水环境污染物溯源及预警技术研究.docx

水环境污染物溯源及预警技术研究 摘要：当前，我国的水环境问题比较突出，主要污染物排放量超过环境承载能力，造成环境污染问题，危害群众健康，影响社会稳定和环境安全。尤其是突发性水污染事件，其污染物排放方式与排放途径不尽相同，且排放时间和地点也非固定，起因复杂难以判断，污染物在短时间内大量排放，蔓延迅速，影响广泛严重，如不及时溯源并采取有效措施，则在短时间内难以控制。传统的污染物溯源技术存在方法单一、效率低、准确度差等缺点，与国外先进技术尚存一定差距，研发基于综合数据采集、分析与模拟的水环境污染物溯源及预警技术是水环境治理技术升级的关键之一。 关键词：水环境；污染物溯源；数据采集；数据分析；数据模拟；预警技术 0引言 全球工业化以来，社会经济高速发展，特别是城镇化进程加快，流域污染负荷长期超出河湖环境容量，目前存在的主要问题包括水环境监测体系不完善：范围和要素覆盖不全，条块分割、缺乏统一规划与标准；源头污染难以监管，上下游·左右岸·跨界水质考核、流域污染负荷控制难以有效落实，协同污染防治体系尚待加强；减排压力增大，水污染负荷及环境容量底数不清，缺乏经济发展对水环境的影响评估；治污过程中流域统筹思考和科学规划评估手段欠缺；治理完成后的长效保持机制面临挑战，缺乏持续跟踪评估和保障手段。 1研究现状 目前，国内外学者关于水质预测的研究方法主要分为两种，一种是以数学物理模型为理论依据预测水质的变化趋势的机理性预测方法，另一种则是依据历史数据建立预测模型的非机理性预测方法。虽然目前行行内机理性水质预测模型的预测效果较好，但存在建模难度较高、适用性较差的问题。在实际研究中，水环境的机理信息通常难以完全掌握，人们需要一种对基础数据资料依赖度不高的水质预测方法，非机理性的水质预测方法应运而生。非机理性水质预测方法的理论基础包括回归预测法、灰色系统法、时间序列分析法、神经网络等。非机理预测方法通过对水质相关的历史数据进行挖掘分析，发现其蕴含的变化规律，进而推演水质的变化趋势。由于非机理性预测方法需要特定水域的历史数据来训练水质预测模型，因此在针对一些特定的目标水域进行预测时，预测效果会表现良好。与机理性水质预测方法相比，非机理性预测方法的建模难度较低，而且对数据资料依赖度不高，因此该方法得到广泛应用。 2水质时空变化预测模型 当前全球气候变化显著，流域尺度气象因素对于流域水环境的影响不可忽视，加之政府对于水资源的调度日益普遍，为提高水质预测模型的准确度和泛化性，基于流域水质、气象、调度的预期、实测及历史数据，集成经验模态分解法与长短期记忆神经网络相结合的方法，构建了EEMD-LSTM（集成经验模态分解-长短期记忆神经网络）水质预测模型。 通过斯皮尔曼相关分析法充分挖掘水质参数的多元相关性；在考虑水质数据与气象数据的情况下，提出了一种多特征的水质预测模型，与单一特征模型相比，预测误差更小，预测效果更好。 目前传统的LSTM模型普遍存在一个预测滞后性的问题，对于周期性不明显的数据，预测效果并不理想。本项目提出了一种EEMD与LSTM相结合的预测模型算法，能够降低原始时间序列中不同周期数据耦合所造成的影响，解决LSTM网络预测滞后性的问题。针对原始的时序数据使用EEMD进行分解处理，得到若干个IMF子序列，然后为每个IMF子序列分别建立LSTM预测模型，最后对每个子序列的预测结果进行叠加，得到最终的水质预测结果。有效地反映了污染物在河流中的迁移变化情况和提前对可能发生的水污染事件做准备，大大降低水污染事件造成的影响。 3污染源的识别溯源 通过对区域重点排污企业的排污许可、生产工艺等先期调研与持续更新，收集不同河段各企业的特征污染物组合数据，建立区域不同河段排污口污水特征污染物数据库。根据划定的区域网格管理单元，布设区域网格自动监测点位，对区域特征污染物和常规水质因子在线监测，基于空间分布的均匀性、行政区划的完整性、监测数据的延续性，全面、真实、客观反映河（湖）污染物的时空分布特征。污染事件发生时，及时通过特征污染物在线监测与河段特征污染物数据库比对进行污染源排查，实现快速溯源。 4水环境预警管理体系 通过空天地一体化监测手段对“水质、水文、气象、生态、给排水、污染因子、地形、流场”等数据采集及监测，进行跨平台、多部门数据融合与共享，构建基于综合数据采集、分析与模拟的水环境污染物溯源预警管理体系，满足精准预测、及时预警及准确溯源的水环境管理需求。 空天地一体水环境安全监测预警系统聚焦于水环境安全领域,应用卫星遥感监测技术针对全流域河流、湖泊等进行相关水质参数定量反演，并绘制流域水环境安全态势一张图；应用无人机高光谱技术针对监测区域内重点监测河流断面进行相关水质参数定量反演，并绘制重点监测区域水环境安全状况一张图；应用水面摄像机对特定监测点位的水质状况进行快速