人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

基于PCA-SOM的北京市平谷区地下水污染溯源

为了解北京市平谷区地下水污染物来源,以平谷区2010—2018年监测数据为基础,使用PCA(主成分分析法)识别了地下水水质指标因子,使用自组织映射识别了污染物的空间分布.结果表明:通过监测指标间的Pearson检验发现, 平谷区地下水电导率与ρ(Ca2+)(p=0.936)、总碱度与ρ(HCO₃2-)(p=0.981)、ρ(Mg2+)与总硬度(p=0.944)指标之间显著相关.地下水化学类型主要以HCO₃-Ca型为主,其次为HCO₃-Mg型.NH₄+、SO₄2-、Cd、Fe(Ⅱ)、NO₂指标空间分布离散性和差异性较大,存在局部富集现象.通过因子分析法筛选出影响平谷区地下水水质的8个公因子,首要影响因子为溶滤-富集作用(贡献率为22.398%),次要影响因子为农业、养殖业和填埋场等人为活动作用(贡献率为16.533%),雨水下渗作用(贡献率为8.035%)、工业源人为活动(贡献率为7.466%)对地下水也有一定影响.通过比较各指标的SOM(Self-Organizing Map,自组织映射)特征图像和监测井映射特征图像,发现NH₄+受山前地带林业、种植业和平原地带农业、养殖业的双重影响,Na+、Mn受平原地带人为活动的影响;同时,NH₄+、NO₃-、NO₂三者之间及Fe(Ⅱ)与Fe(Ⅲ)之间来源不同,Cd、Al、氰化物三者具有同一来源.研究显示,PCA-SOM(PCA与SOM相结合)可以对地下水化学组分来源进行定性识别与定量分析.      

石期河流域地下水化学特征及物质来源分析

为明确典型岩溶溶丘洼(谷)地区域地下水化学特征及其成因,以石期河流域为研究对象,运用Gibbs图、Piper图、端元分析及离子比例系数等方法,对地下水水化学特征及物质来源进行了定性和定量分析.结果表明,研究区内地下水pH值介于6.06～8.07之间,Ca~(2+)、 Mg~(2+)和HCO~-_3是地下水中的主要离子,其质量浓度范围分别为2.61～108.7、 0.54～27.61和8.1～370.74mg·L~(-1),符合岩溶水高钙弱碱性特征;地下水物质成分中, Ca~(2+)和Mg~(2+)主要受到碳酸参与的灰岩和白云岩风化作用的控制, Na~+主要来源于硅酸盐岩的溶解,同时, Ca~(2+)和Na~+在地下水流动过程中进行阳离子交替吸附作用; K~+、 Cl~-和NO~-_3主要受到农业化肥施放和生活废水排放的影响.此外,大气降水作为该区域地下水的主要补给来源,对当地地下水化学特征和物质来源也有一定的影响.     

京津冀西北典型区域地下水位时空演变及驱动因素

京津冀西北地区是北京、天津重要的水源涵养区和生态屏障,也是“京津冀协同发展”战略重要的支撑区域。为揭示京津冀西北地区地下水位时空演变规律及其驱动因素,以张家口地区为研究区域,选取1981—2015年56个地下水位观测井连续观测数据、水文地质相关资料、气象数据、地下水资源开采数据和社会经济数据,对研究区内坝上高原、柴宣盆地、涿怀盆地和蔚阳盆地四个地貌单元地下水位时空演变规律和驱动因素进行分析。结果表明：张家口地区四个地貌单元及下辖各区县地下水位呈整体下降趋势,且下降速率逐步加快。35年间坝上高原水位降幅3.59 m<蔚阳盆地水位降幅3.6 m<涿怀盆地水位降幅7.17 m<柴宣盆地水位降幅20.41 m。张家口地区四个地貌单元地下水位动态变化与降雨量、蒸发量、气温等自然因素相关性较差,但与第一产业产值、常用耕地面积、有效灌溉面积、粮食总产量、蔬菜总产量、猪牛羊肉总产量、第二产业产值、第三产业产值和年末总人口等社会经济因素存在显著的相关性。在主成分分析中四个地貌单元前两个主成分的累计方差贡献率均>80%,其中第一个主成分主要为蔬菜总产量、猪牛羊肉总产量、年末总人口和第一、第二、第三产业产值等社会经济因素,不同地貌单元均可解释66%以上,表明社会经济因素是造成张家口地区地下水位持续下降的主要驱动因素。研究成果可为该地区未来社会经济的可持续发展和区域水资源的合理利用、调配以及京津冀西北地区水源涵养和生态功能保持提供理论依据。     

京津冀西北典型流域地下水化学特征及补给源分析

为揭示京津冀西北典型流域地下水循环特征,运用环境同位素和水化学技术等方法分析张家口市不同流域水体氢氧同位素特征、水化学特征及时空变化特征、地表地下水转化关系。结果表明：地表水化学类型主要为HCO₃-Mg·Na和HCO₃·Cl-Na型;地下水化学类型不同时期表现出不同的类型,水化学类型更为多样,主要以HCO₃-Mg·Na型、HCO₃·Cl-Na型、HCO₃·Cl-Na·Mg为主。地表河水和地下水中离子均主要来源于岩石风化作用;张北和桑干河流域地下水中离子偏向于蒸发浓缩作用控制。张家口市各流域地表地下水δ¹⁸O、δD组成较为接近,表明了当地地表水和地下水均受到大气降水的补给。大气降水和地表河水对地下水的补给比例均值分别为37.74%和62.26%,以地表河水的补给为主要方式。     

基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

非饱和带强化反应层脱氮的试验研究

自然堆肥过程中,畜禽养殖产生的粪污渗滤液入渗土壤非饱和带.高浓度有机氮在微生物作用下经由复杂的地球化学过程转化为各种含氮物质,其中硝酸盐迁移能力较强,在降雨条件下入渗地下水,造成区域性地下水硝酸盐污染.在非饱和带中构建由木屑和壤土组成的强化反应层,通过间歇性的原位淋溶脱氮试验,系统地研究了非饱和带含水量及COD、硝态氮、亚硝态氮和氨氮的浓度变化规律,评价了强化反应层的脱氮能力.研究结果表明:①反应层中木屑材料的强吸水特性使得灌水后短时间内反应层含水量大幅提升,形成有利于反硝化进行的厌氧环境.木屑通过水解作用释放大量溶解性有机碳,供给反硝化微生物进行脱氮.②在入渗硝态氮浓度为170.00 mg·L~(-1)条件下,反应层对硝态氮去除率最高可达97.63%.反应层脱氮量随处理水量增加而提升,当上层为砂土时脱氮量最高,可达24.61 g·m~(-3).③反应层中的NO~-_3-N发生了完全反硝化,出水中NO~-_2-N浓度低于0.5 mg·L~(-1),几乎不发生积累.同时,反应层中发生的DNRA过程使氨氮浓度小幅升高.强化脱氮反应层可阻控硝酸盐污染地下水.     

考虑边界条件不确定性的地下水污染风险分析

为分析边界条件不确定性对地下水污染质运移数值模拟模型输出结果的影响,运用Monte Carlo方法对一算例进行阐明,并从污染风险预报方面对模拟结果进行分析.为减少重复调用模拟模型产生的大量计算负荷,将边界条件（第一类边界条件-水头值）作为随机变量,建立地下水污染质运移数值模拟模型的Kriging替代模型,在保证较高精度的同时,实现了Monte Carlo模拟.结果表明：边界条件的不确定性,对地下水污染质运移数值模拟模型预报的结果有很大影响,考虑与未考虑边界条件不确定性得到的研究区污染羽分布差别较大.对地下水污染质运移数值模拟模型的Monte Carlo模拟结果进行统计与分析,可以评估研究区观测井1,2,3污染物浓度预报结果的可靠程度,并且可以预报出研究区观测井1,2,3遭受不同程度污染的风险.     

Distribution of Iron, Manganese, Zinc and Atrazine in Groundwater in Parts of Palar and Cheyyar River Basins, South India

A study was carried out in a part of Palar and Cheyyar river basin to evaluate the current status of iron, manganese, zinc and atrazine concentrations, their origin and distribution in groundwater. Groundwater samples were collected during post-monsoon (March 1998 and February 1999) and pre-monsoon (June 1999) periods from 41 sampling wells distributed throughout the study area. The groundwater samples were analyzed for trace metals using AAS and atrazine using HPLC. The concentration of the trace elements in groundwater is predominant during pre-monsoon period. Distribution pattern indicates that the concentration of these elements increases from west to northeast and towards Palar river. Lower concentrations in the central part may be due to recharge of fresh water from the lakes located here. During most of the months, as there is no flow in Palar river, the concentrations of trace elements in groundwater are high. Drinking water standards indicate that Mn and Zn cross the permissible limit recommended by EPA during the pre-monsoon period. A comparison of groundwater data with trace element chemistry of rock samples shows the abundance of trace elements both in the rock and water in the order of Fe > Mn > Zn and Fe > Zn > Mn. This indicates that iron in groundwater is derived from lithogenic origin. Further, Fe, Mn and Zn have good correlation in rock samples, while it is reverse in the case of water samples, indicating the non-lithogenic origin of Mn and Zn. Atrazine (a herbicide) was not detected in any of the groundwater samples in the study area, perhaps due to low-application rate and adsorption in the soil materials.     

B-P网络应用于地下水水质监测点优选

以地下水水质评价分级标准作为训练样本,构造B-P网络模型对其进行训练,用训练好的B-P网络对某地的地下水水质监测点进行评判、优选。并与其它方法的结果进行比较,结果表明,B-P网络用于环境测点优选不仅原理直观,而且具有较好的客观性和实用性。