[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

说明书

本发明提供了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。本发明具有自动化、溯源准确等优点。

技术领域

本发明涉及水污染，特别涉及基于统计模型和机理模型相结合的水污染溯源方法。

背景技术

目前水污染溯源方法中，包括现场取样测定法和统计模型反算法。

现场取样测定法主要通过溯源技术如同位素示踪法、水纹识别法法等结合走航设备进行污染物溯源研究。同位素示踪法利用不同污染来源的物质其特定同位素的组成不同，可以分辨出某种污染物的初始来源类别；水纹识别法利用有机质被特定波长的光激发之后会发射出不同荧光强度的特性，将水样发射的荧光强度以等高线方式投影，以激发波长、发射波长分别为横、纵坐标获得三维荧光光谱图，因此，三维荧光光谱可展现有机质组成，就像指纹一样与水样一一对应，从而达到溯源的目的。尽管这类方法具有较高的稳定性和精确度，但由于这类方法多是在污染事件发生后对污染源上下游附近的企业污废水进行现场取样和仪器分析，工作量大、耗时较长、很难及时进行污染源排查。进而导致不能及时、有效控制污染事故。

统计模型反算法基于污染物在水体中的扩散模型，利用模型中参数的先验分布，结合贝叶斯反演算法，反演出污染物初始的排放位置、排放时间和排放强度三个关键信息，具有灵活、快速和可操作性强等优点，但是由于该方法只考虑了污染物在水体的物理扩散作用，并没有考虑到其他的生物化学转化过程，因此，反演出来的结果不确定区间较大，很难实际应用。

发明内容

为解决上述现有技术方案中的不足，本发明提供了一种基于统计模型和机理模型相结合的水污染溯源方法。

本发明的目的是通过以下技术方案实现的：

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。

与现有技术相比，本发明具有的有益效果为：

1.提供了一种提高水污染溯源精度的方法框架，该框架的核心环节包括：水污染扩散模型的优化算法反演、率定验证水质预测模型、建立目标函数、智能算法迭代寻优以输出最优参数范围、结合数据库和移动监测设备准确定位。该方法将机理模型和统计学模型结合，准确度更高；