海域组合单元水质模型多污染源浓度优化反演方法研究 Research on Multi-pollution Source Concentration Optimal Inversion Method of Marine Integrated Element Water Quality Model.pdfVIP

第20卷增刊 应用基础与工程科学学报 V01．20，Supplement 2012年9月 OFBASIC 2012 JOURNAL SCIENCEANDENGINEERINGSeptember 文章编号：1005JD930(2012)s1旬150啪9中图分类号：fy76 文献标识码：A doi：10．3969／j．issn．1005JD930．2012．s1．016 海域组合单元水质模型多污染源 浓度优化反演方法研究 李明昌1’3， 张光玉1’3， 司 琦1， 梁书秀2， 孙昭晨2， 尤学一3 (1．交通运输部天津水运工程科学研究院，水路交通环境保护技术实验室，天津塘沽300456；2．大连理工大学， 海岸和近海工程国家重点实验室，辽宁大连116024；3．天津大学环境科学与工程学院，天津南开300072) 摘要：污染源项反演是海域水质模型验证工作的主要难点之一．本文根据污染 源项和监测点位的地理位置及空间分布将研究海域划分为若干单元，建立海 域组合单元水质模型，并与基于人工神经网络的数据驱动模型有机结合，提出 污染源浓度优化反演的新方法：通过多污染源项设计算例的水质模型计算，构 建海域内部监测点污染物浓度响应集；以数据驱动模型建立监测点同污染源 项之间浓度的非线性关系；将实测资料带入非线性关系中，获得多源项匹配关 系，进行污染源浓度的优化反演研究．以渤海湾海域水质模型7个污染源浓度 的优化反演为例，采用“孪生”试验验证反演新方法的可行性，结果表明该方 法是有效的． 关键词：海域水质模型；组合单元；污染源浓度；优化反演；数据驱动模型 海域环境容量计算是科学实施区域总量分配和有效开展总量控制的基础．海域环境 要素的实际测量势必耗费大量的人力、物力和财力，因此发展准确可靠的预测方法与模型 是环境容量计算最有效的途径．但海域生态系统充满了复杂的不确定性…，加之缺乏对 海域生化过程的充分认识、缺少污染源和背景场信息等也大大增加了海域水质生态模型 的不确定性‘2J．污染源项的不确定性是海域水质生态模型精确验证所面临的一个主要难 题，发展合理的源项识别反演方法成为学者们广泛关注的难点和热点． 污染源项识别研究是水环境领域中的一类反问题，国内外学者进行了大量的研究 (Huan∥o，“4I，韩龙喜∞J，闵涛MJ，朱嵩¨1)，建立了多种求解污染源项反问题的方法，并 取得了一定的研究成果．但目前该方面的研究主要集中于地表水、地下水、河道管网和理 想地形条件，针对大范围海域水质生态模型，由于其数值模拟过程复杂且耗费大量机时而 研究较少． 收稿日期：201l旬l-20；修订日期：2012-08_09 海工程国家重点实验室研究基金资助项目(LPll08)；中央级公益性科研院所基本科研业务费专项资金 项目(TKs090204，TKsl00217，KJFZJJ2011．01) 作者简介：李明昌(1977一)，男，博士，副研究员．E—mail：lmcsql997@163．com 万方数据 李明昌等：海域组合单元水质模型多污染源浓度优化反演方法研究 151 对于多源共同作用的海域，源项之间的匹配关系是反演的首要难题，也是进一步精确 反演的基础．本文将研究海域划分为若干单元，建立海域组合单元水质模型，以数据驱动 模型(solomatine-8o)人工神经网络方法为基础，将其同海域水质模型有机结合，提出多 源项浓度优化反演的新方法：通过水质模型多污染源项设计算例的数值模拟，获得海 域内部监测点浓度响应集；以数据驱动模型建立污染源项与内部监测点之间浓度的非 线性关系；将实测数据带入非线性关系中，获得各源项之间的匹配关系，进行源项浓度 的识别反演；最后仅考虑无机氮，对渤海湾海域水质模型7个源项进行反演研究，验证 方法的有效性． 1 基于数据驱动模型的源项浓度优化反演方法 1．1数据驱动模型理论 传统的工程数值模型是建立在对系统物理