[发明专利]一种突发水污染正逆耦合溯源方法及系统

说明书

本发明涉及一种突发水污染正逆耦合溯源方法及系统，根据获取到的力学参数和水质参数建立河道一维正向水质模拟模型；根据河道一维正向水质模拟模型，对每个监测指标分别使用逆向优化溯源模型进行测算，通过构建了河道一维正向水质模拟模型，使用逆向优化溯源模型进行测算，并进行贝叶斯更新过程，实现了多信息融合，本发明能够合理支配和使用不同观测信息，把多源信息在空间或时间上的冗余或互补进行组合，以获得被测对象的一致性解释，从而克服了水环境的不确定性，提高了水污染溯源的精准性，实现了水污染溯源问题的多解决策。

技术领域

本发明涉及多源数据收集技术领域，特别是涉及一种突发水污染正逆耦合溯源方法及系统。

背景技术

水是生命之源，是维系生态环境可持续发展的首要基础，随着工业化以及新型城镇化进程的推进，工业企业的意外泄漏和非法排放威胁着中小型河渠水环境，及时准确地识别污染源对于处理突发性水污染事件具有重要意义。

水污染溯源问题(PollutantSourceDetectionproblem)，其作为典型的环境水力学反问题在诸多领域被研究，国内外学者研究了多种河流水质污染事故溯源算法，普遍利用下游污染监测信息寻找上游最有可能的污染源，大致可分为以下几类：一是通过示踪法或多元统计法推断污染源，适用于距离较短的河道；二是应用概率统计方法识别水体污染源项，例如BPM(BackwardProbability Method，后向概率法)；三是利用污染源搜索理论方法确定污染源位置，基本思路是随机假设源项信息，然后通过正向的水质模型模拟不同源项信息下监测站点处的水质浓度变化数据，通过与实测值的比较进行判断是否是真实污染源，其采样方法的效率决定了溯源的效率，常用的采样方法包括MCMC(MarkovChainMonteCarlo，马尔科夫蒙特卡洛抽样)以及LHS(Latinhypercubesampling，超拉丁立方采样)，这类方法在简单河道或者河渠中效果较好，但是在有着多源联合排污可能的复杂河渠环境下，采样效率较低，而使用优化算法替代随机采样，则能够构建规则实现迭代计算，更快速的接近最优解，进而提升溯源效率。

现有技术的难题在于追溯到的污染源往往不唯一，观测到的数据属性不同且时空代表性不足，仅能依靠单一数据源获得的结果，导致水污染溯源的结果的精确性不高。

发明内容

本发明的目的是提供一种突发水污染正逆耦合溯源方法及系统，能够合理支配和使用不同观测信息，把多源信息进行融合，从而提高计算水污染溯源结果的精确性。

为实现上述目的，本发明提供了如下方案：

一种突发水污染正逆耦合溯源方法，包括：

获取监测水域的力学参数和水质监测参数；所述水质监测参数包括多个监测指标的浓度值；

根据所述力学参数和所述水质参数建立河道一维正向水质模拟模型；

对于任意一个所述监测指标，采用逆向优化溯源模型对所述河道一维正向水质模拟模型进行测算，得到多个同效溯源解；所述同效溯源解包括污染源的个数、污染排放位置、污染排放强度和污染排放时间；

将所有的监测指标的同效溯源解划分为第一组和第二组；所述第一组中的同效溯源解中污染源的个数为1；所述第二组中的同效溯源解中污染源的个数为2；

将所述第一组确定为一个同效溯源解群，并对所述第二组中的同效溯源解的污染排放位置进行聚类，得到多个同效溯源解群；

对每个所述同效溯源解群进行贝叶斯概率更新，将后验概率最大的所述同效溯源解群确定为决策解群。

优选地，所述获取监测水域的力学参数和水质监测参数，包括：

根据河流流域自然地理特征确定污染测站或控制断面所对应的所述监测水域；