水质模型探究进展和发展趋势.docVIP

水质模型探究进展和发展趋势 　　摘要 阐述了水质模型的概念、发展阶段和分类，介绍了水质模型应用情况及研究现状，并展望了水质模型未来的发展趋势。 关键词 水质模型；研究进展；发展趋势 中图分类号 TV51 文献标识码 A 文章编号 1007-5739（2013）06-0208-02 水污染问题日益加剧，带来了生态与环境问题，加剧了缺水地区的缺水程度，甚至导致安全饮用水危机。有关水污染问题的治理，加强对污水处理技术的研究及应用是一方面，更重要的应该是从水资源规划管理、水体污染综合防治方面出发，实现水资源的永续使用和社会的可持续发展。这就要借助水质模型，在掌握现有水体现状的基础上，归纳污染物在水体中的运动、迁移、转化规律，模拟或预报水质在不同时间不同地点的变化情况，达到模拟水质变化、进行水质评价、预报、预测的目的。为制订合理的污染物排放标准、水域水质的管理措施提供参考依据。 1 水质模型介绍 水质模型（water quality model）是根据物质守恒原理用数学的语言和方法描述参加水循环的水体中水质组分所发生的物理、化学、生物和生态学诸方面的变化、内在规律和相互关系的数学模型[1]。近些年，水质模型发展日趋成熟，被广泛地应用在水质预测、环境污染治理规划制订、水质预警研究等方面。 1.1 水质模型的发展阶段 自1925年Streeter和Phelps提出生化需氧量-溶解氧（BOD-DO）模型，水质模型的发展已历经80多年。水质模型的发展主要可归纳为3个阶段，具体见表1。 1.2 水质模型的分类 根据不同的分类标准，将水质模型进行分类。水质模型的分类见表2。 2 水质模型研究进展 2.1 基于模糊数学的水质模型 水体质量受多方面因素影响，在水质评价中，污染程度、水质类型和分级标准等都存在一定的模糊、不确定性。模糊数学模型就是用数学的方法研究处理实际中的随机复杂变化的问题，对其进行定量化处理，以反映水质状况的不确定性。韦林均等[2]对水资源价值构成进行了分析，依据模糊系统理论，建立水资源价值模糊数学模型，并运用该模型对兰州市水资源价值进行了综合评价，对合理制定水价具有一定的借鉴意义。李如忠等[3]将河流水体支撑能力和污染负荷水平表示三角模糊数，将一维稳态水质模糊参数模糊化，建立了模糊水质模拟模型，应用到控制断面的水质状况风险分析中，具有很好的适用性。王丹宁等[4]应用模糊数学模型将给水管网内定量的水质监测数据转化为定性的结论，确定各项指标的数值与评价标准的关系，将管网的水质归类。 2.2 基于人工神经网络的水质模型 人工神经网络（artificial neural network，ANN）是由大量处理单元互联组成的非线性、自适应信息处理系统，具有适应能力强、预测精度高、参数修正自动化等优点。基于人工神经网络的水质模型目的是利用现代神经科学研究的成果，模拟大脑神经网络处理、记忆信息的方式，对信息进行人工智能化处理。 运用神经网络模型对水质评价和水体富营养化的预测，可省略大量复杂的监测数据预处理过程，评价结果客观、准确、可靠。任 黎等[5]研制了一种能自动对湖泊富营养化程度进行评价的BP人工神经网络模型，只需提供观测数据，借助计算机就能得到客观反映水质富营养化状况的评价结果，该模型被应用到太湖富营养化评价中。Gurbuz[6]采用初期终止方法训练和校正人工神经网络模型，预测水库中主要藻类植物的浓度。邓大鹏等[7]建立了用于湖泊、水库富营养化综合评价的神经网络简单集成模型，将该模型应用于巢湖富营养化评价，对比分析发现该模型结果客观、可靠。 2.3 基于3S技术的水质模型 3S技术是RS遥感、GIS地理信息系统和GPS全球定位系统的统称，是对空间信息进行采集、处理、管理、分析、表达、传播和应用的现代信息技术[8]。它们各具特色，但单独使用各有不足，实际应用中将这3项技术整合成一个有机的整体。GIS的主要作用是进行空间分析，其分析的区域信息及空间数据主要来源于RS和GPS。从20世纪80年代开始，研究人员逐渐在水资源监测和保护中应用3S技术，建立了不同的水质基础信息平台、不同功能的水质模型及其相应的管理系统，为区域的环境风险管理提供数据支持[9]。将3S技术与水质模型相结合，精确、快速地提供具有整体性的动态资料，并对资料进行分析与处理。张 艳等[10]构建了基于3S技术的地下水水质调查评价模型，进行了系统设计和系统实践，并应用到地下水水质调查与评价中，通过与传统方法对比得出该方法工作量小、精度高、结果可靠、数据管理可持续性强，提高了地下水水质调查与评价的工作效率。刘 亮等[11]利用3S技术监测信息及实地监测数据，建立了湖泊水质参数预测模型，并