基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

“我身边的环保”主题社会调查与分析

近年来,沈阳经济加速发展,随之而来的是工业排放等原因造成的环境污染问题日渐突出。自2013年年初。沈阳多次出现雾霾天气,对市民的身体健康造成了一定损害。为此,我们决定对公众开展“我身边的环保”调查,在充分了解民意的同时,提高公众的环境保护意识,共同寻找治理污染、保护环境的有效途径。本次活动由辽宁省环境保护厅宣教部门指导。辽宁省实验中学学生自发策划,与东北育才外国语学校学生组成调查小组共同执行。     

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题。并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性。结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%。应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史。SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%。因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考。     

考虑参数和边界条件不确定性的地下水污染随机模拟

为了分析模型参数的随机变化和边界条件的随机变化对地下水溶质运移模型输出结果的不确定性影响,采用蒙特卡洛模拟对一假想算例展开研究,并结合风险评估阐述不确定性分析结果.首先,建立研究区地下水溶质运移数值模拟模型,并综合利用局部灵敏度分析和全局灵敏度分析方法筛选出对模型输出结果影响较大的参数,连同模型的边界条件(第一类边界条件-水头值)一起作为随机变量.然后,利用优化超参数的高斯过程回归(GPR)方法建立模拟模型的替代模型,代替模拟模型完成蒙特卡洛随机模拟.最后,对随机模拟的结果进行统计分析和区间估计,并利用污染物浓度的概率分布函数对1、2、3号观测井进行地下水污染风险评价.结果表明:置信水平>80%时,1,2,3号观测井污染物浓度值的置信区间分别为34.77~35.03,57.74~58.04,100.07~100.69mg/L.此外,1,2,3号观测井为轻度污染的风险分别为6%,100%,100%;为中度污染的风险分别为0%,0%,99.6%;为重度污染的风险分别为0%,0%,0.5%,藉此为地下水污染修复防治和地下水的合理利用提供可靠参考依据.     

不确定性条件下地下水污染监测井网优化设计——基于XGBoost替代模型

在地下水污染监测井网优化设计中,应用模拟优化方法时客观存在的模型参数不确定性往往会影响到设计监测井网的可靠性.针对该问题,重点考虑了渗透系数和污染源释放强度的不确定性,应用模拟优化方法和蒙特卡罗方法求解上述不确定性参数影响下的最优监测井布设方案.为缓解蒙特卡罗方法多次调用模拟模型所产生的巨大计算负荷,本研究建立了XGBoost替代模型,代替模拟模型与优化模型进行耦合.为提高监测井网对实际污染羽的监测精度,污染监测井网优化模型以监测空间矩误差极小化为优化目标.此外,本次研究还考虑了监测井网设计中污染源释放强度的动态变化过程.最后,以抚顺市某煤矸石堆放场地为基础建立假想例子,验证所提方法的有效性.结果表明:1.XGBoost能够有效近似模拟模型的输入输出关系,显著降低了计算负荷.2.空间矩能够有效评估监测井网插值污染羽和实际污染羽的逼近程度,优化设计后的监测井网能够较为准确地捕捉到实际污染羽的状态.3.模拟优化方法结合蒙特卡罗方法能有效求解不确定性条件下最优监测井网的设计问题.本文为地下水污染监测井网设计提供了一种稳定可靠的方法.