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。     

基于自组织映射与随机森林耦合模型的流域水质空间差异性评估

流域水环境质量空间分布特征分析是推进流域精细化管理的基础.本研究基于流域特征指标与水质的关联性,以子流域为分析单元,利用自组织映射人工神经网络模型（SOM）对苕溪流域水质数据聚类分析为3类后与随机森林模型（RF）进行耦合,对全流域水质进行了空间差异性评估.研究结果显示,上游山地区域水质较好,而平原河网人口集聚区的COD_Mn、NH₃-N及TP浓度较高,山地与平原过渡地带水质则主要受到COD_Mn和TN的影响.采用自然环境、社会经济及土地利用/覆盖指标作为流域特征进行水质分级模式识别,SOM与RF模型耦合模型的准确率稳定在80%左右;在对强相关性特征进行筛选识别后,将蒸发蒸腾量、坡度、人口密度、大于10℃积温、旱地占比、城镇用地占比及景观多样性指数为作为输入特征,准确率可达83%,可以有效地开展全流域水质分级评估.     

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.      

基于替代模型的地下水DNAPLs污染源反演识别

应用基于核极限学习机替代模型的模拟-优化理论和方法研究解决了地下水DNAPLs污染源及含水层参数的同步反演识别问题.结果表明：1）核极限学习机替代模型对模拟模型有较高的逼近精度,能够识别并模仿模拟模型的输入-输出关系,绝大部分相对误差小于5%,平均相对误差仅有2.98%;2）以替代模型代替模拟模型,大幅度地减小了模拟-优化过程的计算负荷,将反演识别时间由传统方法的83天减少到3小时,并能够保持较高的计算精度;3）应用基于模拟退火的粒子群优化算法求解优化模型,能够以较快的速度搜寻到全局最优,同时避免搜索过程陷于局部极小解.     

基于U-D分解卡尔曼滤波地下水污染源溯源辨识

采用基于U-D分解的卡尔曼滤波与非线性规划优化模型相结合,溯源辨识出地下水污染源的个数、位置与释放强度.基于一个假想例子,建立地下水污染质数值模拟模型,运用灵敏度分析筛选出对模型影响较大的参数作为模型中的随机变量.然后,应用基于U-D分解的卡尔曼滤波辨识出污染源的个数与位置.在此基础上建立辨识污染源释放强度的优化模型,...     

考虑参数不确定性的地下水污染源识别

为分析参数不确定性对地下水污染源识别的影响,本文通过模拟-优化方法、灵敏度分析方法、蒙特卡罗方法和克里格方法的综合运用,建立了描述渗透系数与污染物质释放强度之间关系的推算模型,进行了考虑参数不确定性的地下水污染源识别研究.研究结果表明,推算模型具有较高的精度,确定性系数和平均相对误差分别为0.9895和4.51％;运用...     

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.     

不同建议分布MCMC算法在地下水污染源反演识别中的对比研究

为了探究正态分布、均匀分布和随机游走三种不同建议分布的MCMC算法对地下水污染源反演识别结果的影响,并遴选出最优的建议分布.本文根据假想案例建立了污染质运移模拟模型及基于Kriging方法的替代模型,并建立了基于正态分布、均匀分布和随机游走三种建议分布的MCMC算法以反演识别地下水污染源的释放历史.结果表明,针对本文算例,以均匀分布为建议分布的MCMC算法具有反演精度高、稳定性好、收敛速度快等优点,最为适合作为本研究案例的建议分布进行地下水污染源反演识别研究.     

基于自组织映射与哈斯图方法的地表水水质评价研究

地表水水质评价是水资源管理与保护中的非常重要的问题.本研究主要目的是应用自组织映射(Self-Organizing Map,SOM)与哈斯图方法(Hasse Diagram Technique,HDT)对地表水水质监测数据集进行分类、建模、解释与评估.以西苕溪流域为例,对其50个断面于2010年6月-2011年5月进行月频率的水质监测.应用SOM分析发现,水质参数可分成10个聚类组,反映了西苕溪流域水质丰、平与枯水期特征,pH、高锰酸盐指数(CODMn)在各个水期变化不大;溶解氧(DO)在枯水期与平水期相对较高,水质具有一定的自净能力;丰水期的氨氮(NH4+-N)、总氮(TN)与总磷(TP)值相对较小;西苕溪流域TN:TP(氮磷质量比)平均为46,监测期间变幅较大为2～482,监测期内有66.7％的水质样本处于磷限制状态,仅有3.2％处于氮限制状态,存在氮限制与磷限制交替出现的状态,表明流域总体处于磷限制状态.选取CODMn、NH4+-N、TN 与TP指标进行HDT综合分析,反映流域上游水质较好,中、下游水质相对较差;敏感性分析结果表明,CODMn敏感性数值最大为235,其次是TN为156,、NH4+-N与TP分别是61与34,表明西苕溪流域的CODMn、TN存在较大的环境风险.建议在西苕溪流域即将开展的环境整治与规划时应考虑开发相关的削减技术与制定相关措施政策以减少CODMn、TN污染.     

基于危害性分级的地下水污染源分类识别方法

地下水污染源分类识别是有序开展地下水污染防控工作的前提。以典型地下水污染源为研究对象,建立综合考虑优控污染物、污染源特征的地下水重点污染源识别指标体系,以污染源危害性评价结果作为重点污染源的判别依据。将哈斯(Hasee)图解法与综合评分法相结合,用于地下水优控污染物识别,同时引入修正的内梅罗综合污染指数法,对多组分的地下水优控污染物开展综合评价,并选择3个典型地下水污染源进行分类识别方法实地验证。结果表明:污染源S1、S2和S3的危害性等级分别为Ⅲ、Ⅲ、Ⅱ。在区域地下水污染分类防控与分级管理中,应对危害性等级较高的污染源S1和S2加以重点关注。     

基于连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演

针对土壤有机质含量高光谱反演中存在的光谱有效信号薄弱和光谱信息冗余问题,提出结合连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演框架.以北京市延庆区和房山区永久基本农田土壤为研究对象,首先,基于连续小波变换处理的土壤光谱反射率数据构建初始XGBoost模型;然后,利用SHAP方法分析模型中各波段的贡献度以筛选特征波段;最后,基于特征波段重新构建和优化XGBoost模型,实现土壤有机质含量高光谱反演.发现连续小波变换尺度为25时,利用SHAP方法选取的40个特征波段构建的XGBoost模型准确性最高,有机质含量反演值和实测值之间的R²为0.80,RMSE为3.60g·kg^-1;随着连续小波变换尺度的增大,R2呈现先升高后降低的趋势,25尺度下的R2比21尺度的高0.37;SHAP方法选取的特征波段比Pearson相关分析法少682个,RMSE低0.69 g·kg^-1;XGBoost模型的R2分别比随机森林和支持向量机模型高4%和8%.验证了结合连续小波变换、SHAP和XGBoost在土壤有机质含量高光谱反演...     

基于改进DRASTIC模型、GIS和层次分析法(AHP)的地下水U(VI)污染风险评价

以某铀尾矿库为例,应用层次分析法(AHP)对DRASTIC进行改进,得出AHP-DRASTICLL模型,并构建了综合指数体系,在此基础上,基于GIS平台对某铀尾矿库区地下水受U(VI)污染风险进行了评价和污染区的污染风险划分。由地下水风险区划图得出尾矿库周围与砂卵砾石层区风险较高,丘陵地带风险较低,其结果较好地反映了实际的污染风险现状。     

基于改进DRASTIC模型、GIS和层次分析法(AHP)的地下水U(Ⅵ)污染风险评价

以某铀尾矿库为例,应用层次分析法(AHP)对DRASTIC进行改进,得出AHP-DRASTICLL模型,并构建了综合指数体系,在此基础上,基于GIS平台对某铀尾矿库区地下水受U(Ⅵ)污染风险进行了评价和污染区的污染风险划分.由地下水风险区划图得出尾矿库周围与砂卵砾石层区风险较高,丘陵地带风险较低,其结果较好地反映了实际的污染风险现状.     

基于AOD数据反演地面PM_(2.5)浓度研究进展

随着中国城市发展,城镇化进程的不断推进,能源消耗持续增加,空气中的污染物含量越来越高,空气污染事件频发,城市空气质量研究成为一个热点议题。PM_(2.5)作为表征空气质量的重要指标之一,越来越受到人们的关注,目前获取PM_(2.5)数据主要有地面监测和卫星遥感监测2种方式。传统的地面监测手段可以得到高精度的局部PM_(2.5)污染数据,但是由于其覆盖范围的局限性,并没有办法反映出整个区域的PM_(2.5)污染情况。遥感卫星监测恰到好处地弥补了这一缺陷,其中应用最为广泛的是使用卫星遥感数据产品大气气溶胶光学厚度AOD来反演地面的PM_(2.5)浓度。文章从AOD数据的多样性及其应用、反演地面PM_(2.5)浓度模型的选择以及反演模型的优化这3个方面对目前国内外利用遥感卫星AOD数据反演地面PM_(2.5)浓度的研究进行了归纳梳理。其中AOD数据分辨率的不同产生了不同精度的反演结果;而线性回归模型和非线性回归模型的反演精度也存在较为明显的差异;通过在模型中加入气象参数、气溶胶垂直分布特性以及地表信息等因素会显著地改善反演结果。上述研究为流行病学中PM_(2.5)人口暴露研究及健康影响提供方法论基础。     

象山港海域水质时空格局的自组织特征映射神经网络识别

于2007—2008年对象山港23个站点(包括10个电厂站点)的水质样品进行连续2年的季节性采集,采用SOM(Self-Organizing Map)工具箱,结合k-nn(knearest neighbors)神经元聚类对15个水质参数进行分析,以探明象山港海域水质时空变化并识别敏感的影响区域.结果显示,象山港海域N/P(物质的量比)平均值为27.0.水体污染指数(AI)和海水营养指数(NI)分别指示整个象山港水质处于严重污染和富营养化状态,但水质加权指数(WDX)显示,加权水质标准未超过3类水质,说明传统的AI和NI指数不能反映象山港的实际水质状况.经SOM分析发现,象山港海域各取样站点按季节和空间格局可分为8个聚类组.从季节上看,pH和油类含量在春季最低;夏季水温、COD、NO2--N最高,而DO最低.NO3--N、DIN、DIP在秋冬季节高于春夏季节,但透明度相反.Chl-a含量以夏季最高,冬季最低.GLM(General Linear Model)方差分析显示,不同季节的安全性指数(SFT)和N/P无显著差异(p>0.05),而NI、AI和WDX差异极显著(p<0.01).空间分析显示,象山港水体可分为港底区和口中部区,其中,港底区盐度、pH显著低于口中部区(p<0.01),而NO2--N、NH4+-N、DIN、DIP、Chl-a则显著高于口中部区(p<0.05).除WDX无显著差异外,港底区的N/P显著低于口中部区(p<0.01),而NI、AI、SFT相反(p<0.05).建议港区底部宜采用养殖大型海藻方式以减轻富营养化,此外,冬季黄墩港的水体中粪大肠菌群严重超标,生食该季节贝类产品时需要检测.     

基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究

该研究基于自组织神经网络(SOM)和K-means方法,以华中地区某铬渣污染场地为研究对象,探讨了SOM+K-means方法应用于场地地下水污染分区管控的可能性。通过监测数据的描述性统计分析场地地下水污染特征,发现Cr (Ⅵ)、COD_Mn、SO₄2-、TDS、NO₃-、NH₃-N、Mn为研究区的主要污染物。基于SOM+K-means分析挖掘,并基于空间插值方法,将研究区地下水分为4类区域,并识别出每类区域需重点关注的污染指标。结果显示:类别Ⅰ需关注NO₃-;类别Ⅱ需关注Cr (Ⅵ)、COD_Mn、NO₃、TDS、NH₃--N;类别Ⅲ需关注SO₄2-;类别Ⅳ需关注Mn。该方法可较好地应用于地下水污染分区管控,对场地地下水污染防治具有指导意义。     

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R²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R²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.     

污染河流中Cr(Ⅵ)对浅层地下水的影响研究

为了研究污染河流中Cr(Ⅵ)对浅层地下水的影响,选用3种天然砂土作为渗透介质进行室内试验,以生活污水模拟污染河水,发现铬在粗砂中第13d发生穿透,此后粗砂对铬的去除率为77%～99%;2种中砂对铬的去除率始终大于91%和96%,铬很难进入地下水.凉水河野外试验表明,凉水河沿岸的1#、2#、3#采样点和煤厂井中Cr(Ⅵ)浓度均不大于地下水中Cr(Ⅵ)的背景浓度,凉水河中的Cr(Ⅵ)对地下水影响较小.还原和沉淀反应是Cr(Ⅵ)去除的主要机理,由于长期污染河流下部渗透介质始终处于厌氧环境,其中富含还原性物质,Cr(Ⅵ)可以通过沉淀反应大部分得以去除,本次试验研究表明污染河流不是地下水铬污染的来源.     

基于径向基函数模型的优化方法在地下水污染源识别中的应用

采用一种基于径向基函数的替代模型代替地下水溶质运移模型,将其作为约束条件嵌入污染源识别的优化模型中,通过遗传算法对优化模型进行求解.最后通过一个假想例子评估优化模型的性能.研究表明：污染源泄漏量识别结果的平均绝对误差为1.00g/s,误差较小,计算时间为51min,耗时较少,因此,基于径向基函数模型的优化方法有效地避免了优化模型求解过程中多次调用模拟模型造成的巨大计算负荷,获得了较为准确的计算结果,是一种有效的地下水污染源识别方法,能够用来求解地下水污染源泄漏量.     

荧光溶解性有机质EEMs的新旧自组织映射图解析方法比较研究

目前,对地表水体荧光溶解性有机质(Fluorescent Dissolved Organic Matter,FDOM)三维激发发射矩阵(Excitation-Emission Matrices,EEMs)数据的解析仍旧存在挑战.本文结合原始EEMs和从中分离的荧光平行因子分析(Parallel Factor Analysis,PARAFAC)组分,利用自组织映射图(Self-Organizing Maps,SOM),开展了基于传统EEMs-SOM和新型PARAFAC-SOM神经网络模型的复杂荧光数据解析能力对比研究,以此探索和改进EEMs多元解析方法技术体系.模型以已发表论文原始数据为基础构建,研究对象为南太湖重要入湖河流东苕溪水系.结果显示:EEMsSOM模型需依赖常规"摘峰法"对各荧光峰做出主观判断,不能有效识别重叠荧光峰,且人为割裂多激发共发射荧光物质峰之间的联系,从而弱化分析结果的实际环境意义,但神经元的模式荧光光谱可视化效果较佳,且操作简便,耗时较少;PARAFAC-SOM模型克服了上述缺陷,可清除EEMs中的噪声或无用信息,大幅降低输入变量数(从1742个降至4个),缩减运算时间,较大地改善了输出结果的准确性,获得无损可靠且实际环境意义较强的结果,但该法的PARAFAC预处理要求较高,工作量较大;两类模型解析结论大体一致,对前期研究进行了全新的阐述和补充,且生动揭示了FDOM在多级河流水体中的空间赋存变化规律及河流的动态污染过程.综上,推荐在今后研究中综合使用两类优势互补的模型以实现对EEMs的深度解析.