要对重度污染区域中的河流水质进行检测,当前河流水质检测方法对重度污染区域中的河流水质进行检测时,与实际结果不符,检测结果不准确。提出一种基于随机微分方程的重度污染区域河流水质检测方法。在重度污染区域的河流中设置检测点,确定水质检测的指标,采用随机微分方程计算重度污染区域中河流水质的初始输入值、水力参数、水质参数,通过统计矩对随机微分方程进行求解,完成重度污染区域中河流水质的检测。实验结果表明,所提方法可以准确的对重度污染区域中的河流水质进行检测。     

低流量河流的水量水质平衡研究

针对存在补给关系的河流或河段,提出更切合实际设计条件的水量平衡模型和水量水质平衡模型,进而确定了源与目标之间的响应关系参数和河流或河段的输移作用,在水量水质平衡模型基础上,给出推求自净环境容量的方法。该模型和方法已得到实际应用和检验,具有广泛的应用前景。      

城区地表径流面源污染和河道水环境治理的研究

河流为人类提供了多样的生态服务功能,然而城市化对河流生态系统健康状况造成严重的影响。随着点源污染的有效管理控制,非点源污染降雨径流己成为造成城市地表水环境污染的主要原因。为了改善河道水质,引调清水激活城市内河水体,提高河道的水环境自净能力,有效改善城市水环境。文章以南京河西水系为例,利用Saint-Venant方程组对水系建立一维水动力模型,并通过汇流结点水位法对方程组进行数值求解;对WASP5水质模型进行二次开发用于水质模拟;建立水质模型和一维河网水动力模型的耦合模型,将水动力模型计算所得到的水动力参数耦合到WSAP5水质模型中,模拟降雨过程以及引调清水过程的河网各河段的水质变量浓度,得出降雨径流对河流的污染程度以及引清冲污措施对河流水质改善的效果并优化调水过程。     

地下水渗流补给-内源释放耦合作用下河流水质不确定模拟

针对河流-地下水环境系统的模糊性、不精确性及随机不确定性,采用梯形模糊数描述和表征河流水文、水质及水文地质参数,构建了集成地下水渗流补给与内源释放耦合影响的一维河流水质模糊模拟模型.在此基础上,就地下水渗流补给与内源释放的可能组合,设置5种情景,分别进行水质模拟,并对计算结果进行分析、对比.实例研究表明,对地下水渗流补给与内源释放耦合作用下的河流水质衰减变化规律,梯形模糊数有较好的模拟效果.     

免疫进化捕食算法用于二维水质模型横向扩散系数优化

为建立比传统的经验法有较高精度的河流二维水质模型横向扩散系数的计算公式,根据有限的实测数据,提出用免疫进化优选捕食搜索算法,对河流二维水质模型横向扩散比例系数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横向扩散比例系数αZ的拟合和外推效果检验,并与经验公式的检验结果进行了比较,表明将免疫进化优选捕食搜索算法用于二维水质模型横向扩散比例系数的优化有较高精度,从而为横向扩散系数的计算提供了新方法。     

稀疏数据下复杂流域的水质模拟:以赣江为例

以赣江流域为例,对稀疏数据条件下复杂流域水质模型的建立和参数识别进行了探讨．采用了结构相对比较简单的CSTR模型,将其参数划分为水文参数和水质参数,并分别进行识别．水文参数采用回归方法进行识别,对水文参数的扰动实验表明,水质对于水文参数在可能的取值范围内的变化不敏感,因此在随后的水质参数的识别中,将其固定在回归方法求出的最优值上．水质参数的确定则采用了模型方法和资料方法相结合的手段,综合考虑了赣江流域可获得的数据信息、文献资料中对于参数的经验取值和模拟者在大量数学建模中的经验,最终根据河流的不同类型确定了赣江流域的水质参数,并对模型进行了验证。     

河流水质1号模型探讨

介绍了河流水质模型70年来的发展历程和目前存在的不足之处,论述了河流水质1号模型(RwQM1)的研究成果.河流水质1号模型从活性污泥模型ASM中发展而来,并推出了建立模型的决策化方法,其对生化反应模型的完善而成为河流水质模型发展的一个标准平台.本文重点介绍了其在生化反应模型方面的进展,并和QUAL2E做了比较.     

北京市官厅水库水质预报系统

CE-QUAL-W2模型是近年来新开发的水动力学与水质模型,可模拟河流、湖泊、水库等 不同条件下多种污染物的迁移转化规律.根据官厅水库狭长、水浅和水文、水力、水质扩散 等特点,采用CE-QUAL-W2模型模拟其水质变化,并对模拟模型水质参数进行验证,将其用于官 厅水库水质的预测研究;进而提出官厅水库水污染控制的对策及建议.     

基于QUAL-Ⅱ模型的地热尾水溶质污染数值模拟

在东营地区广利河某段开展了地热尾水溶质弥散试验,获得监测断面的相关数值,采用河流水质综合模型(QUAL-Ⅱ)对尾水在河流中的弥散过程进行数值模拟和预测。求取弥散参数D为12 m2/s,模拟结果显示:单一点地热尾水排往河流中,对河流水质贡献不大,除排放口有影响外,尾水对整个河流的生态环境没有大的污染和破坏;预测多个尾水排放源排往同一河流时,尾水溶质的累积作用是明显的,相对影响较大区域在排放源0～40 m范围,距排放源大于200 m时,尾水的排入对河流水质影响已较轻微。建议在地热尾水排放点分散布设,降低尾水对河流水质的影响。     

再生水补给型城市河流水质改善效果模拟

再生水是干旱和半干旱地区河流重要生态水源之一,但其高营养盐含量极易导致河流发生富营养化,严重影响河流水生态安全。以再生水补给型城市河流北京市凉水河为例,构建基于MIKE11的水动力水质耦合模型,应用实测水文水质数据率定和验证河流水质模型参数。结合区域污染源特征设定不同情境方案,并通过模型模拟分析不同方案下水质改善效果响应关系。结果表明:点源污染截流是改善凉水河水质的关键,可降低大红门闸断面氨氮浓度51.8%、TP浓度43.3%,其次为污水处理厂系统完善、生态河道建设和降雨面源控制。该研究提出在包括上述4项在内综合治理措施下,水质改善效果最为显著,大红门闸断面氨氮和TP年均浓度分别为0.969 mg/L和0.214 mg/L,满足地表水Ⅳ类水体标准。     

河流水质大系统灰色非线性规划的分解协调方法

对多排污口和复杂河系排污的水质规划问题进行了研究,探讨了河流水质系统的广义不确定性,建立了河水质灰色非线性规划模型。针对河流复杂排污体系的灰色非线性规划面临的高阶、高维和非线性问题,提出运用大系统理论分解协调方法解决上述问题。在此基础上,定义了灰凸集,灰凸函数,灰凸规划,证明了灰色非线性规划模型的厂广Ｋｕｈｎ－Ｔｕｃｋｅｒ条件。实例研究表明,本模型与方法合理、可信、适合于一般含灰参数非线性规划问题     

BP模型在河流水质预测中的误差分析

为验证BP模型在河流水质预测中的有效性,利用仿真技术模拟一条河流污染物的变化趋势,并得到大量的河流水质参数数据.用上游已知河段的水质数据预测该河流下游10个检测断面的水质状况.预测过程分2种情况进行:长距离预测(一次连续预测下游10个河段)和短距离预测(每次连续预测下游2个河段),并以MSE函数生成均方误差作为对2种预测方法性能的检验.结果显示,长距离预测的性能低于短距离预测,2种方法对溶解氧预测的均方误差为0.432和0.035,对生化需氧量预测的均方误差分别为0.243、0.055.     

基于XGBoost选择迁移条件提升LSTM模型河流水质预测能力

准确预测河流水质变化是流域水环境管理的重要基础。目前常用的基于数据驱动的深度学习模型依赖大量的监测数据训练,然而很多河流数据缺乏,无法满足水质预测精度要求。提出了一种基于极端梯度提升模型(XGBoost)的迁移条件选择方法,利用全国河流自动监测站点的水质参数(水温、pH、溶解氧、总氮)数据集,研究建立长短期记忆神经网络(LSTM)模型库,通过迁移学习条件的优化,提升LSTM模型的预测能力。结果表明：1)采用不同源域和迁移方式训练出的模型,其预测精度有很大差异;2)基于XGBoost模型选择最佳迁移条件,迁移模型的预测误差(RMSE)降低了9.6%～28.9%,LSTM模型预测精度明显提升;3)选取合适的迁移方式、选用性质接近的源域数据、增加训练数据量均可以提升迁移模型的预测精度。该建模方法可应用于实测数据少的河流水质预测,为流域水环境精细化管理提供技术支持。