[发明专利]基于统计模型和机理模型相结合的水污染溯源方法

权利要求书

1.基于统计模型和机理模型相结合的水污染溯源方法，所述基于统计模型和机理模型相结合的水污染溯源方法包括以下步骤：

(A1)建立污染源数据库；

(A2)搜集实际观测曲线；

(A3)基于贝叶斯统计方法反演污染源信息；

(A4)基于步骤(A3)得到的M、x和t的概率分布直方图，将其分别拟合成高斯概率分布函数(N～(μ,σ))，取(μ-3σ～μ+3σ)为M、x和t的取值范围；

(A5)基于步骤(A4)中M、x、t的步长设置，根据概率密度分布函数来确定步长划分的密度；

(A6)基于步骤(A4)、(A5)得到最优的n组(Mi，xi，ti)作为可行解，由此得到污染排放所在可疑网格；

(A7)基于步骤(A6)确定的可疑网格，结合步骤(A1)建立的污染源数据库，筛查出特征污染物匹配的排污片区，利用走航移动监测设备，最终锁定污染源头。

2.根据权利要求1所述的基于统计模型和机理模型相结合的水污染溯源方法，其特征在于，步骤(A1)中，搜集目标河流两岸的污染源信息，创建数据库，包括：自动监测断面信息、监测断面上下游范围内对应的污染源信息、污染源名称、污染源所在地址、经纬度。

3.根据权利要求1所述的基于统计模型和机理模型相结合的水污染溯源方法，其特征在于，步骤(A2)中，针对已经发生的污染事件，从下游监测站点检测到污染超标，并采集了超标前后的浓度曲线xi＝f(ti),ti表示时间，xi表示对应时刻的实测浓度。

4.根据权利要求1所述的基于统计模型和机理模型相结合的水污染溯源方法，其特征在于，步骤(A3)中，采用贝叶斯方法体系中的马尔科夫蒙特卡罗方法，采用智能优化算法率定污染物扩散模型参数，反演出污染发生的强度M、位置x和时间t的概率分布直方图。

5.根据权利要求1所述的基于统计模型和机理模型相结合的水污染溯源方法，其特征在于，步骤(A4)中，在此基础上，分别以ΔM、Δx、Δt为步长，取(xi，xi+Δx)的区间所对应的网格、(Mi，Mi+ΔM)区间任意点、(ti，ti+Δt)区间任意点(一般取区间中点)作为边界条件和初始条件，输入到水质预测模型中；将模型输出的模拟数据与实际观测曲线数据的偏差平方和最小设置为目标函数，利用智能优化算法不断迭代寻优。