一种基于流量加权的河流污染源解析方法技术

本发明专利技术提出了一种基于流量加权的河流污染源解析方法。该方法以实测浓度与模拟浓度的流量加权均方根误差、可决系数和纳什系数三个拟合优度指标为优化目标，通过算术加权构建多目标，构建基于流量加权的LAM模型参数求解方法，以得到最佳的拟合效果，实现在不同流量区间污染物浓度的高精度模拟，最终得到更为可靠的污染源解析结果，解决了水质观测样本量不均衡引发的部分样本在参数率定中被低估问题，提高了LAM源解析模型在流量

【技术实现步骤摘要】
一种基于流量加权的河流污染源解析方法


[0001]本专利技术属于环境数值模拟与优化
，具体涉及一种基于流量加权的河流污染源解析方法，适用于不同流量
‑
浓度数据分布特征的河流污染源解析。

技术介绍

[0002]随着我国水环境治理水平的不断提高，河流污染源解析方法用于获得估算点源和非点源负荷占比与主导时间占比，以精准解析河流污染源贡献，成为水环境科学决策的重要基础与关键技术需求。当前水环境污染源解析方法可以分为三类：机理模型、同位素法、受体模型等。受体模型是一类基于环境受体中污染物含量进行逆向推演污染源及其贡献的统计源解析法总称，传统的方法包括APCA
‑
MLR法(绝对主成分
‑
多元线性回归法)、PMF法和CMB法(化学质量平衡法)，但传统的受体模型存在难以确定源类型或需要准确源成分谱等问题。
[0003]近年来，一种基于流量与污染物浓度关系的LAM(负荷分摊模型)源解析模型被广泛应用于河流污染源解析中，该方法具有数据需求相对较少，模型操作简单和适用范围广的特点，可被应用于迅速判断复杂条件下河流污染源贡献。LAM模型基于高频率、长序列的水量和水质同步观测数据，可有效识别不同类型河流和不同污染物的负荷来源特征与时间分布特征，其核心方法是率定出表征污染源随水文条件变化的模型参数，率定方法一般采用最小二乘法求解观测值与模拟值的最小误差。
[0004]然而，当前传统的LAM模型主要应用于国外具有良好数据基础的流域，其高频观测数据能够有效支撑LAM模型的参数求解，但是仍然存在高流量段的样本量偏少问题，进而导致参数求解不合理问题。我国河流水环境监测数据相对较少，数据偏态分布更加不利于模型参数求解，亟需解决不同流量区间的水质样本分布不均衡问题，寻找适用性更好的LAM模型参数求解方法。

技术实现思路

[0005]本专利技术的目的在于针对现有经典LAM模型的核算结果与实测值存在较大偏差问题，提出一种基于流量加权的河流污染源解析方法。
[0006]本专利技术的方案是通过这样实现的：一种基于流量加权的河流污染源解析方法，至少包括：
[0007](1)数据采集：采集河流断面的河流流量和污染物浓度，获实测浓度LO
i
和实测流量Q
i
，i表示第i个采样时刻；
[0008](2)建立污染源负荷分摊测算LAM模型；
[0009]LM＝AQ
B
‑1+CQ
D
‑1[0010]LM
p
＝AQ
B
‑1[0011]LM
d
＝CQ
D
‑1[0012]式中，LM为污染物浓度，LM
p
为点源贡献的浓度，LM
d
为非点源贡献的浓度；Q为河流
流量，A、B、C、D分别为模型参数；
[0013](3)以基于流量加权的均方根误差、可决系数和纳什系数三个拟合优度指标为优化目标，构建多目标函数K；在约束条件下以K取到最小值优化LAM模型参数，从而获得优化后的污染源负荷分摊测算模型LAM；
[0014]K＝LS
‑
RS
‑
NSE
[0015]LS为基于流量加权的均方根误差，
[0016][0017]R
i
为污染指标第i个权重系数，
[0018]RS为可决系数，
[0019][0020]NSE纳什系数，
[0021][0022]约束条件为：
[0023]A≥0,0≤B<1,C≥0,D>1
[0024]0.1≤Z≤10
[0025]式中，LM
i
为基于实测流量Q
i
获得的第i个模拟浓度；R
i
为污染指标第i个权重系数，LM
ave
为污染指标模拟浓度的平均值，LO
ave
为污染指标实测浓度的平均值；Q
ave
为实测流量的平均值，Z为流量权重调整系数，I为观测值样本量。
[0026](4)以及，根据测算模型LAMS，估算点源和非点源负荷占比与主导时间占比。
[0027]在某些实施例中，上述方法还包括对(1)中采集的数据进行清洗，包括但不限于剔除异常值、插补缺失值。
[0028]在某些实施例中，(4)中河流断面污染物的点源和非点源负荷贡献如下：
[0029][0030]C
n
＝(1
‑
C
p
)
×
100％
[0031]式中，C
P
和C
n
分别为点源和非点源的污染负荷贡献。
[0032](4)中污染源负荷主导时间占比如下：
[0033][0034]T
n
＝(1
‑
T
p
)
×
100％
[0035][0036]D为点源负荷占比为主的计数符号；T
P
和T
n
分别为点源和非点源主导的污染负荷时间占比；Q
e
为流量均衡点。
[0037]本专利技术具备以下良好效果：本专利技术以实测浓度与模拟浓度的流量加权均方根误差、可决系数和纳什系数三个拟合优度指标为优化目标，通过算术加权构建多目标，以4个模型参数和1个流量权重调整参数为决策变量，以参数理论范围和经验范围为约束，构建基于流量加权的LAM模型参数求解方法。利用数据分析中的规划求解，将多目标的算术加权和为最小值，从而获取经典LAM模型经验参数和流量权重调整系数，以得到最佳的拟合效果，实现在不同流量区间污染物浓度的高精度模拟，最终得到更为可靠的污染源解析结果。
附图说明
[0038]图1为本专利技术提出的一种基于流量加权的河流污染负荷分摊源解析方法流程图。
[0039]图2为基于流量加权的LAM模型模拟效果图。
[0040]图3为负荷分摊占比图。
[0041]图4为污染源主导时间占比图。
[0042]图5为传统LAM模型模拟效果图。
[0043]图6为传统LAM模型与基于流量加权的LAM模型的拟合相对误差分布图。
具体实施方式
[0044]以下结合实施例描述本专利技术提出的一种基于流量加权的河流污染负荷分摊源解析方法，这些描述并不是对本
技术实现思路
作进一步的限定。
[0045]实施案例1：
[0046]步骤一，断面水文水质同步数据采集
[0047]选取具有同步水文水质观测的河流断面，采集河流中COD
Mn
(高锰酸盐指数)的数据并存储到计算机硬盘中，采集数据包括河流流量Q
i
和污染物浓度LO
i
。i表示第i个采样时刻。
[0048]步骤二，数据清洗
[0049]剔除或插补数据中的异常值与缺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于流量加权的河流污染源解析方法，其特征在于，至少包括：(1)数据采集：采集河流断面的河流流量和污染物浓度，获实测浓度LO
i
和实测流量Q
i
，i表示第i个采样时刻；(2)建立污染源负荷分摊测算LAM模型；LM＝AQ
B
‑1+CQ
D
‑1LM
p
＝AQ
B
‑1LM
d
＝CQ
D
‑1式中，LM为污染物浓度，LM
p
为点源贡献的浓度，LM
d
为非点源贡献的浓度；Q为河流流量，A、B、C、D分别为模型参数；(3)以基于流量加权的均方根误差、可决系数和纳什系数三个拟合优度指标为优化目标，构建多目标函数K；在约束条件下以K取到最小值优化LAM模型参数，从而获得优化后的污染源负荷分摊测算模型LAM；K＝LS
‑
RS
‑
NSELS为基于流量加权的均方根误差，R
i
为污染指标第i个权重系数，RS为可决系数，NSE纳什系数，约束条件为：A≥0,0≤B<1,C≥0,D>10.1≤Z≤10式中，LM
i
为基于实测流量Q
i
获得的第i个模拟浓度；R

【专利技术属性】
技术研发人员：高伟，吴东少，张远，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：