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。     

水质模型参数识别与验证的探讨

参数识别与模型验证是水质模型应用的两个重要步骤。在对模型参数的本质含义进行辨析的基础上,对模型参数的时变性、集成性和可识别性进行了分析。采用科学哲学的方法,对水质模型验证的必要性和不足进行了讨论,指出虽然模型验证必不可少,但也不能证实模型本身就是实际物理和生化过程的反映,因此应充分地意识到“经过验证的”模型在预测中的风险。     

基于无人机多光谱影像和OPT-MPP算法的水质参数反演

无人机多光谱遥感可用于监测多个水质参数,如悬浮物、浊度、总磷和叶绿素等,建立稳定和准确的水质参数反演模型是开展这一工作的前提.matching pixel-by-pixel(MPP)算法是一种针对无人机影像高分辨率特点的反演算法,但其存在运算量过大和过拟合的问题,基于此,提出optimize-MPP(OPT-MPP)算法,以克服运算量过大和过拟合的问题.本研究以浙江省杭州市青山湖作为研究区域,采集45个样本,分别构建悬浮物浓度(SS)与浊度(TU)的OPT-MPP算法反演模型.结果表明,最佳悬浮物反演模型的决定系数R~2达到0.787 0,综合误差为0.130 8;最佳浊度反演模型的决定系数R~2达到0.804 3,综合误差为0.150 3.最后利用分别建立的两个参数的最优模型,实现青山湖各实验区域的水质参数空间分布信息的反演.     

神经网络模型用于数值水质模型逼近的适用性及非敏感参数的欺骗效应

水质模型被广泛应用于水环境管理和决策,但却面临着计算时间和模型应用效率等多方面的问题;利用函数映射和逼近等方法来建立水质模型的输入-输出响应关系,可有效减少计算成本并显著改善模型效率.水质模型的输入-输出响应函数关系有多种形式,本文以其中的2种为例,并分别基于2个水质模型(零维总磷模型、WASP/EUTRO5)的案例,分析和验证了神经网络模型在响应关系逼近中的适用性.案例的结果表明:神经网络函数可以有效地用于水质模型输入-输出响应关系的逼近;当网络规模超出阈值大小时,神经网络函数逼近的准确度和泛化度对网络规模不敏感.在案例研究的基础上,推导和讨论了在神经网络模型函数映射过程中所可能出现的非敏感参数的欺骗效应,以及可能由此导致的过度预测或过低预测问题;并建议在神经网络函数逼近中,应只包含水质模型的敏感参数,以防止降低神经网络模型的准确度.     

非机理性水质模型研究综述

水对社会和经济的发展都起着不可估计的作用。保护和改善水环境问题已成为当前世界关注的一个焦点。虽然机理性水质模型能较精确地描述水污染过程中的物理、化学、生物化学的内在规律和相互联系,但是需要大量的模型参数和环境参数,而得到这些参数需要大量物力、财力,从而制约了这些模型在水环境中的应用。随着现代随机数学争统计学的发展,非机理性水质模型得到了广泛的应用;非机理性水质模型虽然是一种黑箱式方法,但因其针对某一特定的物质系统,通过数学统计或其他数学方法建立模型,模拟预测也得到了较好的效果。它们为水环境的综合整治和科学管理提供科学依据。最后综观水质模型的研究历史和应用前景,系统分析了水质模型的发展趋势。     

污水回用系统水质模型探讨

在分别对部分污水回用系统和全部污水回用系统进行稳定状态条件下的理论分析基础上,建立了相应水质数学模型,据此推论出当污水处理设施去除率E一定时处理水质与循环次数的数学关系,证明了在回用状态下E与其他各项参数的相互关系,进而求得了无限循环处理时的处理水质表达式,并对水质模型各相关参数特性进行了分析讨论.     

基于概率论和BP网络的水质评价与灰色动态预测模型

讨论了BP网络模型存在的不足。提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价与预测问题。通过在各类水质污染指标浓度区间内生成随机分布样本的方法。组成足够多用于BP网络训练、检验和泛化能力评定用的样本。建立了南京市秦淮外河水体水质评价的BP网络模型：给出了区分不同类别水质的模型分界值样本和模型输出分界值。用概率分布理论分析处于相邻类别水质过渡状态水体的水质属性。建立的水质评价模型应用于实例表明。南京市秦淮外河水体1991—1996年水质为V类向IV类转变。1992年水质最差，1996年水质最好。灰色动态预测模型计算表明。从1997到2001年。南京市秦淮外河水体水质逐年变好。     

基于KH-SVM的鄱阳湖水质评价及变化趋势分析

为了提高水质评价结果的精度,更客观地反映水体环境的质量状况,针对支持向量机（support vector machine,SVM）性能易受模型参数的影响,提出了一种基于磷虾群算法（krill herd,KH）优化SVM的模型,将其与地表水环境质量标准相结合,选取5种代表性水质指标作为模型的输入,5类水质标准作为输出,建立了基于KH-SVM的水质评价模型,并利用该模型对鄱阳湖2013—2018年丰水期、平水期和枯水期的水质状况及变化趋势进行研究。结果表明:鄱阳湖北湖区水质基本维持在GB 3838—2002《地表水环境质量标准》Ⅲ—Ⅳ类,而南湖区水质各时期波动较大,其中丰水期多为Ⅱ类水,平、枯水期以Ⅴ类水为主,整体上2013—2018年鄱阳湖水质恶化趋势没有明显改善,水质级别仍处于非优类水平;构建的KH-SVM模型性能良好,与传统评价方法相比可以较好地实现水质综合评价,能够从整体上更准确、客观地反映水体质量状况。该研究成果可为区域地表水资源科学管理及水环境保护提供科学依据。     

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.      

完全均匀混合质量平衡水质模型在滇池中的应用

介绍了完全均匀混合假设下以质量平衡为基础的湖泊水质模型,运用滇池的实测数据对模型进行了参数率定、验证,给出了模型在滇池水质预测中的应用实测,最后讨论了模型的几个假设条件对滇池的适应性。实例研究表明,该模型可适用于滇池水质有机污染长期浓度预测。      

水质模型应用中的问题

一、从“一个河流水质预测预报模型” 文章谈起 《环境科学》1981年第一期刊有“一个河流水质预测预报模型”(以下简称“预报模型”)一文.文章的内容有一定影响,可以用来说明当前水质模型应用中的一些共同问题,试引录加以讨论.     

随机因素对河流水质模型参数最优估值影响

用多宾斯－BOD－DO（Dobbins－BOD－DO）水质模型,生成真实的无干扰和有干扰的仿真水质数据。在此基础上,用绘制目标函数响应面的方法,分析水质监测数据中的随机噪声对水质模型参数最优估值的影响。分析结果表明,随机噪声干扰使最优估计参数＂漂离＂系统真实参数,并增加最优估计参数的不唯一性问题。     

基于GLUE法的多指标水质模型参数率定方法

目前对水质模型进行参数率定通常利用计算机算法来实现,但由于水质模型日趋复杂的非线性结构往往会导致"异参同效"现象,无法通过单个似然度判断参数的取值是否能够取得真值.为避免这一情况,本文提出了一套基于GLUE法的多目标模型参数率定方法,并以WASP水质模型的应用为例,通过Sobol方法确定模型的敏感参数,并利用DO、CBOD、氨氮、硝态氮4项指标的似然函数对参数同时进行率定.结果表明,该方法既可以有效地避免因追求"过拟合"而造成模型参数取值不当,也可以减小模型参数的不确定性,为具有"异参同效"现象的复杂模型的参数率定工作提供了一个更为可靠的方法.     

基于贝叶斯优化的三维水动力-水质模型参数估值方法

随着水质目标管理要求的提升,基于复杂的三维水动力-水质模型的决策成为流域精准治理的必需.水质模型通常具有复杂的结构,包含大量的方程和参数,而参数取值的准确性会影响模型对水体系统表征的可靠性,进而影响根据模型结果进行水环境管理的效果,因此,有必要探究适用于复杂水质模型的高效参数估值方法.传统的自动参数估值方法应用于复杂的水质模型时会面临计算瓶颈,而贝叶斯优化适用于高运算成本模型的优化问题.本研究提出基于贝叶斯优化的复杂水质模型参数估值方法,主要包括:①重要影响参数识别;②重要参数敏感性排序与筛选;③采用贝叶斯优化对筛选出的参数进行估值;④方法的适用性评估.同时,将该方法应用于云南异龙湖的三维水动力-水质模型的参数估值中,发现进行参数估值后模型lg(NSE)均大于0.65,表明模型达到了满意的级别.研究表明,当贝叶斯优化算法的采集函数为EI时,仅需要141次迭代lg(NSE)即可达到0.766,该方法对复杂水质模型的参数估值具有一定的借鉴意义.     

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。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷（As）污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998—2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评价法对模型输入变量进行筛选,最后对比分析了在不同水质参数输入情况下BP人工神经网络（BPNN）、遗传算法改进的BPNN（GABP）、小波-遗传BPNN耦合模型（W-GABP）对后6年（2011—2016年） As浓度预测结果的均方根误差（RMSE）、决定系数（R²）、平均绝对百分比误差（MAPE）,以确立最优模型.结果表明：①多水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为17.51%、15.98%、14.46%,单水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为18.78%、16.74%、7.83%;②小波分解数据前处理及遗传算法均能较大程度地提高预测模型的精度;③对于地表水水质预报,需对比不同模型在不同输入变量下的预测结果,以获得最佳的预测精度.单水质参数输入的W-GABP耦合模型能较准确地预报地表水As浓度的变化情况,对数据缺乏地区水质监控和地表水As污染防治具有重要意义.     

河流水质系统灰色模型的识别、模拟和应用

借助于灰色系统理论的思想和方法可以构造河流水质灰色模型,根据实测水质资料可以识别出河流水质灰色模型中的最优灰参数,在此基础上,可以对河流水质系统进行灰色模拟。灰色模拟考虑了实际河流水质系统中客观存在的不确知因素和偶然因素影响。本文概述了河流水质灰色模型的构造、河流水质灰色模型的研究意义、河流水质灰色模型的灰参数识别、河流水质系统的灰色模拟及其在四川沱江水质系统模拟中的应用。     

非均匀混合型湖泊水质模型的探讨——太湖对湖州市小梅港入湖污水稀释自净能力的初步研究

本文在二年现场和室内试验基础上,分析了太湖对小梅港入湖污水的自净机理,建立了溶解氧、细菌、磷、氮和酚的模型方程,并按湖泊不同的流场,从现场和室内试验数据中进行参数识别,制作出各参数的湖泊水质模型,验算表明实测值与计算值基本相符,此外还就模型的灵敏度、生物化学在自净中作用,和小梅港的入湖有机物排放标准等问题进行了初步的讨论。     

内陆水体水质参数遥感反演集合建模方法

以微山湖为研究对象,利用2015年6月11~13日获取的实测高光谱和水体叶绿素a浓度、总悬浮物浓度和浊度数据,构建3种水质参数遥感反演常用的经验模型和PSO-SVM模型并进行精度评价,确定参与3种水质参数集合建模的反演模型,分别利用以熵权法(EW-CM)、集对分析法(SPA-CM)为代表的确定性集合建模方法和以贝叶斯模型平均(BMA)为代表的概率性集合方法构建反演3种水质参数的EW-CM、SPA-CM和BMA集合模型.通过贝叶斯平均方法获取各模型和BMA集合模型反演3种水质参数的不确定性区间,对比3种水质参数各模型和集合模型反演结果.结果表明:(1)确定性集合模型中SPA-CM模型精度整体高于EW-CM模型;(2)BMA概率性集合模型建模精度整体上要优于SPA-CM和EW-CM集合模型,验证精度稍低于SPA-CM模型,和EW-CM模型相当;(3)概率性集合建模可以给出集合模型和各模型反演水质参数的不确定性区间;(4)确定性和概率性集合模型可以综合各模型信息,使得集合模型同时具有较高的建模和验证精度,降低单一模型反演水质参数的不确定性,并在一定程度上提高水质参数反演精度.     

遥感技术在湖泊水质监测中的应用

环境污染遥感监测技术具有监测范围广、速度快、成本低,且便于进行长期的动态监测等优点,是实现宏观、快速、连续、动态地监测环境污染的有效方法,已成为湖泊环境动态变化监测的重要技术手段.湖泊水质遥感监测是基于经验、统计分析或水质参数的光谱特征,选择遥感波段数据与地面实测水质参数数据进行数学分析,建立水质参数反演模型实现的.在运用遥感技术对湖泊进行水质监测的方法中有传统方法和神经网络模型.与传统方法相比,神经网络模型有较强的水质识别的容错性,水质状况识别的可信度.今后,神经网络模型、高光谱遥感技术以及RS与GIS、GPS的结合运用等将是遥感技术在此领域中的发展方向.