CN113111478B - 排水***管网混接与入流、入渗程度的评估方法及设备 - Google Patents
排水***管网混接与入流、入渗程度的评估方法及设备 Download PDFInfo
- Publication number
- CN113111478B CN113111478B CN202110521591.7A CN202110521591A CN113111478B CN 113111478 B CN113111478 B CN 113111478B CN 202110521591 A CN202110521591 A CN 202110521591A CN 113111478 B CN113111478 B CN 113111478B
- Authority
- CN
- China
- Prior art keywords
- inflow
- infiltration
- mixed connection
- drainage system
- mixed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008595 infiltration Effects 0.000 title claims abstract description 144
- 238000001764 infiltration Methods 0.000 title claims abstract description 144
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 69
- 239000010865 sewage Substances 0.000 claims abstract description 53
- 239000002352 surface water Substances 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims description 37
- 239000003673 groundwater Substances 0.000 claims description 23
- 238000002156 mixing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 239000010842 industrial wastewater Substances 0.000 claims description 10
- 239000003657 drainage water Substances 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- WBZFUFAFFUEMEI-UHFFFAOYSA-M Acesulfame k Chemical compound [K+].CC1=CC(=O)[N-]S(=O)(=O)O1 WBZFUFAFFUEMEI-UHFFFAOYSA-M 0.000 claims description 5
- 229960004998 acesulfame potassium Drugs 0.000 claims description 4
- 235000010358 acesulfame potassium Nutrition 0.000 claims description 4
- 239000000619 acesulfame-K Substances 0.000 claims description 4
- 230000009965 odorless effect Effects 0.000 claims description 4
- 239000002351 wastewater Substances 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03F—SEWERS; CESSPOOLS
- E03F3/00—Sewer pipe-line systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Sewage (AREA)
Abstract
本发明涉及一种排水***管网混接与入流、入渗程度的评估方法及设备,属于城市排水管网效能分析评估技术领域。本发明中,根据在管道末端排口或中途节点的水质情况,判断整个***或节点上游***的混接与入流、入渗程度及入流、入渗情况;在排水***中任一节点发生混接与入流、入渗情况时,检测管道末端排口或中途节点的水质样品,从而定性或定量评价排水***中雨污水混接或雨水、地下水甚至地表水入流、入渗的情况。本发明只需在排口端或管道中途节点监测两种水质特征因子,相比其他方法,本申请不用大范围检测,节省资金、资源投入,快速、高效且经济。
Description
技术领域
本发明属于城市排水管网分析评估技术领域,具体涉及一种排水***管网混接与入流、入渗程度的评估方法及设备。
背景技术
近年来,国内大力推行雨污分流制排水***,由于公众意识、规划、建设、运营及相关环节管理体系的不健全,各城市规划建设实施的分流制排水***普遍并不能做到百分百的雨污分流,雨污水管道混接、错接,甚至分流制与合流制共存,也成为我国城市排水***的常态化现象。不仅如此,由于管网老旧、漏损等问题,雨水入流入渗普遍存在,在高地下水位地区,大量的地下水甚至地表水渗入乃至流入管网,挤占管网的空间。科学的评估排水管道***中污水混接与入流、入渗程度以及地下水与地表水的入流、入渗程度能够帮助识别排口溢流风险及其影响程度,指导制定合适的排口溢流污染综合整治策略。
当前评估排水***混接与入流、入渗程度的方法主要有水量平衡法和水质特征参数法。水量平衡法能够对相对独立的排水***的整体混接量与整体混接与入流、入渗程度进行初步估计,但其缺点在于:缺少水质验证,用水情况改变,或间歇性、突发性的偷排与混接情况容易被忽略或错判;耗时较长,必须进行较为长期的监测,短期监测数据不足以支撑判断结果,需要安装大量流量计,费时费力,经济性不强。以水质特征因子法判断混接与入流、入渗程度有以下缺点:忽略了排水***中水质的不确定性,会引起较大误差;除需要水质数据外,该方法还需在多节点进行连续性的流量监测,消耗大量的人力、财力,经济性不强。
因此,如何准确、快速且经济、高效地评估排水***混接与入流、入渗程度,成为现有技术中亟待解决的技术问题。
发明内容
本发明提供了一种排水***管网混接与入流、入渗程度的评估方法及设备,以准确、快速地评估排水***混接与入流、入渗程度。
本发明提供的技术方案如下:
一方面,一种排水***管网混接与入流、入渗程度的评估方法,其特征在于,包括:
根据排口端或中途节点水质情况,初步评估排水***管网的混接与入流、入渗情况;
在所述排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的末端及中途节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的***的混接原因进行定性判断,获取发生混接与入流、入渗的***的类型;
基于所述***的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定所述排水***管网的混接与入流、入渗程度。
可选的,所述根据排口端或中途节点水质情况,初步评估排水***管网的混接与入流、入渗情况,包括:
若所述排口端或中途节点预设距离内的检查井在旱季无水流,则所述排口端或中途节点所在的排水***未发生混接或入流入渗;若所述排口端预设距离内的雨水检查井在旱季有水流,则所述排口端所在的排水***存在混接或污水管道连通;
在所述排口端或中途节点所在的排水***存在混接或管道连通时,判断所述检查井的水位与并行管道检查井的水位关系;若所述相应检查井的水位持平或相近,则对应的雨污水管道存在显著混接或连通;若所述检查井的水位差异大于预设水位阈值,则所述排水***存在污水混接或地下水入渗;
在所述排水***存在混接或外水入流、入渗,若所述检查井内的水发臭且浑浊,则初步判断所述排水***为污/废水型为主的排水***;若所述检查井内的水无味且清澈,则初步判断所述排水***为地下水入流、入渗型为主的排水***。
可选的,所述在所述排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的末端及中途节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的***的混接原因进行定性判断,获取发生混接与入流、入渗的***的类型,包括:
基于水质特征因子法,对生活污水、工业废水、雨水径流以及地下水的水质特征因子数据进行收集,分别建立生活污水评价集、工业废水评价集、雨水径流径流评价集、地下/地表水评价集;
收集所述排口端的排口水质特征因子数据;
基于模糊数学法的隶属度判断方法和所述排口端的排口水质特征因子数据,对混接水水质进行定性判断,定性评估污水混接与地下水入渗程度。
可选的,所述基于所述***的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定所述排水***管网的混接与入流、入渗程度,包括:
建立基于不确定性的贝叶斯模型,对排口端的入流污水及入渗的地下水比例进行定量化计算,定量评估混接与入流、入渗百分比;
根据所述混接与入流、入渗百分比,以及,预设排水***的混接与入流、入渗程度标准,确定排水***的混接与入流、入渗程度。
可选的,所述生活污水的水质特征因子为TN、COD和安赛蜜指标中的至少一种;所述雨水径流的水质特征因子为电导率指标;所述地下水的水质特征因子为硬度指标。
可选的,所述排水***管网的混接与入流、入渗情况,包括:排水***管网的混接与入流、入渗类型;
所述方法,还包括:
根据所述排水***管网的混接与入流、入渗类型、所述发生混接与入流、入渗的***的类型、所述排水***管网的混接及入流、入渗程度,相互验证。
又一方面,一种排水***管网混接与入流、入渗程度的评估设备,包括:处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行上述任一项所述的排水***管网混接与入流、入渗程度的评估方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
本发明的有益效果为:
本发明实施例提供的排水***管网混接与入流、入渗程度的评估方法及设备,通过根据排口端或中途节点情况,初步评估排水***管网的混接与入流、入渗情况;在排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的节点的混接原因进行定性判断,获取发生混接与入流、入渗的节点的类型;基于节点的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定节点的混接与入流、入渗程度。本发明中,通过排口端或中途节点的情况,判断相应***的混接及入渗情况;在排水***中任一节点发生混接与入流、入渗情况时,检测末端排口或中途节点的水质样品,从而定性评价相应排水***中污水混接或地下水入渗的情况。本发明只需在排口端或中途节点监测两种或两种以上水质特征因子,相比其他方法,不用大范围检测,节省资金、资源投入,经济;不用大范围检测、快速,节省时间成本,高效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种排水***管网混接与入流、入渗程度的评估方法流程示意图;
图2为本发明实施例提供的又一种排水***管网混接与入流、入渗程度的评估方法流程示意图;
图3为本发明实施例提供的一种排水***管网混接与入流、入渗程度的评估设备结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
为了至少解决本发明中提出的技术问题,本发明实施例提供一种排水***管网混接与入流、入渗程度的评估方法。
图1为本发明实施例提供的一种排水***管网混接与入流、入渗程度的评估方法流程示意图,图2为本发明实施例提供的又一种排水***管网混接与入流、入渗程度的评估方法流程示意图,参阅图1-图2,本发明实施例提供的方法,可以包括以下步骤:
S1、根据排口端或中途节点水质情况,初步评估排水***管网的混接与入流、入渗情况。
在一个具体的实现过程中,可以定义任一要判断的排水***管网为目标排水***管网***,在目标排水***管网***中应用本申请提供的排水***管网混接与入流、入渗程度的评估方法对混接与入流、入渗程度进行评估。在排水***管网混接与入流、入渗程度评估中,首先可以通过人工或智能(如,通过采集排口端情况图片,对图片进行智能分析)来初步评估排水***管网的混接与入流、入渗情况;其次,通过水质特征因子法,对排口端的污水进行分析,定性评估混接与入流、入渗的类型;最后,通过建立不确定性模型,定量评估确定混接与入流、入渗程度。
其中,排水***可以为分流制排水***,也可以为合流接分流(如新洲,原来通过智慧分流或截流接入污水管),或合流改分流(有些改、有些没改),合流、分流等混接。
其中,排口端可以为管道末端排口;也可以为在溯源及治理过程中通过中途节点进行上游评估,逐级进行排除。
在一些实施例中,可选的,包括:若排口端或中途节点预设距离内的检查井在旱季无水流,则排口端或中途节点所在的排水***未发生混接或入流入渗;若排口端预设距离内的雨水检查井在旱季有水流,则排口端所在的排水***存在混接或污水管道连通;
在排口端或中途节点所在的排水***存在混接或管道连通时,判断检查井的水位与并行管道检查井(若有)的水位关系;若相应检查井的水位持平或相近,则对应的雨污水管道存在显著混接或连通;若检查井的水位差异大于预设水位阈值,则排水***存在污水混接或地下水入渗;
在排水***存在混接或外水入流、入渗,若检查井内的水发臭且浑浊,则初步判断排水***为污/废水型为主的排水***;若检查井内的水无味且清澈,则初步判断排水***为地下水入流、入渗型为主的排水***。
例如,参阅图2,步骤S1可以包括以下步骤:
S11、通过人工排查或者智能排查,对排口及排口上游的部分检查井进行人工调研,若旱季时排口及附近雨水检查井干旱无水流,则推测该排口所在排水***可能没有发生混接;若旱季时排口及附近雨水检查井内有水流,则推测该排口所在排水***存在混接与入流、入渗情况,或者该排水***与污水***存在连通的情况。
S12、区分混接与连通情况。人工或智能排查排口附近雨水检查井附近的污水检查井,若污水检查井的水位与雨水检查井的水位均处于高水位,且水位一致,则该雨水***与污水***存在连通情况;若污水检查井的水位与雨水检查的水位差异明显,则该排口所在的排水***存在污水混接或地下水入渗情况。
S13、初步评估混接与入流、入渗的程度。对发生混接与入流、入渗的检查井进行感官判断,若检查井内的水发臭且浑浊,则初步判断该排水***是污水混接型为主的排水***;若检查井内的水清澈且无味,则初步判断该排水***是地下水混接型为主的排水***。
S2、在排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的末端及中途节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的***的混接原因进行定性判断,获取发生混接与入流、入渗的***的类型。
在一些实施例中,可选的,包括:基于水质特征因子法,对生活污水、工业废水、雨水径流以及地下水的水质特征因子数据进行收集,分别建立生活污水评价集、工业废水评价集、雨水径流径流评价集、地下/地表水评价集;
收集排口端的排口水质特征因子数据;
基于模糊数学法的隶属度判断方法和排口端的排口水质特征因子数据,对混接水水质进行定性判断,定性评估污水混接与地下水入渗程度。
例如,参阅图2,步骤S2可以包括以下步骤:
S21、分别对当地生活污水、工业废水、地下水、雨水径流的水质特征因子(可为TN、COD、安赛蜜、电导率、硬度等)数据进行收集,并且统计分析其分布范围。
S22、根据步骤S21统计的数据,建立适用于研究区的生活污水、工业废水、雨水径流以及地下水评价集。
S23、排口水质特征因子数据收集、统计。对排口混接污水的水质特征因子(TN、COD、安赛蜜、电导率、硬度)数据进行收集,并且统计分析其分布范围。
S24、建立基于模糊数学的水质隶属度判断方法,对混接水水质进行定性的判断。
具体地,可以采用如下方法:
首先,根据混接水样的水质数据集建立混接水样因子集U={ui}(i=1,2,…,n),因子是参与隶属度判断的指标,即TN、COD、安赛蜜、电导率以及硬度的数据集。其次,分别对当地生活污水、雨水径流以及地下水的水质特征因子的分布范围建立评价集V={vj}(j=1,2,3),其中,v1为生活污水评价集,v2为雨水流评价集,v3为地下水评价集。之后,确定评价因素的模糊权向量,通常各水质特征参数的重要程度不同,因此对每个特征参数μi赋于一个相应的权重ai(i=1,2,…,n)构成权重集A。ai的确定方法如下:
单项因子权重值的确定如公式(1):
式中:Ci—因子μi的实测浓度值;
Si—因子μi在v1、v2、v3集中的统计中位值;
Wi—因子μi的权重值。
将所确定的权重值归一化,单项因子权重的确定如公式(2):
上述n项因子指标,分别计算出权重后,组成一个1×n模糊权重集:
A={a1,a2,…,ai,…,an};
其次,确定单因素评价矩阵R,先进行单因素评价。
从一个μi出发进行评价,以评价集V={v1,v2,v3}(生活污水、雨水径流或地下水)对其隶属程度rij进行评价。μi属于第j级水质的隶属函数如公式(3)所示:
式中:
rij—因子μi对j级水质的隶属度;
ci—因子μi的实测浓度值;
sij—因子μi第j级水质标准。
对因子μi评价的结果组成单因素模糊评价集Ri=(ri1,ri2,ri3)。
根据以上计算过程,可得到相应于因子集的模糊评价集,如公式(4):
最后,进行多因素综合评价:
将模糊权向量A与单因素模糊评价矩阵R复合,得到各被评事物的模糊综合评价向量B如公式(5):
B=A×R=(b1,b2,…,bm) 公式(5)
其中,bj称为评价指标,它是综合考虑所有因子的影响时,评价对象对评价集中第j个元素的隶属程度。
S3、基于***的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定排水***管网的混接与入流、入渗程度。
在一些实施例中,可选的,包括:
建立基于不确定性的贝叶斯模型,对排口端的入流污水及入渗的地下水比例进行定量化计算,定量评估混接与入流、入渗百分比;
根据混接与入流、入渗百分比,以及,预设排水***的混接与入流、入渗程度标准,确定排水***的混接与入流、入渗程度。
例如,参阅图2,步骤S3可以包括以下步骤:
S31、对排口水质数据进行不确定性分析,建立基于不确定性的贝叶斯模型,对雨水管网末端(排口)混接的污水理论以及入渗的地下水比例进行定量化计算。
贝叶斯模型的表达式如公式(6)所示:
C=YX 公式(6)
其中,C=[Ci]m×1为受体样品的元素组成向量,即,混接水样品;Ci表示第i个元素的观测浓度或负荷;
Y=[yij]m×n是j种混接源样品(生活污水、工业废水、地下水)的元素矩阵;yij表示第i个特征元素在第j种混接源中的观测浓度或负荷;
X=[xj]n×1是j种混接源组成的源贡献矩阵,xj表示第j个混接源对混接水的贡献,本申请中,混接源对混接水的贡献指的是混接源的水混接与入流、入渗进入排水***的贡献量,简称混接贡献量;m为元素个数,n为混接源个数。
其中,贝叶斯模型的模拟由Winbugs软件实现,Winbugs软件采用马尔科夫链蒙特卡洛MCMC方法对X和C的概率分布进行估计,MCMC在计算过程中将未知的参数当做随机变量,以Gibbs采样进行不断的迭代,从完全条件概率分布中抽样,生成马尔科夫链,利用Metropolis算法,最终估计参数的后验分布。
通过Winbgs软件计算得出的xj即不同混接源(生活污水、工业废水、地下水)接入排水***的贡献率。根据各混接源的混接贡献率计算得出各混接源的混接比例,如公式(7)所示:
值得注意的是,由于混接水水质不确定性的存在,这里计算出的混接贡献率xj不是一个准确的数值,而是一个95%的置信区间,因此,混接比例tj也是比例的分布范围。
S32、根据《城市黑臭水体整治--排水口、管道及检查井治理技术指南》(见表1),将区域排水***的混接与入流、入渗程度分为三级:重度混接(3级)、重度混接(2级)、轻度混接(1级)。
表1区域混接程度分级评价
混接程度 | 混接水量 |
重度混接(3级) | 50%以上 |
中度混接(2级) | >30-50% |
轻度混接(1级) | >0-30% |
之后,以表1中的标准对各混接源的混接比例tj进行评估,得到选定排水***的混接与入流、入渗程度等级。
在一些实施例中,可选的,排水***管网的混接与入流、入渗情况,包括:排水***管网的混接与入流、入渗类型;方法,还包括:根据排水***管网的混接与入流、入渗类型、发生混接与入流、入渗的***的类型、排水***管网的混接及入流、入渗程度,相互验证。若初步评估、定性评估和定量评估结果一致,则验证通过;反之,则重新采集样品,进行测试。
本发明中通过人工排查、定性评估以及定量评估三种方法结合的方式较为科学的对雨水管网中的污水混接比例以及地下水入渗比例进行定量化的计算。
本发明实施例提供的排水***管网末端混接与入流、入渗程度的评估方法,通过根据排口端情况,初步评估排水***管网末端的节点的混接与入流、入渗情况;在排水***管网末端的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的节点的混接原因进行定性判断,获取发生混接与入流、入渗的节点的类型;基于节点的类型和不确定性模型,定量评估混接百分比与入流、入渗百分比,确定节点的混接与入流、入渗程度。本发明中以模糊数学多因子法定性评估混接入渗程度的方法明能够有效的避免单一因子评价法对偶然性情况的误判。本发明中以贝叶斯CMB模型定量化计算混接入渗比例的方法能够考虑到水质自身不确定性以及采样误差和模拟误差导致的不确定性,能够较为科学的定量计算污水混接以及地下水入渗的比例。本发明只需在排口端监测两种水质特征因子,相比其他方法,具有经济性。
基于一个总的发明构思,本发明实施例还提供一种排水***管网末端混接与入流、入渗程度的评估设备。
图3为本发明实施例提供的一种排水***管网末端混接与入流、入渗程度的评估设备结构示意图,请参阅图3,本发明实施例提供的一种排水***管网末端混接与入流、入渗程度的评估设备,包括:处理器31,以及与处理器相连接的存储器32。
存储器32用于存储计算机程序,计算机程序至少用于上述任一实施例记载的排水***管网末端混接与入流、入渗程度的评估方法;
处理器31用于调用并执行存储器中的计算机程序。
基于一个总的发明构思,本发明实施例还提供一种存储介质。
一种存储介质,该存储介质存储有计算机程序,当计算机程序被处理器执行时,实现上述的排水***管网末端混接与入流、入渗程度的评估方法中各个步骤。
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,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种排水***管网混接与入流、入渗程度的评估方法,其特征在于,包括:
根据排口端或中途节点水质情况,初步评估排水***管网的混接与入流、入渗情况;
在所述排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的末端及中途节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的***的混接原因进行定性判断,获取发生混接与入流、入渗的***的类型;
基于所述***的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定所述排水***管网的混接与入流、入渗程度;
所述根据排口端或中途节点水质情况,初步评估排水***管网的混接与入流、入渗情况,包括:
若所述排口端或中途节点预设距离内的检查井在旱季无水流,则所述排口端或中途节点所在的排水***未发生混接或入流入渗;若所述排口端预设距离内的雨水检查井在旱季有水流,则所述排口端所在的排水***存在混接或污水管道连通;
在所述排口端或中途节点所在的排水***存在混接或管道连通时,判断所述检查井的水位与并行管道检查井的水位关系;若相应检查井的水位持平或相近,则对应的雨污水管道存在显著混接或连通;若所述检查井的水位差异大于预设水位阈值,则所述排水***存在污水混接或地下水入渗;
在所述排水***存在混接或外水入流、入渗,若所述检查井内的水发臭且浑浊,则初步判断所述排水***为污/废水型为主的排水***;若所述检查井内的水无味且清澈,则初步判断所述排水***为地下水入流、入渗型为主的排水***;
所述基于所述***的类型和不确定性模型,定量评估混接与入流、入渗百分比,确定所述排水***管网的混接与入流、入渗程度,包括:
建立基于不确定性的贝叶斯模型,对排口端的入流污水及入渗的地下水比例进行定量化计算,定量评估混接与入流、入渗百分比;
根据所述混接与入流、入渗百分比,以及,预设排水***的混接与入流、入渗程度标准,确定排水***的混接与入流、入渗程度。
2.根据权利要求1所述的方法,其特征在于,所述在所述排水***管网的任一节点存在混接与入流、入渗时,对发生混接与入流、入渗的末端及中途节点的水质样品进行检测,基于水质特征因子法,对发生混接与入流、入渗的***的混接原因进行定性判断,获取发生混接与入流、入渗的***的类型,包括:
基于水质特征因子法,对生活污水、工业废水、雨水径流以及地下水的水质特征因子数据进行收集,分别建立生活污水评价集、工业废水评价集、雨水径流评价集、地下/地表水评价集;
收集所述排口端的排口水质特征因子数据;
基于模糊数学法的隶属度判断方法和所述排口端的排口水质特征因子数据,对混接水水质进行定性判断,定性评估污水混接与地下水入渗程度。
3.根据权利要求2所述的方法,其特征在于,所述生活污水的水质特征因子为TN、COD和安赛蜜指标中的至少一种;所述雨水径流的水质特征因子为电导率指标;所述地下水的水质特征因子为硬度指标。
4.根据权利要求1所述的方法,其特征在于,所述排水***管网的混接与入流、入渗情况,包括:排水***管网的混接与入流、入渗类型;
所述方法,还包括:
根据所述排水***管网的混接与入流、入渗类型、所述发生混接与入流、入渗的***的类型、所述排水***管网的混接及入流、入渗程度,相互验证。
5.一种排水***管网混接与入流、入渗程度的评估设备,其特征在于,包括:处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1~4任一项所述的排水***管网混接与入流、入渗程度的评估方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110521591.7A CN113111478B (zh) | 2021-05-13 | 2021-05-13 | 排水***管网混接与入流、入渗程度的评估方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110521591.7A CN113111478B (zh) | 2021-05-13 | 2021-05-13 | 排水***管网混接与入流、入渗程度的评估方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113111478A CN113111478A (zh) | 2021-07-13 |
CN113111478B true CN113111478B (zh) | 2024-02-20 |
Family
ID=76722150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110521591.7A Active CN113111478B (zh) | 2021-05-13 | 2021-05-13 | 排水***管网混接与入流、入渗程度的评估方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113111478B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113704932A (zh) * | 2021-07-15 | 2021-11-26 | 中国电建集团华东勘测设计研究院有限公司 | 一种基于稳定同位素的城镇污水管网外水混入定量评估方法 |
CN114324800A (zh) * | 2021-12-29 | 2022-04-12 | 上海市城市排水有限公司 | 一种排水管道来水监测方法及其***、存储介质 |
CN114370611B (zh) * | 2022-01-17 | 2024-04-12 | 四创科技有限公司 | 一种管网入流入渗监测方法及终端 |
CN114624407B (zh) * | 2022-02-24 | 2024-05-10 | 南宁市勘测设计院集团有限公司 | 一种基于典型地块的片区污水***外水水量测算方法 |
CN115012501B (zh) * | 2022-06-09 | 2023-06-02 | 长江生态环保集团有限公司 | 一种针对排水管网缺陷的检测***及方法 |
CN115853093B (zh) * | 2022-11-21 | 2024-02-27 | 合肥中科国禹智能工程有限公司 | 一种可识别雨污混接的排水管网动态检测方法及*** |
CN115876409B (zh) * | 2023-02-16 | 2023-05-16 | 广州中工水务信息科技有限公司 | 一种污水管道渗漏监控与分析***及方法 |
CN117151391B (zh) * | 2023-08-30 | 2024-07-12 | 深圳市水务工程检测有限公司 | 一种基于物联网的环境污染监测***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066782A (zh) * | 2016-11-08 | 2017-08-18 | 北京师范大学 | 基于grrm模型水文地质单元地下水环境风险评价方法 |
CN107895100A (zh) * | 2017-04-06 | 2018-04-10 | 中南大学 | 一种流域水质综合评价方法及*** |
CN108362356A (zh) * | 2018-01-25 | 2018-08-03 | 上海水顿智能科技有限公司 | 分析管道雨污混接分布的方法及*** |
CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及*** |
KR102031714B1 (ko) * | 2018-10-25 | 2019-10-14 | 서울시립대학교 산학협력단 | 수리해석 기반의 상수도관망 누수탐지 시스템 |
CN111667168A (zh) * | 2020-06-04 | 2020-09-15 | 同济大学 | 一种基于液位监测诊断排水***运行状态的方法 |
CN111932403A (zh) * | 2020-08-18 | 2020-11-13 | 中建水务环保有限公司 | 一种城镇污水管网及水环境提质增效技术集成方法 |
-
2021
- 2021-05-13 CN CN202110521591.7A patent/CN113111478B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066782A (zh) * | 2016-11-08 | 2017-08-18 | 北京师范大学 | 基于grrm模型水文地质单元地下水环境风险评价方法 |
CN107895100A (zh) * | 2017-04-06 | 2018-04-10 | 中南大学 | 一种流域水质综合评价方法及*** |
CN108362356A (zh) * | 2018-01-25 | 2018-08-03 | 上海水顿智能科技有限公司 | 分析管道雨污混接分布的方法及*** |
CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及*** |
KR102031714B1 (ko) * | 2018-10-25 | 2019-10-14 | 서울시립대학교 산학협력단 | 수리해석 기반의 상수도관망 누수탐지 시스템 |
CN111667168A (zh) * | 2020-06-04 | 2020-09-15 | 同济大学 | 一种基于液位监测诊断排水***运行状态的方法 |
CN111932403A (zh) * | 2020-08-18 | 2020-11-13 | 中建水务环保有限公司 | 一种城镇污水管网及水环境提质增效技术集成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113111478A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113111478B (zh) | 排水***管网混接与入流、入渗程度的评估方法及设备 | |
Salim et al. | Comparison of two receptor models PCA-MLR and PMF for source identification and apportionment of pollution carried by runoff from catchment and sub-watershed areas with mixed land cover in South Korea | |
Harmel et al. | Modifying goodness-of-fit indicators to incorporate both measurement and model uncertainty in model calibration and validation | |
Bach et al. | Redefining the stormwater first flush phenomenon | |
Benedetti et al. | Modelling and monitoring of integrated urban wastewater systems: review on status and perspectives | |
Burchard-Levine et al. | A hybrid evolutionary data driven model for river water quality early warning | |
Zhao et al. | Pin-pointing groundwater infiltration into urban sewers using chemical tracer in conjunction with physically based optimization model | |
CN110196083A (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
Hailegeorgis et al. | Analyses of extreme precipitation and runoff events including uncertainties and reliability in design and management of urban water infrastructure | |
Zhang et al. | Quantifying rainfall-derived inflow and infiltration in sanitary sewer systems based on conductivity monitoring | |
Sambito et al. | Optimal water quality sensor positioning in urban drainage systems for illicit intrusion identification | |
CN105868886B (zh) | 雨污调蓄池运行效能评价方法 | |
CN111501953A (zh) | 排水管网的异常分析方法、***、介质及设备 | |
CN111027730B (zh) | 一种基于阀门操作和在线用水计量的供水管网漏失高效定位方法 | |
Alvisi et al. | Pipe roughness calibration in water distribution systems using grey numbers | |
Rodríguez et al. | Monitoring and modelling to support wastewater system management in developing mega-cities | |
Zhang et al. | Testing of new stormwater pollution build-up algorithms informed by a genetic programming approach | |
CN111126702B (zh) | 道路面源污染信息预测方法、装置、设备及存储介质 | |
CN111161119A (zh) | 一种水陆两用管道溯源设备及其方法 | |
CN111080129B (zh) | 排水管网监测点的评分方法、装置和电子设备 | |
KR20060083388A (ko) | 염소(나트륨)이온농도와 유량을 이용한 침입수/유입수분석방법 및 이를 이용한 하수관거 모니터링 시스템 | |
Moura et al. | Multicriteria decision-aid method to evaluate the performance of stormwater infiltration systems over the time | |
Liu et al. | A low-return-period rainfall intensity formula for estimating the design return period of the combined interceptor sewers | |
Wang et al. | Uncertainty analysis of a pollutant-hydrograph model in assessing inflow and infiltration of sanitary sewer systems | |
CN104569340A (zh) | 地下环境质量测定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |