[发明专利]一种含水层中氯代烃污染原位生物修复方案优化方法

权利要求书

1.一种含水层中氯代烃污染原位生物修复方案优化方法，其特征在于，包括以下步骤：

步骤1，氯代烃修复区及污染区的界定

设在所述含水层中有一包含氯代烃污染区的区域，并记为氯代烃修复区，该氯代烃修复区与包括在其中的氯代烃污染区均为三维各向同性的承压含水层；将氯代烃修复区简化为一个高度与地平面平行的矩形体，并取其中任意一个垂直于地平面的横截面记为修复区A，该修复区A为一个长方形，其长边为α，短边为β；

以修复区A的一个端点为原点建立平面坐标系，且修复区A的长边与X轴平行，修复区A的短边与Y轴平行；令两条长边为隔水边界、两条短边为定水头边界，其中，与Y轴重合的短边记为边界1，另一条短边记为边界2，设水流方向与X轴正向相同，且边界1水头大于边界2水头；

将在修复区A中的氯代烃污染区记为污染区B，设该污染区B位于0.04α＜X＜0.64a、0.35β＜Y＜0.7β的区间内；

设在修复区A内还包含一个浓度约束区，该浓度约束区为长方形区域，其右边界与边界2重合，左边界距污染区右边界的直线距离约为0.04α-0.08α；

设在修复区A内与X轴平行的中线上均匀设置了Γ个抽注井，将其中任意一个记为抽注井I_i，i＝1，2，...，Γ，Γ个抽注井I_i从左向右依次排列；

设在修复过程中通过Γ个抽注井I_i向氯代烃修复区注入乳酸，并设在注入乳酸瞬间发酵产生氢气，且氢气的总浓度已知；

设修复过程中，氯代烃修复区的水力梯度为0.0048，孔隙度为0.3，纵向弥散系数为10m²/s，渗透系数为1.8m/d，修复周期N_s时长为1000天，所述纵向弥散系数即每秒钟污染物向X轴正向弥散的面积；

设在修复过程中每一天为一个时间段，共经历了N_s个修复时间段，将其中任意一个修复时间段记为修复时间段s，s＝1，2，...，N_s；

将修复区A平均剖分为有限差分网格，该有限差分网格的每个交叉点为一个节点，并将其中任意一个节点记为节点j₀，0＝1，2，...，N，N为修复区A内的节点数；

步骤2，构建含水层中氯代烃污染原位生物修复模拟模型

将所述含水层中氯代烃污染原位生物修复模拟模型记为模型1，该模型包括微生物群体降解氯代烃模型、微生物的生长和衰减模型和氯代烃自然衰减模型；

设氯代烃修复区中的污染物包含以下四种：四氯乙烯、三氯乙烯、二氯乙烯和氯乙烯；设氯代烃修复区中存在两种脱氯微生物，一种脱氯微生物参与降解四氯乙烯和三氯乙烯，称为微生物1，另一种微生物参与降解二氯乙烯和氯乙烯，称为微生物2；

所述微生物群体降解氯代烃模型的表达式如下：

式中，V₁为参与反应的微生物1的浓度，V₂为参与反应的微生物2的浓度，为四氯乙烯通过微生物1参与脱氯作用下的降解率，为四氯乙烯通过微生物1脱氯的最大脱氯常数，C_PCE为四氯乙烯的初始浓度，为四氯乙烯通过微生物1脱氯作用的半饱和常数，C_TCE为三氯乙烯的初始浓度，为三氯乙烯通过微生物1脱氯作用的半饱和常数，C_i，s为修复时间段s内抽注井I_i中注入的乳酸浓度，为氢气参与时脱氯反应H₂水相浓度的阈值，所述阈值为保持微生物正常存活所需要的最低值，为通过微生物1脱氯时H₂半饱和常数，为三氯乙烯在微生物1参与脱氯作用下的降解率，为三氯乙烯通过微生物1脱氯的最大脱氯常数，为二氯乙烯在微生物2参与脱氯作用下的降解率，为二氯乙烯通过微生物2脱氯的最大脱氯常数，C_DCE为二氯乙烯的初始浓度，为二氯乙烯通过微生物2脱氯作用的半饱和常数，C_VC为氯乙烯的初始浓度，为氯乙烯通过微生物2脱氯作用的半饱和常数，为通过微生物2脱氯时H₂半饱和常数，为氯乙烯在微生物2参与脱氯作用下的降解率，为氯乙烯通过微生物2脱氯的最大脱氯常数，为通过H₂参与脱氯作用下的利用率，为四氯乙烯消耗H₂的化学计量系数，为三氯乙烯消耗H₂的化学计量系数，为二氯乙烯消耗H₂的化学计量系数，为氯乙烯消耗H₂的化学计量系数；

所述微生物生长和衰减模型的表达式如下：

式中，为微生物1参与脱氯作用下的利用率，D₁为微生物1产量系数，为微生物1的衰减速率常数，V_1，min为给定的参与反应最低微生物1的浓度，为微生物2参与脱氯作用下的利用率，D₂为微生物2产量系数，为微生物2的衰减速率常数，V_2，min为给定的参与反应最低微生物2的浓度；

所述氯代烃自然衰减模型的表达式如下：

式中，V_PCE为四氯乙烯在衰减后的浓度，K_pce为四氯乙烯的一级降解速率，V_TCE为三氯乙烯在衰减后的浓度，Y_tce/pce为四氯乙烯自然衰减系数，K_tce为三氯乙烯的一级降解速率，V_DCE为二氯乙烯在衰减后的浓度，Y_dce/tce为三氯乙烯自然衰减系数，K_dce为二氯乙烯的一级降解速率，V_VC为氯乙烯在衰减后的浓度，Y_vc/dce为二氯乙烯自然衰减系数；

步骤3，构建含水层中氯代烃污染原位生物修复方案多目标优化模型

将含水层中氯代烃污染原位生物修复方案多目标优化模型记为模型2，在设定的约束条件下，构建模型2；

所述设定的约束条件为：

在以上约束条件下，模型2的表达式为：

式中，f₁为修复总费用，minf₁为修复总费用的最低值，a₁为钻井费用系数，a₂为安装井费用系数，a₃为抽注水费用系数，a₄为注入乳酸的费用系数，所述钻井费用系数a₁为钻得一口抽注井I_i所需地下空间的费用，所述安装井费用系数a₂为安装一口抽注井I_i所需费用，所述抽注水费用系数a₃为在一口抽注井I_i处抽取1m³水或在一口抽注井I_i处注入1m³水所需费用，所述注入乳酸的费用系数a₄为在一口抽注井I_i处注入1mol乳酸所需费用；

b是抽注井I_i的存在系数，b等于0或1，当b＝1时，抽注井I_i使用，当存在系数b＝0时，抽注井I_i不使用，d_i为抽注井I_i的井深，Q_i，s为抽注井I_i在修复时间段s内的抽注水速率，负值为抽水，正值为注水，△s为修复时间段s的时长，minf₂为剩余污染物浓度比的最低值，f₂为剩余污染物浓度比，mass_ini为修复开始时含水层中污染物浓度，mass_end为修复结束时含水层中污染物浓度；

为修复时间段s内节点j₀处的污染物浓度，为修复时间段s内节点j₀处的最大允许污染物浓度，为全称量词，表示对任意，∈表示属于，为修复时间段s内抽注井I_i注入乳酸浓度的下限，为修复时间段s内抽注井I_i的注入乳酸浓度的上限，为修复时间段s内节点j₀处的水头下限，为修复时间段s内节点j₀处的水头高度，为修复时间段s内节点j₀处的水头上限，为修复时间段s内节点j₀处上梯度水头的水力梯度，为修复时间段s内j₀节点处下梯度水头的水力梯度，为修复时间段s内抽注井I_i流量的下限，为修复时间段s内抽注井I_i流量的上限，Q_s，total为修复时间段s内所有抽注井I_i的总注水量；

步骤4，构建含水层中氯代烃污染修复模拟-优化模型

将模型1与模型2耦合组成含水层中氯代烃污染修复模拟-优化模型，并记为模型3，其表达式为：

设在修复完毕时，浓度约束区中四种污染物的浓度均达到IV类水的标准，具体的，将四氯乙烯在衰减后的浓度V_PCE、三氯乙烯在衰减后的浓度V_TCE、二氯乙烯在衰减后的浓度V_DCE、氯乙烯在衰减后的浓度V_VC记为污染物浓度W_L，L为四种氯代烃的序号，L＝1，2，3，4，其中1为四氯乙烯，2＝三氯乙烯，3为二氯乙烯，4为氯乙烯，根据该要求，模型3的约束条件如下：

式中，为修复时间段s内节点j₀处的污染物浓度，为修复时间段s内j₀节点处的最大允许污染物浓度；

步骤5，基于NSGA-II算法对步骤4得到的模型3进行求解

首先设定目标函数、输入变量如下：以修复总费用f₁为第一目标函数、剩余污染物浓度比f₂为第二目标函数，并将第一目标函数和第二目标函数记为目标函数F(f₁，f₂)；以抽注井数量Γ为第一输入变量E₁、抽注井I_i的井深d_i为第二输入变量E₂、抽注井I_i在修复时间段s内的抽注水速率Q_i，s为第三输入变量E₃、修复时间段s内抽注井I_i中注入的乳酸浓度C_i，s为第四输入变量E₄，并将四个输入变量记为输入变量E(Γ，d_i，Q_i，s，C_i，s)；

其次，基于NSGA-II算法对步骤4得到的模型3进行求解，得到G个最优解F_yk(f₁，f₂)和对应的G个最优修复方案E_yk(Γ，d_i，Q_i，s，C_i，s)，G个最优修复方案E_yk(Γ，d_i，Q_i，s，C_i，s)组成最优修复方案集k＝1，2，...，G，G为最大迭代次数；

步骤6，绘制f₁-f₂曲线

以f₁为横坐标、f₂为纵坐标在平面坐标系中标出每一个最优解F_yk(f₁，f₂)对应的数据点，选择指数函数对G个数据点进行拟合，得到一条f₁-f₂曲线；

步骤7，最终修复方案的选择

根据需求通过f₁-f₂曲线选取数据点，即进行修复总费用f₁和剩余污染物浓度比f₂的匹配，然后从最优修复方案集中选取氯代烃污染原位生物最终修复方案。

2.根据权利要求1所述的一种含水层中氯代烃污染原位生物修复方案优化方法，其特征在于，步骤5所述基于NSGA-II算法对步骤4得到的模型3进行求解的具体步骤如下：

步骤5.1，初始化种群，随机选择N_z组输入变量E(Γ，d_i，Q_i，s，C_i，s)的值形成N_z组非支配解，产生初始父代种群P₀，其中N_z为种群规模；

步骤5.2，将N_z组输入变量E(Γ，d_i，Q_i，s，C_i，s)代入模型3中计算第k次迭代父代种群P_k中的目标函数，得到N_z组目标函数F_k(f₁，f₂)，该N_z组目标函数F_k(f₁，f₂)组成目标解集T_k；

步骤5.3，应用pareto排序将目标解集T_k中的N_z组目标函数F_k(f₁，f₂)从优到劣降序排序，选取排名第一的目标函数F_k(f₁，f₂)记为最优解F_yk(f₁，f₂)，并将该最优解F_yk(f₁，f₂)对应的输入变量E(Γ，d_i，Q_i，s，C_i，s)记为最优修复方案E_yk(Γ，d_i，Q_i，s，C_i，s)；

目标解集T_k中未被选取的目标函数F_k(f₁，f₂)所对应的输入变量E(Γ，d_i，Q_i，s，C_i，s)通过选择、变异、交叉得到种群规模为N_z-1的子代种群Q_k；

步骤5.4，将父代种群P_k和子代种群Q_k合并成种群R_k，对种群R_k进行快速非支配排序，从优到劣降序排序，取排名前N_z个作为新的父代种群P_k+1；

步骤5.5，重复步骤5，2-步骤5.4，直到达到最大迭代数G，输出G次迭代中得到的G个最优解F_yk(f₁，f₂)和G个最优修复方案E_yk(Γ，d_i，Q_i，s，C_i，s)，G个最优修复方案E_yk(Γ，d_i，Q_i，s，C_i，s)组成最优修复方案集