CN112883644B - 一种动态水环境管理方法 - Google Patents
一种动态水环境管理方法 Download PDFInfo
- Publication number
- CN112883644B CN112883644B CN202110182288.9A CN202110182288A CN112883644B CN 112883644 B CN112883644 B CN 112883644B CN 202110182288 A CN202110182288 A CN 202110182288A CN 112883644 B CN112883644 B CN 112883644B
- Authority
- CN
- China
- Prior art keywords
- water
- data
- water quality
- river
- section
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 345
- 238000007726 management method Methods 0.000 title claims abstract description 44
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 60
- 231100000719 pollutant Toxicity 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000015556 catabolic process Effects 0.000 claims abstract description 47
- 238000006731 degradation reaction Methods 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000011160 research Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 23
- 239000010865 sewage Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 6
- 230000008020 evaporation Effects 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000004720 fertilization Effects 0.000 claims description 5
- 238000003973 irrigation Methods 0.000 claims description 5
- 230000002262 irrigation Effects 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000013049 sediment Substances 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
Abstract
本发明公开了一种动态水环境管理方法，首先进行水环境相关信息收集和监测及水质与特征污染物的分析；再进行水体进口边界条件模型率定/训练；然后率定或者估算水动力水质模型的糙率和污染物的降解系数；采用率定/训练好的边界条件模型结合其它相关信息对研究区域进口边界上的流量或者水质数据进行预报；最后利用率定或者估算的水动力水质模型的糙率和污染物的降解系数及水体边界条件预报结果，结合水系断面数据、最新监测到的点源排放实测数据，进行研究区域的水动力水质预报；并根据预报结果进行水质预警及排污量减排反馈。本方法纳入了大量的实测数据和信息，实现了水环境的动态监控、动态预测和更科学的动态水环境管理。
Description
技术领域
本发明涉及水环境监测及管理技术领域，特别涉及一种动态的水环境管理方法。
背景技术
不同的水体具有不同的功能区划，因此不同水体的水质达标标准也不尽相同。在水体涉及的排污口、排放量一定的情况下，由于不同来水量、流速、水体问题，水体的自我净化能力也有差别，因此水体的环境容量也时刻发生变化。而实际上，水排污口的排污量会因企业产量的不同发生变化，因此对于特定的区域而言，其水体的水质和纳污能力也在不断地发生变化。因此需要对水环境进行动态预测，从而实现对排污量的动态管理，而我国现有的排污量管理是基于排污总量进行构建的，已经无法满足水体水环境精细化管理的需要。
发明内容
本发明的目的在于克服以上技术缺陷，在水环境管理过程中纳入相关的信息和数据，提供了一种动态水环境管理方法，本发明的目的是通过以下技术方案实现的。
一种动态水环境管理方法，包括以下步骤：
步骤1、进行水环境相关信息收集和监测，进行水质与特征污染物的分析，确定水动力水质模型的模拟对象；
步骤2、水体进口边界条件模型率定/训练：采用流域模型或者快速估算模型作为水体进口边界条件模型，基于水系矢量数据、地理信息、土地管理信息、点源排放实测数据、气象实测数据、水文水质数据率定流域模型的参数或者对快速估算模型进行训练；
步骤3、水动力水质模型参数率定：糙率和污染物的降解系数的率定/估算；
步骤4、水体边界条件预报：采用步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、最新的点源排放实测数据、气象预报数据对研究区域进口边界上的流量或者水质数据进行预报；
步骤5、水动力水质预报：利用步骤3中率定/估算的糙率和污染物的降解系数及步骤4中获得的水体边界条件预报结果，采用水系断面数据、最新监测到的点源排放实测数据进行研究区域的水动力水质变化模拟，得到研究区域水体控制断面的水动力水质变化过程；
步骤6、水质预警及排污量减排反馈：如果水动力水质预报结果中控制断面污染物浓度超标，则向企业发送预警，并监测企业排污量减排反馈结果。
进一步的，步骤1中收集和监测的信息包括：
a.水体基本信息：包括水系矢量数据、不同的水体功能分区、水体的名字、水体的位置、水体的管理责任人；
b.地理信息及土地管理信息：包括土壤类型数据、土地利用类型数据、遥感影像图、DEM数据、农业灌溉及施肥信息；
c.水体断面数据：包括河道的断面数据及糙率数据；
d.点源基本信息：包括排污入河口经纬度、排污的企业名称、位置、经营范围、生产工艺、工序；
e.测站基本信息：包括实时监测天气数据的气象站的经纬度和海拔、水文监测站和水质监测站的经纬度；
f.气象实测数据：包括日期、时间、实时监测的降雨量、蒸发量、太阳辐射量、风速；
g.气象预报数据：包括未来特定时间的降雨量、蒸发量、太阳辐射量、风速预测结果；
h.水文水质数据包括：包括实时监测的流量、水位、流速、TN、TP、COD、DO的浓度，以及温度；
I.点源排放实测数据：点源排放流量和污染物浓度。
进一步的，步骤2中采用流域模型模拟，其计算步骤为：根据水系矢量数据、地理信息和土地管理信息、气象实测数据、点源排放实测数据，对研究水体区域内的流量和水质数据进行还原计算，利用实测的水文水质数据对SWAT或者HSPF模型的参数进行率定和验证。
进一步的，步骤2中采用快速估算模型模拟，其计算步骤为：在水文水质数据时间跨度大于一年且有每日数据的情况下，采用水系矢量数据、地理信息和土地管理信息、气象实测数据、点源排放实测信息，对神经网络模型进行训练。
步骤3中(1)在没有构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，结合水体进口边界条件，基于实时监测的水文水质数据、水系断面数据、点源排放实测数据进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数；(2)在构建了断面水位-流量-率定糙率库和水温-溶解氧-率定后的降解系数库时，利用数据回归关系式估算糙率和降解系数。
进一步的，步骤3(1)中：在没有构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，进行水动力水质模型参数的率定：在水体进口边界条件已知的情况下，基于实时监测的水文水质数据、水系断面数据、点源排放实测数据进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数；在水体进口边界条件未知的情况下，基于步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、点源排放实测数据、气象实测数据对水体边界上与模型率定同期的流量或者水质数据进行还原，并结合实时监测的水文水质数据、水系断面数据、点源排放实测信息进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数。
进一步的，步骤3(1)中水动力水质模型参数率定的具体过程：
1)获取河网信息、河道的横断面数据和点源位置信息，所述河网信息是指河网的平面数据，河道的横断面数据包括横断面的起点距-高程-糙率信息、横断面与下游断面的距离、点源概化后所处的断面；
2)对河段、汊点、断面进行编号，建立汊点和各河段的对应关系；
3)采用Preissmann四点偏心格式和有限差分法对控制方程组进行离散，水流的控制方程组为一维圣维南方程组
连续方程：
运动方程：
污染物输移的控制方程为一维对流扩散方程：
式中：A为断面过水面积；Q为断面过水流量；ql为水量的源汇项，表示由于排水或者引水引起的源汇项；α1为动能系数；H为断面水深；i为河底坡降；
为摩阻比降；其中n为糙率；R为水力半径；g表示重力加速度；
C为污染物的断面平均浓度；Ex为一维扩散系数；k为污染物降解系数；S1为河床底泥释放速率；S2为点源排放造成的源汇项；
4)在汊点处，假定汊点没有调蓄能力，且没有能量损失：
式中：i和j分为汊点处河段的序号；m为汊点处河段的总数；Qi为汊点处第i个河段的流量；Zi和Zj分别表示汊点处第i和j个河段的水位；
5)给定河流的横断面水深、流量、污染物初始条件、初始糙率和初始污染物降解系数、源项，所述源项即点源排放的时间和排污量，在河系的首尾断面设置入流和出流边界条件；
6)采用t时刻各断面的水位、流量的初始值、上下游边界条件、汊点约束条件、水量的源汇项，通过求解一维圣维南方程组离散后的方程组得到各河段t+1时刻各断面的水力要素值；将流量的初始值、河床底泥释放速率、源汇项赋给一维对流扩散方程的离散方程，求解得到污染物的浓度；
7)将t+1时刻求解得到的水力要素、污染物的浓度作为下一个求解时段的初始值，不断循环，直到求解结束；
8)根据水动力水质模拟结果与实测水文水质数据的对比，不断调整糙率和污染物降解系数；
9)重复进行步骤6)～8)，直到水动力水质模拟结果与实测水文水质数据的符合度达到预设的阈值为止。
步骤3(2)中水动力水质模型参数估算的具体过程：
利用断面水位-流量-率定后的糙率库中的数据，分段回归出糙率值与水位、流量的关系式，利用最新的水位、流量数据计算出糙率值；利用水温-溶解氧-率定后的降解系数库中的数据，分段回归出降解系数与水温、溶解氧的关系式，利用最新的水温、溶解氧数据计算出降解系数。
进一步的，步骤5中水动力水质预报的具体操作为：将步骤8)中率定出来糙率和污染物的降解系数和步骤4中预报的水体进口边界条件替换步骤3(1)中5)的旧数据，采用预设的最新一段时间T(如T＝7日)点源排放实测信息数据，进行步骤3(1)中6)-7)，得到研究水体控制断面的水动力水质预报结果。
进一步的，步骤6中具体操作为：如果水动力水质预报结果中控制断面污染物浓度超标，按照现有先进工艺水平，根据产量进行企业入河量的估算，再次进行水动力水质过程模拟：①如果控制断面污染物浓度达标，则只需生产工艺落后的企业进行减排，将企业现在的排放量、允许的排放量、企业的减排量发送到各其企业，其中不需要减排的企业的减排量0；②如果控制断面污染物浓度仍不达标，则需要所有涉及企业进行减排，将各企业的排放量和允许的排放量、企业的减排量发送到各其企业。
本发明的有益效果：
1)本发明水环境管理方法中纳入了大量的实测数据和信息，实现了水环境的动态监控、动态预测和更科学的动态水环境管理。
2)本发明将流域模型/快速估算模型与水动力学水质模型相耦合，以天气预报数据为基础利用流域模型/快速估算模型与出研究水体的水质边界和水文边界条件，利用实测数据对模型进行滚动式的率定和校正，提供了更精确、精细、实时的水动力水质预报。
3)将实测数据与快速估算模型相结合，实时监测数据积累了足够的样本，利用实测数据对快速估算模型进行训练，同时实测数据不断更新，对快速估算模型的结果能实时校正，可以更精确的实现了水体进口的流量和水质的动态模拟。
4)实测数据的积累，实现水动力水质模型进行滚动率定，在前期进行大量的数据积累后，构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库，可以快速估算中水动力水质模型计算需要的糙率和降解系数，提高了模型的计算效率。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明实施例中水环境管理方法整体流程图；
图2是本发明实施例中水文水质监测点布置图。
具体实施方式
实施例一：
步骤1、水环境相关信息收集和监测，进行水质与特征污染物的分析，确定模拟对象；
(1)静态信息收集和更新
静态信息分为基础数据和已有数据，基础数据的采集和更新采用人工录入的方式，已有数据可以采用导入或者录入方式。
基础数据包括以下几个方面：
①水体基本信息，包括水系矢量图(数据)、不同的水体功能分区、水体的名字、水体的位置如河段可以取其中间断面的经纬度，湖泊可以取其中心的经纬度、水体的管理责任人。
②地理信息及土地管理信息，包括土壤类型图、土地利用类型图、遥感影像图、DEM数据、农业灌溉及施肥信息。
③水体地形数据指的是河道的断面数据。
④点源基本信息，排污入河口经纬度、排污的企业名称、位置、经营范围、生产工艺、工序等。
⑤测站基本信息，包括实时监测天气数据的气象站的经纬度和海拔、实时水文站和水质站的经纬度。
建立实时监测传输之前的已有数据包括以下几个方面：
①已有的气象实测数据：气象站的经纬度和海拔、日期、时间、降雨量、蒸发量、太阳辐射量、风速等
②已有的水质监测站点的经纬度及水质数据、水文监测站点及水文数据(流量、水位、流速)
③已有的点源信息：点源的位置及排污量数据。
(2)动态信息监测及传输
动态信息主要包括天气实时监测数据及预报数据、实时水文水质数据等。
①天气实时监测数据及天气预报数据包括日期、时间、降雨量、蒸发量、太阳辐射量、风速等。天气实时监测数据及预报数据需要与相应的平台进行对接，预留相应的接口，直接接收数据。
②实时水文水质数据
在研究水体的典型断面上安装自动监测设施，用来获取河流断面水文水质信息和点源排放数据(排放流量、污染物浓度)。自动监测设施包括在线监测仪器和设施(如水质监测仪、超声波流速仪、霍尔水位计、超声波流量仪)和采集控制终端，按照指定的时间间隔实时采集时间、水体水质、水位、流速、仪器的工作状态等信息。水质数据包括TN、TP、COD、DO的浓度，以及温度等。典型断面分为两种：一种过流断面小，直接安装流量仪获取流量数据，或者安装测流堰(闸)和水位计，根据过流公式和水位计算流量；一种过流断面大，需要安装流速仪、水位计，其流量根据水位、流速、地形数据可以计算得到。
通过实时通信模块如GPRS模块，发送到服务器上，实时采集的数据就地存储在采集控制终端，保留备份，采集控制终端具有断点再传的功能，并配有手持数据读取装置，在必要时采用手持数据读取装置读取漏传的数据。
信息的确认：为了保证数据的有效性和真实性，只有经过用户确认的数据才能被用户使用，所有的数据采用限时确认制度。系统会自行发送提醒用户确认的短信和通知，各级用户可以通过手机APP和电脑登录系统进行确认。
水质分析与评价：采用单因子分析法、综合分析法(WPI法)或者主成分分析法分析水质的变化趋势，分析水体的污染程度、特征污染物和水质超标因子，为后续水质预警和排污量减排、判断是否存在遗漏点源信息提供依据。
(3)进行研究区域水质分析，识别特征污染物，确定模拟对象。
步骤2、研究水体进口边界条件模型的率定/训练
基于水系矢量数据、地理信息、土地管理信息、点源排放实测信息、气象实测数据、水文水质数据采用流域模型或者快速估算模型模型模拟研究区域进口断面的流量过程和水质变化过程，从而对水体进口的流量和水质进行预测。
如果采用流域模型模拟，其计算步骤为：
根据气象实测数据、地理信息和土地管理信息(土地利用类型数据、土壤类型数据、DEM数据、农业灌溉和施肥信息)、水系矢量数据、点源排放实测信息，对研究水体进口的流量和水质数据进行还原计算，利用水文水质数据对SWAT或者HSPF模型的参数进行率定和验证。
如果采用快速估算模型模拟，其计算步骤为：
在水文水质数据充足(时间跨度大于一年且有每日数据)的情况下，采用水系矢量数据、地理信息和土地管理信息(土地利用类型数据、土壤类型数据、DEM数据、农业灌溉和施肥信息)、气象实测数据、点源排放实测数据，对神经网络模型进行训练。
步骤3、水动力水质模型参数率定/估算
(1)在没有构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，进行水动力水质模型参数率定：
在水体进口边界条件已知的情况下，基于实时监测的水文水质数据、水系断面数据、点源排放实测数据进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数。
在水体进口边界条件未知的情况下，基于步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、点源排放实测数据、气象实测数据对水体边界上与模型率定同期的流量或者水质数据进行还原，并结合实时监测的水文水质数据、水系断面数据、点源排放实测信息进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数。
具体步骤为：
①获取河网信息、河道的横断面数据和点源位置信息，河网信息是指河网的平面数据，河道的横断面数据包括横断面的起点距-高程-糙率信息、横断面与下游断面的距离点源概化后所处的断面等。
②对河段、汊点、断面进行编号，建立汊点和各河段的对应关系。
③采用Preissmann四点偏心格式和有限差分法对控制方程组进行离散。水流的控制方程组为一维圣维南方程组
连续方程：
运动方程：
污染物输移的控制方程为一维对流扩散方程
式中：A为断面过水面积，采用水位、(1)中横断面数据进行计算；Q为断面过水流量；ql为水量的源汇项，表示由于排水或者引水引起的源汇项，这里排水引起的源汇项由点源排水量计算得到；α1为动能系数，可取为1；H为断面水深；i为河底坡降；
为摩阻比降；其中n为糙率；R为水力半径；g表示重力加速度；C为污染物的断面平均浓度；Ex为一维扩散系数，一般由经验公式计算得到；k为污染物降解系数，可以根据经验取值；S1为河床底泥释放速率，由现场取样得到；S2为点源排放造成的源汇项。
④在汊点处，假定汊点没有调蓄能力，且没有能量损失
式中：i和j分为汊点处河段的序号；m为汊点处河段的总数；Qi为汊点处第i个河段的流量；Zi和Zj分别表示汊点处第i和j个河段的水位。⑤给定河流的横断面水深、流量、污染物初始条件、初始糙率和初始污染物降解系数、源项(点源排放的时间和排污量)，在河系的首尾断面设置入流和出流边界条件。
⑥通过t时刻各断面的水位、流量的初始值、上下游边界条件、汊点约束条件、水量的源汇项，通过求解一维圣维南方程组离散后的方程组，得到各河段t+1时刻各断面的水力要素值；将流量值初始值、河床底泥释放速率、源汇项赋给一维对流扩散方程的离散方程，求解得到污染物的浓度。
⑦将t+1时刻求解得到的水力要素、污染物的浓度作为下一个求解时段的初始值，不断循环，直到求解结束。
⑧根据水动力水质模拟结果与实测水文水质数据的对比，不断调整糙率和污染物降解系数。
⑨进行步骤⑥～⑧，直到水动力水质模拟结果与实测水文水质数据符合较好为止。
(2)在构建了断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，进行水动力水质模型参数估算：
利用水位-流量-率定后的糙率库中的数据，分段回归出糙率值与水位、流量的关系式，利用最新的水位、流量数据计算出糙率值。
利用水温-溶解氧-率定后的降解系数库中的数据，分段回归出降解系数与水温、溶解氧的关系式，利用最新的水温、溶解氧数据计算出降解系数。
步骤4、水体边界条件预报
采用步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、最新的点源排放实测数据、气象预报数据对研究区域进口边界上的流量或者水质数据进行预报。
如果采用流域模型模拟，采用SWAT模型或者HSPF模型，根据气象预报数据、地理信息和土地管理信息、水系矢量数据及最近更新的点源排放实测数据，对水体进口的流量和水质进行预测。
如果采用快速估算模型模拟，根据水系矢量数据、气象预报数据、地理信息和土地管理信息、最近更新的点源排实测数据，采用训练好的神经网络模型预测研究水体进口的流量和水质数据。
步骤5、水动力水质预报
将步骤3中率定/估算的糙率和污染物的降解系数和步骤4中预报的研究水体进口边界条件替换步骤3中的(1)⑤的旧数据，采用最新一段时间T(如T＝7日)点源排放量数据，进行步骤3中的(1)⑥-⑦，得到研究水体控制断面的水动力水质预报结果。
步骤6、水质预警及排污量减排反馈
在研究区域的水体内有若干个控制断面，当一段特定的时间T(如T＝7日)水质预报的时间平均结果超过控制断面污染物浓度最高限值，此时平台通过APP或者以短信形式发送预警和反馈：包括企业的实际入河量(即企业现在的排放量)、达标排污量(即允许的排放量)、应削减的排污量(即减排量)。
按照现有先进工艺水平，根据产量进行企业入河量的估算，再次进行水动力水质过程模拟：①如果控制断面污染物浓度达标，则只需生产工艺落后的企业进行减排，将企业现在的排放量、允许的排放量、企业的减排量发送到各其企业，其中不需要减排的企业的减排量0；②如果控制断面污染物浓度仍不达标，则需要所有涉及企业进行减排，将各企业的排放量和允许的排放量、企业的减排量发送到各其企业。
(1)企业达标排污量估算
根据社会经济发展的水平确定企业的标准生产工艺，实测标准生产工艺下企业的排污系数，进而确定企业在一段时间T内(如T＝7日)在标准排污水平下企业的达标排污量
Wsi＝Gi×ni×λi
式中，Wsi为第i个企业的达标排污量；Gi为第i个企业的生产能力，以产量计；n是标准排污水平下企业单位产量的排污系数；λi为第i个企业的入河系数，以排污距离、水温估算。
(2)估算企业实际入河量
以模型预报当时计算企业最近一段时间T(如T＝7日)的排污量，根据企业排污口的排污浓度、排水量、入河系数估算企业的实际入河量
式中，Wmi为第i个企业实际入河量，j表示一个管控时段内之监测的频次和个数；Qij为排水流量；cij为排水浓度；Δt为数据采集时间间隔。
(3)减排量计算及反馈
①减排生产工艺水平落后的产业满足要求
将所有没有达标排放的企业(Wmi＞Wsi)，将Wsi换算为源项，进行步骤5，如果计算结果未来一段时间T(如T＝7日)控制断面时间平均浓度达标，将企业限排时间T、实际排放入河量Wmi、达标排放量Wsi、企业的减排量Wsi-Wmi(达标排放的企业此项为0)发送给企业。
②减排生产工艺水平落后的产业不能满足要求
将所有没有达标排放的企业(Wmi＞Wsi)，将Wsi换算为源项，进行步骤5，如果此时控制断面浓度仍不达标。则将βWsi换算为源项，β从0.99开始试算，不断进行步骤5，直到控制断面浓度达标为止，将企业限排时段实际排放入河量Wmi、达标排放量βWsi、企业的减排量Wsi-βWmi(达标排放的企业此项为0)发送给企业。
最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案(比如各种公式的运用、步骤的先后顺序等)进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。
Claims (7)
1.一种动态水环境管理方法，其特征在于：包括以下步骤：
步骤1、进行水环境相关信息收集和监测，进行水质与特征污染物的分析，确定水动力水质模型的模拟对象；
步骤2、水体进口边界条件模型率定或训练：采用流域模型或者快速估算模型作为水体进口边界条件模型，基于水系矢量数据、地理信息、土地管理信息、点源排放实测数据、气象实测数据、水文水质数据率定流域模型的参数或者对快速估算模型进行训练；步骤2中采用快速估算模型模拟，其计算步骤为：在水文水质数据时间跨度大于一年且有每日数据的情况下，采用水系矢量数据、地理信息和土地管理信息、气象实测数据、点源排放实测信息，对神经网络模型进行训练；
步骤3、水动力水质模型参数率定：糙率和污染物的降解系数的率定或估算；步骤3中：(1)在没有构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，进行水动力水质模型参数率定，结合水体进口边界条件，基于实时监测的水文水质数据、水系断面数据、点源排放实测数据进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数；(2)在构建了断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，利用数据回归关系式估算水动力水质模型的糙率和污染物降解系数；
步骤4、水体边界条件预报：采用步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、最新的点源排放实测数据、气象预报数据对研究区域进口边界上的流量或者水质数据进行预报；
步骤5、水动力水质预报：利用步骤3中率定或估算的糙率和污染物的降解系数及步骤4中获得的水体边界条件预报结果，采用水系断面数据、最新监测到的点源排放实测数据进行研究区域的水动力水质变化模拟，得到研究区域水体控制断面的水动力水质变化过程；
步骤6、水质预警及排污量减排反馈：如果水动力水质预报结果中控制断面污染物浓度超标，则向企业发送预警，并监测企业排污量减排反馈结果。
2.根据权利要求1所述的动态水环境管理方法，其特征在于：步骤1中收集和监测的信息包括：
a.水体基本信息：包括水系矢量数据、不同的水体功能分区、水体的名字、水体的位置、水体的管理责任人；
b.地理信息及土地管理信息：包括土壤类型数据、土地利用类型数据、遥感影像图、DEM数据、农业灌溉及施肥信息；
c.水体断面数据：包括河道的断面数据及糙率数据；
d.点源基本信息：包括排污入河口经纬度、排污的企业名称、位置、经营范围、生产工艺、工序；
e.测站基本信息：包括实时监测天气数据的气象站的经纬度和海拔、水文监测站和水质监测站的经纬度；
f.气象实测数据：包括日期、时间、实时监测的降雨量、蒸发量、太阳辐射量、风速；
g.气象预报数据：包括未来特定时间的降雨量、蒸发量、太阳辐射量、风速预测结果；
h.水文水质数据包括：包括实时监测的流量、水位、流速、TN、TP、COD、DO的浓度，以及温度；
I.点源排放实测数据：点源排放流量和污染物浓度。
3.根据权利要求1所述的动态水环境管理方法，其特征在于：步骤3中：(1)在没有构建断面水位-流量-率定后的糙率库和水温-溶解氧-率定后的降解系数库时，进行水动力水质模型参数的率定：在水体进口边界条件已知的情况下，基于实时监测的水文水质数据、水系断面数据、点源排放实测数据进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数；在水体进口边界条件未知的情况下，基于步骤2中率定好的流域模拟或者训练过的快速估算模型，利用水系矢量数据、地理信息、土地管理信息、点源排放实测数据、气象实测数据对水体边界上与模型率定同期的流量或者水质数据进行还原，并结合实时监测的水文水质数据、水系断面数据、点源排放实测信息进行水动力水质变化过程的再现，率定水动力水质模型的糙率和污染物的降解系数。
4.根据权利要求3所述的动态水环境管理方法，其特征在于：步骤3(1)中水动力水质模型参数率定的具体过程：
1)获取河网信息、河道的横断面数据和点源位置信息，所述河网信息是指河网的平面数据，河道的横断面数据包括横断面的起点距-高程-糙率信息、横断面与下游断面的距离、点源概化后所处的断面；
2)对河段、汊点、断面进行编号，建立汊点和各河段的对应关系；
3)采用Preissmann四点偏心格式和有限差分法对控制方程组进行离散，水流的控制方程组为一维圣维南方程组：
连续方程：
运动方程：
污染物输移的控制方程为一维对流扩散方程：
式中：A为断面过水面积；Q为断面过水流量；ql为水量的源汇项，表示由于排水或者引水引起的源汇项；α1为动能系数；H为断面水深；i为河底坡降；
为摩阻比降；其中n为糙率；R为水力半径；g表示重力加速度；C为污染物的断面平均浓度；Ex为一维扩散系数；k为污染物降解系数；S1为河床底泥释放速率；S2为点源排放造成的源汇项；
4)在汊点处，假定汊点没有调蓄能力，且没有能量损失：
式中：i和j分为汊点处河段的序号；m为汊点处河段的总数；Qi为汊点处第i个河段的流量；Zi和Zj分别表示汊点处第i和j个河段的水位；
5)给定河流的横断面水深、流量、污染物初始条件、初始糙率和初始污染物降解系数、源项，所述源项即点源排放的时间和排污量，在河系的首尾断面设置入流和出流边界条件；
6)采用t时刻各断面的水位、流量的初始值、上下游边界条件、汊点约束条件、水量的源汇项，通过求解一维圣维南方程组离散后的方程组得到各河段t+1时刻各断面的水力要素值；将流量的初始值、河床底泥释放速率、源汇项赋给一维对流扩散方程的离散方程，求解得到污染物的浓度；
7)将t+1时刻求解得到的水力要素、污染物的浓度作为下一个求解时段的初始值，不断循环，直到求解结束；
8)根据水动力水质模拟结果与实测水文水质数据的对比，不断调整糙率和污染物降解系数；
9)重复进行步骤6)～8)，直到水动力水质模拟结果与实测水文水质数据的符合度达到预设的阈值为止。
5.根据权利要求4所述的动态水环境管理方法，其特征在于：步骤5中水动力水质预报的具体操作为：将步骤3中率定/估算出来糙率和污染物的降解系数和步骤4中预报的水体进口边界条件替换步骤3(1)中5)的旧数据，采用预设的最新一段时间T点源排放实测信息数据，进行步骤3(1)中6)-7)，得到研究水体控制断面的水动力水质预报结果。
6.根据权利要求1所述的动态水环境管理方法，其特征在于：步骤3(2)中水动力水质模型参数估算的具体过程：利用断面水位-流量-率定后的糙率库中的数据，分段回归出糙率值与水位、流量的关系式，利用最新的水位、流量数据计算出糙率值；利用水温-溶解氧-率定后的降解系数库中的数据，分段回归出降解系数与水温、溶解氧的关系式，利用最新的水温、溶解氧数据计算出污染物的降解系数。
7.根据权利要求1所述的动态水环境管理方法，其特征在于：步骤6中具体操作为：如果水动力水质预报结果中控制断面污染物浓度超标，按照现有先进工艺水平，根据产量进行企业入河量的估算，再次进行水动力水质过程模拟：①如果控制断面污染物浓度达标，则只需生产工艺落后的企业进行减排，将企业现在的排放量、允许的排放量、企业的减排量发送到各其企业，其中不需要减排的企业的减排量0；②如果控制断面污染物浓度仍不达标，则需要所有涉及企业进行减排，将各企业的排放量和允许的排放量、企业的减排量发送到各其企业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182288.9A CN112883644B (zh) | 2021-02-10 | 2021-02-10 | 一种动态水环境管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110182288.9A CN112883644B (zh) | 2021-02-10 | 2021-02-10 | 一种动态水环境管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883644A CN112883644A (zh) | 2021-06-01 |
| CN112883644B true CN112883644B (zh) | 2022-03-01 |
Family
ID=76056368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110182288.9A Active CN112883644B (zh) | 2021-02-10 | 2021-02-10 | 一种动态水环境管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112883644B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113326646B (zh) * | 2021-06-10 | 2023-02-03 | 西安理工大学 | 一种深埋超长高地温输水隧洞水质预测方法 |
| CN113379262B (zh) * | 2021-06-18 | 2022-06-07 | 武汉大学 | 河道内水草影响电站发电的风险预警方法及系统 |
| CN113739879B (zh) * | 2021-10-14 | 2024-03-26 | 四创科技有限公司 | 一种明渠量测水率定方法及终端 |
| CN115115485B (zh) * | 2022-03-30 | 2024-05-14 | 重庆大学 | 一种基于控制单元水质目标分类管理的水环境容量核定方法 |
| CN114648167B (zh) * | 2022-04-02 | 2024-01-23 | 重庆市生态环境科学研究院 | 一种基于山地流域污染负荷的水质预警系统及预警方法 |
| CN115316314B (zh) * | 2022-07-08 | 2023-06-09 | 西双版纳云博水产养殖开发有限公司 | 一种叉尾鲇的人工繁殖方法 |
| CN116416108A (zh) * | 2023-06-12 | 2023-07-11 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于多项因素进行同步分析的城市小微水体风险评估方法 |
| CN117451114B (zh) * | 2023-12-26 | 2024-02-27 | 北京中碳方舟科技有限公司 | 一种碳排放监测系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101426848A (zh) * | 2006-04-18 | 2009-05-06 | 博里利斯技术公司 | 具有改进的应力致白抗性的电缆层 |
| CN110728035A (zh) * | 2019-09-24 | 2020-01-24 | 河海大学 | 一种基于控制断面水质达标的污染物总量控制方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663223B (zh) * | 2011-12-27 | 2016-05-25 | 中国科学院生态环境研究中心 | 复杂河网突发污染事件动态污染场计算方法 |
| CN106202618B (zh) * | 2016-06-24 | 2019-03-19 | 珠江水利委员会珠江水利科学研究院 | 工程调度与感潮河网污染物输移过程耦合的数值模拟方法 |
| CN107992960A (zh) * | 2017-11-03 | 2018-05-04 | 中山大学 | 河口区咸潮上溯含氯度模拟预报方法 |
| CN107885958B (zh) * | 2017-12-04 | 2021-11-26 | 中山大学 | 一种平原感潮河网区纳污能力计算方法 |
| CN108153978B (zh) * | 2017-12-26 | 2021-11-05 | 武汉大学 | 一种基于水动力水质模型的污染源普查结果达标评估方法 |
| CN108550096A (zh) * | 2018-03-06 | 2018-09-18 | 河海大学 | 对滨江水体水环境整治的生态引调水方法 |
| US11715001B2 (en) * | 2018-04-02 | 2023-08-01 | International Business Machines Corporation | Water quality prediction |
| CN110222372A (zh) * | 2019-05-08 | 2019-09-10 | 中国水利水电科学研究院 | 一种基于数据同化的河网水流水质实时预测方法及装置 |
| CN110458359B (zh) * | 2019-08-13 | 2022-08-19 | 河海大学 | 一种基于未完全截污条件下的平原河网水量水质优化调控方法 |
| CN112163382B (zh) * | 2020-10-09 | 2021-05-25 | 中国环境科学研究院 | 一种平原圩区河网水动力模拟方法 |
-
2021
- 2021-02-10 CN CN202110182288.9A patent/CN112883644B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101426848A (zh) * | 2006-04-18 | 2009-05-06 | 博里利斯技术公司 | 具有改进的应力致白抗性的电缆层 |
| CN110728035A (zh) * | 2019-09-24 | 2020-01-24 | 河海大学 | 一种基于控制断面水质达标的污染物总量控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112883644A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112883644B (zh) | 一种动态水环境管理方法 | |
| CN108376318B (zh) | 一种排水管网入流入渗评估方法及系统 | |
| Benedetti et al. | Modelling and monitoring of integrated urban wastewater systems: review on status and perspectives | |
| Chen et al. | Quantifying nonpoint source emissions and their water quality responses in a complex catchment: A case study of a typical urban-rural mixed catchment | |
| Lee et al. | Comparative evaluation of runoff and water quality using HSPF and SWMM | |
| Saunders et al. | A GIS assessment of nonpoint source pollution in the San Antonio-Nueces coastal basin | |
| Li et al. | Modeling the Quality and Quantity of Runoff in a Highly Urbanized Catchment Using Storm Water Management Model. | |
| Horowitz | Monitoring suspended sediments and associated chemical constituents in urban environments: lessons from the city of Atlanta, Georgia, USA Water Quality Monitoring Program | |
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN112711840B (zh) | 一种基于云边协同的流域突发水污染溯源方法 | |
| CN114723179A (zh) | 一种基于水量水质联合管控的水环境预警溯源系统和方法 | |
| CN109522645B (zh) | 用于河流流域的水质模拟方法及系统 | |
| CN113505471A (zh) | 一种河流断面污染物浓度预测计算方法 | |
| CN114169266B (zh) | 一种河流污染源解析和污染物运移计算方法及系统 | |
| Järveläinen et al. | Land-use based stormwater pollutant load estimation and monitoring system design | |
| Zhang et al. | Simple models and analytical procedures for total maximum daily load assessment | |
| Soltaninia et al. | The effects of antecedent dry days and land use types on urban runoff quality in a semi-Arid region | |
| Mazzoleni et al. | Towards assimilation of crowdsourced observations for different levels of citizen engagement: the flood event of 2013 in the Bacchiglione catchment | |
| David et al. | Development of an integrated system for early warning of recreational waters contamination | |
| CN208654841U (zh) | 一种水质预警预报系统 | |
| KR100599848B1 (ko) | 비점오염원 모니터링 방법 및 시스템 | |
| Yao et al. | Characterizing pollutant loading from point sources to the Tongqi River of China based on water quality modeling | |
| CN102226332A (zh) | 一种基于环境监测反馈的调水方法 | |
| CN106682271B (zh) | 一种确定swmm水质冲刷模型参数的方法 | |
| CN117890553B (zh) | 一种水文水资源监控系统 |
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 |