不确定水质模型在城市河流水质模拟中的应用
2011-03-06田一梅王彬蔚
田一梅,刘 扬,王彬蔚,2
(1.天津大学环境科学与工程学院,天津 300072;2.陕西省环境监测中心站,西安,710054)
不确定水质模型在城市河流水质模拟中的应用
田一梅1,刘 扬1,王彬蔚1,2
(1.天津大学环境科学与工程学院,天津 300072;2.陕西省环境监测中心站,西安,710054)
鉴于城市景观河流受沿河排水污染,水质波动较大,建立了内嵌神经网络的一维不确定性水质模型,利用改进适应度函数的遗传算法,优化水质模型的参数解。经实例验证,不确定性水质模型拟合的精度更高,对排入污染物的波动更敏感,其对景观河流水质预测的平均准确度基本在80%以上,普遍高于确定性水质模型,尤其是在靠近污染源的监测断面,其不确定性水质模型预测优势更加明显,更能适应变化的景观河流水体环境。
不确定性水质模型;人工神经网络;遗传算法;模拟
水质模型是用来描述水体中污染物与时间、空间的定量关系,描述物质在水环境中的混合、迁移过程的数学方程。根据模型中的变量是否为随机变量,水质模型可分为确定性水质模型和不确定性水质模型。确定性水质模型,如 SIMCAT, TOMCAT,QUAL2E,QUASAR,MIKE-11和ISIS[1-2]等已广泛应用于水环境的模拟预测,但由于水环境的不确定性、复杂性,使水质变化呈现出基于一定变化规律的不确定性变化特征,同时由于监测数据本身均带有随机性,故建立不确定性水质模型更能反映水质的实际变化规律[3]。
早年的不确定性水质模型较多是利用随机理论建立的,如1966年Loucks和 Lgnn基于随机过程理论首先提出了预测最小溶解氧的概率模型,1969年Custer与K rutcheff[4]提出了随机游动模型,1984年,Deway提出了BOD-NOD-DO随机模型。……
