基于改进电法装置和深度神经网络的填埋场渗滤液水位探测

渗滤液水位检测和管控是填埋场环境风险管控的关键之一,高密度电法装置具有无损、快速和分辨率高等优点,但填埋场铺设的HDPE防渗膜的高阻特性掩盖了渗滤液的低阻特性,反演结果存在探测精度差、探测范围有限等问题,无法有效识别渗滤液水位. 为此,本文设计了改进的川字型采集装置并配套提出了基于深度神经网络的非线性反演算法——EConvNet-C,通过构建高仿真模拟模型获得了代表性场景下的学习样本,并进行学习训练得到了渗滤液水位与观测数据的非线性映射关系. 对上述改进的电法装置和配套的反演算法的有效性进行了验证,并开展了实际填埋场地的案例研究. 结果表明:①基于川字型装置的EConvNet-C反演的电阻率存在明显的分层特征,在场景A中EConvNet-C反演算法的均方误差(MSE)均在0.00230以下,渗滤液水位探测精度均在90.0%以上. ②以“浅层滞水”形式非正常积存情况下,EConvNet-C探测精度略有下降,但MSE仍在0.00420以下,水位探测精度仍在80.0%以上. ③基于传统探测装置的深度神经网络耦合方法得到的渗滤液水位探测精度略低于基于川字型装置的EConvNet-C,而基于传统探测装置的线性反演耦合方法在HDPE膜高阻特性的影响下无法有效识别渗滤液水位. 因此,基于川字型装置的EConvNet-C在填埋场渗滤液水位探测领域具有较大潜力,可为后期开展垃圾填埋场的性能和风险评估提供指导.