基于人工神经网络的分流制系统雨水泵站雨天排放污染成因研究

分流制系统雨水泵站排放造成雨天河道水质恶化，阐明其排放污染成因是削减雨天污染和改善河道水质的基础。针对上海市中心城区两个分流制系统，分别采用反向传播神经网络和径向基神经网络建立降雨、管网运行等11个参数和雨水泵站雨天排放水质的非线性响应关系，探究雨天排放污染的主要影响因素。结果表明：与反向传播神经网络相比，径向基神经网络具有较高模拟效果，COD、NH₃-N和SS的平均绝对误差、均方根误差、平均百分比误差分别下降了15.6%～31.9%、12.3%～18.3%和12.6%～53.9%,决定系数提高了3.1%～5.4%。基于径向基神经网络对输入参数进行重要性分析，确定了5个优先参数，分别为距离上次开泵时间、开泵水位、峰值降雨量、前期不降雨天数、停泵水位。应开展雨污混接调查和实施雨污分流改造，从根本上减少旱天污水在管道沉积造成的雨天污染“零存整取”和污染效应放大。此外，通过优化雨水泵停泵水位，也可以削减雨天排放浓度。