机器学习在地下水环境背景值与污染风险评价的应用和展望

地下水资源在世界各国水资源中占有举足轻重的地位,对人类生存发展、维系生态系统健康发挥着重要作用。现阶段地下水污染日益严重,地下水环境背景值研究和污染风险评价对地下水污染防治工作具有重要意义。由于地下水污染影响因素复杂,地下水化学组分空间分布的非均质性、地下水样品采集的小样本问题与大尺度区域的高计算代价,都对传统的污染风险评价方法构成了极大挑战。机器学习作为人工智能的核心,已成为水文地质领域研究的前沿热点,通过智能高效的数据处理和挖掘,在地下水化学组分的分布、变化以及赋存机制等方向已得到探索和尝试。本文全面介绍了近年来在地下水污染研究方面应用的机器学习方法,涵盖了以聚类为主的非监督学习算法,以回归为主的监督学习算法,以提升算法效率为目标的混合算法,以及以神经网络为核心的深度结构算法,展示了不同类型算法在地下水污染研究方面的成果,详细归纳了各种算法的机理,对算法的技术优劣及适用方向进行了探讨;最后对机器学习在地下水污染方面的应用发展趋势进行了展望,建议探索高效集成学习模型,以弥补单一算法的不足,同时发展面向小样本的深度学习建模技术,提高地下水污染评价精度,拓展和丰富新方法新技术在地下水污染研究方面的应用。

湖北省平原岗区地下水环境背景值初步研究

地下水背景值是衡量地下水是否遭受污染的重要依据,确定区域内地下水背景值是评价该地区地下水可持续发展的重要标尺。依据湖北省平原岗区(江汉平原、南襄盆地、汉江夹道)地形地貌、水文地质条件,划分了6个水环境单元,并选取低洼平原孔隙承压水环境单元(I_(1))、冲湖积平原孔隙承压水环境单元(I_(2))、岗地平原裂隙水环境单元(I_(3))3个水环境单元作为研究对象,运用数理统计方法确定其地下水环境背景值。结果表明:①区内地下水中较为丰富的阴阳离子为HCO_(3)-、Ca^(2+)和Mg^(2+),其水化学类型主要为HCO_(3)^(-)Ca(Mg)型水;②整体来看,低洼平原孔隙承压水环境单元(I_(1))地下水组分环境背景值最高,冲湖积平原孔隙承压水环境单元(I_(2))次之,岗地平原裂隙水环境单元(I3)最低,地下水各组分环境背景值具有明显的空间差异性;③地下水中TDS、SO_(4)^(2-)、NO_(3)^(-)浓度与土地利用类型之间的皮尔曼相关系数(ρ)分别为0.57、0.64、0.60,说明TDS、SO_(4)^(2-)、NO_(3)^(-)浓度与土地利用类型之间具有相关关系,同时说明人类活动已经对区内的地下水产生了影响。该研究结果可为湖北省平原岗区地下水污染评价提供理论依据。

地下水环境背景值及其确定方法

本文讨论了地下水环境背景值的概念和特征，指出环境背景值具有区域差异性和时间差异性，它是一个随时间渐变的范围值，属于某个区域（环境单元）而不是一个点．总结了已有的环境背景值确定方法及其优缺点，并提出在污染区可采用历时曲线法．为使背景值更可靠，多神方法的相互检验是必要的．

奎屯市地下水环境背景值及环境质量评价

运用模糊数学理论方法,依据样品中有关评价因子的实测值.对奎屯市地下水进行背景值统计分析,评价各因子对环境质量的贡献,在单因子模糊评判的基础上,对样品隶属于各级地下水环境程度作出综合评判。

武汉市第四系浅层地下水环境背景值研究

为查明武汉市第四系浅层地下水环境背景值,以2014年采集的21件浅层地下水样品水质分析数据为依据,利用Grubbs检验法剔除异常数据,采用Shapiro-Wilk检验法进行概率分布类型检验,计算该市地下水中的K^++Na^+、Ca^(2+)、Mg^(2+)、F^-、Cl^-、SO^(2-)_4、HCO^-_3、NH^+_4、TDS和总硬度主要成分的环境背景值。结果表明:研究区地下水主要成分的分布类型以正态分布为主,对数正态分布较少,无偏态分布类型;与20世纪90年代江汉平原东部地区相比,本次计算获得的地下水背景值阳离子中Ca^(2+)相对减少,K^++Na^+、Mg^(2+)均相对增加,但变化幅度较小;除HCO^-_3增加外,其余阴离子均减少,且变化幅度较大。地下水化学成分的变化主要与北部山区岩石风化溶解和地下水径流、氧化还原条件有关。

豫东地区浅层地下水污染初步评价

豫东地区浅层地下水水量丰富,水质良好,是理想的供水水源。本文利用商丘市新区水质现状,运用模糊数学法对其浅层地下水水质进行评价,确定了其环境背景值,并划分为3个区。