水環(huán)境污染物溯源及預(yù)警技術(shù)研究

水環(huán)境污染物溯源及預(yù)警技術(shù)研究摘要：當(dāng)前，我國的水環(huán)境問題比較突出，主要污染物排放量超過環(huán)境承載能力，造成環(huán)境污染問題，危害群眾健康，影響社會穩(wěn)定和環(huán)境安全。尤其是突發(fā)性水污染事件，其污染物排放方式與排放途徑不盡相同，且排放時間和地點也非固定，起因復(fù)雜難以判斷，污染物在短時間內(nèi)大量排放，蔓延迅速，影響廣泛嚴(yán)重，如不及時溯源并采取有效措施，則在短時間內(nèi)難以控制。傳統(tǒng)的污染物溯源技術(shù)存在方法單一、效率低、準(zhǔn)確度差等缺點，與國外先進技術(shù)尚存一定差距，研發(fā)基于綜合數(shù)據(jù)采集、分析與模擬的水環(huán)境污染物溯源及預(yù)警技術(shù)是水環(huán)境治理技術(shù)升級的關(guān)鍵之一。關(guān)鍵詞：水環(huán)境；污染物溯源；數(shù)據(jù)采集；數(shù)據(jù)分析；數(shù)據(jù)模擬；預(yù)警技術(shù)0引言全球工業(yè)化以來，社會經(jīng)濟高速發(fā)展，特別是城鎮(zhèn)化進程加快，流域污染負荷長期超出河湖環(huán)境容量，目前存在的主要問題包括水環(huán)境監(jiān)測體系不完善：范圍和要素覆蓋不全，條塊分割、缺乏統(tǒng)一規(guī)劃與標(biāo)準(zhǔn)；源頭污染難以監(jiān)管，上下游·左右岸·跨界水質(zhì)考核、流域污染負荷控制難以有效落實，協(xié)同污染防治體系尚待加強；減排壓力增大，水污染負荷及環(huán)境容量底數(shù)不清，缺乏經(jīng)濟發(fā)展對水環(huán)境的影響評估；治污過程中流域統(tǒng)籌思考和科學(xué)規(guī)劃評估手段欠缺；治理完成后的長效保持機制面臨挑戰(zhàn)，缺乏持續(xù)跟蹤評估和保障手段。1研究現(xiàn)狀目前，國內(nèi)外學(xué)者關(guān)于水質(zhì)預(yù)測的研究方法主要分為兩種，一種是以數(shù)學(xué)物理模型為理論依據(jù)預(yù)測水質(zhì)的變化趨勢的機理性預(yù)測方法，另一種則是依據(jù)歷史數(shù)據(jù)建立預(yù)測模型的非機理性預(yù)測方法。雖然目前行行內(nèi)機理性水質(zhì)預(yù)測模型的預(yù)測效果較好，但存在建模難度較高、適用性較差的問題。在實際研究中，水環(huán)境的機理信息通常難以完全掌握，人們需要一種對基礎(chǔ)數(shù)據(jù)資料依賴度不高的水質(zhì)預(yù)測方法，非機理性的水質(zhì)預(yù)測方法應(yīng)運而生。非機理性水質(zhì)預(yù)測方法的理論基礎(chǔ)包括回歸預(yù)測法、灰色系統(tǒng)法、時間序列分析法、神經(jīng)網(wǎng)絡(luò)等。非機理預(yù)測方法通過對水質(zhì)相關(guān)的歷史數(shù)據(jù)進行挖掘分析，發(fā)現(xiàn)其蘊含的變化規(guī)律，進而推演水質(zhì)的變化趨勢。由于非機理性預(yù)測方法需要特定水域的歷史數(shù)據(jù)來訓(xùn)練水質(zhì)預(yù)測模型，因此在針對一些特定的目標(biāo)水域進行預(yù)測時，預(yù)測效果會表現(xiàn)良好。與機理性水質(zhì)預(yù)測方法相比，非機理性預(yù)測方法的建模難度較低，而且對數(shù)據(jù)資料依賴度不高，因此該方法得到廣泛應(yīng)用。2水質(zhì)時空變化預(yù)測模型當(dāng)前全球氣候變化顯著，流域尺度氣象因素對于流域水環(huán)境的影響不可忽視，加之政府對于水資源的調(diào)度日益普遍，為提高水質(zhì)預(yù)測模型的準(zhǔn)確度和泛化性，基于流域水質(zhì)、氣象、調(diào)度的預(yù)期、實測及歷史數(shù)據(jù)，集成經(jīng)驗?zāi)B(tài)分解法與長短期記憶神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，構(gòu)建了EEMD-LSTM（集成經(jīng)驗?zāi)B(tài)分解-長短期記憶神經(jīng)網(wǎng)絡(luò)）水質(zhì)預(yù)測模型。通過斯皮爾曼相關(guān)分析法充分挖掘水質(zhì)參數(shù)的多元相關(guān)性；在考慮水質(zhì)數(shù)據(jù)與氣象數(shù)據(jù)的情況下，提出了一種多特征的水質(zhì)預(yù)測模型，與單一特征模型相比，預(yù)測誤差更小，預(yù)測效果更好。目前傳統(tǒng)的LSTM模型普遍存在一個預(yù)測滯后性的問題，對于周期性不明顯的數(shù)據(jù)，預(yù)測效果并不理想。本項目提出了一種EEMD與LSTM相結(jié)合的預(yù)測模型算法，能夠降低原始時間序列中不同周期數(shù)據(jù)耦合所造成的影響，解決LSTM網(wǎng)絡(luò)預(yù)測滯后性的問題。針對原始的時序數(shù)據(jù)使用EEMD進行分解處理，得到若干個IMF子序列，然后為每個IMF子序列分別建立LSTM預(yù)測模型，最后對每個子序列的預(yù)測結(jié)果進行疊加，得到最終的水質(zhì)預(yù)測結(jié)果。有效地反映了污染物在河流中的遷移變化情況和提前對可能發(fā)生的水污染事件做準(zhǔn)備，大大降低水污染事件造成的影響。3污染源的識別溯源通過對區(qū)域重點排污企業(yè)的排污許可、生產(chǎn)工藝等先期調(diào)研與持續(xù)更新，收集不同河段各企業(yè)的特征污染物組合數(shù)據(jù)，建立區(qū)域不同河段排污口污水特征污染物數(shù)據(jù)庫。根據(jù)劃定的區(qū)域網(wǎng)格管理單元，布設(shè)區(qū)域網(wǎng)格自動監(jiān)測點位，對區(qū)域特征污染物和常規(guī)水質(zhì)因子在線監(jiān)測，基于空間分布的均勻性、行政區(qū)劃的完整性、監(jiān)測數(shù)據(jù)的延續(xù)性，全面、真實、客觀反映河（湖）污染物的時空分布特征。污染事件發(fā)生時，及時通過特征污染物在線監(jiān)測與河段特征污染物數(shù)據(jù)庫比對進行污染源排查，實現(xiàn)快速溯源。4水環(huán)境預(yù)警管理體系通過空天地一體化監(jiān)測手段對“水質(zhì)、水文、氣象、生態(tài)、給排水、污染因子、地形、流場”等數(shù)據(jù)采集及監(jiān)測，進行跨平臺、多部門數(shù)據(jù)融合與共享，構(gòu)建基于綜合數(shù)據(jù)采集、分析與模擬的水環(huán)境污染物溯源預(yù)警管理體系，滿足精準(zhǔn)預(yù)測、及時預(yù)警及準(zhǔn)確溯源的水環(huán)境管理需求?？仗斓匾惑w水環(huán)境安全監(jiān)測預(yù)警系統(tǒng)聚焦于水環(huán)境安全領(lǐng)域,應(yīng)用衛(wèi)星遙感監(jiān)測技術(shù)針對全流域河流、湖泊等進行相關(guān)水質(zhì)參數(shù)定量反演，并繪制流域水環(huán)境安全態(tài)勢一張圖；應(yīng)用無人機高光譜技術(shù)針對監(jiān)測區(qū)域內(nèi)重點監(jiān)測河流斷面進行相關(guān)水質(zhì)參數(shù)定量反演，并繪制重點監(jiān)測區(qū)域水環(huán)境安全狀況一張圖；應(yīng)用水面攝像機對特定監(jiān)測點位的水質(zhì)狀況進行快速識別；通過衛(wèi)星遙感影像、無人機高光譜影像、攝像機水體光譜識別等三大模塊相互補充、相互支撐，解決單一技術(shù)手段的缺陷,對水環(huán)境安全態(tài)勢風(fēng)險進行及時預(yù)警。5結(jié)論水環(huán)境污染物溯源及預(yù)警技術(shù)研究通過水質(zhì)時空變化預(yù)測模型進行時間與空間上的預(yù)測預(yù)警分析，有效地反映了污染物在河流中的遷移變化情況和提前對可能發(fā)生的水污染事件做準(zhǔn)備，大大降低水污染事件造成的影響；通過利用區(qū)域特征污染物數(shù)據(jù)庫相關(guān)監(jiān)測數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、多媒體數(shù)據(jù)等數(shù)據(jù)的管理對污染源點進行定位，對管網(wǎng)突發(fā)性水質(zhì)污染事故中制定控制措施、補救措施以及消除措施具有重要的指導(dǎo)意義；通過空天地一體的水環(huán)境監(jiān)測體系，對流域及重點區(qū)域水質(zhì)參數(shù)進行了定量反演，對特定監(jiān)測點位實施了水質(zhì)狀況快速識別，及時預(yù)警了水環(huán)境安全態(tài)勢風(fēng)險，實現(xiàn)了水環(huán)境監(jiān)測和預(yù)警相結(jié)合的業(yè)務(wù)新模式。參考文獻：[1]李晶,周浩,于曉英.水環(huán)境管理決策支持系統(tǒng)中的污染物溯源分析功能設(shè)計[J].2017(02):172-173.[2]祝榕婕.基于改進BP神經(jīng)網(wǎng)絡(luò)的河流水質(zhì)時空預(yù)測與污染預(yù)警模型研究[D].2021(06).[3]李林子,錢瑜,張玉超.基于EFDC和WASP模型的突發(fā)水污染事故影響的預(yù)測預(yù)警[J].2021(08):1010-1013.[4]孫策,李傳奇.基于CA-MCMC方法的河流突發(fā)