CN110119534B - 一种地下水污染监测井监测范围确定方法 - Google Patents
一种地下水污染监测井监测范围确定方法 Download PDFInfo
- Publication number
- CN110119534B CN110119534B CN201910287365.XA CN201910287365A CN110119534B CN 110119534 B CN110119534 B CN 110119534B CN 201910287365 A CN201910287365 A CN 201910287365A CN 110119534 B CN110119534 B CN 110119534B
- Authority
- CN
- China
- Prior art keywords
- cells
- monitoring
- underground water
- monitoring range
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种地下水污染监测井监测范围确定方法,包括以下步骤:建立目标渗流区的地下水流数值模型,将目标渗流区剖分若干单元格形成二维或三维的空间离散网格,并以溶质运移模型作为评价规则;对已确定为监测范围的单元格,提取邻域单元格并采用溶质运移数值模拟逐一识别确定是否属于监测范围,直至无法识别到新的监测范围,所有识别出属于监测范围内的单元格组成该地下水污染监测井的监测范围。
Description
技术领域
本发明涉及水文地质学、数值模拟与数学优化技术的交叉领域,尤其涉及一种地下水污染监测井监测范围确定方法。
背景技术
地下水污染监测井是实现地下水污染监测的主要手段,用来监视和测定地下水中有害物质的种类、浓度及其变化趋势,评价掌握地下水水质污染状况,了解地下水水质状况及污染发展趋势所进行的监视工作,是地下水环境评价、地下水污染分析与地下水污染防治的重要基础。
在实际工作中,由于打井费用较高,往往不能建设足够数量的井来监测污染源,很多地区甚至会在现有的工业水井或民用水井中选择有代表性的井位进行监测。因此,地下水污染监测井的监测范围就成为非常重要的技术指标,直接关系到能否覆盖潜在的污染源。如果无法在地理上明确具体的监测范围,将会给地下水污染防治工作带来很大的不确定性。
如何确定地下水污染监测井的监测范围,同时也是地下水污染物的溯源问题,这是一直一来的世界性难题。国内外学术界应用较多的方法是“模拟-优化方法”,这种方法将溯源问题转化成优化问题,即寻求污染源的位置、浓度等变量或它们的组合,使模拟模型的输出结果最接近观测数据。此方法常将正向的地下水流运动和污染物迁移的模拟模型与优化模型耦合在一起,形成模拟-优化模型。
在模拟-优化模型中,正向的模拟模型被反复调用,各次模拟的结果与观测数据进行比较,优化模型则用于寻找使用模拟结果最接近观测数据的解,所采用的优化算法有遗传算法、模拟退火算法、禁忌搜索、粒子群算法等等,这些优化算法普遍存在精度不稳定、计算时间长、计算量巨大等问题。很多专家做了诸多努力来提高计算精度的稳定性,但是该问题始终没有得到有效解决。针对计算时间长与计算量巨大的问题,很多专家提出了通过并行计算来解决,这一方面需要使用更多的计算资源,增加成本投入,另一方面并行计算技术对使用者的专业技术要求很高,极大限制了它在普通用户中的推广。这些技术问题直接限制了模拟-优化模型在实际工作中的使用,特别是国内,在遇到地下水污染监测井布设和污染溯源问题的时候,大多都依靠专家经验或定性估计来判断,往往存在很大的不确定性,影响地下水污染防治的工作效果。
因此,现有技术还有待进一步发展。
发明内容
针对上述技术问题,本发明实施例提供了一种地下水污染监测井监测范围确定方法,以解决现有方法费时费工,预测结果不确定性高的问题。
本发明基于模拟植物生长算法与溶质运移数值模拟的地下水污染监测井监测范围的确定方法,具有方法简单、资金投入小、节约人力等优点,包括如下具体步骤:
步骤1:构建植物的生长环境,形成优化问题的解空间。在本技术方案中,解空间是通过建立地下水流数值模型所形成的目标渗流区二维或三维的空间离散网格。依据中华人民共和国环境保护部污染防治司于2015年6月发布的《地下水污染模拟预测评估工作指南(试行)》,采用基于有限差分法的地下水流模型“MODFLOW 2005”(MODFLOW是美国地质调查局开发的三维有限差分地下水流数值模拟程序),经过建立概念模型、建立数学模型、模型校正、模型检验、模型不确定性分析等一系列步骤,建立目标渗流区的二维或三维地下水模型,该地下水数值模型用网格把目标渗流区剖分成若干个单元格以确定离散点,其中,地下水污染监测井对应于网格中的某一单元格。
步骤2:确定植物的向光性评价规则,在本技术方案中,溶质运移模型“MT3DMS”(MT3DMS是目前应用最为广泛的三维地下水溶质运移模拟软件,可与MODFLOW结合使用)作为优化算法的评价规则。将每个新生长点单元格假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格。如果某邻域单元格溶质运移模拟的污染羽流经监测井单元格,则该单元格属于该监测井的监测范围,确定为新的植物生长点,反之则不属于,植物在该单元格不发生生长行为。
步骤3:确定植物的生长细胞,即初始可行解。监测井所在位置的单元格即是首先可以确定的监测范围,因此,将监测井所在位置的单元格确定为初始的监测范围。
步骤4:识别生长细胞的邻域,即新的生长点细胞。对已确定为监测范围的单元格,提取邻域单元格,在二维或三维地下水模型中,某个单元格出现的水污染,只能是从相邻的单元格中通过对流或弥散作用扩散而来,而这些邻域单元格,均是潜在的监测范围,本方案中采用溶质运移数值模拟的方法按照步骤5逐个识别这些邻域单元格是否属于监测井的监测范围。
步骤5:计算每个新生长点的形态素浓度,即选择和接受解的准则。将邻域单元格逐个假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格。如果某邻域单元格溶质运移模拟的污染羽流经监测井单元格,则该单元格属于该监测井的监测范围,确定为新的植物生长点,反之则不属于,植物在该单元格不发生生长行为。
步骤6:反复进行步骤4与步骤5的植物生长算法优化计算,通过邻域单元格提取、地下水溶质运移数值模拟与污染羽检测,在每轮计算中逐步扩大监测井的监测范围,也就是植物不断向光生长。另外,对于已确定为非监测范围的单元格,设置为不参与下一轮的数值模拟计算,这些单元格在之前已经假设为污染源进行了溶质运移模拟,并获取了污染羽数据,即植物在这些区域无法获得阳光,属于非生长区。
步骤7:确定植物新枝停止生长的终止准则。当某轮计算提取的邻域单元格中,所有单元格溶质运移数值模拟的污染羽全部都不流经监测井单元格,说明已经无法识别到新的监测范围,植物已经无法产生新的生长点,新枝生长结束,即可停止循环计算,最终确定该地下水污染监测井的可监测范围。
有益效果
本发明提供一种地下水污染监测井监测范围确定方法,本发明将模拟植物生长算法与地下水溶质运移数值模拟相耦合,实现了更高的计算精度与更快的计算速度,极大缩小了计算量,其解决问题的能力明显优于遗传算法、粒子群算法、模拟退火算法等传统的优化算法,更加适用于工程应用,降低地下水污染监测与溯源的不确定性,提高地下水污染防治的工作效率。
附图说明
图1为本发明实施例中建立的二维稳定流地下水流模型的水头分布图。
图2为本发明实施例中步骤S300中将监测井所在位置的单元格确定为初始的监测范围。
图3为本发明实施例中步骤S400中对初始监测范围单元格,提取第一轮邻域单元格。
图4为本发明实施例中步骤S500中采用溶质运移数值模拟算法,进行第一轮监测范围识别,确定第一轮的监测范围单元格,并再次实施步骤S400,提取第二轮的邻域单元格。
图5为本发明实施例中步骤S500中采用溶质运移数值模拟算法,进行第二轮监测范围识别,确定第二轮的监测范围单元格,并再次实施S400,提取第三轮的邻域单元格。
图6为本发明实施例中步骤S500中采用溶质运移数值模拟算法,进行第三轮监测范围识别,确定第三轮的监测范围单元格,并再次实施步骤S400,提取第四轮的邻域单元格。
图7为本发明实施例中最终得到的地下水污染监测井监测范围。
图8为本发明实施例中地下水污染监测井监测范围确定方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例基于已建立好的地下水流与溶质运移数值模型,采用数值模拟与优化算法,进行地下水污染监测井的监测范围确定。具体步骤如图1所示包括:
S100:构建植物的生长环境,形成优化问题的解空间。在本发明中,解空间是通过建立地下水流数值模型所形成的目标渗流区二维或三维的空间离散网格。具体采用基于有限差分法的地下水流模型“MODFLOW 2005”与溶质运移模型“MT3DMS”,经过建立概念模型、建立数学模型、模型校正、模型检验、模型不确定性分析等一系列步骤,建立目标渗流区的二维或三维地下水模型。因而本发明同时适用于二维或三维地下水模型的网格系统。在本实施例中,以二维稳定流地下水模型为示例,对研究区建立网格的南北长度为4890米,东西宽度为9540米,网格行数为163,列数为318,有限差分单元为30m×30m。图1为实施例计算中建立的二维稳定流地下水流模型的水头分布图,其数值网格便是优化算法的解空间,也就是植物的生长环境。
S200:确定植物的向光性评价规则,在本发明中,地下水溶质运移模型“MT3DMS”作为优化算法的评价规则。将每个新生长点单元格假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格。如果某邻域单元格溶质运移模拟的污染羽流经监测井单元格,则该单元格属于该监测井的监测范围,确定为新的植物生长点,反之则不属于,植物在该单元格不发生生长行为。另外,在地下水溶质运移模拟中,地下水污染羽的扩散时间与污染物初始浓度是非常重要的参数,这两个参数也直接影响了监测井所能覆盖的监测时长与监测范围,需要根据实际情况(如研究区的企业发展历史、地下水监测目标、地下水污染监测井的水质检测方法与检测限值等)设定污染羽的预测时间与污染物初始浓度,以进行后续的溶质运移数值模拟。
在本实施例中,由于研究区内所有潜在污染源的建设历史均不足30年,因此,选择30年作为反向监测时长,也就是溶质运移模拟的预测时长。监测目标为地下水的石油类污染,此处选择国家环境质量标准水质五类标准的1000倍作为初始污染物浓度,在本发明中,污染物初始浓度的设置,需要考虑潜在污染源的状况,一般可以选择在研究区发生地下水污染时可能出现的最大污染物浓度。
S300:确定植物的生长细胞,即初始可行解。监测井所在位置的单元格即是首先可以确定的监测范围,因此,将监测井所在位置的单元格确定为初始的监测范围。图2中黑色背景单元格展示了监测井位置所确定的第一轮计算的监测范围单元格(Ci,j)。
S400:识别生长细胞的邻域,即新的生长点细胞。对已确定为监测范围的单元格,提取邻域单元格,在二维或三维地下水模型中,某个单元格出现的水污染,只能是从相邻的单元格中通过对流或弥散作用扩散而来,而这些邻域单元格,均是潜在的监测范围,本发明采用溶质运移数值模拟的方法按照步骤5逐个识别这些邻域单元格是否属于监测井的监测范围。
图3中位于黑色单元格(Ci,j)周边的灰色单元格,即是针对第一轮监测范围提取的第一轮邻域单元格,在程序设计中可以通过行列数计算,获取该单元格(Ci,j)的邻域单元格,包括:Ci-1,j-1、Ci-1,j、Ci-1,j+1、Ci,j-1、Ci,j+1、Ci+1,j-1、Ci+1,j、Ci+1,j+1。
S500:计算每个新生长点的形态素浓度,即选择和接受解的准则。将邻域单元格逐个假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格。如果某邻域单元格溶质运移模拟的污染羽流经监测井单元格,则该单元格属于该监测井的监测范围,确定为新的植物生长点,反之则不属于,植物在该单元格不发生生长行为。
在本实施例中,对第一轮邻域单元格(包括:Ci-1,j-1、Ci-1,j、Ci-1,j+1、Ci,j-1、Ci,j+1、Ci+1,j-1、Ci+1,j、Ci+1,j+1)进行监测范围识别计算,首先将Ci-1,j-1假设为污染源,该单元格设置初始污染物浓度,而其他所有单元格假设为不存在污染,在运行溶质运移数值模拟后,检测污染羽是否流经监测井单元格Ci,j,如果污染羽流经监测井单元格Ci,j,则该单元格属于该监测井的监测范围,反之则不属于。然后依次对Ci-1,j、Ci-1,j+1、Ci,j-1、Ci,j+1、Ci+1,j-1、Ci+1,j、Ci+1,j+1进行同样的计算,在本实施例中,第一轮的8个邻域单元格均确定为监测井的可监测范围,由于地下水存在对流与弥散作用,在大部分的案例中,第一轮邻域单元格会出现同样的计算结果。图4展示了第一轮计算的结果,斜线背景的单元格为第一轮计算后确定的监测范围。
S600:反复进行步骤S400与步骤S500的植物生长算法优化计算,通过邻域单元格提取、地下水溶质运移数值模拟与污染羽检测,在每轮计算中逐步扩大监测井的监测范围,也就是植物不断向光生长。另外,对于已确定为非监测范围的单元格,可以不参与下一轮的数值模拟计算,因为这些单元格在之前已经假设为污染源进行了溶质运移模拟,并获取了污染羽数据,也就是植物在这些区域无法获得阳光,属于非生长区。
在第二轮计算中,按照步骤S600,首先对第一轮计算得到的监测范围提取邻域单元格,图4中的16个灰色单元格即为第二轮的邻域单元格,然后依照步骤5,将邻域单元格逐个假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格,从而确定第二轮的监测范围。在本实施例中,第二轮计算结束后,Ci-2,j-2、Ci-2,j-1、Ci-2,j、Ci-1,j-2、Ci,j-2、Ci+1,j-2被确定为监测范围(图5中斜线背景单元格),而Ci-2,j+1、Ci-2,j+2、Ci-1,j+2、Ci,j+2、Ci+1,j+2、Ci+2,j+2、Ci+2,j+1、Ci+2,j、Ci+2,j-1、Ci+2,j-2被确定为非监测范围(图5中竖线背景单元格)。
在第三轮计算中,按照步骤S600,对第二轮计算得到的监测范围提取邻域单元格,图5中的10个灰色背景单元格与10个竖线背景单元格,即为第三轮的邻域单元格,由于竖线背景单元格已经确定为非监测区,因此,只对灰色背景单元格逐个进行溶质运移模拟与污染羽检测,从而得到第三轮计算确定的监测范围,进一步将已确定的监测范围扩大(如图6斜线背景单元格所示)。
在第四轮计算中,按照步骤S600,对第三轮计算得到的监测范围提取邻域单元格,图6中的12个灰色背景单元格与12个竖线背景单元格,即为第四轮的邻域单元格,同上,由于竖线背景单元格已经确定为非监测区,因此,只对灰色背景单元格逐个进行溶质运移模拟与污染羽检测,从而将得到第四轮计算确定的监测范围。由此,通过设计循环计算的程序,不断重复步骤S600的计算,直至满足步骤S700的计算停止要求。
S700:确定植物新枝停止生长的终止准则。当某轮计算提取的邻域单元格中,所有单元格溶质运移数值模拟的污染羽全部都不流经监测井单元格,说明已经无法识别到新的监测范围,植物已经无法产生新的生长点,新枝生长结束,即可停止循环计算,最终确定该地下水污染监测井的可监测范围。
在本实施例中,根据步骤S700的计算停止法则,最终确定的地下水污染监测井监测范围见图7的深灰色区域,其中唯一的黑色单元格为地下水污染监测井所在的单元格。
本发明方法的具体实施步骤可通过图8所示的流程图进一步阐述:
T1、构建植物的生长环境,形成优化问题的解空间(即建立地下水流数值模型)。
T2、确定植物的向光性评价规则(建立地下水溶质运移模型MT3TDMS)。
T3、确定植物的生长细胞,即初始可行解(地下水污染监测井所在位置的单元格确定为初始的监测范围)。
T4、识别生长细胞的邻域,即新的生长点细胞(对已确定为监测范围的单元格,提取邻域单元格)。
T5、计算每个新生长点的形态素浓度,即选择和接受解的准则(将邻域单元格逐个假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井单元格)。
T6、判断污染羽是否流经监测井单元格,若是,则执行步骤T7,若否,则执行步骤T10。
T7、属于监测井的监测范围。
T8、判断是否识别到新的邻域单元格,若是,则返回步骤T4,若否,则执行步骤T9。
T9、确定植物新枝停止生长的终止准则(当某轮计算提取的领域单元格中,所有单元格溶质运移数值模拟的污染羽全部都不流经监测井单元格)。
T10、不属于监测井的监测范围。
模拟-优化方法是国内外学者普遍用于地下水污染溯源与监测井监测范围确定的方法,所采用的优化算法包括遗传算法、模拟退火算法、禁忌搜索、粒子群算法等等,这些优化算法普遍存在精度不稳定、计算时间长、计算量巨大等问题。而这些问题均没有得到妥善的解决,并直接限制了该方法在实际工作中的使用,特别是国内,在遇到地下水污染监测井布设和污染溯源问题的时候,大多都依靠专家经验或定性估计来判断,往往存在很大的不确定性,影响地下水污染防治的工作效果。
本发明针对以上问题将模拟植物生长算法与地下水溶质运移数值模拟相耦合,模拟植物生长算法以植物向光性理论为启发式准则,将优化问题的解空间当做植物的生长环境,模拟真实植物的向光性机理(形态素浓度理论),建立枝干在不同光线强度环境下的快速生长演绎方式。
本发明所采取的模拟植物生长算法采用植物顶点生长的特点来减少搜索空间,可以极大减少计算量、缩减搜索时间。使得本发明方法解决问题的能力明显优于遗传算法、粒子群算法、模拟退火算法等传统的优化算法,更加适用于地下水污染监测范围确定与污染溯源的工程应用,具有降低不确定性、提高稳定性、加快计算速度、降低计算成本等优势。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及本发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.一种地下水污染监测井监测范围确定方法,其特征在于,该方法基于模拟植物生长算法与溶质运移数值模拟而建立,其包括以下步骤:
建立目标渗流区的地下水流数值模型,将目标渗流区剖分若干单元格形成二维或三维的空间离散网格,并以溶质运移模型作为评价规则;
对已确定为监测范围的单元格,提取邻域单元格并采用溶质运移数值模拟逐一识别确定是否属于监测范围,直至无法识别到新的监测范围,所有识别出属于监测范围内的单元格组成该地下水污染监测井的监测范围;
采用溶质运移模型MT3DMS作为评价规则;
将监测井所在位置的单元格确定为初始的监测范围,提取监测井所在单元格的邻域单元格,将邻域单元格逐个假设为污染源进行溶质运移模拟,检测污染羽是否流经监测井所在单元格,当检测到一邻域单元格溶质运移模拟的污染羽流经监测井所在单元格,则判断该邻域单元格属于该监测井的监测范围并确定为新生长点单元格;
将新生长点单元格通过邻域单元格提取、溶质运移数值模拟与污染羽检测,在每轮计算中逐步扩大监测井的监测范围;
当单元格经检测为非监测范围的单元格,则该单元格不参与下一轮的数值模拟计算;
当最新一轮计算中,检测提取的领域单元格中,所有单元格溶质运移数值模拟的污染羽均不流经监测井所在单元格,则停止循环计算。
2.根据权利要求1所述的地下水污染监测井监测范围确定方法,其特征在于,基于有限差分法的地下水流模型MODFLOW 2005,建立目标渗流区的地下水流数值模型。
3.根据权利要求1所述的地下水污染监测井监测范围确定方法,其特征在于,根据目标渗流区所涉及的企业发展历史、地下水监测目标、地下水污染监测井的水质检测方法与检测限值设定污染羽的预测时间与污染物初始浓度,以进行后续的溶质运移数值模拟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910287365.XA CN110119534B (zh) | 2019-04-11 | 2019-04-11 | 一种地下水污染监测井监测范围确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910287365.XA CN110119534B (zh) | 2019-04-11 | 2019-04-11 | 一种地下水污染监测井监测范围确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110119534A CN110119534A (zh) | 2019-08-13 |
CN110119534B true CN110119534B (zh) | 2023-02-28 |
Family
ID=67520823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910287365.XA Active CN110119534B (zh) | 2019-04-11 | 2019-04-11 | 一种地下水污染监测井监测范围确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119534B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084672B (zh) * | 2020-09-17 | 2021-07-23 | 中国矿业大学 | 一种基于分形维数判断地下水污染的方法 |
CN113378380A (zh) * | 2021-06-08 | 2021-09-10 | 台州南水环保科技有限公司 | 一种基于数值模拟的地下水中污染物溯源方法 |
CN115062874B (zh) * | 2022-08-16 | 2022-11-18 | 成都禀证科技有限责任公司 | 一种水体污染物监测预测分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908100A (zh) * | 2010-07-26 | 2010-12-08 | 中国科学院生态环境研究中心 | 一种地下水环境的建模及数值模拟方法 |
CN109388876A (zh) * | 2018-09-28 | 2019-02-26 | 中国地质大学(北京) | 一种地下水溶质运移数值模拟并行加速方法 |
-
2019
- 2019-04-11 CN CN201910287365.XA patent/CN110119534B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908100A (zh) * | 2010-07-26 | 2010-12-08 | 中国科学院生态环境研究中心 | 一种地下水环境的建模及数值模拟方法 |
CN109388876A (zh) * | 2018-09-28 | 2019-02-26 | 中国地质大学(北京) | 一种地下水溶质运移数值模拟并行加速方法 |
Non-Patent Citations (1)
Title |
---|
模拟优化模型在地下水监测布井中的应用;熊峰;《环境工程学报》;20160130;第10卷(第1期);第223-228页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110119534A (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119534B (zh) | 一种地下水污染监测井监测范围确定方法 | |
CN112417573B (zh) | 基于ga-lssvm与nsga-ⅱ盾构下穿既有隧道施工多目标优化的方法 | |
CN110826236B (zh) | 一种土壤修复污染范围的判定方法 | |
CN108319788B (zh) | 一种识别雨水管网污水直排污染源的方法 | |
CN111382472A (zh) | 随机森林融合svm预测盾构引起近接结构变形方法及装置 | |
CN114169434A (zh) | 一种负荷预测方法 | |
CN114969953A (zh) | 基于CatBoost-NSGA-Ⅲ的盾构下穿隧道优化设计方法及设备 | |
CN113268922A (zh) | 一种基于数值模拟与遗传算法的地下水污染溯源计算方法 | |
CN115906626A (zh) | 一种基于人工智能的地下水有机污染互馈反演溯源方法 | |
CN116522566B (zh) | 基于物理信息驱动深度学习模型的地下水监测网优化方法 | |
CN113707228A (zh) | 一种基于LightGBM算法的湿法烟气脱硫优化方法 | |
CN108733952A (zh) | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 | |
Jiang et al. | Deep-reinforcement-learning-based water diversion strategy | |
CN117571945A (zh) | 耦合时间序列预测模型与机理模型的地下水污染预测方法 | |
Vanegas et al. | Allocating reforestation areas for sediment flow minimization: an integer programming formulation and a heuristic solution method | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、系统、终端及介质 | |
Di Maio et al. | A visual interactive method for prime implicants identification | |
CN104598770B (zh) | 基于人类进化基因表达式编程的麦蚜数量预测方法及系统 | |
CN114880818A (zh) | 一种面向全局燃气管网结构的神经网络监测方法和系统 | |
CN113836710A (zh) | 一种排水管网外水入侵的快速追踪方法 | |
CN110414146B (zh) | 一种基于深度学习的水环境治理项目设计参数优化方法 | |
CN113378380A (zh) | 一种基于数值模拟的地下水中污染物溯源方法 | |
CN109408972B (zh) | 基于Delft3D模型的计算机程序化计算水环境容量的方法 | |
Barca et al. | Optimal redesign of environmental monitoring networks by using software MSANOS | |
CN114417727B (zh) | 一种面向二噁英检测的多目标混合优化虚拟样本生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |