本文關(guān)鍵詞：河流突發(fā)污染事故溯源關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 水體污染 河流模型 污染源溯源 參數(shù)優(yōu)化 馬爾科夫蒙特卡羅方法

【摘要】：近年來,我國突發(fā)水質(zhì)污染事件時有發(fā)生,造成很大危害和損失,而現(xiàn)有的河流突發(fā)水污染事故溯源技術(shù)仍面臨響應(yīng)速度慢,溯源結(jié)果不夠準(zhǔn)確以及監(jiān)測斷面數(shù)據(jù)利用不充分等問題。基于這樣的狀況,本文提出一種針對岸邊排放的河流突發(fā)點(diǎn)源污染事件的污染物溯源算法架構(gòu),重點(diǎn)研究該架構(gòu)下污染源反演算法、水質(zhì)擴(kuò)散模型在線率定算法、溯源結(jié)果抽樣分析算法等關(guān)鍵技術(shù),以提高溯源方法對斷面監(jiān)測數(shù)據(jù)的利用率、溯源響應(yīng)速度以及準(zhǔn)確度,通過案例計算和水槽模擬實(shí)驗(yàn)驗(yàn)證了相關(guān)方法的適用性。論文主要工作和創(chuàng)新點(diǎn)如下：(1)針對河流發(fā)生水質(zhì)污染事故后環(huán)境監(jiān)管部門難以有效利用污染物監(jiān)測數(shù)據(jù)來定位污染源位置的問題,根據(jù)污染源反問題推導(dǎo)的思路,提出了一種基于馬爾科夫蒙特卡羅(MCMC)方法的河流污染源反演算法。該算法將溯源問題轉(zhuǎn)換成貝葉斯估計問題,根據(jù)污染源下游斷面的觀測值序列,結(jié)合污染物擴(kuò)散模型,構(gòu)建了污染源信息的似然函數(shù),根據(jù)貝葉斯定理,推導(dǎo)得到污染源的后驗(yàn)概率密度函數(shù),最后利用抽樣算法對結(jié)果進(jìn)行抽樣分析,可以快速得到污染事件中污染源的空間位置和排放時刻等未知參數(shù)的概率分布。(2)針對水質(zhì)模型離線率定工作實(shí)時性不高、計算結(jié)果準(zhǔn)確性不易提升等問題,提出了一種應(yīng)用斷面監(jiān)測數(shù)據(jù)進(jìn)行水質(zhì)模型參數(shù)在線率定的方法。該方法利用初始斷面數(shù)據(jù)構(gòu)建虛擬污染源,替代實(shí)際污染源來預(yù)測下游濃度,通過預(yù)測值與后續(xù)斷面實(shí)測數(shù)據(jù)進(jìn)行偏差分析,動態(tài)校正模型參數(shù)。仿真案例數(shù)據(jù)計算結(jié)果表明,該方法可以在線率定水質(zhì)模型參數(shù),得到參數(shù)的優(yōu)化解,從而為溯源算法提供更可靠的水質(zhì)模型,提高反演計算結(jié)果的準(zhǔn)確度。(3)針對溯源結(jié)果特征分析時存在的抽樣算法穩(wěn)定性較差,及由此導(dǎo)致的抽樣結(jié)果不能很好體現(xiàn)樣本特征等不足,提出了一種自適應(yīng)Metropolis-Hastings算法,該算法在標(biāo)準(zhǔn)Metropolis-Hastings算法的基礎(chǔ)上,對提議函數(shù)參數(shù)設(shè)定做出改進(jìn),自適應(yīng)計算提議函數(shù)的標(biāo)準(zhǔn)差,解決了接收概率不穩(wěn)定導(dǎo)致抽樣結(jié)果不易收斂的問題,使得抽樣結(jié)果更能代表抽樣對象的特征。實(shí)際案例計算結(jié)果表明,利用該算法,可以從參數(shù)后驗(yàn)概率密度函數(shù)中得到污染源的排放量、空間位置和排放時刻等未知參數(shù)的概率分布特征,且結(jié)果代表性更好。(4)開展了實(shí)驗(yàn)水槽模擬實(shí)驗(yàn)。通過在波浪水槽中投放示蹤劑來模擬河流突發(fā)污染事件,將監(jiān)測點(diǎn)實(shí)測濃度數(shù)據(jù)作為反演數(shù)據(jù),在線率定了污染物擴(kuò)散模型參數(shù),計算了污染源的關(guān)鍵信息概率分布,計算結(jié)果和實(shí)測數(shù)據(jù)驗(yàn)證了所研究河流污染源反演算法和水質(zhì)模型參數(shù)在線率定方法的有效性。論文研究工作為河流污染泄漏事件溯源增加了技術(shù)積累,相關(guān)算法成果將集成于課題組所研發(fā)的河流水質(zhì)預(yù)警應(yīng)急系統(tǒng)中,為有關(guān)部門掌握污染源信息、制定應(yīng)急決策提供幫助。
【關(guān)鍵詞】：水體污染 河流模型 污染源溯源 參數(shù)優(yōu)化 馬爾科夫蒙特卡羅方法
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：X522
【目錄】：

• 摘要5-7
• Abstract7-14
• 第一章 緒論14-24
• 1.1 課題的研究背景及意義14-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-21
• 1.2.1 河流突發(fā)性水污染事故溯源方法研究現(xiàn)狀15-17
• 1.2.2 水質(zhì)模型參數(shù)率定方法研究現(xiàn)狀17-19
• 1.2.3 現(xiàn)有溯源方法在應(yīng)對突發(fā)污染事件溯源時存在的不足19-21
• 1.3 本文主要研究內(nèi)容及章節(jié)安排21-24
• 1.3.1 課題的提出21
• 1.3.2 論文研究內(nèi)容21-22
• 1.3.3 章節(jié)內(nèi)容安排22-24
• 第二章 河流點(diǎn)源排放水污染事件的溯源24-41
• 2.1 污水直排導(dǎo)致的突發(fā)水質(zhì)污染事故溯源問題概述24-25
• 2.2 污染物在水體中的擴(kuò)散規(guī)律及污染物擴(kuò)散模型推導(dǎo)25-30
• 2.2.1 污染物在河流中的擴(kuò)散規(guī)律研究25-26
• 2.2.2 二維污染物擴(kuò)散模型適用性論證26-27
• 2.2.3 點(diǎn)源岸邊瞬時排放的污染物擴(kuò)散模型推導(dǎo)27-29
• 2.2.4 點(diǎn)源岸邊連續(xù)排放的污染物擴(kuò)散模型推導(dǎo)29-30
• 2.3 河流突發(fā)污染事故溯源方法框架30-33
• 2.3.1 移動水質(zhì)監(jiān)測平臺32
• 2.3.2 污染物擴(kuò)散模型參數(shù)率定32-33
• 2.3.3 基于馬爾科夫蒙特卡羅方法的河流污染物溯源反演算法33
• 2.4 基于馬爾科夫蒙特卡羅方法的河流污染物溯源反演算法實(shí)現(xiàn)33-39
• 2.4.1 污染事件類型判斷33-35
• 2.4.2 獲取污染源先驗(yàn)分布35-36
• 2.4.3 構(gòu)造似然函數(shù)和后驗(yàn)概率密度函數(shù)36-38
• 2.4.4 溯源結(jié)果抽樣分析38-39
• 2.5 需重點(diǎn)研究的幾個問題39-40
• 2.5.1 現(xiàn)有算法難以滿足水質(zhì)模型參數(shù)在線率定算法的需求39
• 2.5.2 結(jié)果特征分析時存在的結(jié)果代表性不足的缺點(diǎn)39-40
• 2.6 本章小結(jié)40-41
• 第三章 河流點(diǎn)源水污染溯源模型參數(shù)在線率定方法研究41-70
• 3.1 現(xiàn)有水質(zhì)模型參數(shù)率定方法41-46
• 3.1.1 遺傳算法41-42
• 3.1.2 模擬退火算法42
• 3.1.3 粒子群算法42-46
• 3.2 基于粒子群優(yōu)化算法的污染物擴(kuò)散模型參數(shù)在線率定方法46-54
• 3.2.1 污染物擴(kuò)散模型參數(shù)敏感度分析48-49
• 3.2.2 模型參數(shù)初值設(shè)定49-50
• 3.2.3 初始斷面數(shù)據(jù)處理和污染源構(gòu)建50
• 3.2.4 自適應(yīng)混沌粒子群算法做模型參數(shù)尋優(yōu)50-54
• 3.3 案例研究與結(jié)果分析54-69
• 3.3.1 污染物擴(kuò)散模型在線參數(shù)率定方法應(yīng)用案例54-63
• 3.3.2 自適應(yīng)混沌粒子群優(yōu)化算法與標(biāo)準(zhǔn)粒子群算法對比實(shí)驗(yàn)63-69
• 3.4 本章小結(jié)69-70
• 第四章 河流點(diǎn)源污染事件溯源結(jié)果抽樣算法方法研究70-83
• 4.1 馬爾科夫蒙特卡羅方法(MCMC)抽樣方法概述70
• 4.2 標(biāo)準(zhǔn)Metropolis-Hastings抽樣算法70-72
• 4.3 自適應(yīng)Metropolis-Hastings算法72-75
• 4.3.1 自適應(yīng)提議函數(shù)標(biāo)準(zhǔn)差計算73-74
• 4.3.2 接受概率計算74
• 4.3.3 馬爾科夫鏈?zhǔn)諗颗袛?/span>74-75
• 4.4 案例研究與結(jié)果分析75-82
• 4.4.1 算例介紹75-77
• 4.4.2 反演分析77-78
• 4.4.3 實(shí)驗(yàn)結(jié)果對比分析78-82
• 4.5 本章小結(jié)82-83
• 第五章 河流污染溯源模擬實(shí)驗(yàn)83-102
• 5.1 實(shí)驗(yàn)?zāi)康?/span>83-84
• 5.2 實(shí)驗(yàn)設(shè)備介紹和實(shí)驗(yàn)所需的參數(shù)計算84-87
• 5.2.1 實(shí)驗(yàn)水槽概述84-85
• 5.2.2 流速測定85
• 5.2.3 熒光光譜測得的峰值和溶液濃度曲線擬合85-86
• 5.2.4 擴(kuò)散系數(shù)確定86-87
• 5.3 實(shí)驗(yàn)過程及結(jié)果分析87-101
• 5.3.1 實(shí)驗(yàn)一：岸邊瞬時排放污染事件的溯源實(shí)驗(yàn)87-91
• 5.3.2 實(shí)驗(yàn)二：岸邊連續(xù)排放污染事件的溯源實(shí)驗(yàn)91-95
• 5.3.3 實(shí)驗(yàn)三：真實(shí)河流岸邊瞬時排放污染事件的溯源實(shí)驗(yàn)95-100
• 5.3.4 實(shí)驗(yàn)結(jié)果總結(jié)分析100-101
• 5.4 本章小結(jié)101-102
• 第六章 總結(jié)與展望102-105
• 6.1 論文工作總結(jié)102-104
• 6.2 工作展望104-105
• 參考文獻(xiàn)105-108
• 作者在攻讀碩士學(xué)位期間的研究成果108-109
• 致謝109-111
• 作者簡介111

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 辛小康;韓小波;李建;盧路;;基于遺傳算法的水污染事故污染源識別模型[J];水電能源科學(xué);2014年07期

2 齊偉;張弛;初京剛;周惠成;;Sobol′方法分析TOPMODEL水文模型參數(shù)敏感性[J];水文;2014年02期

3 劉樂平;高磊;楊娜;;MCMC方法的發(fā)展與現(xiàn)代貝葉斯的復(fù)興——紀(jì)念貝葉斯定理發(fā)現(xiàn)250周年[J];統(tǒng)計與信息論壇;2014年02期

4 張質(zhì)明;王曉燕;于洋;劉文竹;;基于GLUE法的多指標(biāo)水質(zhì)模型參數(shù)率定方法[J];環(huán)境科學(xué)學(xué)報;2014年07期

5 楊海東;肖宜;王卓民;邵東國;劉碧玉;;突發(fā)性水污染事件溯源方法[J];水科學(xué)進(jìn)展;2014年01期

6 余勤飛;侯紅;白中科;李發(fā)生;;中國污染場地國家分類體系框架構(gòu)建[J];農(nóng)業(yè)工程學(xué)報;2013年12期

7 王金南;吳文俊;蔣洪強(qiáng);徐敏;謝陽村;趙康平;;中國流域水污染控制分區(qū)方法與應(yīng)用[J];水科學(xué)進(jìn)展;2013年04期

8 馬樂寬;王金南;王東;;國家水污染防治“十二五”戰(zhàn)略與政策框架[J];中國環(huán)境科學(xué);2013年02期

9 江曙光;;中國水污染現(xiàn)狀及防治對策[J];現(xiàn)代農(nóng)業(yè)科技;2010年07期

10 劉曉東;姚琪;薛紅琴;褚克堅;胡進(jìn);;環(huán)境水力學(xué)反問題研究進(jìn)展[J];水科學(xué)進(jìn)展;2009年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張徐杰;氣候變化下基于SWAT模型的錢塘江流域水文過程研究[D];浙江大學(xué);2015年

2 徐禮強(qiáng);錢塘江水環(huán)境主要污染物通量研究[D];浙江大學(xué);2008年

3 朱嵩;基于貝葉斯推理的環(huán)境水力學(xué)反問題研究[D];浙江大學(xué);2008年

4 張明亮;河流水動力及水質(zhì)模型研究[D];大連理工大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 欒焱;基于三維GIS的濱州市水污染擴(kuò)散仿真系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D];山東大學(xué);2013年

2 汲劍銳;馬爾科夫鏈應(yīng)用的一些探討[D];華中師范大學(xué);2012年

3 趙萬星;河流水質(zhì)的二維數(shù)值模擬[D];重慶大學(xué);2002年

，

本文編號：822574