一种面向引调水工程明渠的突发水污染溯源方法及系统技术方案

本发明专利技术涉及一种面向引调水工程明渠的突发水污染溯源方法及系统，方法包括获取水质报警渠段的数据测量参数和初始的污染源排放属性三元组，将获取的上述数据均输入水质模拟模型，得到目标位置的污染物浓度估计时序值；采用数据同化方法对污染物浓度估计时序值进行去噪；并判断所述去噪后的污染物浓度估计时序值与测量得到的污染物浓度监测时序值的差值是否小于设定阈值；若否，则利用遗传算法，以适应度函数最小为目标对污染源排放属性三元组的数值进行更新，并返回利用模型计算污染物浓度估计时序值步骤；若是，则将最后一次迭代得到的污染源排放属性三元组确定为污染源排放属性三元组的最终结果。本发明专利技术提高了溯源计算的精确性。的精确性。的精确性。

【技术实现步骤摘要】
一种面向引调水工程明渠的突发水污染溯源方法及系统


[0001]本专利技术涉及水污染溯源领域，特别是涉及一种面向引调水工程明渠的突发水污染溯源方法及系统。

技术介绍

[0002]引调水工程的建设对于解决我国水资源空间分布与用水需求不均衡的问题有着深远的意义，但引调水工程明渠存在着交通运输事故等造成突发水污染事件的供水安全风险，因此，需要及时准确地进行污染溯源与应急处理，以防止更大环境污染后果的产生。
[0003]突发水污染事件具有随机性和突发性的特点，同时出于成本考虑，输水明渠沿程的固定水质监测站数量不足、精度不高，因此很难及时捕捉到水污染来源，仍需要结合经验和技术来实施污染溯源。常见的污染溯源方法有三种：
①
基于优化的方法(optimization
‑
based approach)；
②
基于随机过程的方法(stochastic
‑
based approach)；
③
基于数学推演的方法(mathematics
‑
based approach)。其中基于优化的方法最为常用，模拟
‑
优化模型是描述污染浓度
‑
污染溯源关系的最有效工具之一，其将复杂现实世界中的水质输移
‑
存储
‑
扩散
‑
衰减过程作为简化的数学系统，再优化改进试错过程寻求污染源识别的满意解。然而研究和实践中，模拟
‑
优化溯源计算并没有考虑数据自身存在的监测误差以及模拟模型的结构误差，这些未考虑的误差使得溯源算法很可能无法得到精确的溯源解，甚至有可能根本无法得到任何解，时效性和实际操作性很低。

技术实现思路

[0004]本专利技术的目的是提供一种面向引调水工程明渠的突发水污染溯源方法及系统，既考虑了模型自身的误差又考虑了监测数据存在的观测误差，能够提高计算水污染溯源结果的精确性。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种面向引调水工程明渠的突发水污染溯源方法，包括：
[0007]获取引调水工程明渠水质报警渠段的数据测量参数和初始的污染源排放属性三元组，所述数据测量参数包括污染物扩散性能参数和所述水质报警渠段水流的水力学参数，所述污染源排放属性三元组包括污染源位置坐标、污染物的排放时间和污染物的浓度，所述初始的污染源排放属性三元组为预设值；
[0008]将所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型，得到目标位置的污染物浓度估计时序值；所述水质模拟模型用于表示水流的水力学参数、污染物扩散性能与污染源排放属性之间的关系；
[0009]获取目标位置的污染物浓度监测时序值；
[0010]根据所述污染物浓度监测时序值，采用数据同化方法对所述污染物浓度估计时序值进行去噪；
[0011]判断所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差值
是否小于设定阈值，得到判定结果；
[0012]若所述判定结果为否，则利用遗传算法，以适应度函数最小为目标对所述污染源排放属性三元组的数值进行更新，并返回步骤“根据所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型”；若所述判定结果为是，则将最后一次迭代得到的污染源排放属性三元组确定为污染源排放属性三元组的最终结果；所述适应度函数用于表示所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差异程度。
[0013]可选的，所述污染物扩散性能参数包括：污染物纵向扩散系数和污染物一阶衰减系数。
[0014]可选的，所述水力学参数至少包括流速。
[0015]可选的，所述水质模拟模型包括：
[0016][0017]其中，U表示明渠纵向的流速，D表示纵向扩散系数，K
′
表示污染物一阶衰减系数，T0表示污染排放时间，X0表示污染源排放位置，C表示污染事件发生后目标位置的污染源浓度，M0表示污染源处单位面积上的污染排放强度。
[0018]可选的，所述根据所述污染物浓度监测时序值，采用数据同化方法对所述污染物浓度估计时序值进行去噪，具体包括：
[0019]根据所述污染物浓度估计时序值和所述污染物浓度监测时序值，计算系综残差；
[0020]根据所述系综残差与所述污染物浓度估计时序值计算卡尔曼增益矩阵；
[0021]利用所述卡尔曼增益矩阵对所述污染物浓度估计时序值进行去噪
[0022]可选的，所述遗传算法的适应度函数为：
[0023][0024]其中，K表示时间总计数，LSE为最小平方误差，R为相关系数，NSE为纳什效率系数；N
e
表示污染源排放属性三元组；为系综残差的交叉协方差矩阵。
[0025]可选的，所述初始的污染源排放属性三元组的获取方法包括：
[0026]根据数据测量参数和水质监测的历史数据预测初始的污染源排放属性三元组。
[0027]可选的，所述方法还包括：
[0028]根据所述污染源排放属性三元组的最终结果确定污染物排放时刻和污染物排放量；
[0029]根据所述污染物排放时刻和所述污染物排放量评估污染危害程度；
[0030]根据所述污染危害程度进行风险预警。
[0031]本专利技术还提供一种面向引调水工程明渠的突发水污染溯源系统，包括：
[0032]数据获取模块，用于获取引调水工程明渠中水质报警渠段的数据测量参数和初始的污染源排放属性三元组，所述数据测量参数包括污染物扩散性能参数和所述水质报警渠段水流的水力学参数，所述污染源排放属性三元组包括污染源位置坐标、污染物的排放时间和污染物的浓度，所述初始的污染源排放属性三元组为预设值；
[0033]计算模块，用于将所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型，得到目标位置的污染物浓度估计时序值；所述水质模拟模型用于表示水流的水力学参数、污染物扩散性能与污染源排放属性之间的关系；
[0034]污染物浓度监测时序值获取模块，用于获取目标位置的污染物浓度监测时序值；
[0035]去噪模块，用于根据所述污染物浓度监测时序值，采用数据同化方法对所述污染物浓度估计时序值进行去噪；
[0036]判断及更新模块，用于判断所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差值是否小于设定阈值，得到判定结果；
[0037]若所述判定结果为否，则利用遗传算法，以适应度函数最小为目标对所述污染源排放属性三元组的数值进行更新，并返回步骤“根据所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型”；若所述判定结果为是，则将最后一次迭代得到的污染源排放属性三元组确定为污染源排放属性三元组的最终结果；所述适应度函数用于表示所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差异程度。
[0038]可选的，所述系统还包括：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向引调水工程明渠的突发水污染溯源方法，其特征在于，包括：获取引调水工程明渠中水质报警渠段的数据测量参数和初始的污染源排放属性三元组；所述数据测量参数包括污染物扩散性能参数和所述水质报警渠段水流的水力学参数，所述污染源排放属性三元组包括污染源位置坐标、污染物的排放时间和污染物的浓度，所述初始的污染源排放属性三元组为预设值；将所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型，得到目标位置的污染物浓度估计时序值；所述水质模拟模型用于表示所述水流的水力学参数、污染物扩散性能与污染源排放属性之间的关系；获取所述目标位置的污染物浓度监测时序值；根据所述污染物浓度监测时序值，采用数据同化方法对所述污染物浓度估计时序值进行去噪；判断所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差值是否小于设定阈值，得到判定结果；若所述判定结果为否，则利用遗传算法，以适应度函数最小为目标对所述污染源排放属性三元组的数值进行更新，并返回步骤“根据所述数据测量参数以及所述污染源排放属性三元组输入水质模拟模型”；若所述判定结果为是，则将最后一次迭代得到的所述污染源排放属性三元组确定为所述污染源排放属性三元组的最终结果；所述适应度函数用于表示所述去噪后的污染物浓度估计时序值与所述污染物浓度监测时序值的差异程度。2.根据权利要求1所述的方法，其特征在于，所述污染物扩散性能参数包括：污染物纵向扩散系数和污染物一阶衰减系数。3.根据权利要求1所述的方法，其特征在于，所述水流的水力学参数至少包括水流的流速。4.根据权利要求1所述的方法，其特征在于，所述水质模拟模型包括：其中，U表示明渠纵向的流速，D表示纵向扩散系数，K
′
表示污染物一阶衰减系数，T0表示污染排放时间，X0表示污染源排放位置，C表示污染事件发生后目标位置的污染物浓度，M0表示污染源处单位面积上的污染排放强度。5.根据权利要求1所述的方法，其特征在于，所述根据所述污染物浓度监测时序值，采用数据同化方法对所述污染物浓度估计时序值进行去噪，具体包括：根据所述污染物浓度估计时序值和所述污染物浓度监测时序值，计算系综残差；根据所述系综残差与所述污染物浓度估计时序值计算卡尔曼增益矩阵；利用所述卡尔曼增益矩阵对所述污染物浓度估计时序值进行去噪。6.根据权利要求1所述的方法，其特征在于，所述遗传算法的适应度函数为：其中，K表示时间总计数，LSE...

【专利技术属性】
技术研发人员：张弛，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：