基于CMAQ与前馈神经网络的区域大气污染物浓度快速响应模型

建立大气污染可控源排放-复合污染水平的函数关系,实现给定排放情景下环境污染物浓度的实时响应,是大气污染物浓度预测与减排效果评估等的重要技术前提.本研究对污染物浓度影响因子变化空间进行拉丁超立方采样,使用CMAQ区域多尺度空气质量模型的预测值作为输入数据,通过前馈神经网络模型构建基于统计机器学习的长三角区域污染物浓度快速响应模型.结果表明经过模型结构选择与参数调整,基于前馈神经网络的快速响应模型能够快速准确还原出不同减排情景下长三角区域PM_(2.5)浓度的预测值.外部验证情景下相关系数CORR达到0.999以上,MB与ME均值达到了-0.046μg·m~(-3)和0.6162μg·m~(-3),实现了比RSM更加快速与准确的预测,不同时段与不同污染物浓度的准确预测则验证了其普适性.     

三峡库区EFDC模型集成与应用

为满足三峡库区大尺度的水质预测需求,降低专业水质模型使用门槛,实现模型业务化运行,采用涵盖"模型封装-接口服务-系统集成"全过程的模型封装集成技术方法,开展了EFDC模型集成研究,并在三峡库区水质安全评估与预警系统中进行验证和应用.结果表明:①基于实例化模型建立的模型预置参数库,是模型业务化运行中参数简化的前提,可有效解决模型本地驯化及模型实例的基础数据复用问题;②依据参数识别结果,将模型参数识别为"必调参数、可调参数、默认参数"三类,并采用B/S架构对输入文件、输出文件和主控文件中的不同参数进行分类封装,达到参数简化目的;③采用半紧密型方式建立的基于Web services的EFDC模型集成接口服务及标准,可为信息系统提供通用的EFDC模型计算服务;④该方法在EFDC模型与三峡库区水质安全评估与预警系统集成中得到验证,实现了全库区干流及主要支流COD_Cr、总磷、总氮等污染因子的长时间序列水动力水质预测联机在线运算,满足了用户在水质影响预测预警中低修改量、高运算效率和良好用户体验等需求,实现了模型的业务化运行.      

水质模型数值解在环境管理中的应用

对水污染实行浓度控制或污染物总量控制时,都需建立污染源和水质目标之间的输入响应关系,即水质模型。水质模型有两类,第一类为含有粗定量物理参数的简单函数式;第二类为含有精度较高物理参数的矩阵方程式。前者称为水质模型解析解。它的最大优点是函数式简单,便于环境管理部门应用。但其精度低,相对误差大,难以适应复杂的水质模型。后者称为水质模型数值解。它精度高,可解决复杂的多维水质模型。然而,数值解模型计算繁     

污染物排放量与河流水质输入响应关系初步研究——小清河(济南段)为例

污染物排放量与河流水质输入响应关系的建立,是实施排污总量控制的关键.文章以小清河(济南段)为例,将小清河分为睦里庄-还乡店段,还乡店-大码头段和大码头-辛丰庄段,应用一维稳态河流水质模型,确定相应模型参数,与水质实测值相结合,建立污染物排放量与河流水质的输入响应关系,计算响应系数.结果表明:小清河不同段COD的响应系数分别为94.3％、76.7％和76.6％,氨氮的响应系数分别为277.2％、85.7％和58.8％;COD的计算值与实测值比较接近,而睦里庄-还乡店段、大码头-辛丰庄段氨氮的计算值与实测值偏差较大.     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

基于经济统计数据的生活垃圾热值计算模型

用神经网络法预测垃圾热值是利用当地经济和自然环境统计数据进行热值估算的方法。灰色关联度分析得出燃气普及率、年降雨量、城镇居民人均可支配收入、地区生产总值等是影响城市生活垃圾热值的主要因素,将这些影响因素作为神经网络的输入参数,结合对成都市垃圾热值的多年跟踪检测结果,利用MATLAB工具箱建立了基于社会经济统计数据的城市生活垃圾热值BP神经网络估算模型。开集和闭集测试结果表明,该模型仿真效果好,计算准确度高,仿真结果误差小,网络稳定性好,训练速度快,能够有效进行仿真计算。     

BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明：BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一...     

基于神经网络的海水脱硫系统脱硫效率模型

针对海水脱硫运行优化和环保监测的需求,运用BP神经网络建立了海水脱硫吸收塔脱硫效率模型,模型以烟气量、入口SO_2、海水量、海水温度、海水升压泵电流为输入变量,脱硫效率为输出变量,运用这模型对某320 MW机组海水烟气脱硫装置脱硫效率进行预测。结果表明:模型的预测值与实际值基本一致,相对误差范围在-0.5%~0.5%范围之内,并运用该模型对20组测试样本进行仿真输出,所得误差最大为0.451%,误差在工程允许范围内,具有较好的预测精度,说明BP神经网络用于海水脱硫效率预测是可行的。     

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.     

LY12CZ腐蚀疲劳寿命的神经网络研究

通过对已有LY12CZ腐蚀疲劳试验数据分析,建立腐蚀年限和应力幅值对应疲腐蚀劳寿命的BP网络映射模型来预测其腐蚀疲劳寿命.为了提高网络模型预测精度,采用牛顿插值法扩充历史试验数据,满足神经网络对训练数据致密性要求.研究结果表明,网络预测结果误差较小.利用网络预测结果计算,lgSα和lgN具有较高的线性相关性,R=0.94～0.99,且斜率B为-3.3～ -3.4.     

抚仙湖流域负荷削减的水质风险分析

以抚仙湖为研究对象,基于三维水动力-水质模型EFDC平台,开发了EFDC-神经网络(NN)耦合模型;并选用30d移动平均值为解译方式核算抚仙湖在不同风险下的流域负荷削减(TMDL).结果表明,对于100%的达标频度,为了达到I类水质,TP允许增加14%~18%,COD允许增加9%~11%,但TN需要削减13%~14%.如果放松对达标频度的要求,污染负荷将允许相应地增加.研究结果可为流域管理依据不同的风险与管理费用偏好实施流域削减提供基础.     

基于多模式逆向水质模型的程海水位调控-水质响应预测研究

以云南省程海为例,基于CE-QUAL-W2计算平台开发了水动力-水质模型.由于程海现有的数据不足以支撑开发可靠的流域水文与污染物负荷模型,为弥补由此引起的水质模型边界条件缺失的限制,本研究提出了基于逆向模拟与遗传算法的多模式负荷-参数识别方法来实现对水质模型的校正和鲁棒校验.应用校验后的模型对程海不同水位调控情景的水质...     

水库中重金属迁移的神经网络模拟

重金属在水环境中的迁移转化是一个多因素影响的复杂过程,快速而准确地模拟水体中重金属的迁移一直是水环境研究领域的焦点。神经网络模型计算迅速、能以较高精度拟合任意非线性函数,在水文水质模拟中已有很多成功的应用,但对重金属的模拟还很少见到。文章以大伙房水库为例,用神经网络模型模拟了重金属镉、铜、汞和锌在水库中的浓度迁移过程。建模时依据水环境中重金属迁移转化机理并借鉴数学建模中边值问题的解决思想,确定了模型的输入和输出因子;对实际监测中重金属浓度低于检测方法的最低检出限的情况,将其浓度以0计算。模型对水库中镉和铜的浓度的模拟值与实测值的最大相对误差分别为17.5%和17.9%,对汞和锌的浓度的模拟值与实测值的确定系数分别为0.741和0.762,而对镉和铜的确定系数更是达到了0.96以上。对各重金属的模拟结果表明用神经网络模拟水环境中的重金属迁移是可行的,能快速得到比较准确的结果。文章建立的模拟大伙房水库重金属浓度迁移的神经网络模型对该水库水环境管理有一定的参考价值。     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

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。     

水质管理规划中BOD5响应矩阵的一种改型模式

本文推导对水质管理规划中经典BOD_5响应矩阵的一种改型模式,并对数值例加以阐述.该模式以BOD_5总量为控制对象,任一河流断面的BOD_5输入量在此响应矩阵中仅出现一次,从而使响应关系由下三角矩阵改变为每一行均含三个变量的稀疏矩阵。这一改型不仅提高了计算速度,更重要的是,由于改型模式具有运输问题类型良好的特殊结构,可以方便地判断一个水质管理规划问题是否可行和给出可行的充分必要条件,这一特性具有较大的实际经济意义.改型模式与经典模式所需数据完全相同。     

基于响应场的线性规划方法在长江口总量分配计算中的应用

河口区污染源总量分配由于计算的复杂性而受到较多的关注. 以长江口及毗邻海域为例,研究基于响应场的线性规划方法在污染源总量分配计算中的应用. 主要步骤:通过水动力水质模型计算各污染源在单位负荷下的响应场,建立污染源与水质之间的响应关系;构建总量分配计算的优化目标和约束方程,采用线性规划方法,计算污染物环境容量;考虑污染源之间的公平性原则,进行污染源总量分配. 选取有代表性的水文设计条件,完成对CODMn,NH3-N,无机氮和活性磷酸盐的总量分配计算. 在给定的设计水量、水质目标、排污口位置和分配原则等条件下,得到CODMn,NH3-N,无机氮和活性磷酸盐的最大允许入海量分别为200.8×104,16.9×104,22.6×104和1.8×104 t.     

污水厂出水COD预测模型的对比分析

根据污水厂日报表中的数据分别建立了ARMA、逐步回归分析、基于回归分析的神经网络模型和基于时间序列分析的神经网络模型,通过比较选择了基于时间序列分析的神经网络模型作为对污水厂出水COD的预测模型,其平均预测精度为85%,取得了满意的预测结果,有利于克服根据在线监测调整工艺参数的滞后性的缺陷,保证出水水质.     

河流中BOD-DO动态的数学模拟方法

本文讨论了河流中BOD—DO动态的数学模拟方法,并将该方法应用于图们江,利用在图们江上取得的实测数据建立了江中BOD—DO动态的数学模型。在所得到的模型中,耗氧系数κ_1,复氧系数κ_2,BOD沉淀-再悬浮系数κ_3被表达为流量与水温的函数。表达式中的参数通过系统识别与参数估计方法确定,因此能较好地反映河流的地理环境特点。特别是κ_3的表达式,它以流量为自变量,用一个单一的解析函数同时描述了江中的沉淀与再悬浮现象,具有独创性。 本文所提出的BOD—DO动态模型可以做为图们江水质规划与管理的基础。