CN104103005B - 一种有限条件下突发性水环境事件污染源的溯源方法 - Google Patents

Abstract

一种污染源溯源***，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据，所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案。

Description

一种有限条件下突发性水环境事件污染源的溯源方法

技术领域

本发明涉及一种有限条件下突发性水环境事件污染源的溯源方法，其中尤其涉及一种污染源溯源的决策支持模型，用于接收所收集到的数据并进行分析，从而对污染源来源进行分析确定，并建立污染源按时间轴的动态发展模型，为防止污染源造成更大的损失提供决策依据。

背景技术

近年来水污染事故频发，我国当前面临的水污染事故的形势十分严峻。与国外情形有很大不同，在我国有相当比例的污染事故是先环境污染了才知道事故发生，甚至许多事故源（包括流动源）仍不在日常环境监管对象中。目前在水环境应急工作中，查找事故源主要还是采用人工排查的方法，工作量巨大，且会延误处理时机。

现有水环境应急研究主要集中于环境重点源管理、自动实时监测和预警、事件模拟与仿真、快速应急响应方案、灾后恢复方法及评价等方面，均基于污染事件源已知的假设条件下开展的。从污染事故环境行为特征出发，依靠技术手段快速反向搜索、定位污染事故源是目前应急科研和实践面临的一个重大难题。

现有污染源搜索方法存在一些缺陷：人工排查结合监测方法是目前实践工作中主要手段，但其花费的人力、物力巨大，且时间过长；同位素分析/指纹方法适用污染物类型较小，同样费时费力，适用于已经初步确定了污染源范畴；基于GIS(地理信息***,Geographic Information System或 Geo-Information system，有时又称为“地学信息***”）技术建立环境信息数据库的方法对数据的基础要求高，而许多情况下，污染源信息并未报到环保管理部门。这些问题导致在实际应急工作中许多技术应用存在非常大的困难，比如在2012年广西龙江镉污染事件中，发现河流被污染时，呈现于应急部门的排查条件非常少，仅有相关污染监测及河流的一些基本水文水质信息，可用信息少且分散，经大量排查工作才发现事故是企业偷排造成的，这种情况通过常规的GIS数据检索和模型计算是不可能找到源头。

本发明旨在提出一种***或方法解决上述问题之一，并能提供较高的命中率，通过自动化手段提高排查效率，也可以提供适于实施的解决方案。

发明内容

本发明优化了水污染事故排查方法，建立了基于最优搜索理论、源项追踪模型、智能空间决策支持***等技术的多方法、多手段耦合的事故源溯源技术，解决了现有技术体系应用面窄、工作量大、耗时长的问题，尤其对于在信息基础较差的区域如何查找事故源提供了一条快速、准确解决途径。

根据本发明的其中一个发明目的，其中提供一种污染源溯源***，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据，所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案。

根据本发明进一步的发明目的，其中决策支持模型包括源项模型、最优污染源搜索模型、最优污染源搜索模型，源项模型主要用于确定污染的类型，并根据污染类型选择适合的参数，再结合地理信息，生成最优污染源搜索模型，所述决策支持模型可以根据输入装置不断输入的信息进行持续调整以进一步精准地确定污染源，提高最有搜索模型的效率和命中率，所述最优搜索模型再结合实际实施的设备水平等因素确定最优的搜索方案。

根据本发明进一步的发明目的，其中所述应急监测模型可以根据所选定的源项模型、所生成的最优污染源搜索模型确定应急监测模型，以进一步持续不断的调配最佳检测设备并进行实际实施，持续不断地及时获得最新的监测数据输入决策支持模型中形成反馈机制，不断地优化决策支持模型。

根据本发明进一步的发明目的，其中输出显示装置可以将上述决策支持模型及其所包含的源项模型、最优污染源搜索模型、应急监测模型可视化地表达并显示在显示装置上，以直观地反映决策模型处理后的结果。

根据本发明进一步的发明目的，其中污染源监测数据包括监测、实地调查、遥感所获得的数据或信息。

根据本发明另一发明目的，其中，应用在以污染源溯源***之中，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据，所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案，其特征在，所述污染源溯源方法包括如下步骤：

步骤1：输入监测点检测的数据信息触发事件，或人工触发事件，启动决策支持模型；

步骤2：确定决策范围，输入来自监测、实地调查、遥感等手段获取的数据；触发空间分析模型，搜索及挖掘相关数据；进行数据同化技术，为模型计算准备数据；

步骤3：利用源项模型计算可能污染源分布区域；

步骤4：跟据计算结果及相关条件，设定搜索条件，分析得到时间最短的最优搜索方案；

步骤5：把步骤3-4结果反馈空间决策模型，并通过GIS可视化表达,结合人机交互界面输入的人工指令优化应急监测方案；

步骤6：结合人机交互界面输入的人工指令，根据反馈结果，转入步骤2-5，形成一个循环，每次循环逐步推进缩小搜索范围，直到范围缩小到一定范畴时，进行现场排查找到污染源。

根据本发明进一步的发明目的，其中所述污染源为水污染。

根据本发明进一步的发明目的，其中利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2）其推算污染源位置、源强

的分布和概率的计算方法如下：

主要方法为：利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2），推算污染源位置、源强的分布和概率；

（1）

为污染物浓度；为河道断面面积；为河道断面流量；为河段混合扩散系数；为污染物降解速率常数；为源、汇项，为时间，X为距离，表征预测点与污染源之间的距离；为源、汇项，表征污染源的质量；

（2）

是模型参数；y是观测数据，为水污染环境事件发生后实际测量数据；表示在未获得测量数据之前，对模型参数分布的认识，主要来源于以往数据、经验和主观判断等；即通过历史数据和经验，判断模型的参数分布。

表示模型参数拟合测量数据的程度，越大表示拟合效果越好，该参数用于判断模型参数与测量数据的之间的差距；

表示在测量数据获得之后模型参数的分布规律，即为在统计反演意义下的反问题的解。

根据本发明进一步的发明目的，其中决策支持模型包括源项模型、最优污染源搜索模型、最优污染源搜索模型，源项模型主要用于确定污染的类型，并根据污染类型选择适合的参数，再结合地理信息，生成最优污染源搜索模型，所述决策支持模型可以根据输入装置不断输入的信息进行持续调整以进一步精准地确定污染源，提高最有搜索模型的效率和命中率，所述最优搜索模型再结合实际实施的设备水平等因素确定最优的搜索方案。

根据本发明进一步的发明目的，其中污染源监测数据包括监测、实地调查、遥感所获得的数据或信息。

根据本发明进一步的发明目的，其中最优污染源搜索模型利用下列数学模型求解：

搜索函数如公式3，利用应用拉格朗日乘数法进行求解，

（3）

k为搜索时间，f为分配方案，c为搜索成本。

四、附图说明

图1是本发明所述模型功能结构示意图。

五、具体实施方式

参考图1，其中包括一污染源溯源***，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据（监测、实地调查、遥感所获得的数据或信息），所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述决策支持模型中进一步还包括源项模型和最有搜索模型以及应急监测模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案。其中源项模型主要用于确定污染的类型，并根据污染类型选择适合的参数，再结合地理信息，生成最优污染源搜索模型，所述模型可以根据输入装置不断输入的信息进行持续调整以进一步精准地确定污染源，提高最有搜索模型的效率和命中率，所述最优搜索模型再结合实际实施的设备水平等因素确定最优的搜索方案。所述应急监测模型可以根据所选定的源项模型、所生成的最优污染源搜索模型确定应急监测模型，以进一步持续不断的调配最佳检测设备并进行实际实施，持续不断地及时获得最新的监测数据输入决策支持模型中形成反馈机制，不断地优化决策支持模型（包括其中的源项模型、最优污染源搜索模型），所述决策支持模型及其所包含的源项模型、最优污染源搜索模型、应急监测模型。其中的输出显示装置可以将上述所有模型（决策支持模型及其所包含的源项模型、最优污染源搜索模型、应急监测模型）建立“空间分析模型”可视化地表达并显示在显示装置上，以直观地反映决策模型处理后的结果。所述“空间分析模型”是根据本发明的决策支持模型及其所包含的源项模型、最优污染源搜索模型、应急监测模型生成的可视化表达的数据模型。

利用所述污染源溯源***，其中还具体提供一种污染源溯源方法，包括下列步骤：

步骤1：事故接报后，空间决策平台触发决策，输入接报信息，或者根据监测点的信息触发事件，启动污染源溯源***，也可以持续监测污染源，待污染源某参数达到预警值或警戒值时触发决策支持模型进行应急事件处理模式。

步骤2：确定决策范围，输入来自监测、实地调查、遥感等手段获取的数据；触发空间分析模型，搜索及挖掘相关数据；进行数据同化技术，为模型计算准备数据。

步骤3：利用源项模型计算可能污染源分布区域（该步骤中仅以水污染为例进行说明，实际上，空气污染、土壤污染、食品和蔬菜污染以及接触式病菌传播都可遵循本方法，只是其中所使用的数学计算公式不一定相同）；

主要方法为：利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2），推算污染源位置、源强的分布和概率。

（1）

为污染物浓度；为河道断面面积；为河道断面流量；为河段混合扩散系数；为污染物降解速率常数；为源、汇项；为时间，X为距离，表征预测点与污染源之间的距离；为源、汇项，表征污染源的质量。

（2）

是模型参数；y是观测数据，为水污染环境事件发生后实际测量数据；表示在未获得测量数据之前，对模型参数分布的认识，主要来源于以往数据、经验和主观判断等；即通过历史数据和经验，判断模型的参数分布。

表示模型参数拟合测量数据的程度，越大表示拟合效果越好，该参数用于判断模型参数与测量数据的之间的差距。

表示在测量数据获得之后模型参数的分布规律，即为在统计反演意义下的反问题的解。

公式2用于根据实测的水环境观测数据来反演污染源的强度、位置等信息，是一种解决实际水体污染观测所含误差信息，研究带有测量误差条件下的污染源识别问题的有效方法。

步骤4：跟据计算结果及相关条件，设定搜索条件，分析得到时间最短的最优搜索方案。

搜索函数如公式3，利用应用拉格朗日乘数法进行求解。

（3）

k为搜索时间，f为分配方案，c为搜索成本。

公式1提供利用水环境模拟技术在假定污染源位置情况下污染分布状态信息；公式2为根据实际监测手段所获取的污染分布状态，并结合公式1提供的污染源和污染分布信息，反演污染源识别的有效方法；公式3为根据模型计算结果和相应观测结果，所采用分析得到时间最短的最优搜索计算方法。

步骤5：把步骤3-4结果反馈空间决策模型，并通过GIS可视化表达,结合人机交互界面输入的人工指令，优化应急监测方案。

步骤6：实施专家方案，结合人机交互界面输入的人工指令，根据反馈结果，转入步骤2-5，形成一个循环，每次循环逐步推进缩小搜索范围，直到范围缩小到一定范畴时，进行现场排查找到污染源。

1）研究充分利用GIS、监测网络优化、源项追踪技术、污染事件反演技术等方面的技术，形成了“事故源区段界定——事故源点确定——事故反演”的完善污染事故追踪反演技术体系。

2）开展复杂水体水环境模拟反问题适定化方法研究，构建水污染事故多方法耦合的源项追踪方法，通过各方法并行、组合试算，研究统计分析、粗集方法、人工神经网络方法、贝叶斯推理、化学质量平衡、区域尺度模式等方法优势互补的可能、形式和方法，构建多方法和模式耦合的源项追踪模型，解决应急期间制定污染控制策略时决策信息缺乏等问题；

3）不确定性模型应用于源搜索，不仅可以反映源的空间位置，而且可以提供相关位置可信度，有效地提高专家决策效益;

4）较好地解决了多源异构数据的同化，以及多***、多模式和多目标的跨平台融合技术；

5）对水污染事故排查溯源的工作现状及相关研究进行***分析，引入SDSS将现有分散研究成果综合应用起来，将水环境计算模型、决策分析方法与空间分析技术进行有机的结合，同时有利于应急监测、实地调查、专家决策分析等多方面的技术手段共同发挥作用。

6）深入分析环境模型的特点，构建合理的信息模型与模型库***。在***应用中随时间变化，外部信息的逐步完善（来源多样化，可以是环境相关的监测、管理等已有的***），本***中环境模型的参数信息、边界条件等运行环境不断变化，特别是应急监测数据更是不定时变化。频繁重新设置再启动运算是不可行的，通过智能模型构建，实现了输入数据有效分析与实时同化。

其中所存储的污染事故及解决方案历史记录可以给当前发生的污染方案提供成功案例的有益参考，也可以将其中存在的问题给出警示。如果所述污染源溯源***持续不断地运行，则亦可作为实时污染源检测***使用。

本项研究在2013年贺江镉污染事件应急处置工作中得到较好的应用，在接报后第三天就准确找到了事故源，对比以往类似大流域污染事故的污染源排查工作时间，时间缩短了三倍。

虽然先前的描述和附图描述了本发明的优选实施例，但是可以理解：在不脱离本发明的精神的情况下，在此可以产生各种附加、修改和替换。本领域普通技术人员很清楚：在不脱离本发明的精神或本质特性的情况下，可以以其他特殊形式、结构、布置、比例、以及利用其他元件、材料和部件来实现本发明。本领域的技术人员将意识到：本发明可以使用发明实际中使用的结构、布置、比例、材料以及部件和其他的许多修改，这些修改在不脱离本发明的原理的情况下而特别适应于特殊环境和操作需求。因此，当前公开的实施例在所有方面应被理解为说明性的而非对其请求保护的范围的限制。

Claims (10)

1.一种污染源溯源***，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据，所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案，其特征在于其特征在于利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2）其推算污染源位置、源强的分布和概率的计算方法如下：

主要方法为：利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2），推算污染源位置、源强的分布和概率；

（1）

为污染物浓度；为河道断面面积；为河道断面流量；为河段混合扩散系数；为污染物降解速率常数；为源、汇项；为时间，X为距离，表征预测点与污染源之间的距离；为源、汇项，表征污染源的质量；

（2）

是模型参数，y是观测数据，为水污染环境事件发生后实际测量数据；表示在未获得测量数据之前，对模型参数分布的认识，主要来源于以往数据、经验和主观判断；即通过历史数据和经验，判断模型的参数分布，表示模型参数拟合测量数据的程度，越大表示拟合效果越好，该参数用于判断模型参数与测量数据的之间的差距；表示在测量数据获得之后模型参数的分布规律，即为在统计反演意义下的反问题的解；

开展复杂水体水环境模拟反问题适定化方法研究，构建水污染事故多方法耦合的源项追踪方法，通过各方法并行、组合试算，研究统计分析、粗集方法、人工神经网络方法、贝叶斯推理、化学质量平衡、区域尺度模式方法优势互补的形式和方法，构建多方法和模式耦合的源项追踪模型。

2.如权利要求1的污染源溯源***，其中决策支持模型包括源项模型、最优污染源搜索模型、最优污染源搜索模型，源项模型主要用于确定污染的类型，并根据污染类型选择适合的参数，再结合地理信息，生成最优污染源搜索模型，所述决策支持模型可以根据输入装置不断输入的信息进行持续调整以进一步精准地确定污染源，提高最有搜索模型的效率和命中率，所述最优搜索模型再结合实际实施的设备水平因素确定最优的搜索方案。

3.如权利要求1的污染源溯源***，根据所选定的源项模型、所生成的最优污染源搜索模型确定应急监测模型，以进一步持续不断的调配最佳检测设备并进行实际实施，持续不断地及时获得最新的监测数据输入决策支持模型中形成反馈机制，不断地优化决策支持模型。

4.如权利要求1的污染源溯源***，其中的输出显示装置可以将上述决策支持模型及其所包含的源项模型、最优污染源搜索模型、应急监测模型可视化地表达并显示在显示装置上，以直观地反映决策模型处理后的结果。

5.如权利要求1的污染源溯源***，其中污染源监测数据包括监测、实地调查、遥感所获得的数据或信息。

6.一种污染源溯源方法，应用在以污染源溯源***之中，所述溯源***中包括信息采集装置和输入装置、包括决策支持模型的处理器、输出显示装置、存储有已知污染类型的各种参数信息以及需监测区域地理信息、污染事故及解决方案历史记录的存储器，信息采集装置用于采集来自污染源的监测数据，或者接收监测点发回的污染源监测数据，所述污染源监测数据也可以通过输入装置通过人工输入，输入装置、输出显示装置可用于人机交互确定所输入的参数是否完备以及决策模型建立后的显示输出，处理器中加载有决策支持模型，所述包括决策支持模型的处理器从信息采集装置或输入装置中接收数据，对所接收的数据根据已建立的模型进行相应的处理，处理后进行反馈并形成适于实施的解决方案，其特征在，所述污染源溯源方法包括如下步骤：

步骤1：输入监测点检测的数据信息触发事件，或人工触发事件，启动决策支持模型；

步骤2：确定决策范围，输入来自监测、实地调查、遥感手段获取的数据；触发空间分析模型，搜索及挖掘相关数据；进行数据同化技术，为模型计算准备数据；

步骤3：利用源项模型计算可能污染源分布区域；

步骤4：跟据计算结果及相关条件，设定搜索条件，分析得到时间最短的最优搜索方案；

步骤5：把步骤3-4结果反馈空间决策模型，并通过GIS可视化表达,结合人机交互界面输入的人工指令优化应急监测方案；

步骤6：结合人机交互界面输入的人工指令，根据反馈结果，转入步骤2-5，形成一个循环，每次循环逐步推进缩小搜索范围，直到范围缩小到一定范畴时，进行现场排查找到污染源；

其特征在于其特征在于利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2）其推算污染源位置、源强的分布和概率的计算方法如下：

主要方法为：利用河流一维非稳态水质模型（公式1）结合贝叶斯推理（公式2），推算污染源位置、源强的分布和概率；

（1）

为污染物浓度；为河道断面面积；为河道断面流量；为河段混合扩散系数；为污染物降解速率常数；为源、汇项；为时间，X为距离，表征预测点与污染源之间的距离；为源、汇项，表征污染源的质量；

（2）

是模型参数，y是观测数据，为水污染环境事件发生后实际测量数据；表示在未获得测量数据之前，对模型参数分布的认识，主要来源于以往数据、经验和主观判断；即通过历史数据和经验，判断模型的参数分布，表示模型参数拟合测量数据的程度，越大表示拟合效果越好，该参数用于判断模型参数与测量数据的之间的差距；表示在测量数据获得之后模型参数的分布规律，即为在统计反演意义下的反问题的解；

开展复杂水体水环境模拟反问题适定化方法研究，构建水污染事故多方法耦合的源项追踪方法，通过各方法并行、组合试算，研究统计分析、粗集方法、人工神经网络方法、贝叶斯推理、化学质量平衡、区域尺度模式方法优势互补的可能、形式和方法，构建多方法和模式耦合的源项追踪模型。

7.如权利要求6的污染源溯源方法，其特征在于所述污染源为水污染。

8.如权利要求7的污染源溯源方法，其特征在于其中决策支持模型包括源项模型、最优污染源搜索模型、最优污染源搜索模型，源项模型主要用于确定污染的类型，并根据污染类型选择适合的参数，再结合地理信息，生成最优污染源搜索模型，所述决策支持模型可以根据输入装置不断输入的信息进行持续调整以进一步精准地确定污染源，提高最有搜索模型的效率和命中率，所述最优搜索模型再结合实际实施的设备水平因素确定最优的搜索方案。

9.如权利要求7的污染源溯源方法，其中污染源监测数据包括监测、实地调查、遥感所获得的数据或信息。

10.如权利要求7的污染源溯源方法，其中最优污染源搜索模型利用下列数学模型求解：

搜索函数如公式3，利用应用拉格朗日乘数法进行求解，

（3）

k为搜索时间，f为分配方案，c为搜索成本。