引滦入津工程黎河段机理与非机理水质预测模型对比分析

根据引滦入津工程黎河输水河道水文水质监测资料,分别建立河道机理水质模型和非机理水质模型,对2005年前毛庄断面的氯化物和氨氮进行了预测.两种水质模型建立的理论基础、求解方法、参数验证、模拟所需的数据种类和时段、适用状况、预测精度均不同.对两种河道水质模型预测结果精度进行了比较,结果表明,预测误差均小于20%,机理水质模型较非机理精度高.研究表明,机理水质模型适合于短时间内黎河河道水质变化的精细模拟,非机理模型适合于中长期水质变化趋势预测.     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归(VAR)模型的多参数融合水质异常检测算法。VAR模型是自回归(AR)模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。     

暴雨径流对海河干流水质的影响及排干水质要求的确定

以天津市海河上游河段为研究对象,模拟计算暴雨径流由二级河道排入海河干流后所造成的影响。采用EFDC(Environmental Fluid Dynamics Code)模型建立了海河干流上游河段的水动力和水质模型。在不同降雨重现期和干流入口流量的情况下,模拟了二级河道排放污染物COD、DO、NH3-N和TP等在海河干流的迁移转化规律。降雨重现期选取0.5 a、1 a、2 a、5 a、10 a和50 a。海河干流入口流量选取0、10 m3/s、20 m3/s、30 m3/s、50 m3/s、100 m3/s、150 m3/s和200 m3/s。海河干流的柳林控制断面为水质控制断面。当降雨重现期为10 a、干流入口流量为0时,柳林控制断面处COD、NH3-N和TP质量浓度分别超标73%、47%和197%,DO质量浓度只有3.16mg/L,水体污染严重。在保证柳林控制断面处水质满足水质要求的前提下,确定了各二级河道排干水质要求拟合曲线。当固定降雨量时,干流入口流量越小,二级河道排干水质的控制指标就越严;当固定干流入口流量时,降雨量越大,二级河道排干水质的控制指标就越严。根据二级河道排干水质控制指标,可计算各二级河道的排干水体的总截污量和DO补充量,为汛期海河水环境保护提供理论指导。     

基于Matlab软件的突发事故水质解析模型与应用

为快速分析突发性水污染事故可能造成的水环境影响,建立了基于Matlab软件的突发事故水质解析模型。以浙江省某河流为例,分析了上游突发水污染事故形成的污染团在河流中的迁移扩散规律、影响范围、事故下游各断面水质变化过程以及取水口等敏感点的超标时间及超标程度。同时详细分析了近岸和远岸边界对污染物反射所造成的浓度叠加影响、合理的边界反射次数,以及水流流速、扩散系数、降解系数等主要水文水质参数对污染团扩散的影响。     

基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型.应用该模型对氯化物和氨氮水质指标进行预测.结果表明,模型预测精度较好.通过预测结果验证了模型的可靠性.与机理性模型相比,提出了该模型的应用条件及优缺点.     

基于二维动态水质模型的长江蕲春段水污染扩散分析

为定量预测非正常排污事故对水环境的影响,应用Mike21FM二维水质模型软件对长江蕲春段沿江排污口正常和非正常排污情况下的污染物迁移扩散情况进行了数值模拟,预测了事故中污染物在时间和空间上的变化规律。结果表明,在非正常排污事故发生后,排污口下游约68 km2的水域面积会受到影响,对该区域水环境影响较大。预测结果量化了污染事故在各时段的影响范围及影响强度,并明确了事故发生时的重点保护对象为排污口下游10.4 km处的蕲州镇饮用水水源地。     

基于水质矩阵的石油压裂废水处理性评价

结合石油川裂废水水质特征与评价指标及其污染物范围因子,建立了石油压裂废水的水质评价矩陈,表明石油压裂废水中的COD和黏度是影响其处理的主要污染因子.以混凝为预处理工艺,分别采用臭氧催化氧化,吸附和Fe/C微电解等对压裂废水进行处理.结果表明,混凝预处理工艺可以有效去除水中的钍浮性染物和石油类物质,臭氧催化氧化和Fe/C微电解工艺不仅能有效去除水中的有机污染物,且能降低压裂废水的黏度.以国家污水综合排放标准和污水反应处理时间为约束条件,建立了石油压裂废水处理性评价矩陈,指出压袋废水可采用的基本工艺为混凝、臭氧催化氧化组合处理工艺.     

基于MIKE21模型的洋河水库水质模拟

近年来,由洋河水库富营养化引起的供水安全问题日益突出。为应对洋河水库富营养化问题,基于迁移扩散及对流扩散理论,利用MIKE 21二维水动力模型对其水质进行了模拟。考虑污染物随水流入库及出库过程,分析了在水动力作用下TN、TP、NH_3-N随时间迁移扩散的质量浓度变化及分布情况。结果表明:模拟初期污染物以扩散为主,高浓度区域主要集中在入流处,在入流高峰期污染物向整个库区扩散,垂直水库中心线以西出现高质量浓度水域;入流与出流稳定期污染物以降解为主,水库中心水域污染物质量浓度较高。最终模拟得到库区TN质量浓度约为4.5 mg/L,TP质量浓度为0.06~0.075 mg/L,NH_3-N质量浓度为0.20~0.25 mg/L;9月水库实测TN、TP、NH_3-N质量浓度分别为5.0 mg/L、0.008 mg/L、0.20 mg/L,与模拟结果基本一致。研究表明,8月中旬到9月中旬,洋河水库污染物浓度较高水域极易暴发富营养化,此结论可为洋河水库水质评价、供水安全及污染物治理提供参考。     

基于SWAT-WASP耦合的东洋河流域水质分析

为分析东洋河流域的水质状况,利用SWAT-WASP松散耦合模型对东洋河各子流域及其河道的氮污染负荷进行了模拟.通过SWAT模型模拟污染负荷的分布情况,分析不同土地利用类型及坡度等级对氮负荷的影响,并将SWAT模型氮负荷量及月流量的输出值作为WASP模型污染负荷的输入值,以实现SWAT-WASP模型的松散耦合,进而完成对东洋河河道氮污染负荷的模拟.从SWAT模型结果分析,耕地、居民用地污染负荷较大,是流域氮污染负荷的主要来源.通过SWAT-WASP耦合对河道水质状况进行分析可知,勃塘沟支流水质情况最差,总氮、有机氮污染浓度最高,且41号河段入库浓度指标均高于Ⅲ类水标准要求.     

基于多因素的LSTM瓦斯浓度预测模型*

为解决煤矿瓦斯浓度预测问题,提出基于多因素的LSTM瓦斯浓度预测模型。模型首先对煤矿多源监测数据进行数据融合、缺失值处理;其次通过特征衍生、有监督化、无量纲化,融合各环境因素特征和时序数据的时间性特征,且衍生出更多交叉项特征和高次项特征;然后利用经验法和逐步试错法确定隐藏层维度;最后进行模型训练和测试。研究结果表明:基于多因素的LSTM瓦斯浓度预测模型的RMSE仅为0.021,MAE为0.01,比单因素LSTM模型、RNN模型预测效果好。因此,基于多因素的LSTM瓦斯浓度预测模型可更精准地进行瓦斯浓度多步预测,促进煤矿安全生产。     

基于EEMD-LSTM模型的尾矿库风险预测模型研究

为了提高尾矿库风险预警能力,针对尾矿库稳定性受多种风险因素影响,以及风险变化的非线性,提出1种融合集合经验模态分解(EEMD)和长短期记忆(LSTM)的尾矿库风险预测模型。首先,采用皮尔逊相关系数分析尾矿库风险因素之间的相关性;然后,使用EEMD方法分解非线性的位移序列;最后,构建LSTM网络模型预测位移变化。以某尾矿库为例,将EEMD-LSTM模型与EEMD-BP模型、LSTM模型对比分析,评估模型的有效性。研究结果表明：EEMD-LSTM模型对尾矿库风险的预测精度明显提高,对防范化解尾矿库安全风险具有重要意义。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

沅江干流水质变化时空规律及五强溪水库库区总磷预测

对五强溪水库上游沅水干流近年水体水质情况进行分析,个别污染物的影响导致沅江干流水质逐渐恶化,且沅江干流的主要污染物由粪大肠菌群变为总磷.采用灰色模型GM(1,1)及一元线性回归模型对沅江干流中五强溪库区的总磷浓度变化进行拟合,灰色模型的精度远高于一元线性回归模型.采用灰色模型建立五强溪库区总磷浓度变化的预测模型表明,五强溪库区的总磷污染形势十分严峻.     

基于投影寻踪和阶梯型曲线的水质恢复能力评价模型

利用投影寻踪、遗传算法、阶梯型曲线和水体水质恢复能力评价标准,为水体水质恢复能力综合评价提出了一种新的方法--遗传投影寻踪方法(GPPM).GPPM可把水体水质恢复能力多维评价样本指标综合成一维投影指标值.根据该投影指标值的大小就可以对该样本集进行统一评价,从而解决了各单项水体水质恢复能力评价指标评价结果的不相容问题,提高了水体水质恢复能力综合评价问题各层次的分辩力.文中给出了GPPM实施的详细步骤,并在各等级中分别产生建模样本50个、100个、500个、1 000个、1 500个和2 000个,对评价模型参数的稳定性进行了检验,结果表明所建模型是稳定的.根据黄河干流三类主要污染物BOD、氨氮和挥发酚的浓度对黄河干流的水质恢复能力进行了评价,发现整体上黄河干流的水质恢复能力较弱.GPPM不仅可以对水体水质恢复能力进行综合评价,还可以确定评价指标的权重.GPPM可广泛应用于各种水质综合评价问题中.     

基于动力学与混合核函数LS-SVM的厌氧发酵产气量预测模型研究

利用农业生产中产生的牲畜粪便牛粪和秸秆进行厌氧发酵试验,以产气量为参考指标,研究牛粪和秸秆厌氧发酵的产气量预测模型。试验过程中测量发酵物的氧化还原电位(ORP)、p H值、挥发性脂肪酸(VFA)、氨氮含量、化学需氧量(COD)、电导率及产气量,并用灰色关联分析法筛选出与产气量关联较强的参数,将筛选出的参数作为多项式核函数和高斯径向基核函数构建的混合核函数LS-SVM模型的输入量,训练出预测能力较强的混合核函数LS-SVM模型,然后在混合核函数LS-SVM模型中融入微生物动力学构建产气量预测模型,并用验证集验证模型性能。仿真结果表明,筛选得到关联较强的参数为ORP、p H值、VFA、氨氮含量;融入动力学的混合核函数LS-SVM模型与混合核函数LS-SVM模型相比,产气量的预测更准确,误差更小,最小误差减少了近一个数量级,试验证明该模型有效。     

基于GF-LSTM和GAN网络的小样本集人工水体溶解氧浓度预测

采用推流方式改善人工水体溶解氧分布不均衡以防止富营养化时,需要对其分布进行预测来提高推流效率,为此构建了基于生成式对抗网络(GAN,Generative Adversarial Networks)和长短期记忆神经网络(LSTM,Long-Short Term Memory Network)的溶解氧浓度预测模型。以广西大学镜湖35 m2的一片水体区域为研究对象,采用不同电压直流水泵推流,用无人船搭载在线检测仪在一段时间内定时定点采集水体溶解氧浓度数据作为原始数据样本,并采用GAN扩充数据样本。利用遗传算法和改进的一阶滤波算法进行溶解氧的噪声数据处理,结合LSTM网络构建溶解氧浓度预测模型GF-LSTM(Genetic And Filtering Algorithm-Long Short Term Memory Network)。结果表明:相比常用的BP网络,GF-LSTM网络预测的平均误差降低了62%,均方误差降低了75%;相比传统的LSTM网络,GF-LSTM网络预测的平均误差降低了22%,均方误差降低了50%。     

再生水水质安全保障体系评价模型的构建

污水再生利用是解决水危机切实可行的途径之一,加强水质安全保障体系的评价工作对于促进再生水使用的监督和管理有重要意义.根据再生水生产、输配及使用的各个环节,建立了再生水水质安全保障评价指标体系,采用层次分析法求备评价指标的权重,建立了基于2级模糊综合评价方法的再生水水质安全保障体系评价模型,对深圳市莲塘再生水示范基地的安全保障体系进行了模糊综合评价,评价结果与相关检测机构检测结果相符.研究表明:在求各评价指标的权重时,层次分析法具有科学的检验手段,误差较小;采用多层次的定性化与定性化相结合的模糊综合评价方法对再生水水质安全保障体系进行综合评判,避免了人的主观随意性,评价结果更符合实际情况.