InfoWorks ICM-Delft 3D耦合模型在排水体系中点源污染溯源研究

城市排水的点源污染是引起黑臭水体的重要原因之一,该研究借助多元监测体系获得的水质数据,结合InfoWorks ICM-Delft 3D耦合模型及差分进化算法(DE)构建了污染溯源模型。以中山市某区域为研究对象,验证了耦合模型与DE算法对污染溯源的有效性。研究表明,连续排放污染源的位置、流量、污染物浓度的溯源精度较高,相对误差均在±0.12的范围内,并且污染溯源精度随着污染源流量增大而下降;随着污染流量增大,瞬时排放污染流量与浓度溯源的相对误差逐渐减小,模型对高流量污染事件的溯源精度较高。该模型体系的构建和应用为城市排水点源污染的溯源提供了科学指导。

基于差分进化算法的河流突发性污染事故溯源

针对河流上突发的污染事故溯源问题,在可观测数据有限的情况下有效找出污染源信息对于开展有效的治理措施至关重要。为快速精确地得到事故位置、强度和时间的未知污染源参数,建立了最优化溯源模型,该模型考虑了测量误差,基于贝叶斯推理通过后验概率来度量模型优化目标。为求解优化模型,提出了改进的差分进化算法。首先,利用部分观测数据训练得出流速等水文参数;然后,采用自适应差分进化算法优化污染源参数。实例与仿真结果表明:与传统优化算法相比,改进的差分进化算法可以在更大的源项参数取值范围内有效提高河流突发性污染事故溯源的精度。