基于随机森林法的弥河-潍河流域地下水质量评价研究

准确掌握地下水的环境质量状况是合理确定地下水资源开发策略和有效进行地下水资源保护的重要前提。通过随机森林(randomforest)法构建弥河-潍河流域地下水质量评价模型,结果表明:(1)随机森林法在进行地下水水质分类时具有分类精度高、泛化能力强等特点,且在进行超参数优化后,其分类精度会进一步提高,证明将随机森林法应用于地下水质量评价是可行的,并且其综合性能要优于逻辑回归模型;(2)研究区地下水水样均为Ⅳ类和Ⅴ类水,说明水质状况整体较差;(3)通过分类指标重要性评价可以看出,研究区地下水水质的主要影响指标为硝酸盐、总硬度和溶解性总固体,而此类指标的主要来源是蔬菜种植化肥的不合理使用及河流污染入渗,因此要进一步加强对蔬菜种植污染排放及河流水质的监测和控制。

地下水污染强度反演识别的SCE-UA算法

地下水污染在我国已经相当严重。通过水质监测点快速准确的确定污染源排放强度及其动态变化具有重要意义。基于SCE-UA优化算法,通过将地下水流和溶质运移数值模型耦合到优化模型,数值模型模拟计算的结果作为约束条件返回到优化模型中,优化过程通过SCE-UA算法进行反射、收缩和突变3个过程求解。实例分析表明:①在足够种群进化代数条件下,优化模型可以有效反演污染源排放强度及其动态变化;②优化模型对多污染源分别在稳定流和非稳定流下、定浓度和不定浓度排放的反演均可以有效、快速地搜索到全局最优解,具有较强的优化性能。