一种基于不确定分析模型的地下水污染概率识别方法

摘要

本发明提供一种基于不确定分析模型的地下水污染概率识别方法，所述方法包括以下步骤：(1)通过监测信息采集模块生成第一输入数据集；(2)通过风险源信息采集模块生成第二输入数据集；(3)利用步骤(1)所得第一输入数据集，通过污染状况评估模块对地下水污染物进行分级评估，生成第一输出数据集；(4)利用步骤(2)所得第二输入数据集，通过决策分析模块进行标准化运算，生成第二输出数据集；(5)利用步骤(4)所得第二输出数据集，通过贝叶斯模型算法模块进行地下水污染概率识别；(6)通过数据输出模块与可视化系统显示污染概率最优解，即得到最有可能的污染元凶。所述方法特别适用于监测数据较少且存在多个地下水风险源的情景。

说明书

技术领域

本发明属于环境监测技术领域，涉及一种地下水污染概率识别方法，尤其涉及一种基于不确定分析模型的地下水污染概率识别方法。

背景技术

我国地下水污染源点多面广，且地下水污染具有一定的隐蔽性，一旦发生污染，治理成本高，修复难度大。基于目前的调查结果，污染源周边地下水监测水平较低，远远达不到地下水污染监管要求，因此，如何通过有限的水位、水质监测数据，准确识别地下水污染来源对于地下水污染治理具有重要意义。目前，地下水污染源识别研究的主要方法包括地统计学法、地球物理探测法和同位素溯源法等。

CN 110580328A公开了一种地下水位监测值缺失的修复方法，以地下水位时空序列特性分析结果为基础，围绕时空缺失值混合修复算法原理展开研究，抽象出顾及时空相关性的缺失修复混合模型。通过分析地统计学方法和机器学习算法的特点，选取适合地下水位监测数据的泛克里金空间插值法和时间缺失修复算法，并根据时空要素扩展理论，将单一的空间、时间缺失修复算法融合，构建时空缺失数据修复混合模型。然而所述发明要求多个位置甚至是长时间序列的监测采样结果，识别成本较高，一般用于已知污染源的地下水污染程度分析。

CN 107544097A公开了一种基于地球物理探测技术的土壤污染精确定位及准确评估方法，所述方法包括场地现场踏勘、从“面”上开展场地全覆盖的快速探测、从“线”上进一步定位污染团与可及深度、从“点”上开展钻孔取样与分析验证、从“面”上准确评估场地污染程度。所述方法针对具体目标场地或区域，有步骤、有针对性地使用电磁感应仪-高密度电阻率仪-探地雷达的地球物理探测技术组合，精确定位区域土壤疑似污染区或点，合理布置采样点位，结合现场快速污染筛查和钻孔取样测试分析，构建从面到线再到点，最终回到面的土壤污染调查流程。然而所述发明仅适用于与岩层存在较大物性差异以及30m深度以内的污染探测，且随着精度要求越高，可探测范围越浅。

CN 111272960A公开了一种同位素和测年相结合的浅层地下水硝酸盐源解析方法，所述方法包括如下步骤：(1)根据测定区域的环境特征设置监测采样点与背景值采样点；(2)应用同位素测年法对地下水年龄进行监测，结合氮氧稳定双同位素溯源法，研究区土地利用及污染源信息对地下水硝酸盐源进行的定性识别与定量解析。然而所述发明仅适用于硝酸盐源的识别，普适性较差，且同位素和水化学监测数据需求量大。

综上可知，现有的地下水污染源识别方法普遍存在对数据量要求高的问题，虽然数据量越大，预测和反演的精度越高，但是对于开展污染调查前期数据量较少的情景下通过少量数据初步锁定污染元凶的方法研究较少。

由此可见，如何提供一种地下水污染概率识别方法，特别适用于监测数据较少且存在多个地下水风险源的情景，准确判定监测数据异常的来源及风险源污染概率，成为了目前本领域技术人员迫切需要解决的问题。

发明内容

本发明的目的在于提供一种基于不确定分析模型的地下水污染概率识别方法，特别适用于监测数据较少且存在多个地下水风险源的情景，准确判定了监测数据异常的来源及风险源污染概率。

为达到此发明目的，本发明采用以下技术方案：

本发明提供一种基于不确定分析模型的地下水污染概率识别方法，所述地下水污染概率识别方法包括以下步骤：

(1)通过监测信息采集模块生成第一输入数据集；

(2)通过风险源信息采集模块生成第二输入数据集；

(3)利用步骤(1)所得第一输入数据集，通过污染状况评估模块对地下水污染物进行分级评估，生成第一输出数据集；

(4)利用步骤(2)所得第二输入数据集，通过决策分析模块进行标准化运算，生成第二输出数据集；

(5)利用步骤(4)所得第二输出数据集，通过贝叶斯模型算法模块进行地下水污染概率识别；

(6)通过数据输出模块与可视化系统显示污染概率最优解，即得到最有可能的污染元凶；

其中，步骤(1)与步骤(2)不分先后顺序；步骤(2)与步骤(3)不分先后顺序；步骤(3)与步骤(4)不分先后顺序；步骤(3)与步骤(5)不分先后顺序。

本发明针对监测数据较少且存在多个地下水风险源的情景，提出了基于贝叶斯公式的地下水风险源污染概率估计研究方法，利用改进的贝叶斯概率模型，对监测信息进行反演计算，综合分析污染概率最优解所对应的污染源来获得对应的污染元凶，从而提供了一种地下水污染来源判别方法的有效途径，对地下水污染风险防控具有重要科学意义。

优选地，步骤(1)所述监测信息采集模块包含监测点的编号、省份、地市、区县、经度、纬度、所属水文地质单元、地下水类型、地下水水位与水质监测结果。

本发明中，所述水质监测结果包含的污染物为含硝酸盐氮、亚硝酸盐氮、氨氮、砷、铅、汞、镉、铬(六价)、挥发性酚、四氯化碳、三氯甲烷、1,2-二氯乙烷、1,1-二氯乙烯、1,2-二氯乙烯、二氯甲烷、1,2-二氯丙烷、四氯乙烯、1,1,1-三氯乙烷、1,1,2-三氯乙烷、三氯乙烯、氯乙烯、苯、氯苯、1,2-二氯苯、1,4-二氯苯、乙苯、苯乙烯、甲苯、二甲苯、蒽、苯并芘、苯并荧蒽、荧蒽、萘、邻苯二甲酸酯等。

优选地，步骤(2)所述风险源信息采集模块包含风险源的名称、省份、地市、区县、经度、纬度、所属水文地质单元、所属行业类别、建厂时间、原材料、产品、中间产物、废水排放量、污染物排放量、防渗措施运行情况、自行监测结果与可能发生渗泄漏的装置、设备、厂房以及渣堆面积。

本发明中，所述污染物排放量包括化学需氧量排放量、氨氮排放量、总氮排放量、石油类排放量、挥发酚排放量、废水砷排放量、废水铅排放量、废水汞排放量、废水镉排放量与废水六价铬排放量。

优选地，步骤(3)所述污染状况评估模块是基于对照值与标准限值的地下水污染评价方法，具体表述为以下公式：

P

其中，P

本发明中，污染指数P

本发明中，所述k水样i指标包括三氮(氨氮、亚硝酸盐氮与硝酸盐氮)指标、重金属指标与有机类指标，且三氮和重金属指标的对照值根据地下水系统分区给定，有机类指标的对照值取0或检出限。

优选地，步骤(4)所述决策分析模块将风险源进行唯一编号，根据所属行业给定行业特征物的具体指标，将建厂时间换算为风险源存在时间，将原材料、产品、中间产物换算为可能产生污染物的具体指标，将污染物排放量转化为废水涉及污染物的具体指标，自行监测结果中筛选出超过《地下水质量标准》(GB/T14848)中III类标准限值的具体指标。

本发明中，步骤(2)所得第二输入数据集通过决策分析模块进行标准化运算后变更为风险源的名称、唯一编号、经度、纬度、所属水文地质单元编号、行业特征污染物(含具体指标)、存在时间、原材料产品中间产物可能产生的污染物(含具体指标)、废水涉及的污染物(含具体指标)、废水排放量、防渗措施运行情况、可能发生渗泄漏的装置、设备、厂房或渣堆面积、自行监测结果超III类的污染物(含具体指标)，即得第二输出数据集。

优选地，步骤(5)所述贝叶斯模型算法模块利用第二输出数据集修正先验概率，基于对流弥散方程求解似然度，并基于贝叶斯公式计算后验概率，通过结果判定监测值异常的最可能来源。

优选地，所述贝叶斯公式为：

P(m,S

其中，P(m,S

本发明以从监测值中获取参数信息为目标，采用贝叶斯公式将参数先验概率密度函数与样本似然函数结合在一起，计算造成监测点指标异常是由某一个风险源造成的概率，并将计算得到的概率最大值作为最优解，从而形成地下水风险源污染概率估计方法。

优选地，所述先验概率P(S

P(S

其中，P

本发明中，对于某个风险源来说，其是否发生污染取决于风险源是否排放目标污染物，而与监测点指标是否异常无关。在相关参数未知的情况下，风险源排放目标污染物和不排放目标污染物的概率相等，即可将初始先验概率P

本发明中，所述污染释放可能性系数L

本发明中，若风险源为废弃地块，其废水排放量可能为0，则无法按照上述计算方法进行先验概率P(S

优选地，所述似然度P(S

其中，Δh

常规计算似然度一般涉及风险源与监测点的向量距离、水头、流向、孔隙度、渗透系数、弥散度、渗漏浓度、监测点观测值等参数，似然度作为一种对计算值和观测值之间接近程度的度量，计算值和观测值越接近，则似然度的值就越大，反之亦然。若已知多点或多次观测值，可通过极大似然思想和溶质运移方程求解似然函数，但受监测条件限制而无法准确求解溶质运移方程，本发明通过对流弥散方程对似然度进行简化求解。

优选地，所述标准化常量P(m)的计算具体表述为以下公式：

即标准化常量P(m)为归一化的积分常数。

优选地，步骤(6)所述数据输出模块采用面向服务架构(SOA)、实体-模型-属性(EAM)或模型-视图-控制器(MVC)设计思想中的任意一种或至少两种的组合，典型但非限制性的组合包括SOA与EAM设计思想的组合，EAM与MVC设计思想的组合，SOA与MVC设计思想的组合，或SOA、EAM与MVC设计思想的组合。

本发明中，数据输出模块整体采用SOA设计思想；采用EAM设计思想，能够适应数据集变化引起的输出结果变化；遵守面向对象思想，采用MVC设计思想，保证了系统的可移植性。

相对于现有技术，本发明具有以下有益效果：

本发明针对监测数据较少且存在多个地下水风险源的情景，提出了基于贝叶斯公式的地下水风险源污染概率估计研究方法，利用改进的贝叶斯概率模型，对监测信息进行反演计算，综合分析污染概率最优解所对应的污染源来获得对应的污染元凶，从而提供了一种地下水污染来源判别方法的有效途径，对地下水污染风险防控具有重要科学意义。

附图说明

图1是本发明提供的地下水污染概率识别方法流程图；

图2是实施例1提供的地下水污染概率识别方法中地下水风险源及监测点位置与地下水位等值线示意图。

具体实施方式

下面通过具体实施方式来进一步说明本发明的技术方案。本领域技术人员应该明了，所述实施例仅仅是帮助理解本发明，不应视为对本发明的具体限制。

实施例1

本实施例提供一种如图1所示的地下水污染概率识别方法，所述地下水污染概率识别方法用于2019年4月某工业集聚区东南部某一农灌井中污染源的概率识别，主要包括以下步骤：

(1)将农灌井(记为监测点O1)中地下水的采样检测数据输入监测信息采集模块中，生成第一输入数据集；

(2)分析步骤(1)所得第一输入数据集，发现Cr

(3)为查找步骤(2)显示监测点Cr

(4)分析步骤(3)所得风险源相关软数据，确定与Cr

表1

(5)根据研究区水文地质条件，将地下水流概化为均质各向同性的潜水平面二维稳定流；根据风险源与监测点的相对位置、水头差等数据，利用公式(4)计算污染事件发生的似然度与标准化常量的比值P(S

表2

基于表1的先验概率与表2的似然度，按照公式(2)计算得到不同指标异常时不同风险源的后验概率，计算结果如表3所示；

表3

由表3可知，O1监测点Cr

(6)通过数据输出模块与可视化系统显示污染概率最优解，即得到最有可能的污染元凶为S6风险源-某无机盐制造业污染源。

由此可见，本发明针对监测数据较少且存在多个地下水风险源的情景，提出了基于贝叶斯公式的地下水风险源污染概率估计研究方法，利用改进的贝叶斯概率模型，对监测信息进行反演计算，综合分析污染概率最优解所对应的污染源来获得对应的污染元凶，从而提供了一种地下水污染来源判别方法的有效途径，对地下水污染风险防控具有重要科学意义。

申请人声明，以上所述仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，所属技术领域的技术人员应该明了，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，均落在本发明的保护范围和公开范围之内。