CN117314186A - 一种预测有机污染场地自然衰减修复效果的方法 - Google Patents
一种预测有机污染场地自然衰减修复效果的方法 Download PDFInfo
- Publication number
- CN117314186A CN117314186A CN202311237594.3A CN202311237594A CN117314186A CN 117314186 A CN117314186 A CN 117314186A CN 202311237594 A CN202311237594 A CN 202311237594A CN 117314186 A CN117314186 A CN 117314186A
- Authority
- CN
- China
- Prior art keywords
- site
- monitoring
- natural attenuation
- groundwater
- characteristic
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 55
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 37
- 231100000719 pollutant Toxicity 0.000 claims abstract description 37
- 239000003673 groundwater Substances 0.000 claims abstract description 31
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 22
- 238000006731 degradation reaction Methods 0.000 claims description 12
- 239000000356 contaminant Substances 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005067 remediation Methods 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 abstract description 2
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 40
- 239000003209 petroleum derivative Substances 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 239000002957 persistent organic pollutant Substances 0.000 description 8
- 239000000126 substance Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 239000011148 porous material Substances 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 230000009189 diving Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- PAYRUJLWNCNPSJ-UHFFFAOYSA-N Aniline Chemical compound NC1=CC=CC=C1 PAYRUJLWNCNPSJ-UHFFFAOYSA-N 0.000 description 2
- YNQLUTRBYVCPMQ-UHFFFAOYSA-N Ethylbenzene Chemical compound CCC1=CC=CC=C1 YNQLUTRBYVCPMQ-UHFFFAOYSA-N 0.000 description 2
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 description 2
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical group CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 2
- URLKBWYHVLBVBO-UHFFFAOYSA-N Para-Xylene Chemical group CC1=CC=C(C)C=C1 URLKBWYHVLBVBO-UHFFFAOYSA-N 0.000 description 2
- MWPLVEDNUUSJAV-UHFFFAOYSA-N anthracene Chemical compound C1=CC=CC2=CC3=CC=CC=C3C=C21 MWPLVEDNUUSJAV-UHFFFAOYSA-N 0.000 description 2
- 239000005442 atmospheric precipitation Substances 0.000 description 2
- 125000005605 benzo group Chemical group 0.000 description 2
- MVPPADPHJFYWMZ-UHFFFAOYSA-N chlorobenzene Chemical compound ClC1=CC=CC=C1 MVPPADPHJFYWMZ-UHFFFAOYSA-N 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003895 groundwater pollution Methods 0.000 description 2
- 239000000543 intermediate Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- BBEAQIROQSPTKN-UHFFFAOYSA-N pyrene Chemical compound C1=CC=C2C=CC3=CC=CC4=CC=C1C2=C43 BBEAQIROQSPTKN-UHFFFAOYSA-N 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 239000003674 animal food additive Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006065 biodegradation reaction Methods 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- LHRCREOYAASXPZ-UHFFFAOYSA-N dibenz[a,h]anthracene Chemical compound C1=CC=C2C(C=C3C=CC=4C(C3=C3)=CC=CC=4)=C3C=CC2=C1 LHRCREOYAASXPZ-UHFFFAOYSA-N 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- GVEPBJHOBDJJJI-UHFFFAOYSA-N fluoranthrene Natural products C1=CC(C2=CC=CC=C22)=C3C2=CC=CC3=C1 GVEPBJHOBDJJJI-UHFFFAOYSA-N 0.000 description 1
- 239000002778 food additive Substances 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明涉及环境修复技术领域，尤其涉及一种预测有机污染场地自然衰减修复效果的方法。步骤如下：S1、构建污染场地的监测自然衰减技术概念模型，收集污染场地的基本信息，明确污染场地的风险管控目标；S2、绘制污染场地监测网络，确定污染场地监测点位、监测指标、监测频率，进行地下水监测井的建设；S3、开展污染场地现场监测，采集不同时段、不同点位的污染场地地下水水样。本发明提供的一种预测有机污染场地自然衰减修复效果的方法，通过预测得到不同时段地下水样品中特征污染物浓度，从而对有机污染场地监测自然衰减技术有效性进行评估，为监控自然衰减技术的应用和完善提供有力依据，能够为建立基于风险管控的修复技术体系提供思路和借鉴。
Description
技术领域
本发明涉及环境修复技术领域，尤其涉及一种预测有机污染场地自然衰减修复效果的方法。
背景技术
监测自然衰减技术(MNA)是通过实施有计划的监控策略，依据场地自然发生的物理、化学及生物作用，包含生物降解、扩散、吸附、稀释、挥发、放射性衰减及化学性或生物性稳定等，使得地下水和土壤中污染物的数量、毒性、移动性降低到风险可接受水平。相比于其他物理、化学或生物修复技术，监测自然衰减技术具有修复成本低、操作实施简便、对地下水环境干扰性小、污染物降解彻底等优点，已被广泛用于储油罐泄漏场地、垃圾填埋场地、工业污染场地等有机污染场地地下水修复。
有机污染物在地下水中的自然降解过程主要包括有机污染物的物理化学转化过程、微生物对有机污染物的降解过程。在MNA技术应用过程中，如何准确评估MNA技术可行性是该技术推广应用的难题之一。
在目前已有研究中，评估MNA可行性的常规方法为在污染场地建设长期监测井，通过对地下水中有机污染物浓度进行长期跟踪监测，以评估MNA技术对有机污染场地的修复效果，但该方法存在监测成本高、耗费时间长等缺点。
为此，我们设计一种预测有机污染场地自然衰减修复效果的方法，用于对上述技术问题提供另一种技术方案。
发明内容
基于此，有必要针对上述技术问题，提供一种预测有机污染场地自然衰减修复效果的方法，用于解决上述背景技术中提出的技术问题。
为了解决上述的技术问题，本发明采用了如下技术方案：
一种预测有机污染场地自然衰减修复效果的方法，步骤如下：
S1、构建污染场地的监测自然衰减技术概念模型，收集污染场地的基本信息，明确污染场地的风险管控目标；
S2、绘制污染场地监测网络，确定污染场地监测点位、监测指标、监测频率，进行地下水监测井的建设；
S3、开展污染场地现场监测，采集不同时段、不同点位的污染场地地下水水样，收集地下水特征污染物浓度数据，将所有数据划分为训练集与测试集；使用多种降解反应动力学模型对训练集中各类特征污染物浓度数据进行拟合，得到特征污染物自然衰减速率常数，并针对各类特征污染物选出最恰当的动力学模型；
S4、针对测试集各点位，使用所选择降解反应动力学模型预测各点位不同时间段特征污染物浓度，并计算得到特征污染物浓度达到风险管控目标值所需时间；
S5、针对测试集数据，计算特征污染物浓度模型预测结果与实际测定结果之间的RMSE值，对模型预测效果进行评估。
作为本发明提供的所述的一种预测有机污染场地自然衰减修复效果的方法的一种优选实施方式，所述S2中，需从输水管线的出口直接采集水样，使水样流入地下水样品瓶中，水样在样品瓶中过量溢出，形成凸面，拧紧瓶盖，颠倒地下水样品瓶，观察数秒，确保瓶内无气泡。
作为本发明提供的所述的一种预测有机污染场地自然衰减修复效果的方法的一种优选实施方式，所述S2中，所采集地下水样品快速检测分析。
作为本发明提供的所述的一种预测有机污染场地自然衰减修复效果的方法的一种优选实施方式，所述S3中，需对所收集地下水特征污染物浓度数据进行筛选，舍弃显著离群值样本。
作为本发明提供的所述的一种预测有机污染场地自然衰减修复效果的方法的一种优选实施方式，所述S3中，使用留出法将数据集划分为训练集与测试集，划分时要尽量保证训练集和测试集数据分布的一致性。
作为本发明提供的所述的一种预测有机污染场地自然衰减修复效果的方法的一种优选实施方式，所述S3中，需使用动力学反应模型对训练集中各特征污染物浓度数据进行拟合，计算模型预测结果与实际测定结果之间的RMSE值，从而针对各特征污染物选出最恰当的动力学模型。
可以毫无疑义的看出，通过本申请的上述的技术方案，必然可以解决本申请要解决的技术问题。
同时，通过以上技术方案，本发明至少具备以下有益效果：
本发明提供的一种预测有机污染场地自然衰减修复效果的方法，通过预测得到不同时段地下水样品中特征污染物浓度，从而对有机污染场地监测自然衰减技术有效性进行评估，为监控自然衰减技术的应用和完善提供有力依据，能够为建立基于风险管控的修复技术体系提供思路和借鉴；
通过收集一定时间内待预测场地地下水中有机污染物浓度数据，得到动力学模型训练数据，模型训练数据来源场地与待预测场地水文地质条件、微生物群落组成、特征污染物均相同，因此模型预测结果具有较高的可信度和准确度；
通过选用传统动力学模型来预测有机污染场地自然衰减修复效果，所用模型原理简单、可行性强；相较于常规方法通过建设长期监测井对污染物浓度进行长期跟踪监测评估MNA技术修复效果，该方法具有操作简便、成本低、准确性高等优点，适合大量推广。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的中有机污染场地地下水污染自然衰减修复效果预测方法的流程示意图；
图2为本发明的中有机污染场地地下水监测井分布示意图；
图3为本发明的2022年9月至2023年5月研究区训练集中监测点位石油烃浓度及零级动力学模型、一级动力学模型、二级动力学模型预测结果浓度示意图；
图4为本发明的2022年9月至2023年5月研究区训练集监测点位苯浓度及零级动力学模型、一级动力学模型、二级动力学模型预测结果示意图；
图5为本发明的2022年9月至2023年5月研究区测试集监测点位石油烃浓度及所选二级动力学模型预测结果示意图；
图6为本发明的2022年9月至2023年5月研究区测试集监测点位苯浓度及所选一级动力学模型预测结果示意图。
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，以下结合附图及实施例，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仅用以解释本发明，并不用于限定本发明。
为了使本技术领域的人员更好地理解本发明方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征和技术方案可以相互组合。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
提供一种预测有机污染场地自然衰减修复效果的方法，涉及到对地下水中不同特征污染物自然衰减反应动力学模型的训练，适用于储油罐泄漏场地、垃圾填埋场地、工业污染场地等有机污染场地地下水修复。
如图1所示，本实施例具体实施步骤为：
S1、构建污染场地的监测自然衰减技术(MNA)概念模型，收集污染场地的基本信息，明确污染场地的风险管控目标；
S2、绘制污染场地监测网络，确定污染场地监测点位、监测指标、监测频率，进行地下水监测井的建设；
S3、开展污染场地现场监测，采集不同时段、不同点位的污染场地地下水水样，收集地下水特征污染物浓度数据，将所有数据划分为训练集与测试集。使用多种降解反应动力学模型对训练集中各类特征污染物浓度数据进行拟合，得到特征污染物自然衰减速率常数，并针对各类特征污染物选出最恰当的动力学模型；
S4、针对测试集各点位，使用所选择降解反应动力学模型预测各点位不同时间段特征污染物浓度，并计算得到特征污染物浓度达到风险管控目标值所需时间；
S5、针对测试集数据，计算特征污染物浓度模型预测结果与实际测定结果之间的RMSE值，对模型预测效果进行评估。
下面将进一步以在2022年9月至2023年5月期间采用MNA技术进行地下水污染修复的江苏省某化工类污染场地为例，具体阐释如何使用本发明所述方法实现对污染场地自然衰减修复效果的预测。
S1、MNA概念模型构建
S1-1、污染场地基本信息
(1)污染场地位于长江入海口附近，场地地形平坦，平均标高3.90m左右。该场地为某化工厂退役场地，企业始建于1959年，于2012关闭，主要涉及有机化工原料、染料及颜料中间体、医药和农药中间体、食品及饲料添加剂等的生产。根据前期调查结果，土壤中苯、甲苯、乙苯、间&对-二甲苯、邻-二甲苯、氯苯、苯并[a]蒽、苯并[a]芘、二苯并[a,h]蒽、苯胺、萘、石油烃(C10-C40)等有机污染物超过第一类用地筛选值，地下水中石油烃(C10-C40)、苯为高风险污染物。
(2)研究区钻孔揭露的地层主要分为6个工程地质层，第1层为素填土，厚度0.20～2.4m左右，中等透水；第2层为砂质粉土，厚度0.80～3.0m左右，中等透水；第3层为粉砂，厚度4.00～6.10m左右，中等透水；第4层为粉砂，厚度4.10～8.80m左右，中等透水；第5层为粉砂，厚度9.50～22.90m左右，中等透水；第6层为粉质粘土，厚度4.30～14.70m左右，该层未穿透，透水性差。
(3)污染场地地下水类型主要为孔隙潜水。孔隙主要赋存于第6层粉质粘土层以上土层中，补给来源主要为大气降水及地表水渗入，水位呈季节性变化，其排泄方式主要为自然蒸发和侧向径流。孔隙潜水初见水位2.25～2.40m(1985国家高程基准)，稳定水位为2.20～2.35m(1985国家高程基准)，水位呈季节性变化且受大气降水影响明显，与邻近地表水呈互补关系，近5年场区内最高地下水位在自然地面下0.50m左右(标高为3.30m)，最低地下水位在自然地面以下2.50m左右(标高为1.30m)，水位变幅约1.50m；场地历史最高水位标高为3.40m。地下水流向为由西向东。
S1-2、风险管控目标
该地块风险管控目标污染物为地下水中高风险污染物：石油烃(C10-C40)、苯，其风险管控值分别为0.79、1.07mg/L。因此，本实施例中选择石油烃C10-C40、苯作为判断地下水有机污染物自然衰减效果的代表性监测指标。
S2、污染场地监测网络绘制
S2-1、监测点位
根据水文地质结果，在污染场地布设12组监测井，监测井点位分布示意图如图2所示。
S2-2、监测指标
根据前期调查结果，地下水中石油烃(C10-C40)、苯为高风险污染物。因此，将石油烃C10-C40、苯作为判断地下水有机污染物自然衰减效果的代表性监测指标。
S2-3、监测频率
地下水监测频率为1次/月。
S2-4、监测井建设
地下水监测井按照《地下水监测井建设规范》要求进行建设。
S3、采集污染场地地下水水样，收集地下水特征污染物浓度数据，本实施例中布设地下水采样点位12个，采样频率为1次/月，监测时间为2022年9月至2023年6月，共采集108个地下水样本。此外，需对所收集地下水特征污染物浓度数据进行筛选，舍弃显著离群值数据。使用留出法将所12个点位数据按照3:1的比例随机划分为训练集和测试集，训练集与测试集划分结果如表1所示。
表1训练集与测试集划分结果
进一步地，针对每类特征污染物选择适当的动力学反应模型，使用训练集对所选择动力学模型进行训练，拟合得到特征污染物自然衰减速率常数。
常用的动力学模型公式如表2所示：
表2常用动力学模型方程
计算各模型预测结果与实际测定结果之间的RMSE值，RMSE值越小，则模型预测效果越好，从而针对各类特征污染物选出最恰当的动力学模型。使用各类动力学模型对训练集中2种特征污染物浓度的预测结果如图3(石油烃(C10-C40))、图4(苯)所示，拟合得到的自然衰减速率常数及各动力学模型预测值与测定值之间的RMSE值如表3所示。根据图3、图4可知，使用一级动力学模型、二级动力学模型可以分别较好地描述训练集苯、石油烃(C10-C40)的自然降解过程。因此，后续将分别使用一级动力学模型、二级动力学模型对测试集中苯、石油烃(C10-C40)的浓度进行预测，从而对模型效果进行评估。
表3动力学模型参数
S4、针对测试集各点位，使用所选择降解反应动力学模型预测各点位不同时间段特征污染物浓度，如图5(石油烃(C10-C40))、图6(苯)所示，计算得到的特征污染物浓度达到风险管控目标值所需时间如表4所示。
表4测试集模型预测效果
S5、针对测试集数据，计算特征污染物浓度模型预测结果与实际测定结果之间的RMSE值，如图5、图6所示。根据计算所得RMSE值可知，使用一级动力学模型、二级动力学模型可以分别较好地描述苯、石油烃(C10-C40)的自然降解过程。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该本发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种预测有机污染场地自然衰减修复效果的方法，其特征在于，步骤如下：
S1、构建污染场地的监测自然衰减技术概念模型，收集污染场地的基本信息，明确污染场地的风险管控目标；
S2、绘制污染场地监测网络，确定污染场地监测点位、监测指标、监测频率，进行地下水监测井的建设；
S3、开展污染场地现场监测，采集不同时段、不同点位的污染场地地下水水样，收集地下水特征污染物浓度数据，将所有数据划分为训练集与测试集；使用多种降解反应动力学模型对训练集中各类特征污染物浓度数据进行拟合，得到特征污染物自然衰减速率常数，并针对各类特征污染物选出最恰当的动力学模型；
S4、针对测试集各点位，使用所选择降解反应动力学模型预测各点位不同时间段特征污染物浓度，并计算得到特征污染物浓度达到风险管控目标值所需时间；
S5、针对测试集数据，计算特征污染物浓度模型预测结果与实际测定结果之间的RMSE值，对模型预测效果进行评估。
2.根据权利要求1所述的一种预测有机污染场地自然衰减修复效果的方法，其特征在于，所述S2中，需从输水管线的出口直接采集水样，使水样流入地下水样品瓶中，水样在样品瓶中过量溢出，形成凸面，拧紧瓶盖，颠倒地下水样品瓶，观察数秒，确保瓶内无气泡。
3.根据权利要求1所述的一种预测有机污染场地自然衰减修复效果的方法，其特征在于，所述S2中，所采集地下水样品快速检测分析。
4.根据权利要求1所述的一种预测有机污染场地自然衰减修复效果的方法，其特征在于，所述S3中，需对所收集地下水特征污染物浓度数据进行筛选，舍弃显著离群值样本。
5.根据权利要求1所述的一种预测有机污染场地自然衰减修复效果的方法，其特征在于，所述S3中，使用留出法将数据集划分为训练集与测试集，划分时要尽量保证训练集和测试集数据分布的一致性。
6.根据权利要求1所述的一种预测有机污染场地自然衰减修复效果的方法，其特征在于，所述S3中，需使用动力学反应模型对训练集中各特征污染物浓度数据进行拟合，计算模型预测结果与实际测定结果之间的RMSE值，从而针对各特征污染物选出最恰当的动力学模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311237594.3A CN117314186A (zh) | 2023-09-22 | 2023-09-22 | 一种预测有机污染场地自然衰减修复效果的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311237594.3A CN117314186A (zh) | 2023-09-22 | 2023-09-22 | 一种预测有机污染场地自然衰减修复效果的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117314186A true CN117314186A (zh) | 2023-12-29 |
Family
ID=89285958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311237594.3A Pending CN117314186A (zh) | 2023-09-22 | 2023-09-22 | 一种预测有机污染场地自然衰减修复效果的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117314186A (zh) |
-
2023
- 2023-09-22 CN CN202311237594.3A patent/CN117314186A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nguyen et al. | Modelling of sewer exfiltration to groundwater in urban wastewater systems: A critical review | |
| Barraud et al. | Implementation of a monitoring system to measure impact of stormwater runoff infiltration | |
| Su et al. | Groundwater flow path determination during riverbank filtration affected by groundwater exploitation: a case study of Liao River, Northeast China | |
| Irawan et al. | Groundwater–surface water interactions of Ciliwung River streams, segment Bogor–Jakarta, Indonesia | |
| Weatherill et al. | Nested monitoring approaches to delineate groundwater trichloroethene discharge to a UK lowland stream at multiple spatial scales | |
| CN111612360B (zh) | 一种地下水潜在污染风险源识别方法 | |
| Ma et al. | Petroleum pollution and evolution of water quality in the Malian River Basin of the Longdong Loess Plateau, Northwestern China | |
| Mineo | Groundwater and soil contamination by LNAPL: State of the art and future challenges | |
| Sbarbati et al. | Performance of different assessment methods to evaluate contaminant sources and fate in a coastal aquifer | |
| Vosoogh et al. | Landfill site selection using pollution potential zoning of aquifers by modified DRASTIC method: Case study in Northeast Iran | |
| Nunes et al. | Geochemical and isotopic evidence for pumping-induced impacts to bedrock groundwater quality in the City of Guelph, Canada | |
| Berlin et al. | Experimental and numerical investigations on nitrogen species transport in unsaturated soil during various irrigation patterns | |
| CN117314186A (zh) | 一种预测有机污染场地自然衰减修复效果的方法 | |
| Mba et al. | Assessment of the sensitivity of water resources in the intertropical zone: a bibliographical study with perspectives | |
| Christenson et al. | The Norman Landfill environmental research site: What happens to the waste in landfills? | |
| Wolf et al. | Urban Water Resources Toolbox | |
| Aulenbach | Long term recharge of trickling filter effluent into sand | |
| Ellis | The impact of urban groundwater upon surface water quality: Birmingham-River Tame study, UK | |
| Beretta | Point and nonpoint pollution and restoring groundwater quality in Italy: 30 years of experience | |
| Yu et al. | Complexity of hydrology, sewage and industries in distribution and migration pathways of heavy metals at spatial scale of China's brownfields | |
| CN111965112B (zh) | 地表水高锰酸盐指数/化学需氧量背景值判定的方法及应用 | |
| Li | Environmental Impacts of Oil and Gas Activities in Northern Colorado | |
| White et al. | Surface water-quality assessment of the Kentucky River basin, Kentucky: Project description | |
| Imperiale | Measurement Methods | |
| CN117288859A (zh) | 一种判断有机污染场地污染物降解效果的方法 |
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 |