基于无网格法的一维水质回溯、预测模拟研究

基于无网格径向基函数配点法,建立恒定水流中的一维污染物浓度回溯和预测数学模型,结合任意时刻的实测污染物浓度空间分布,回溯并预测后期一段时间内的污染浓度分布。模型根据代价函数,并利用交叉验证法构建了不同形式的基函数组合形式,采用枚举法分析形状因子及比例因子等参数的最优取值范围,并与纯扩散及对流-扩散的解析理论值进行了比较。研究结果表明,采用合理的参数值、适当的时空域配点以及观测点数量,该无网格法模型能够准确地回溯并且预测今后的污染物浓度分布特征,为今后水环境工程快速识别污染源、污染物扩散预警提供了一定的参考。     

基于进化算法和水质模型的河口污染物溯源方法

近年来河口地区水体污染突发事件日益增多，快速识别污染源发生的位置、时间和总量，对于防控措施的制定具有重要的研究价值。为此本文基于河口地区潮流动力特征，通过变量解耦、优化遗传算法和水质扩散模型，提出了一套适用于河口地区的溯源方法。通过引入基于拉格朗日方法的大尺度粗筛，明确溯源范围，再基于考虑权重系数的遗传算法和适应度指标法，进一步优化污染源位置和发生时间，最后基于解耦模型实现泄露总量的判定，确保了计算效率和和预测精度。模型进一步应用于福建省泉州湾河口地区的污染源识别，研究结果表明，模型在单观测点信息源的情况下，仍具有良好的鲁棒性和溯源准确性，若观测点增加，通过交叉验证可消除观测误差的影响，给出更为准确的溯源结果，证实该方法不受限于实测数据源的多少，具有较好的推广和应用性。该方法可以辅助河口及海岸地区水污染的快速溯源和调查取证，协助相关部门采取必要措施减轻水污染造成的的不利影响。     

基于改进型遗传算法的水质溯源问题

针对污染源排放位置、时间、排放总量的问题,以一维物质对流扩散方程和遗传算法理论为基础,构建污染物位置和排放时间的溯源模型。在传统遗传算法的基础上,按照适应度函数值的大小进行排序,引入"权重系数法"的概念,生成产生子代的新规则,优化种群质量,以控制种群进化方向。进一步基于解耦技术,建立了污染源排放总量的优化模型,推求污染源释放总量。试验结果表明,改进后的遗传算法能准确地追踪到污染源的排放位置和排放时间,与传统方法相比,其搜索效率更高,计算更加稳定。