CN107341341B - 一种河口点源突发性水污染事件溯源方法 - Google Patents

Abstract

本发明公开了一种河口点源突发性水污染事件溯源方法，技术要点包括以下步骤：1.河口地区测站对该区域流场进行监测，建立河口流场数据库；2.从某个测点监测到污染物开始，每隔一段时间监测并记录该点污染物浓度数据；3.根据所记录的该测点污染物浓度数据，结合河口地区半日潮特性，推算出污染物初始投放时间；4.根据已有流场数据及的污染物初始投放时间，利用拉格朗日追踪法，回溯污染源投放位置；5.根据污染物迁移模型，结合相关系数法，构建河口地区污染物溯源优化模型；6.利用拉格朗日追踪法推算出的污染源位置作为优化模型中先验信息，并且改进遗传算法对污染物溯源优化模型进行求解。

Description

一种河口点源突发性水污染事件溯源方法

技术领域

本发明涉及河口地区污染物溯源领域，具体提出一种专用于河口地区突发性水污染事件点源溯源方法。

背景技术

海洋运输是国际间商品交换中最重要的运输方式之一，其货物运输量占全部国际货物运输量的比例大约在80％以上。由于我国东部和南部大陆海岸线有1.8万多千米，内海和边海的水域面积约为470多万平方千米，沿海城市较多，再加上近年来我国经济的腾飞以及综合实力的不断提升，我国的进出口货物运输总量的80％～90％是通过海洋运输进行的。随着国际航运业的发展，超巨型油轮已达60多万吨，第五代集装箱船的载箱能力已超过5000TEU。但是随着我国社会生产力和科学技术的迅猛发展，沿海城市工业生产与海上运输业务更加繁忙，使海洋受到了不同程度的污染和破坏。

海岸河口其特殊的地理位置，由于受到潮汐作用影响，使得无论来自湾内或外海水体中的污染物都会影响到该河口及其附近区域的水质。目前对海岸河口地区污染物溯源问题研究尚不成熟，其较河道有更为复杂的流场，缺乏对污染源位置及强度进行识别的一种简单、可靠方法。

发明内容

本发明是为了解决河口地区溯源问题而进行的，目的是针对河口地区发生突发性水污染事件后能够迅速实施应急措施的需要，提供一种快速、精确的污染物溯源方法对点污染源的位置及强度进行识别。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种河口点源突发性水污染事件溯源方法，包括以下步骤：

步骤1，选择任意一个河口地区作为模型模拟区域并选择模型模拟区域内的任一位置作为污染物浓度观测站，通过观测站对模型模拟区域的流场进行监测，建立实时河口流场数据库；

步骤2，从观测站监测到污染物浓度开始，每隔一段时间监测一次观测点的污染物浓度过程数据并记录；

步骤3，根据观测站监测时段内的污染物浓度过程数据，结合河口地区半日潮特性，计算出污染物初始投放时间；

步骤4，根据已有流场数据库的数据及的污染物初始投放时间，计算出污染物投放位置；

步骤5，建立污染物迁移模型，求解出非恒定流条件下的污染物浓度；

步骤6，将污染源位置和强度解耦；

步骤7，利用相关系数构建污染物溯源位置优化模型的目标函数，并通过步骤4中计算出的污染源位置计算目标函数值；

步骤8，对传统遗传算法按照改进初始种群、变异和选择三个步骤进行改进，形成改进遗传算法；

步骤9，构建污染物溯源强度优化模型，通过位置优化模型求解结果得到污染源位置；

步骤10，利用改进遗传算法对污染物溯源强度优化模型进行求解。

综上所述，本发明具有以下有益效果：本发明针对海岸河口地区岸边、来往船舶等污水未经处理排放的现象及海洋开采、运输过程造成的泄漏事故，研究了河口地区潮流特点，以水文水动力计算为基础，根据当前水文情景及实测污染物浓度变化，提出了一套适用于河口地区突发性水污染事故的溯源模型，并且改进了遗传算法对模型的求解，从而快速、准确地确定污染源位置及强度，对环保部门短时间内掌握污染源信息并对污染事件进行应急处理提供了重大的指导意义。

附图说明

图1为河口点源突发性水污染事件溯源方法的工作流程图；

图2为改进遗传算法计算步骤；

图3为实施例目标区域、污染源和观测点位置、污染源位置先验范围及初始种群示意图；

图4为观测点污染物浓度观测数据；

图5为河口污染物运动示意图；

图6为传统遗传算法与改进遗传算法计算比较图；

图7为污染源强度计算结果示意图。

具体实施方式

本发明是江苏省研究生教育教学改革课题中的一个重要研究项目。以下结合附图对本发明涉及的河口突发性水污染事件点源溯源方法进行详细地说明，但该实施例不应理解为对本发明的限制。

在本实施例中，目标区域选择于福建泉州湾，该地区地形如附图3所示，位置坐标采用平面坐标，污染源位置位于(367463，2751257)，在该污染源位置处倾倒质量为36000kg的污染物，在该案例中为了简化计算，忽略物质输移过程中的扩散项。在观测点位置(372072，2749507)上午9点监测到污染物开始，每隔半小时观测一次，连续观测24h，观测得到的浓度数据如附图4。污染源和观测位置分别在图3中以位于下方的十字和空心圆标出。

具体地，本实施例的河口突发性水污染事件点源溯源方法包括以下步骤：

步骤1，选择任意一个河口地区作为监测区域并在监测区域建立污染物浓度观测站，通过污染物浓度观测站对监测区域的流场进行监测，建立实时河口流场数据库；

步骤2，选择该河口地区内的任一位置作为观测点，从观测点上午9点监测到污染物浓度开始，每隔0.5h监测一次该地点污染物浓度并记录，持续观测24h，污染物浓度随时间变化的坐标系如图4；

步骤3，图5为污染物在投放点及观测点之间运动示意图。假设污染物从A点投入，观测点为C点，B点为污染物到达的最远位置。由于受到潮汐潮流涨落影响，污染物从投入点随落潮流运动到B点后会随涨潮流重新回到A点。图5中，时间t₁为污染物从A点投入后随落潮流运动到C点的时间，t₂为污染物从A点随落潮流运动到B点又后随涨潮流回到C点的时间。由图5，并且结合半日潮流性质可得式(1)：

一般情况下，根据所测得的数据，t₁、t₂的实际数值是未知的。图4，令第一个峰值时间为t₁，第二个峰值时间为t₂，则t₂-t₁是可知的，大约为6h，由式(1)可得出t₁的具体数值约为3h，其与图2中第一个峰值所在时间点一致，即从污染开始排放到第一次运动至观测点位置时的时间为3h。这说明可以通过观测点一系列的观测数据以及半日潮双峰特性来计算出污染物初始释放时间，该实施例中为上午6点。

步骤4，根据已有流场数据及步骤3中的污染物初始投放时间，利用公式(2)、(3)，可以计算出污染源投放位置；

其中：Δt为流场测量时间间隔；i为时间间隔个数；u(i)和v(i)分别为x、y方向上速度；x(0)、y(0)和x(t)、y(t)分别为时间T＝0和T＝t时质点位置。

在该实施例中Δt取为100s，(x(t)，y(t))为观测点位置(372072，2749507)，则反算出的(x(0)、y(0))为(367682，2752337)，其位置如图3中位于下方的十字形。

步骤5，根据式(4)建立污染物迁移模型；

式(4)中：H为水深；C为等深的物质浓度；t为时间；u和v分别为x、y方向上速度；K_xx，K_xy，K_yx以及K_yy为二维扩散系数张量。

对于式(4)，采用有限体积法进行差分求解，利用算子分裂方法，将式(4)分成对流项和扩散项两部分进行分步计算，可以求解出非恒定流条件下的污染物浓度。

步骤6，将污染源位置和强度解耦。由污染物迁移模型，根据步骤3计算出的污染物初始排放时间，结合式(5)相关系数R，假设污染源位置为(x′₀，y′₀)，由于污染源强度值对式(5)相关系数无影响，令污染源强度为一定值m′₀：

式(5)中：C_j(j＝1，2……k)，(k≤n)为k个时刻污染物浓度测量数据，C_j′(j＝1，2……k)，(k≤n)为k个时刻污染物浓度计算数据。和分别为数据系列C_j和C_j′的算术平均值。

步骤7，构建污染物溯源位置优化模型的目标函数，如式(6)：

F(x，y)＝min(abs(1-R)) (6)

参数x，y的先验范围可以根据步骤4中计算出的x(0)、y(0)值给定，如式(7)：

x_0min≤x≤x_0max；y_0min≤y≤y_0max (7)

式(7)中，x_0min＝364890，x_0max＝369304，y_0min＝2749569，y_0max＝2752827。该范围如图3中矩形框所示。根据步骤6假定的污染源位置(x′₀，y′₀)，计算出目标函数值，目标函数值越小，则该假定的污染源位置越接近于真实源位置。

步骤8，对传统遗传算法进行改进，得到改进遗传算法，改进后遗传算法步骤如下：

步骤8a、改进初始种群。初始种群的生成带有一定的随机性，为了加快收敛速度，我们对初始种群进行优选。初始种群规模为N，按照传统遗传算法的规则产生2N的个体，并将2N的个体按照适应度函数的值由小到大排序，选取前N的个体作为初始种群，由i为种群个体编号并且为整数，Gen为进化代数。

步骤8b、变异。变异带有随机性，父代的优良性能经过变异以后可能并未遗传给子代。为了挑选出适应性能更好的变异个体，改进后的算法产生变异个体的方式做如式(8)修改。首先，按照传统遗传算法产生中间变异个体V_i′^Gen，将其按适应度函数F(V_i′^Gen)的值由小到大排序。变异个体V_i ^Gen产生方式如式(8)，式(8)中α为权重系数：

步骤8c、交叉。按照传统遗传算法产生中间交叉个体U_i′^Gen，将其按适应度函数F(U_i′^Gen)的值由小到大排序。交叉个体产生方式如下：

步骤8d、选择。按照传统遗传算法产生中间选择个体X_i′^Gen+1，将其按适应度函数F(X_i′^Gen+1)的值由小到大排序。选择个体产生方式如式(10)：

在步骤7中的先验信息范围内生成初始种群，其具体分布如图3中若干菱形所示。分别用遗传算法迭代5次和10次，与传统遗传算法进行比较，结果如图6，(a)、(b)分别为传统遗传算法迭代5次和10次后结果，(a)、(b)中叉形表示其迭代后种群；(c)、(d)分别为改进后遗传算法迭代5次和10次后结果，(c)、(d)中叉形表示其迭代后种群。

步骤9，构建污染物溯源强度优化模型。通过位置优化模型求解结果得到污染源位置，固定该位置不变，假定众多m′₀，分别用式(4)污染物迁移模型计算c′₁，c′₂，c′₃……c′_k。其先验范围可以由式(11)给出：

根据式(12)、式(13)可以构建优化模型进一步推算污染源强度。

目标函数：m′₀＝min(∑ω_i(c_j′-c_j)²) (12)

目标函数：m_0min≤m′₀≤m_0max (13)式中：m′₀的约束范围可以依据式(7)进行一定比例放大缩小后确定；系数ω_i＝1/(c_j+1.0)²。

步骤10，利用改进遗传算法对污染物溯源强度优化模型进行求解，为了减小模型随机性对结果的影响，重复独立计算20次，求解结果如图7。

根据所计算出的污染物源位置与强度，可以给相关部门快速提供可靠的污染源信息，便于环保主管部门针对该污染源快速制定相应的应急措施，最大限度地减小污染所造成的损失。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (10)

1.一种河口点源突发性水污染事件溯源方法，其特征在于包括以下步骤：

步骤1，选择任意一个河口地区作为模型模拟区域并选择模型模拟区域内的任一位置作为污染物浓度观测站，通过观测站对模型模拟区域的流场进行监测，建立实时河口流场数据库；

步骤2，从观测站监测到污染物浓度开始，每隔一段时间监测一次观测点的污染物浓度过程数据并记录；

步骤3，根据观测站监测时段内的污染物浓度过程数据，结合河口地区半日潮特性，计算出污染物初始投放时间；

步骤4，根据已有流场数据库的数据及的污染物初始投放时间，计算出污染物投放位置；

步骤5，建立污染物迁移模型，求解出非恒定流条件下的污染物浓度；

步骤6，将污染源位置和强度解耦；

步骤7，利用相关系数构建污染物溯源位置优化模型的目标函数，并通过步骤4中计算出的污染源位置计算目标函数值；

步骤8，对传统遗传算法按照改进初始种群、变异和选择三个步骤进行改进，形成改进遗传算法；

步骤9，构建污染物溯源强度优化模型，通过位置优化模型求解结果得到污染源位置；

步骤10，利用改进遗传算法对污染物溯源强度优化模型进行求解。

2.如权利要求1所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤2中污染物浓度监测点从开始监测到有污染物浓度开始，建立污染物浓度和时间的坐标系，观测时至少需要在坐标系中出现两个峰值点后才能停止观测。

3.如权利要求1所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤4中，利用质点运动轨迹方程表达出污染物投放位置和投放时间、速度之间的关系：

其中：Δt为流场测量时间间隔；i为时间间隔个数；u(i)和v(i)分别为x、y方向上速度；x(0)、y(0)和x(t)、y(t)分别为时间T＝0和T＝t时质点位置。

4.如权利要求3所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤5中，根据对流扩散基本方程建立污染物迁移模型如下：

式中：H为水深；C为等深的物质浓度；t为时间；u和v分别为x、y方向上速度；K_xx，K_xy，K_yx以及K_yy为二维扩散系数张量；

对于式(4)，采用有限体积法进行差分求解，利用算子分裂方法，将式(4)分成对流项和扩散项两部分进行分步计算，求解出非恒定流条件下的物质浓度。

5.如权利要求4所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤6中污染源位置和强度解耦过程为：

由污染物迁移模型，根据步骤3计算出的污染物初始投放时间，结合式(5)中的相关系数R，假设污染源位置为(x′₀，y′₀)，由于污染源强度值对式(5)相关系数无影响，令污染源强度为一定值m′₀：

式(5)中：C_j(j＝1，2……k)，(k≤n)为k个时刻污染物浓度测量数据，C_j′(j＝1，2……k)，(k≤n)为k个时刻污染物浓度计算数据；和分别为数据系列C_j和C_j′的算术平均值。

6.如权利要求5所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤7中的目标函数如式(6)：

F(x，y)＝min(abs(1-R)) (6)

参数x，y的先验范围可以根据步骤4中计算出的x(0)、y(0)值给定，如式(7)：

x_0min≤x≤x_0max；y_0min≤y≤y_0max (7)

根据步骤6假定的污染源位置(x′₀，y′₀)，计算出目标函数值，目标函数值越小，则该假定的污染源位置越接近于真实源位置。

7.如权利要求6所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤7中根据计算出的x(0)、y(0)给定参数x，y的先验范围，当给定先验范围偏小时，真实值不在先验范围内，因此由步骤9计算出的污染源位置将处于该范围边线上；此时，需要根据该边线重新给定先验范围直至计算出的结果在该给定先验范围内。

8.如权利要求7所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤9中，通过位置优化模型求解结果得到污染源位置，固定该位置不变，假定众多m＇₀，分别用式(4)污染物迁移模型计算c′₁，c′₂，c′₃……c′_k；其先验范围可以由式(11)给出：

根据式(12)、式(13)构建污染物溯源强度优化模型进一步推算污染源强度；

目标函数：m＇₀＝min(∑ω_i(c_j′-c_j)²) (12)

目标函数：m_0min≤m₀≤m_0max (13)

式中：m＇₀的约束范围可以依据式(7)进行一定比例放大缩小后确定；系数ω_i＝1/(c_j+1.0)²。

9.如权利要求8所述的一种河口点源突发性水污染事件溯源方法，其特征在于：步骤8中，改进遗传算法步骤如下：

步骤8a、改进初始种群，初始种群的生成带有一定的随机性，为了加快收敛速度，我们对初始种群进行优选；初始种群规模为N，按照传统遗传算法的规则产生2N的个体，并将2N的个体按照适应度函数的值由小到大排序，选取前N的个体作为初始种群，中i为种群个体编号且i为整数，Gen为进化代数；

步骤8b、变异，变异带有随机性，父代的优良性能经过变异以后可能并未遗传给子代；为了挑选出适应性能更好的变异个体，改进后的算法产生变异个体的方式做如式(8)修改；首先，按照传统遗传算法产生中间变异个体将其按适应度函数的值由小到大排序；变异个体V_i ^Gen产生方式如式(8)，式(8)中α为权重系数：

步骤8d、选择，按照传统遗传算法产生中间选择个体将其按适应度函数的值由小到大排序；选择个体产生方式如式(10)：

10.如权利要求9所述的一种河口点源突发性水污染事件溯源方法，其特征在于：在步骤8b之后、步骤8d之前还具有步骤8c，交叉，按照传统遗传算法产生中间交叉个体将其按适应度函数的值由小到大排序；交叉个体产生方式如式(9)：