CN113533445B - 一种考虑参数不确定性的二维水污染溯源方法 - Google Patents
一种考虑参数不确定性的二维水污染溯源方法 Download PDFInfo
- Publication number
- CN113533445B CN113533445B CN202110669117.9A CN202110669117A CN113533445B CN 113533445 B CN113533445 B CN 113533445B CN 202110669117 A CN202110669117 A CN 202110669117A CN 113533445 B CN113533445 B CN 113533445B
- Authority
- CN
- China
- Prior art keywords
- value
- cost function
- pollutant
- concentration
- monitoring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000003911 water pollution Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 23
- 231100000719 pollutant Toxicity 0.000 claims abstract description 23
- 238000009792 diffusion process Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 4
- 239000000356 contaminant Substances 0.000 claims description 2
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 238000011109 contamination Methods 0.000 claims 2
- 238000013398 bayesian method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/06—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明公开了一种考虑参数不确定性的二维水污染溯源方法，基于局部再收敛微分进化算法实现。针对二维水污染溯源过程中参数不确定性影响溯源精度这一问题，利用局部再收敛微分进化算法，仅将下游监测点所测浓度值、监测点位置与河流平均深度作为已知量，而在以往研究中常作为已知量的纵向流速、横向流速、纵向扩散系数、横向扩散系数与污染源释放总量、污染源释放位置、污染物释放时间共同作为未知参数一同求解。结果表明，所求污染源释放总量、污染源释放位置与污染源释放时间具有较好的精度，减小了参数不确定性对溯源结果的影响。
Description
技术领域
本发明专利涉及污染源定位，具体涉及基于局部再收敛微分进化算法，考虑参数不确定性的二维水污染溯源方法。
背景技术
近年来，随着我国城镇化与工业化进程的持续推进，如船舶运输化学品的泄露、污水管道爆裂、企业违规偷排等水污染事故发生频率呈现逐年上升的趋势，对环境与社会造成巨大影响，污染发生后，识别污染源的释放总量、释放位置、释放时间成为了近年来研究的热点。文献基于贝叶斯方法的突发水污染事件溯源研究，使用基于贝叶斯和马尔科夫蒙特卡洛方法的污染源信息反演算法，虽然计算精度高，但该算法收敛速度慢，且难以适用于二维水域；文献基于BAS算法的河渠突发水污染溯源结合正向的质量浓度与逆向位置信息之间的关系，实现了污染源实现了污染源释放总量与其他污染源参数的解耦，但该算法计算结果受监测设备噪声的影响较大；文献基于拟牛顿法的二维水污染扩散源溯源定位采用拟牛顿法求解污染源关键参数，得到了较高的精度，但需要较多的传感器采集下游污染物浓度信息。但是，上述研究与其他研究大多都没有考虑参数的不确定性对溯源结果的影响，这些参数包括纵向流速、横向流速、纵向扩散系数、横向扩散系数等，这些参数的精确度对溯源结果影响较大。
发明内容
本发明的目的就是为了解决上述现有技术存在的不足，提供一种考虑参数不确定性的二维水污染溯源算法，避免参数误差降低溯源精度。
本发明的目的可以通过以下技术方案来实现：
一种考虑参数不确定性的二维水污染溯源算法，其特征在于，包括以下步骤：
步骤S1：选择至少四个监测点采集待测水域污染物浓度值，各节点的位置坐标分别表示为(x1，y1)，(x2，y2)，...，(xn，yn)。
步骤S2：通过电导率传感器测量各监测点的电导率值，基于电导率与污染物浓度的函数关系，将电导率转化为污染物浓度值Ci，同一监测点的不同时间的浓度监测值以向量Ci，j＝[Ci，1，Ci，2，…，Ci，n]表示，其中i＝1，2，…，m表示监测点个数，j＝1，2，…，n表示该观测点所监测到的浓度值个数。
步骤S3：在t0时刻向坐标为(x0，y0)处投放总质量为M的污染物，在t时刻计算监测点(xi，yi)处污染物的理论浓度值为：
具体参数的物理意义如表1所示。
步骤S4：将步骤S3得到的理论浓度值C′i，j与步骤S2得到的监测点浓度值Ci，j带入代价函数，代价函数具体表达式如下：
步骤S5：基于局部再收敛微分进化算法求解代价函数的极值点，该极值点即为污染物释放总量、释放位置、释放时间。
进一步的，步骤S5中基于局部再收敛微分进化算法求解代价函
表1参数的物理意义
数极值点的步骤为：
S51、估计污染物总量、污染物位置、污染物释放时间、监测水域纵向流速、横向流速、纵向扩散系数、横向扩散系数的大致取值范围，作为局部再收敛微分进化算法的参数搜索范围。
S52、从待求解参数的取值范围内取随机数作为局部再收敛微分进化算法的初始值X＝(M，x0，y0，t0，ux，uy，Dx，Dy)，设定初始种群个数NP＝50，最大迭代次数N＝1000，收敛阈值为e＝10-2。
S53、将X代入到步骤S4的代价函数，计算代价函数值是否小于等于阈值e，若代价函数值小于收敛阈值e或达到最大迭代次数N，结束迭代，X即为待求的最优解；若代价函数值大于阈值e，则进入S54。
S54、对X进行变异操作，当连续200次迭代内X的取值发生变化时，在Ger(1＜Ger＜maxGen)代种群中随机抽取三个两两不同的由下式生成新的变异个体
其中，CF为缩放因子，取CF＝0.5，若超出参数搜索范围，则重新生成变异个体。
当连续200次迭代内X的取值未发生变化时，进行局部再收敛，改变变异方式如下所示：
其中，为上一代种群中使代价函数值最小的最优个体。变异完成后，进入S55。
S55、对变异个体V进行交叉操作，决定是否接受S54的变异，交叉规则如下式：
其中，CR为交叉概率，取CR＝0.2；randn表示其取值为1或2中的随机值。执行完交叉操作后，进入选择操作S56。
S56、对执行完交叉操作的个体进行选择，若交叉后的个体更优，则会代替原有个体进入下一代，选择操作如下式：
其中，函数F为步骤S4的代价函数。选择操作结束后，回到S53，直到满足收敛阈值或达到最大迭代次数。
附图说明
图1为考虑参数不确定性的二维水污染溯源方法的流程图
图2为基于局部再收敛微分进化算法的流程图
图3为监测点位置分布示意图
具体实施方式
本发明的具体实施例如下：
假设河流某处发生污染事件，污染物以瞬时排放方式进入河流，污染物排放总量为M＝2500kg，污染源位置坐标为(x0，y0)＝(500m，200m)，污染源释放时间为t0＝0s，河流深度为h＝4m，纵向流速为ux＝1.5m/s，横向流速为uy＝0.1m/s，纵向扩散系数为Dx＝150m2/s，横向扩散系数为Dy＝10m2/s。
共有四个监测点分布在河流下游，坐标分别为(x1，y1)＝(2000m，100m)，(x2，y2)＝(2000m，400m)，(x3，y3)＝(2300m，100m)，(x4，y4)＝(2300m，400m)，具体分布情况见图3，监测点第一次监测到污染源的时间为t＝400s，各监测点每隔200s获取一次污染物浓度信息。
由理论浓度值附加噪声作为本例的监测浓度值，理论浓度值如下式所示：
增加噪声后所得到的监测浓度值为：
Ci＝C′i+α*w*C′i
其中，Ci为监测浓度值，C′i为理论浓度值，α为监测误差水平，取α＝0.1，w为服从-1至1之间正态分布的随机数。
将监测浓度值Ci与河流深度h带入代价函数中：
利用局部再收敛微分进化算法求解上述代价函数，需要确定待求参数的取值范围，待求参数取值范围如表2所示：
表2待求参数的取值范围
局部再收敛微分进化算法求解结果与实际值如表3所示：
表3求解结果与实际值
经过本发明中的考虑参数不确定性的二维水污染溯源方法，可以减小参数不确定性对溯源结果的影响，求解出污染源释放总量、污染源释放位置、污染源释放时间。表3的结果表明，本发明中的方法所求的溯源值精度较高。
Claims (4)
1.一种考虑参数不确定性的二维水污染溯源方法，其特征在于，包括以下步骤，
步骤S1：选择至少四个监测点采集待测水域污染物浓度值，各节点的位置坐标分别表示为(x1，y1)，(x2，y2)，...，(xn，yn)；
步骤S2：通过电导率传感器测量各监测点的电导率值，基于电导率与污染物浓度的函数关系，将电导率转化为污染物浓度值Ci，同一监测点的不同时间的浓度监测值以向量Ci，j＝[Ci，1，Ci，2，...，Ci，n]表示，其中i＝1，2，...，m表示监测点个数，j＝1，2，...，n表示该监测点所监测到的浓度值个数；
步骤S3：在t0时刻向坐标为(x0，y0)处投放总质量为M的污染物，在t时刻计算监测点(xi，yi)处污染物的理论浓度值；
步骤S4：将步骤S3得到的理论浓度值C′i，j与步骤S2得到的监测点浓度值Ci，j带入代价函数，代价函数具体表达式如下：
步骤S5：基于局部再收敛微分进化算法求解代价函数的极值点，该极值点即为污染物释放总量、释放位置、释放时间；M为污染物总质量；x0为污染源位置的纵坐标；y0为污染源位置的横坐标；t0为污染源释放的时间；h为流域的平均深度；xi为监测点i的纵坐标；C′i，j为监测点i处的第j个理论浓度分量；Dx为水域的纵向扩散系数；Dy为流域的横向扩散系数；ux为流域的纵向流速；uy为流域的横向流速；t为监测点的当前时间；yi为监测点i的横坐标；Ci，j为监测点i处的第j个实际浓度分量；
步骤S5中基于局部再收敛微分进化算法求解代价函数的步骤为：
S51、估计污染物总量、污染物位置、污染物释放时间、监测水域纵向流速、横向流速、纵向扩散系数、横向扩散系数的大致取值范围，作为局部再收敛微分进化算法的参数搜索范围，求解步骤S4的代价函数；
S52、用X表示局部再收敛微分进化算法的初始值(M，x0，y0，t0，ux，uy，Dx，Dy)，初始种群个数NP＝50，最大迭代次数N＝1000，收敛阈值为e＝10-2；
S53、将X代入到步骤S4的代价函数，计算代价函数值是否小于等于阈值e，若代价函数值小于收敛阈值e或达到最大迭代次数N，结束迭代，X即为待求的最优解；若代价函数值大于阈值e，则进入S54；
S54、对X进行变异操作，当连续200次迭代内X的取值发生变化时，在Gen(1＜Gen＜maxGen)代种群中随机抽取三个两两不同的由下式生成新的变异个体
其中，CF为缩放因子，取CF＝0.5，若超出参数搜索范围，则重新生成变异个体；
当连续200次迭代内X的取值未发生变化时，进行局部再收敛，改变变异方式如下所示：
其中，为上一代种群中使代价函数值最小的最优个体；变异完成后，进入S55；
S55、对变异个体V进行交叉操作，决定是否接受S54的变异，交叉规则如下式：
其中，CR为交叉概率，取CR＝0.2；randn表示其取值为1或2中的随机值；执行完交叉操作后，进入选择操作S56；
S56、对执行完交叉操作的个体进行选择，若交叉后的个体更优，则会代替原有个体进入下一代，选择操作如下式：
其中，函数F为步骤S4的代价函数；选择操作结束后，回到S53，直到满足收敛阈值或达到最大迭代次数。
2.根据权利要求1所述的考虑参数不确定性的二维水污染溯源方法，其特征在于，步骤S1中至少四个监测点的位置分布应位于长方形的四个顶点，且相对于河流宽度位置分布尽可能均匀，以确保两两监测点之间采集到的浓度信息有所区别。
3.根据权利要求1所述的考虑参数不确定性的二维水污染溯源方法，其特征在于，相比于以往溯源方法，已知条件只需确定待测水域的平均深度h，而对于纵向流速ux、横向流速uy、纵向扩散系数Dx与横向扩散系数Dy这四个参数，由于其取值存在不确定性，该不确定性会影响溯源结果的精度，只需知道这些参数的大概取值范围即可。
4.根据权利要求1所述的考虑参数不确定性的二维水污染溯源方法，其特征在于，步骤S3中污染物的理论浓度值由下式可得：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110669117.9A CN113533445B (zh) | 2021-06-17 | 2021-06-17 | 一种考虑参数不确定性的二维水污染溯源方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110669117.9A CN113533445B (zh) | 2021-06-17 | 2021-06-17 | 一种考虑参数不确定性的二维水污染溯源方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113533445A CN113533445A (zh) | 2021-10-22 |
| CN113533445B true CN113533445B (zh) | 2024-04-12 |
Family
ID=78096207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110669117.9A Active CN113533445B (zh) | 2021-06-17 | 2021-06-17 | 一种考虑参数不确定性的二维水污染溯源方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113533445B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115330132B (zh) * | 2022-07-20 | 2023-04-07 | 中交上海航道局有限公司 | 一种用于突发污染事故中宽浅型河流的水质分布逆时反演的方法 |
| CN116338132A (zh) * | 2023-05-23 | 2023-06-27 | 苏州北控环保科技有限公司 | 一种基于河道修复的水环境监控装置及其控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194040A (zh) * | 2017-04-27 | 2017-09-22 | 西交利物浦大学 | 基于双向水流的水质监测网络多目标优化部署方法 |
| CN109670146A (zh) * | 2018-12-17 | 2019-04-23 | 中国地质大学（武汉） | 基于拟牛顿法的二维水污染扩散源溯源定位方法及系统 |
| CN110851981A (zh) * | 2019-11-12 | 2020-02-28 | 浙江量大智能科技有限公司 | 一种实现突发水污染快速溯源的方法 |
| CN111855915A (zh) * | 2020-07-30 | 2020-10-30 | 中国科学院大气物理研究所 | 一种大气污染物的溯源方法 |
| WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
-
2021
- 2021-06-17 CN CN202110669117.9A patent/CN113533445B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107194040A (zh) * | 2017-04-27 | 2017-09-22 | 西交利物浦大学 | 基于双向水流的水质监测网络多目标优化部署方法 |
| CN109670146A (zh) * | 2018-12-17 | 2019-04-23 | 中国地质大学（武汉） | 基于拟牛顿法的二维水污染扩散源溯源定位方法及系统 |
| WO2021056160A1 (zh) * | 2019-09-23 | 2021-04-01 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
| CN110851981A (zh) * | 2019-11-12 | 2020-02-28 | 浙江量大智能科技有限公司 | 一种实现突发水污染快速溯源的方法 |
| CN111855915A (zh) * | 2020-07-30 | 2020-10-30 | 中国科学院大气物理研究所 | 一种大气污染物的溯源方法 |
Non-Patent Citations (4)
| Title |
|---|
| "optimal identification of ground-water pollution source and parameter estimation";POORANsingh mahar等;《Technical papers》;第第27卷卷(第第1期期);全文 * |
| 基于耦合概率密度方法的河渠突发水污染溯源;王家彪;雷晓辉;廖卫红;王浩;;水利学报(第11期);全文 * |
| 基于贝叶斯-微分进化算法的污染源识别反问题;张双圣;强静;刘喜坤;刘汉湖;朱雪强;;山东大学学报(工学版)(第01期);全文 * |
| 无网格法的一维水质回溯、预测模拟研究;荆立;吕紫君;汪玉平;黄鹏飞;孔俊;;科学技术与工程(第17期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113533445A (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113533445B (zh) | 一种考虑参数不确定性的二维水污染溯源方法 | |
| US20220358266A1 (en) | Method and system of sudden water pollutant source detection by forward-inverse coupling | |
| CN106885576B (zh) | 一种基于多点地形匹配定位的auv航迹偏差估计方法 | |
| CN114254066A (zh) | 一种基于数字流域时空模型的污染排放确定方法和装置 | |
| CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
| CN107908889A (zh) | 部分监测点预先选定的水质监测网络多目标优化部署方法 | |
| CN109145499B (zh) | 基于河道多态计算及Arima模型的权重组合水质预测方法 | |
| CN102968529A (zh) | 一种供水管网模型计算结果不确定性区间的量化方法 | |
| CN114527249A (zh) | 一种水质监测数据质量控制方法及系统 | |
| CN117275602A (zh) | 一种流域农业面源污染的源强估计和溯源方法 | |
| CN114858207A (zh) | 一种基于软测量的河道排污口网格化溯源排查方法 | |
| Yin et al. | Identification of pollution sources in rivers using a hydrodynamic diffusion wave model and improved Bayesian-Markov chain Monte Carlo algorithm | |
| CN117421951A (zh) | 河流污染溯源方法 | |
| CN113254850A (zh) | 一种河道淤泥量监测计算方法 | |
| CN115468543B (zh) | 一种基于参数自动寻优的基流分割方法 | |
| Zhang et al. | Estimation and optimization operation in dealing with inflow and infiltration of a hybrid sewerage system in limited infrastructure facility data | |
| CN114678084B (zh) | 利用多点长系列监测数据求解污染物综合衰减系数的方法 | |
| CN111553226A (zh) | 一种基于遥感解译技术提取河流监测断面水面宽度的方法 | |
| CN115931057A (zh) | 一种基于城市水利数据的地下管道排放预警系统 | |
| CN113158591B (zh) | 一种确定流域土地开发利用承载力的方法 | |
| CN109308375A (zh) | 一种基于地貌参数的流域最优流速的测算方法 | |
| CN108229849B (zh) | 确定小型河道污染物降解系数不确定性及其风险程度的方法 | |
| Rosli et al. | Improving state estimation accuracy through incremental meter placement using new evolutionary strategy | |
| CN112381294B (zh) | 一种排污去向预测分析方法 | |
| CN111859820A (zh) | 一种基于后验分布的糙率分区率定方法及系统 |
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 |