河流突發(fā)環(huán)境污染事件源項反演及程序設(shè)計.pdf

1、當(dāng)前，水污染預(yù)警應(yīng)急是我國的急需研究課題與熱點問題。建立突發(fā)水污染預(yù)警應(yīng)急系統(tǒng)能對污染響應(yīng)與處置提供有效輔助決策支持。然而其前提是確知污染源位置及其排放歷史。實際中在事故初期難以獲得充分的污染源信息，難以對污染事件實時動態(tài)評估、預(yù)警響應(yīng)，需要開展河流突發(fā)污染的源項反演問題研究。同時地表水的追蹤溯源研究很不充分，鮮有文獻報道。因此本文開展了河流污染源項反演算法研究和決策支持工具研發(fā)的工作。
　　研究建立了地表水污染源項反演算法體系，

2、并重點探討了三類重要情景的源項反演算法。首先，基于相關(guān)系數(shù)優(yōu)化法，結(jié)合地表水環(huán)境特征和污染物水質(zhì)過程特征，推導(dǎo)出一維河道中單點源瞬時排放的源項反演算法。采用假想算例進行數(shù)值試驗，綜合分析了流速信息、污染物衰減、監(jiān)測距離、監(jiān)測數(shù)據(jù)誤差及中間參數(shù)ΔT選取等因素對反演結(jié)果的影響，確定了該方法的適用條件和最優(yōu)條件的尋找方式。最優(yōu)條件下計算結(jié)果的平均相對誤差在10％以內(nèi)。并且方法具有監(jiān)測布點簡單高效，數(shù)據(jù)需求低，編程簡單等優(yōu)點。
　　然后，

3、基于遺傳算法，結(jié)合水質(zhì)模型和BP神經(jīng)網(wǎng)絡(luò)，建立了適用于一維河道的多點源瞬時排放和單點源連續(xù)排放的反演算法。通過假想算例檢驗算法，反演結(jié)果的平均相對誤差均低于20%，取得了良好的結(jié)果。并考察參數(shù)對基于水質(zhì)模型-遺傳算法耦合的反演算法的影響，擴散系數(shù)為主要影響因素，但其計算結(jié)果的平均相對誤差不超過50%，在可接受范圍內(nèi)。
　　基于上述研究結(jié)果，結(jié)合可視化技術(shù)和數(shù)據(jù)庫技術(shù)，采用C＃、C++編程語言開發(fā)了河流污染源項反演系統(tǒng)軟件。該軟件將