CN101759236B - 一种工业园区点源污染物的调控方法 - Google Patents

Abstract

本发明公开了一种工业园区点源污染物的调控方法，属于污染控制领域。其步骤为：概率分布的确定；进行马氏链模拟，包括污染因子序列状态空间的统计、马氏链轨道的模拟和模拟序列的确定；预测模型的检验规则，采用双检验规则确定污染因子序列实测序列和模拟序列的相关系数；确定混合废水的调控方案，根据混合废水模型公式计算工业园区待调控污染因子的混合浓度，根据待调控污染因子的指标阈值判断该浓度是否超过调控要求。本发明将随机理论和废水混合原理应用到工业园区点源污染物的调控中，经过验证本方法具有较高的吻合度，通过建立的混合废水的调控方案进行调控，可为工业园区污水处理厂长效稳定建设运行、设施智能化控制和接管收费等提供指导。

Description

一种工业园区点源污染物的调控方法

技术领域

本发明属于环境水污染物控制领域，具体的说是一种工业园区点源污染物的调控方法。

背景技术

工业园区包含了若干类不同性质的工业企业，这些企业占有一定面积的土地，且共同拥有一个对进入工业园区的企业提供必要的基础设施、服务、管理等的行政主管单位或公司。目前，我国已经将印染、化工、焦化、制药等对水环境有较大污染的企业集中到工业园区。这类园区内企业点源的工业废水，需经预处理达到接管标准后纳入工业园区污水处理厂集中处理。由于高浓度废水或在生产过程中使用了有毒有害化学品，点源废水水质水量不均衡、波动大、毒性高、盐度大，进入园区污水处理厂需要进行调控以稳定运行污水处理工艺。本发明可为工业园区集中污水处理厂长效稳定建设运行、设施智能化控制和接管收费等提供指导和借鉴。

发明内容

1.发明解决的技术问题

由于工业废水水质水量变化大，存在着较大的不确定性，容易导致集中污水处理工艺运行的不稳定。本发明的目的是提供一种工业园区点源工业废水污染物的调控方法。针对其特点，本发明从随机理论出发建立马氏链预测模型，预测工业园区点源工业废水主要污染因子的不确定性变化，建立工业园区混合工业废水的调控方案，从而达到控制点源污染物成分的目的。

2.技术方案

本发明的原理如下：

本发明基于随机原理，将点源工业废水污染因子作为随机变量处理，运用马尔可夫链蒙特卡洛的理论和方法研究预测其不确定性变化，基于废水混合原理建立调控方案，以达到发明的目的。

2.1马氏链预测模型的原理

(1)蒙特卡洛方法原理：

当所求解问题是某种随机事件出现的概率，通过随机数发生器重复多次地模拟该随机变量，以这种事件出现的频率估计这一随机事件的概率。

(2)马氏链原理：

如果时间参数集为离散集合(一般为正整数序列)且取值集合(状态空间)是离散集，称马尔可夫过程为马尔可夫链，简称马氏链，记为{X_t＝X(t)，t＝0，1，2，K，N-1}。实际监测的污染因子数据即为一条马氏链。

马氏链预测将来的唯一有用的信息就是过程当前的状态，而与以前的状态无关。设污染因子X_t可以取m个离散状态，状态空间记为I＝{s₁，s₂，K，s_m}。马氏链的性质完全由它的转移概率(转移核)来决定，用P(i，j)表示从状态s_i到状态s_j的一步转移概率，意味着矩阵每一行元素的和为1，则一步状态转移概率矩阵为

$P=\left|P_{\mathrm{ij}}\right|\left|=\begin{array}{cccc}{p}_{11}& p_{12}& L& p_{1m}\\ p_{21}& p_{21}& L& p_{2m}\\ M& M& & M\\ p_{m1}& p_{m2}& L& p_{\mathrm{mm}}\end{array}\right|$

X_t＝s_i的概率记为状态概率E_i(t)。用E(t)表示在t时刻状态空间概率的行向量，E_t＝[E₁(t)，E₂(t)，K，E_m(t)]。污染因子的初始向量用E(0)表示，通常E(0)中只有一个分量为1，其余全部是0，意味着马氏链从一个特定的状态开始，随着时间的变化，概率值扩散到整个状态空间。则基本方程可表示为：

E(t+1)＝E(t)·P    (1)

2.2废水混合模型

工业废水进入调蓄水池混合，可认为废水水质指标皆瞬时、完全混合，则有方程：

$C_k=\frac{Q_1{C}_{1k}+...+Q_m{C}_{\mathrm{mk}}}{Q_1+...+Q_m}---\left(2\right)$

式中：C_k表示调蓄水池混合废水第k种污染因子浓度；Q₁，...，Q_m表示园区m家企业排放的废水流量；C_1k，...，C_mk表示园区m家企业排放的第k种污染因子浓度。

本发明的技术方案如下：

一种工业园区点源污染物的调控方法，其步骤为：

(1)概率分布的确定：

将工业园区点源污染因子作为随机变量统计分析，采用频率直方图统计污染因子序列的分布规律，假设与其相似的概率分布，估计概率分布的参数，对于概率分布不明显的污染因子序列，可作为均匀分布处理；

(2)马氏链模拟

该部分是模拟污染因子不确定性变化的重要步骤，包括污染因子序列状态空间的统计、马氏链轨道的模拟和模拟序列的确定。

状态空间的统计：采用平行于时间轴且等间距直线的方法将污染因子序列划分为若干状态，状态的数目应根据污染因子序列的最大值、最小值及精度要求而定；根据此状态区间的划分，统计污染因子序列的初始概率，转移概率矩阵和累积概率矩阵；

初始概率分布是指污染因子序列在各个状态空间中的概率，即各状态空间的样本数量与所有样本数量的比值；转移概率是指污染因子序列从某一状态到另一状态的概率，计算方法为P_ij＝M_ij/M_i。其中M_ij为状态E_i转移到E_j的离散时刻个数；M_i为所有状态转移到E_i状态的离散个数。累积概率是指发生在某一状态区间的可能性有多大，计算这个状态区间内所有可能取值的概率之和。

马氏链轨道的模拟：运用蒙特卡洛方法产生均匀分布的一个随机数，根据污染因子序列状态空间的初始概率分布和累积概率分布矩阵来判定该数值所对应的状态，生成一个马氏链的轨道；

确定模拟序列：根据生成的马氏链轨道以及污染因子序列的概率分布，运用蒙特卡洛方法随机抽样获得每个状态空间的模拟值，从而可获得多个模拟序列。

(3)预测模型的检验规则

预测模型的检验规则决定着污染因子不确定性变化的模拟效果。本发明采用双检验规则(关联度检验和误差检验)确定污染因子序列实测序列和模拟序列的相关系数。

误差检验：误差检验采用平均绝对百分百偏差(MAPE)，公式如下：

$\mathrm{MAPE}(\%)=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|\frac{x\left(k\right)-\hat{x}\left(k\right)}{x\left(k\right)}\right|\×\frac{100}{n}---\left(3\right)$

其中，x(k)、

n分别为污染因子序列中的实测值、模拟值和数据个数。

关联度检验：采用灰色关联分析作为关联度检验方法。灰色关联分析的基本思想是根据系统内部因素之间发展态势的相似、相异程度来衡量因素之间关联程度的一种方法。灰色相关度(grey relational degree，GRG)被定义为：

式中：Δ_0i(k)是两个比较序列的绝对值，即Δ_0i(k)＝|x₀(k)-x_i(k)|；

${\mathrm{\Δ}}_{\min }=\underset{i}{\min }\underset{j}{\min }{\mathrm{\Δ}}_{0i}\left(k\right)=\underset{i}{\min }\underset{j}{\min }|x_0\left(k\right)-x_i\left(k\right)|;$

(4)混合废水的调控方案

根据混合废水模型公式(2)计算工业园区待调控污染因子的混合浓度，根据待调控污染因子的指标阈值判断该浓度是否超过调控要求。

超过阈值的污染因子调控方案如下：

(1)确定超标的污染因子；

(2)计算超标最大的污染因子；

(3)查找废水混合前，排放该污染因子浓度最大的企业；

(4)根据混合废水模型，计算园区其他企业的混合废水浓度；

(5)若仍有超标的污染因子，返回(1)；相反，则调控完毕。根据该调控模型得到的是待控制的排污企业，此时应将该企业排放的废水单独引入事故池，处理后再排入蓄水池。

3.有益效果

本发明提供了一种工业园区点源污染物的调控方法。将随机理论和废水混合原理应用到工业园区点源污染物的调控中，通过建立马氏链预测估算点源工业废水污染因子的不确定性变化，经过验证本方法具有较高的吻合度，通过建立的混合废水的调控方案进行调控以稳定运行污水处理工艺。本发明可为工业园区污水处理厂长效稳定建设运行、设施智能化控制和接管收费等提供指导。

附图说明

图1为本发明流程图；

图2为随机模拟步骤图

图3为废水COD指标的频率直方图

图4为污染因子原始序列与模拟序列对比图

具体实施方式

以下结合附图进一步说明本发明。

以某工业园区为研究对象，对园区企业点源废水水质进行监测采样。以园区3家企业、调控污染因子为COD指标为例说明本发明的应用过程。

1、污染因子的预测

(1)确定污染因子的概率分布

统计园区企业废水的污染因子的历史数据，其频率直方图见图3。

由图3可以看出污染因子的频率分布符合正态分布的特征，故假设其符合正态分布的规律，正态分布的分布函数为：

$F\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{\∫}_{-\∞}^x\exp (-\frac{{(y-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2})\mathrm{dy}---\left(3\right)$

采用极大似然估计法估算正态分布的参数平均值为1121.6，方差为68490。由于柯尔莫哥洛夫检验法能够利用实测样本经验分布和推论总体分布之间的最大差异作为检验统计量。故本发明采用柯尔莫哥洛夫检验法，给定显著水平α＝0.01，经检验D_COD＜D₃₁(0.01)，故接受原假设，即确定该原始序列得总体分布为正态分布。

(2)马氏链的模拟

采用平行于时间轴且等间距直线的方法将污染因子序列分成5个状态。统计各状态的初始概率、转移概率矩阵、累积概率矩阵分别为：

a＝|0.087，0.279，0.317，0.25，0.067|

$P=\left|\begin{array}{ccccc}0.444& 0.444& 0& 0.111& 0\\ 0.103& 0.379& 0.379& 0.138& 0\\ 0.062& 0.281& 0.312& 0.281& 0.062\\ 0& 0.154& 0.423& 0.346& 0.077\\ 0& 0& 0.143& 0.429& 0.429\end{array}\right|$

$\mathrm{CP}=\left|\begin{array}{ccccc}0.444& 0.889& 0.889& 1& 1\\ 0.103& 0.483& 0.862& 1& 1\\ 0.062& 0.344& 0.656& 0.938& 1\\ 0& 0.154& 0.577& 0.923& 1\\ 0& 0& 0.143& 0.571& 1\end{array}\right|$

根据其累积概率采用蒙特卡洛法随机抽样获得马氏链的一条轨道，再根据污染因子的概率分布获得每个状态序列的数值，重复多次即可获得模拟序列的集合。

(3)模拟序列的确定

设定关联度阈值为0.75，MAPE阈值为0.2，即模拟序列与原始序列的关联度系数大于0.75且MAPE小于0.2判定为有效。确定一条符合检验规则的模拟序列作为最终的模拟结果。污染因子序列与模拟序列的对比结果如图4。

由图4污染因子原始序列与模拟序列对比结果可知，本发明获得的模拟序列能够较好的反映点源工业废水污染因子的变化规律，为优化调控提供数据基础。同理可模拟园区其他企业污染因子的模拟序列。

2、混合废水的调控方案

通过马氏链预测模型可获得园区企业的废水流量和待调控污染因子的浓度，通过混合废水模型可计算得到污染因子的混合浓度计算结果见表1。

表1园区企业废水

设定污染因子的调控阈值上限为4500mg/l，从表1可知T＝5和T＝11时刻超过调控阈值，根据调控方案可得到该两个时刻企业C排放废水的污染因子浓度最高，将企业C于T＝5和T＝11时刻废水引入单独的事故池单独处理。调控后的污染因子浓度见表1最后一列。

Claims (1)

1.一种工业园区点源污染物的调控方法，其步骤为：

(1)概率分布的确定：

将工业园区点源污染因子作为随机变量统计分析，采用频率直方图统计污染因子序列的分布规律，假设与其相似的概率分布，估计概率分布的参数，对于概率分布不明显的污染因子序列，作为均匀分布处理；

(2)进行马氏链模拟：

包括污染因子序列状态空间的统计、马氏链轨道的模拟和模拟序列的确定；

状态空间的统计：采用平行于时间轴且等间距直线的方法将污染因子序列划分为若干状态，状态的数目应根据污染因子序列的最大值、最小值及精度要求而定；根据此状态区间的划分，统计污染因子序列的初始概率，转移概率矩阵和累积概率矩阵；

马氏链轨道的模拟：运用蒙特卡洛方法产生均匀分布的一个随机数，根据污染因子序列状态空间的初始概率分布和累积概率分布矩阵来判定该数值所对应的状态，生成一个马氏链的轨道；

确定模拟序列：根据生成的马氏链轨道以及污染因子序列的概率分布，运用蒙特卡洛方法随机抽样获得每个状态空间的模拟值，从而获得多个模拟序列；

(3)预测模型的检验规则：

采用双检验规则确定污染因子序列实测序列和模拟序列的相关系数：

误差检验：误差检验采用平均绝对百分百偏差MAPE，公式如下：

$\mathrm{MAPE}(\%)=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|\frac{x\left(k\right)-\hat{x}\left(k\right)}{x\left(k\right)}\right|\×\frac{100}{n}---\left(3\right)$

其中，x(k)、

n分别为污染因子序列中的实测值、模拟值和数据个数；

关联度检验：采用灰色关联分析作为关联度检验方法；灰色关联分析的基本思想是根据系统内部因素之间发展态势的相似、相异程度来衡量因素之间关联程度的一种方法，灰色相关度GRG被定义为：

$\mathrm{GRG}=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\γ}(X_0,X_i)=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\frac{{\mathrm{\Δ}}_{\min }+{\mathrm{\ξ\Δ}}_{\max }}{{\mathrm{\Δ}}_{0i}\left(k\right)+{\mathrm{\ξ\Δ}}_{\max }}---\left(4\right)$

式中：Δ_0i(k)是两个比较序列的绝对值，即Δ_0i(k)＝|x₀(k)-x_i(k)|；

${\mathrm{\Δ}}_{\min }=\underset{i}{\min }\underset{j}{\min }{\mathrm{\Δ}}_{0i}\left(k\right)=\underset{i}{\min }\underset{j}{\min }|x_0\left(k\right)-x_i\left(k\right)|;$

${\mathrm{\Δ}}_{\max }=\underset{i}{\max }\underset{j}{\max }{\mathrm{\Δ}}_{0i}\left(k\right)=\underset{i}{\max }\underset{j}{\max }|x_0\left(k\right)-x_i\left(k\right)|;\mathrm{\ξ}\∈\left[\mathrm{0,1}\right];$

(4)混合废水的调控方案

根据混合废水模型公式计算工业园区待调控污染因子的混合浓度，

$C_k=\frac{Q_1{C}_{1k}+...+Q_m{C}_{\mathrm{mk}}}{Q_1+...+Q_m}---\left(2\right)$

式中：C_k表示调蓄水池混合废水第k种污染因子浓度；Q₁，...，Q_m表示园区m家企业排放的废水流量；C_1k，...，C_mk表示园区m家企业排放的第k种污染因子浓度；

根据待调控污染因子的指标阈值判断该浓度是否超过调控要求：

1)确定超标的污染因子；

2)计算超标最大的污染因子；

3)查找废水混合前，排放该污染因子浓度最大的企业；

4)根据混合废水模型，计算园区其他企业的混合废水浓度；

5)若仍有超标的污染因子，返回1)；相反，则调控完毕；

根据该调控模型得到的是待控制的排污企业，此时应将该企业排放的废水单独引入事故池，处理后再排入蓄水池。

Images