CN114638114A - 一种面向水污染溯源的应急监测方法和溯源方法 - Google Patents
一种面向水污染溯源的应急监测方法和溯源方法 Download PDFInfo
- Publication number
- CN114638114A CN114638114A CN202210303801.XA CN202210303801A CN114638114A CN 114638114 A CN114638114 A CN 114638114A CN 202210303801 A CN202210303801 A CN 202210303801A CN 114638114 A CN114638114 A CN 114638114A
- Authority
- CN
- China
- Prior art keywords
- pollution
- monitoring
- section
- tracing
- source
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
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
本发明提供了一种面向水污染溯源的应急监测方法和溯源方法,应急监测方法包括:获取污染源的先验分布信息;在管控水域设置哨点断面Se 0 ,并设置污染物超标响应报警,判定污染团的当前可能分布和流经历程;计算污染团长度L t ;布设监测断面间距Δd;确定应急监测断面的上下游位置;确定采样时间间隔ΔT和临界时刻T c 。溯源方法包括:采样后,采用数值反演法溯源,并通过数据同化和多源信息融合更新污染源源项θ,得到溯源结果后开始污染源排查,确定污染源位置;根据反演得到的污染排放历史时刻和排放污染物质量评估污染危害程度评估,并进行风险预警。本发明可以快速且准确的实现面向水污染事件溯源的应急监测。
Description
技术领域
本发明属于环境技术领域,具体涉及面向水污染溯源的应急监测方法和溯源方法。
背景技术
突发的水污染事件会对水体生态环境造成严重的危害,给公众卫生带来威胁。因此,需要及时处理处置突发的水污染事件,以防止更大环境污染后果的产生。然而突发污染事故往往具有随机性和突发性的特点,常规的固定水质监测站并不能及时捕捉到污染来源,需要结合经验和技术来确定污染来源。基于水动力学数值反演方法在可控边界条件下使用,可以得到污染排放历程信息。然而研究和实践中,溯源计算所需要的污染物穿透曲线的监测历史过长,应急监测断面也不知如何布设,采样起止和间隔没有科学指导依据,时效性和实际操作性很低。
因此,有必要解决上述技术问题。
发明内容
本发明的目的在于克服上述现有技术的不足,提供了一种面向水污染溯源的应急监测方法和溯源方法。
第一方面,本发明提供的面向水污染溯源的应急监测方法包括下述步骤:
S1根据管控水域的信息数据库获取污染源的先验分布信息;
S2在所述管控水域设置哨点断面Se0,并设置污染物超标响应报警,根据所述哨点断面Se0的观测数据判定污染团的当前可能分布和流经历程;若该点位的浓度时间序列持续上升,则表明所述哨点断面Se0位于污染团的前锋位置;若浓度时间序列出现峰值,则表明污染团峰值已经经过哨点断面Se0;
S3计算污染团可能的长度Lt:
式中:Dx为纵向平均扩散系数,m2/min;T为污染物排放时刻距离0时刻(哨点断面超标报警时刻定义为0时刻)的时间,min;
S4布设监测断面间距Δd:
式中:N为监测断面数量;Λ为临界时刻Tc与穿透曲线总历时TBTC的比值;
S5根据下游基准应急监测断面Sed与哨点断面Se0的距离Le确定应急监测断面的上下游位置;若哨点断面Se0位于污染团的前锋位置,则其余断面按照间隔Δd依次向基准断面上游布设;若污染团峰值已经经过哨点断面Se0,则其余断面按照间隔Δd依次向基准断面下游布设。
Le=U×(tb+tx) (3)
式中:U为河流平均流速,m/min;tb应急监测断面所需要的调配时间, min;tx为断面水样采集所需要的时间,min;
S6对污染团水域的采样时间进行设计,确定采样时间间隔ΔT和临界时刻Tc:
第二方面,本发明提供的面向水污染的溯源方法包括下述步骤:
S1获取哨点监测断面的水质常规指标监测数据;
S2对异常的超标水质监测数据进行预警预报;污染物超标响应报警时,根据应急监测数据判断污染团的位置,采用上述面向水污染的应急监测方法采样;
S3采样达到临界时刻Tc后,采用数值反演法溯源,并通过数据同化和多源信息融合更新污染源源项θ,得到溯源结果;
S4按照溯源结果的预估范围开始污染源排查,确定污染源位置;
S5根据反演得到的污染排放历史时刻和排放污染物质量评估污染危害程度评估,并进行风险预警。
本发明具有下列技术效果:
本发明在固定监测站上下游的污染团可疑分布位置布设移动监测断面,采取同一时刻不同空间位置的污染物浓度监测数据,通过数据同化方法,动态更新污染源信息,指导执法人员前往污染源现场排查处置,大大减少了溯源环节的耗时。并且考虑到突发污染事件的污染物成分往往不止一种,还可以融合多个污染物信息,将溯源计算结果融合处理,提升数值溯源技术的稳健性和实操能力。
本发明所提供的面向水污染溯源的应急监测方法,首先获取污染源的先验分布信息,根据应急观测数据判断污染团相对监测断面的相对位置,并依据先验信息中的源项排放时间估算污染团有效长度。在此基础上,确定采用的监测断面数量、位置、布设间隔,并且确定监测频率和所需的监测临界时间。整个方法过程简单,易编程实现,适用于不同的河流水利水文条件,且能在非常短的时间获取足够的监测浓度信息,具有断面布设简单,溯源时效性强和准确性高的特点。
附图说明
图1为本发明实施例1中面向水污染溯源方法的实施例流程图;
图2为本发明实施例1采用三个监测断面采集数据的计算结果图;
图3为本发实施例1采用单个监测断面采集数据的计算结果图;
图4为本发明实施例2采用贝叶斯方法耦合多源信息融合计算结果图;
图5为本发明实施例3参数Λ在不同Pe值下的实验拟合结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明首先提供了一种面向水污染溯源的应急监测方法,包括下述步骤:
S1根据管控水域信息数据库获取污染源的先验分布信息。
水域信息数据库包水域信息数据库含了管控河段的污染风险源分布信息,以及常见污染物的水文水动力特征。当开展应急溯源监测时,从水域信息数据库,可获取超标污染物的衰减系数K、纵向扩散系数Dx和污染源的可能分布信息等。
河流污染应急溯源中的污染源先验分布信息往往有限,因此选择均一分布作为优先考虑的先验概率密度函数。但是如果河流某区段存在大量风险源,如化工区、养殖场等,可优先考虑该污染源出现在该区段的可能性,从而设置综合的概率密度函数。为方便设计监测网络,将参数均一分布的中心位置或综合概率密度的概率密度最大值点设置为初始的源项参数θ0,包括污染源的排放质量M0、污染源位置X0、污染源排放时刻T0。S2在所述管控水域设置哨点断面Se0,即设置在固定位置的自动监测站点,然后根据所述哨点断面Se0的观测数据判定污染团的当前可能分布和流经历程,并设置污染物超标响应报警。
所述哨点监测断面应急监测的具体操作方法为:
哨点断面的自动监测站在接收到污染预警预报之后,启动应急监测程序,提升监测频率。在应急物资及人员调配达到现场前,一直保持应急监测状态,根据应急监测数据判定污染团相对哨点断面的位置。在发现污染团的初始时间段内,若该点位的浓度时间序列持续上升,则表明所述哨点断面Se0位于污染团的前锋位置(情景1);若浓度时间序列出现峰值,则表明污染团峰值已经经过哨点断面Se0(情景2)。
S3计算污染团可能的长度Lt。
污染团长度估算公式的推导过程为:
基于污染物对流扩散模型,假设模型参数为常数,污染物在水平和垂直方向上完全混合,通过特征线等方法可以得到不同条件下的水质模型解析解。针对点源瞬时排放的一维模型为:
距离排放源下游x处出现最大浓度的时刻(该方程以污染物排放时刻为坐标原点),相应的最大浓度为则对应时刻污染物的空间浓度分布曲线满足正态分布,即在(-3σx,3σx)的范围内,曲线下的面积占总面积的99.7%,所以可将6σx这个长度定义为污染团的有效长度。基于估算的排放时刻T,污染团的有效长度公式为:
考虑到污染溯源研究中源位置未知,未将坐标原点建立在源排放处和排放时刻。虑到研究问题的特征时间尺度,将时间单位设定为min。
式中:A为河流断面面积,m2;Dx为纵向平均扩散系数,m2/min;U 为河流平均流速,m/min;K为污染物衰减系数,min-1;T为估算的污染物排放时刻距离哨点断面超标报警时刻的时间,min;t为的污染物排放时刻距离监测时刻的时间,min;x为监测点距污染源距离,m。
S4布设监测断面间距Δd:
对于单条监测断面,当监测到的穿透曲线达到约Λ(临界时刻Tc与穿透曲线总历时TBTC的比值)条穿透曲线时,概率统计方法溯源计算的误差置信区间收敛,并且可以获得较为精确的计算结果。根据信息熵原理推定,若采用多个平行监测断面监测同个时间片上不同空间位置的穿透曲线段落,各段落拼接而成的穿透曲线与单个监测断面获取的相同长度的穿透曲线具有相近的信息熵,即使用拼接而成的穿透曲线段落进行计算可以获得与单个监测断面获取的相同长度的穿透曲线相近的结果。因此,应急监测断面的间距设置为:
式中:N为监测断面数量;Λ为临界时刻Tc与穿透曲线总历时TBTC的比值;
进一步的,所述监测断面数量N按照下述步骤确定:
(1)使获取临界时刻Tc小于或等于人力排查的部署时间;
(2)以采样设备的部署成本和溯源时间成本为约束条件,优化监测断面数量N;
(3)结合河道水文水动力条件最终确定所述监测断面数量N。
进一步的,所述临界时刻Tc与穿透曲线总历时TBTC的比值Λ的计算方程通过算例实验拟合得出,并经过了信息熵理论的论证,计算公式为:
式中:Pe为流体力学中的普雷特准数,L为特征长度,其中,
S5根据下游基准应急监测断面Sed与哨点断面Se0的距离Le确定应急监测断面的上下游位置;若哨点断面Se0位于污染团的前锋位置,则其余断面按照间隔Δd依次向基准断面上游布设;若污染团峰值已经经过哨点断面Se0,则其余断面按照间隔Δd依次向基准断面下游布设。
Le=U×(tb+tx) (11)
式中:U为河流平均流速,m/min;tb为应急监测断面所需要的调配时间,min;tx为断面水样采集所需要的时间,min;
S6对污染团水域的采样时间进行设计,确定采样时间间隔ΔT和临界时刻Tc:
临界时刻Tc的公式推导过程如下:
如前所述,若采用多个平行监测断面监测同个时间片上不同空间位置的穿透曲线段落,各段落拼接而成的穿透曲线与单个监测断面获取的相同长度的穿透曲线具有相近的信息熵。因此,可以推定,当采用多个监测断面时,临界时刻 Tc约为多断面中心位置监测Λ条穿透曲线的1/N。
采用多个监测断面时,临界时刻Tc为:
式中:T′c为单个监测断面监测Λ条穿透曲线所需时间,m;Tc为多监测断面临界时刻,min。
进一步地,根据临界时刻Tc确定采样时间间隔ΔT,其确定的原则为:
(1)使最小采样时间间隔大于从监测仪器采样到每次溯源计算结果得出所需时间;
(2)在满足不小于最小采样时间间隔的前提下,缩短采样时间;
(3)根据所述监测断面数量N及临界时刻Tc选择采样时间间隔ΔT。
进一步地,河段平均流速U纵向弥散系数Dx的确定方式为:
根据管控河道的历史水文数据估算或实地测量该河段的流速U;
根据先期的水文资料估算污染物的纵向弥散系数Dx。
按照上述面向水污染溯源的应急监测方法布设监测网络,并按照设定的时间间隔进行断面平行采样,获取河道中污染团的时空采样数据,该数据将用于污染溯源计算。
参见图1,基于上述面向水污染溯源的应急监测方法,本发明还提供了一种面向水污染的溯源方法,包括下述步骤:
S1获取哨点监测断面的水质常规指标监测数据;
S2污染物超标响应报警时,根据应急监测数据判断污染团的位置,采用面向水污染的应急监测方法采样;
S3采样达到临界时刻Tc后,并通过数据同化和多源信息融合更新污染源源项θ,得到溯源结果;
本步骤中,水污染溯源的数据同化输入的具体步骤为:
S31获取最新的第i次多断面平行采样监测数据,并添加到数据输入矩阵中,其中i=1,2,…,n;
S32将第i-1次溯源计算的结果设置为第i次计算时的污染源源项先验分布,以第i-1组数据的解作为起点,进行二次寻优;
S33同步更新第i次采样后的似然函数,拟定第i次计算的目标函数,随后进行本次溯源计算;
S34重复步骤S31~S33,达到Tc时刻后得到稳健的溯源结果。
进一步地,所述污染源源项θ包括污染物排放质量Ms、污染源位置Xs和污染物排放时刻Ts。
进一步地,所述多源信息融合方法为:
同一个污染源往往有多种污染物释放,如污水厂排放氨氮、COD指标等;工业污水则包含更多的化学组分。这些化学组分具备同样的源位置和排放历时,完全可以充分利用,通过一定途径进行信息融合,提高反演稳健性。
在应急监测断面平行采样后分析多种污染物的数据,基于不同污染物的浓度监测数据,计算各自的污染源源项参数,将计算得出的各自的源项参数加权
所述源项参数的加权计算式为:
S4按照溯源结果的预估范围开始污染源排查,确定污染源位置;
S5根据反演得到的污染排放历史时刻和排放污染物质量评估污染危害程度评估,并进行风险预警。
下面结合实施例对本发明做进一步描述。
实施例1:
本实施例采用自适应采样马尔科夫链蒙特卡洛(AM-MCMC)-贝叶斯方法为基本的溯源反演框架,以美国地质调查局USGS于2006~2007年间在Truckee River的示踪试验为基本情景,开展贝叶斯反演数值试验。在某断面监测到水体情况异常后,开展应急监测断面布设,并根据正向模型生成依据应急监测断面布设方法采样的污染物A的监测数据进行溯源计算。
本实施例中,对污染溯源问题的基于贝叶斯反演算法的形式化方法为:
贝叶斯推理应急溯源方法的建立,基于模型的贝叶斯推理框架常分为四步:模型构建、后验分布计算、分析后验分布和决策推理。
S1.贝叶斯模型构建
1)基于污染溯源问题的贝叶斯公式
式中:p(θ|C,I)是源项参数的后验分布,p(θ|I)是先验分布,l(C,θ,I) 是似然函数,p(C|I)是证据,θ为源项,C为浓度监测数据,I为背景信息,即用于确定θ先验分布的信息。
2)基于马尔科夫蒙特卡洛方法构造似然函数
可推导出似然函数计算公式为:
式中:n为污染物监测数据的个数;Ci为污染物浓度的实测值;Ri为污染物浓度的模拟值。
S2.计算污染源的后验分布-MCMC采样
Adaptive Metropolis(AM)算法是一种较好的改进后的 Metropolis-Hastings(MH)算法,MH算法中的建议概率分布基于参数后验协方差得到。该后验协方差矩阵是由过去的迭代结果计算得到,而且每一步都会计算该协方差矩阵.这样,建议分布通过刚刚获取的后验分布信息进行更新.在第 i步,考虑使用多变量正态分布来表示建议的后验分布。均值是当前样本的平均值,而协方差采用矩阵Bi。协方差矩阵Bi已在前一个i0步骤中固定为值B0,并按以下方式更新:
其中ε是用于确保Bi不会变得奇异的很小的参数,sd是比例参数,它取决于参数向量θ的维度,以确保提出的状态具有合理的接受率(例如25%-75%)。迭代步i+1的协方差计算成本较低,符合以下公式:
建议协方差的计算需要定义一个任意的初始协方差B0。为了使该过程自动化,将这个初始协方差设置为先验分布条件下参数的初始协方差,例如初始 5%迭代步的参数协方差。
综上,实现AM算法的步骤如下:
S21、初始化i=0;
S22、a.为当前迭代步i选择协方差矩阵Bi;
b.为θ生成建议值θ*,其中θ*~N(θi,Bi);
c.计算接受率α:
式中:p(y|θ)是似然函数,p(θ)是θ的先验分布。
d.生成u~U[0,1].
e.如果u<α,接受θi+1=θ*,否则设置θi+1=θi。
S23、重复步骤S21-S22。
S3.分析后验概率密度
MCMC采样最终收敛到后验概率密度(或其对数形式),通过对样本进行统计,如均值、方差、中位数、分位数、偏度等,可以得到后验概率密度的描述性统计分析结果此外,还可以采用数值积分的方法,对各参数的边缘概率密度进行统计。
S4.对结果进行推断
依据上述统计分析结果,对污染源信息做最后推断,采用中值和贝叶斯区间对源参数结果进行推断。在实际应急响应过程中,还需要进行实地验证,才能最终确定污染源信息。
溯源计算结果见图2。
图2为采用多个移动监测断面采集数据的计算结果图,图3为采用单个固定监测断面采集数据的计算结果图;通过对比观察可知,随着监测数据的同化输入,溯源计算的总体精度(指污染发生时刻Ts,污染源位置Xs,污染源强度 Ms的计算误差的平均值)都得到了提升,并且计算误差的置信区间逐步收敛。由此可见,数据同化输入可以有效地稳步提升溯源的计算精度,并可以在计算误差收敛的过程中有效指导有关部门进一步进行精细化实地污染源排查。本例对生成的监测数据都添加了标准差大小为0.1的呈高斯分布的系统误差,结果表明,不管是采用单个固定监测断面还是采用多个移动监测断面获取监测数据,其达到溯源计算拐点时的平均相对误差都基本一致,且都能达到10%以下,由此可见与采用单个监测断面监测以获取完整污染物浓度过程曲线相比,采用多个监测断面监测具有相近的结果。
除此之外,还观察到,当监测频率都为5分钟一次时,采用单个监测断面时其达到拐点的时间为第50分钟,而采用多个移动监测断面时其达到拐点的时间为第20分钟,由此可见按照应急监测断面布设方法布设监测断面可以极大地缩短达到拐点所需时间。
实施例2:
用于污染源识别的多源信息融合方法,基于以下的假设:污染物由相同的污染事件释放,位置和释放时间相同,不同污染物的扩散衰减系数和释放质量有差异,通过所有测量指标和污染物类型计算污染源的数量也相同。
本实施例在实施例1的基础上开展的,并补充了污染物B的监测数据进行多源信息融合计算,其与实施例1中的污染物A的监测数据在数据生成上的主要不同为其与污染物A具备不同的污染物衰减系数K与污染源排放强度Ms,该实施例的具体实施方法为:在应急检测断面平行采样后分析多种污染物的数据,基于不同污染物的浓度监测数据,计算各自的污染源源项参数,将计算得出的两者的源项参数(只对污染源位置Xs和污染物排放时刻Ts进行加权,因为污染源位置Xs对现场排查最为重要)进行加权,并计算其相对误差随采样历时的变化。
溯源结果见图4。
如图4所示,采用污染物A和污染物B监测数据进行计算时,二者的计算结果会因数据本身的系统误差而导致对真实值的或高或低的估计误差,当耦合多源信息融合方法进行污染源反演计算时,溯源结果的精度和稳健性(误差区间) 就得到显著提升(圆点)。当存在显著的数据质量差异时(这在实际过程中可能是由两个污染物的监测方法和仪器的系统偏差导致),对污染源源项进行加权可以有效的改善数据不确定性对源项估计误差的影响,也可以在一定程度上提高溯源计算的稳健性和可信度。
实施例3:
本实施例是在实施例2的基础上,通过修改水文参数(河道平均流速U、纵向扩散系数Dx),以改变实验河道的普雷特准数Pe,并通过修改后的正向模型生成单个监测断面的完整污染物浓度过程曲线,按照时间间隔同化输入到计算程序中。每组不同普雷特准数Pe对应的监测数据,都计算10次,根据其误差结果曲线确定不同Pe下的临界时刻Tc,并计算临界时刻Tc与污染物浓度曲线监测总历时TBTC的比值Λ(即相对临界时间)。
相对临界时刻Λ先随着Pe值的增大后减小,最大值出现在Pe=60处。污染物在河流中的运移过程主要由对流和弥散过程主导。Pe值的大小代表了对流扩散的强弱对比,当Pe为较小值时,污染物的弥散过程占据优势地位,当Pe 为较大值时,污染物的对流过程占据优势地位。Pe为中间值时,对流和扩散过程共同作用,需要更多的信息去辨析未知的的污染源参数(即需要更长的采样时间)。
按照y=ax+bxlnx+c的形式,拟合普雷特准数Pe与比值Λ方程, R2=0.938,方程为:
该方程具有普适性,对于不同的河流水文水动力条件都能应用该方程进行应急监测断面的布设。
本发明的上述实施例所示仅为本发明较佳实施例之部分,并不能以此局限本发明,在不脱离本发明精髓的条件下,本领域技术人员所作的任何修改、等同替换和改进等,都属本发明的保护范围。
Claims (10)
1.一种面向水污染溯源的应急监测方法,其特征在于,包括下述步骤:
S1根据管控水域的信息数据库获取污染源的先验分布信息;
S2在所述管控水域设置哨点断面Se0,并设置污染物超标响应报警,根据所述哨点断面Se0的观测数据判定污染团的当前可能分布和流经历程;若该点位的浓度时间序列持续上升,则表明所述哨点断面Se0位于污染团的前锋位置;若浓度时间序列出现峰值,则表明污染团峰值已经经过哨点断面Se0;
S3计算污染团可能的长度Lt:
式中:Dx为纵向平均扩散系数,m2/min;T为估算的污染物排放时刻距离哨点断面超标报警时刻的时间,min;
S4布设监测断面间距Δd:
式中:N为监测断面数量;Λ为临界时刻Tc与穿透曲线总历时TBTC的比值;
S5根据下游基准应急监测断面Sed与哨点断面Se0的距离Le确定应急监测断面的上下游位置;若哨点断面Se0位于污染团的前锋位置,则其余断面按照间隔Δd依次向基准断面上游布设;若污染团峰值已经经过哨点断面Se0,则其余断面按照间隔Δd依次向基准断面下游布设
Le=U×(tb+tx) (3)
式中:U为河流平均流速,m/min;tb应急监测断面所需要的调配时间,min;tx为断面水样采集所需要的时间,min;
S6对污染团水域的采样时间进行设计,确定采样时间间隔ΔT和临界时刻Tc:
2.如权利要求1所述的面向水污染溯源的应急监测方法,其特征在于,所述S2步骤中,当哨点断面的自动监测站收到污染物超标响应报警之后,启动应急监测程序,加快监测频率,并保持应急监测状态,然后根据应急监测数据判定污染团相对哨点断面的位置。
4.如权利要求1所述的面向水污染溯源的应急监测方法,其特征在于,所述S4步骤中,所述监测断面数量N按照下述步骤确定:
(1)使获取临界时刻Tc小于或等于人力排查的部署时间;
(2)以采样设备的部署成本和溯源时间成本为约束条件,优化监测断面数量N;
(3)结合河道水文水动力条件最终确定所述监测断面数量N。
5.如权利要求1所述的面向水污染溯源的应急监测方法,其特征在于,所述S6步骤中,所述采样时间间隔ΔT的确定包括:
(1)使最小采样时间间隔大于从监测仪器采样到每次溯源计算结果得出所需时间;
(2)在满足不小于最小采样时间间隔的前提下,缩短采样时间;
(3)根据所述监测断面数量N及临界时刻Tc选择采样时间间隔ΔT。
6.如权利要求1所述的面向水污染溯源的应急监测方法,其特征在于,所述S6步骤中:
根据管控河道的历史水文数据估算或实地测量该河段的流速U;
根据先期的水文资料估算污染物的纵向弥散系数Dx。
7.一种面向水污染的溯源方法,其特征在于,包括下述步骤:
S1获取哨点监测断面的水质常规指标监测数据;
S2对异常的超标水质监测数据进行预警预报;污染物超标响应报警时,根据应急监测数据判断污染团的位置,采用权利要求1-6所述方法采样;
S3采样达到临界时刻Tc后,采用数值反演法溯源,并通过数据同化和多源信息融合更新污染源源项θ,得到溯源结果;
S4按照溯源结果的预估范围开始污染源排查,确定污染源位置;
S5根据反演得到的污染排放历史时刻和排放污染物质量评估污染危害程度评估,并进行风险预警。
8.根据权利要求7所述的面向水污染的溯源方法,其特征在于,所述S3步骤中,所述水污染溯源的数据同化输入的具体步骤为:
S31获取最新的第i次多断面平行采样监测数据,并添加到数据输入矩阵中,其中i=1,2,....,n;
S32将第i-1次溯源计算的结果设置为第i次计算时的污染源源项先验分布,以第i-1组数据的解作为起点,进行二次寻优;
S33同步更新第i次采样后的似然函数,拟定第i次计算的目标函数,随后进行本次溯源计算;
S34重复步骤S31-S33,达到Tc时刻后得到溯源结果。
9.根据权利要求7所述的面向水污染的溯源方法,其特征在于,所述S3步骤中,所述污染源源项θ包括污染物排放质量Ms、污染源位置Xs和污染物排放时刻Ts。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303801.XA CN114638114A (zh) | 2022-03-24 | 2022-03-24 | 一种面向水污染溯源的应急监测方法和溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303801.XA CN114638114A (zh) | 2022-03-24 | 2022-03-24 | 一种面向水污染溯源的应急监测方法和溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638114A true CN114638114A (zh) | 2022-06-17 |
Family
ID=81949202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210303801.XA Pending CN114638114A (zh) | 2022-03-24 | 2022-03-24 | 一种面向水污染溯源的应急监测方法和溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638114A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830068A (zh) * | 2022-11-29 | 2023-03-21 | 中国环境科学研究院 | 基于污染路径识别的污染溯源大数据模型 |
CN115936543A (zh) * | 2023-03-15 | 2023-04-07 | 湖北君邦环境技术有限责任公司 | 一种突发水污染事故污染溯源方法、系统、设备及介质 |
CN116930445A (zh) * | 2023-09-06 | 2023-10-24 | 水电水利规划设计总院 | 一种行政区域界河水质污染的溯源方法 |
CN117291781A (zh) * | 2023-09-26 | 2023-12-26 | 中节能天融科技有限公司 | 一种突发性水污染溯源方法、设备及介质 |
-
2022
- 2022-03-24 CN CN202210303801.XA patent/CN114638114A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830068A (zh) * | 2022-11-29 | 2023-03-21 | 中国环境科学研究院 | 基于污染路径识别的污染溯源大数据模型 |
CN115830068B (zh) * | 2022-11-29 | 2023-06-20 | 中国环境科学研究院 | 基于污染路径识别的污染溯源大数据模型 |
CN115936543A (zh) * | 2023-03-15 | 2023-04-07 | 湖北君邦环境技术有限责任公司 | 一种突发水污染事故污染溯源方法、系统、设备及介质 |
CN116930445A (zh) * | 2023-09-06 | 2023-10-24 | 水电水利规划设计总院 | 一种行政区域界河水质污染的溯源方法 |
CN116930445B (zh) * | 2023-09-06 | 2023-12-15 | 水电水利规划设计总院 | 一种行政区域界河水质污染的溯源方法 |
CN117291781A (zh) * | 2023-09-26 | 2023-12-26 | 中节能天融科技有限公司 | 一种突发性水污染溯源方法、设备及介质 |
CN117291781B (zh) * | 2023-09-26 | 2024-04-19 | 中节能数字科技有限公司 | 一种突发性水污染溯源方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114638114A (zh) | 一种面向水污染溯源的应急监测方法和溯源方法 | |
CN111898691B (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
US11335179B1 (en) | Water environment risk prediction and early warning method | |
Zacharias et al. | Robust quantitative techniques for validating pesticide transport models | |
Yürekli et al. | Testing the residuals of an ARIMA model on the Cekerek Stream Watershed in Turkey | |
CN112417788A (zh) | 基于大数据的水环境污染分析系统及方法 | |
Zou et al. | Jointly analyzing freeway traffic incident clearance and response time using a copula-based approach | |
Zhang | Durability reliability analysis for corroding concrete structures under uncertainty | |
CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
KR102210698B1 (ko) | 하천 유해화학물질 유출 시나리오 기반 기계학습모형과 재귀적 특징 제거법을 결합한 화학사고 발생원 역추적 방법 | |
CN112711840B (zh) | 一种基于云边协同的流域突发水污染溯源方法 | |
CN105930670A (zh) | 基于模型参数不确定性的河流突发污染事故动态预测方法 | |
CN112926172B (zh) | 一种突发性重金属水污染追踪溯源的方法 | |
CN112560270B (zh) | 一种化学危害同化系统 | |
Furey et al. | Diagnosing peak-discharge power laws observed in rainfall–runoff events in Goodwin Creek experimental watershed | |
CN116957331A (zh) | 风险旅客流量范围预测方法和装置 | |
CN117371325A (zh) | 一种排口污染物入河断面贡献度计算方法、设备及介质 | |
Vairoac et al. | A Bayesian belief network for local air quality forecasting | |
CN117391463A (zh) | 一种河流污染的溯源方法 | |
CN208654841U (zh) | 一种水质预警预报系统 | |
CN116432831A (zh) | 一种化学品风险类型异常事件的预测方法 | |
Cai et al. | Contamination source identification: A Bayesian framework integrating physical and statistical models | |
Davakis et al. | Data assimilation in meteorological pre-processors: Effects on atmospheric dispersion simulations | |
Shiao et al. | Probabilistic lifing methods for fatigue management of life-limited propulsion components | |
CN117689114A (zh) | 一种面向地下水的污染监测系统 |
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 |