CN114660254A - 场地地下水污染分层原位在线监测***及预测方法 - Google Patents
场地地下水污染分层原位在线监测***及预测方法 Download PDFInfo
- Publication number
- CN114660254A CN114660254A CN202210340136.1A CN202210340136A CN114660254A CN 114660254 A CN114660254 A CN 114660254A CN 202210340136 A CN202210340136 A CN 202210340136A CN 114660254 A CN114660254 A CN 114660254A
- Authority
- CN
- China
- Prior art keywords
- water
- monitoring
- module
- water sample
- pollutants
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
- G01N1/14—Suction devices, e.g. pumps; Ejector devices
-
- 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
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种场地地下水污染分层原位在线监测***及预测方法。***包括分割器、水质传感器和单相螺杆泵。分割器抵顶在隔断层上,将上下含水层分隔开,每一含水层内置入一单相螺杆泵和一水质传感器,井口处设有基站,基站内设有水样原位监测模块、抽水采样***、水泵流量控制模块、水样采集分析模块和数据传输模块,水样原位监测模块、水样采集分析模块经由数据传输模块与中心站实现远程信息传输。本发明实现了真正的原位监测,极大降低了采集水样受污染的几率,监测结果准确可靠,为地下水污染预测提供了可靠保障。
Description
技术领域
本发明涉及一种场地地下水污染分层原位在线监测***及基于此***实现的地下水污染物浓度预测方法,属于地下水污染分层原位监测领域。
背景技术
随着我国工农业生产的快速发展,部分行业和地区地下水污染问题逐渐突出,尤其是近些年高污染企业搬迁关停遗留了大量的污染场地,导致地下水污染情况非常严重。为了提升场地地下水污染的修复与处理水平,如何能够准确表征地下水污染状况是至关重要的。
目前市场上现有的地下水采样基本上都是针对单井进行的。一种做法是根据采样标准规范先进行洗井,然后测定地下水的常规参数,待水样稳定后保存采集水样,如具有在线监测功能,则将监测数据回传中心站。另一种做法是对地下水进行抽水试验来实现地下水分层抽水采样,但是这种做法在每次抽取一个层位水样时,都需要调整钻杆,重新提泵下泵,让取样泵调整到目标含水层中,再进行上下层水位的分割,实现不同层位含水层的采样,在实际采样过程中可以发现,此做法没有设计动态监测和传输等功能。
综合来看上述已有做法,目前市场上出现的单井混合监测或分层监测在在线监测方面都不能做到真正意义上的原位监测,它们受限于传感器探头和监测井的结构,仍是将井中地下水经过洗井抽取后注入流通池进行参数真值判定,待水样稳定后再将参数进行记录和传输,同时将采集的水样封装保存,待送至实验室进行分析。由此可见,这种所谓的原位监测具有以下缺陷:增加了水样离开地下水受到污染的几率,易造成水样失真;缺乏对污染源头的直接有效监控,导致对地下水污染风险预警变得消极被动;地下水污染物的非直接检测方式易导致错过污染羽的迁徙变化,对污染物浓度的预警具有一定的滞后性。另外,目前对于地下水污染风险趋势预警的研究仍处于探索阶段。
发明内容
本发明的目的在于提供一种场地地下水污染分层原位在线监测***及地下水污染物浓度预测方法,其实现了真正的原位监测,极大降低了采集水样受污染的几率,监测结果准确可靠,为地下水污染预测提供了可靠保障。
为了实现上述目的,本发明采用了以下技术方案:
一种场地地下水污染分层原位在线监测***,其特征在于:它包括可膨胀的分割器、水质传感器和单相螺杆泵,其中:分割器膨胀撑开抵顶在监测井内的隔断层上,以将邻接隔断层的上下两个含水层分隔开,由此监测井内经由分割器从上到下被分隔出多个含水层;每一含水层内置入一单相螺杆泵和一水质传感器,单相螺杆泵和水质传感器各自独立运作;监测井井口处的地面上设有基站,基站内设有水样原位监测模块、抽水采样***、水泵流量控制模块、水样采集分析模块和数据传输模块;每个含水层内的单相螺杆泵通过控制线缆与水泵流量控制模块连接,单相螺杆泵通过管道与抽水采样***连接且抽水采样***通过管道与水样采集分析模块连接;单相螺杆泵在水泵流量控制模块的控制下,借由抽水采样***进行洗井和低流量扰动水样抽取并将抽取的水样送至水样采集分析模块,以实时获得含水层内地下水中除常规污染物外的特有污染物数据;每个含水层内的水质传感器通过数据电缆与水样原位监测模块连接,以实时获得含水层内地下水中的常规水质污染参数数据;水样原位监测模块、水样采集分析模块经由数据传输模块与中心站实现远程信息传输。
一种基于所述的场地地下水污染分层原位在线监测***实现的地下水污染物浓度预测方法,其特征在于,它包括步骤:
1)基于场地历史监测数据,使用主成分分析方法构建监测井中污染物随时间演化模型,并基于Perarson相关系数对场地内地下水现场可测指标与污染物之间可能存在的相关性进行量化,构建污染物浓度与现场可测指标的数据关联模型;
2)所述水样原位监测模块借由所述水质传感器对含水层内地下水中的污染因子进行动态监测,获得常规水质污染参数数据,以及所述水样采集分析模块借由所述单相螺杆泵对含水层内地下水中除常规污染物外的特有污染物进行动态监测,获得特有污染物数据;
3)基于Python的卡尔曼滤波器,通过构建出的监测井中污染物随时间演化模型和污染物浓度与现场可测指标的数据关联模型,对获得的常规水质污染参数数据和特有污染物数据进行预测与更新,实现对地下水污染物浓度变化的最优预测;
4)通过可视化平台展示出地下水污染物浓度变化趋势。
本发明的优点是:
1)本发明在开展污染场地地下水分层在线监测的过程中,不需要进行提泵下泵等工作,直接根据场地地质构造,构建固定的分层结构,在每一层位置入水质传感器、单相螺杆泵,便可对多个层位地下水进行同时监测。
2)本发明的这种不需提泵下泵及在井口设置基站的做法,实现了真正的原位在线监测,将水样真值判定(水质状况判定)设计在抽水采样过程中,替代了水样抽取到地面流通池中进行真值判定的工序,确保了采集的水样和监测的参数的真实可靠性,避免了水样发生从井中抽取到流通池接触到空气产生特性改变的可能。
3)本发明具有可扩展性,除水质传感器置入目标层位外,根据实际监测需求可将检测其它特有污染物参数、不适合置入井中的传感器及设备设于地面,基于抽取上来的水样进行检测。
4)本发明地下水污染物浓度预测方法基于场地历史监测数据,挖掘易测地下水污染变量(现场可测指标)与污染物浓度之间的相关性,应用卡尔曼滤波器,对地下水污染物浓度变化做出有效预测,使污染风险预警变得主动,其中基于场地地下水实时监测数据对场地历史监测数据实施了误差纠正策略,使预测更加准确。
5)本发明地下水污染物浓度预测方法不再依靠频繁的水样采集来进行污染物浓度的预测,使得污染预警从滞后变为主动,减轻了工作人员的工作量及水样分析成本,提高了野外工作的效率,另外,本发明地下水污染物浓度预测方法只需要关注少量的易测地下水污染变量(现场可测指标),就可对多个层位的污染物浓度实现准确预测,使得充分了解场地地下水污染羽流行为成为可能,为主动预警提供保障,继而通过及时预知污染情况,使得相关部门可快速反应并及时调整补救措施,避免严重污染事件的发生。
附图说明
图1是本发明场地地下水污染分层原位在线监测***的示意图。
图2是本发明地下水污染物浓度预测方法的实施说明图。
具体实施方式
如图1所示,本发明场地地下水污染分层原位在线监测***包括可膨胀的分割器30、用于测量地下水多污染因子的水质传感器10,和单相螺杆泵20,其中:分割器30膨胀撑开抵顶在监测井70内的隔断层41上,以将邻接隔断层41的上下两个含水层40分隔开,由此监测井70内经由分割器30从上到下被分隔出多个含水层40;每一含水层40内置入一单相螺杆泵20和一水质传感器10,单相螺杆泵20和水质传感器10各自独立运作,互不干涉;监测井70井口处的地面上设有基站50(小型房屋),基站50内设有水样原位监测模块51、抽水采样***52、水泵流量控制模块53、水样采集分析模块54和数据传输模块57;每个含水层40内的单相螺杆泵20通过控制线缆与水泵流量控制模块53连接,单相螺杆泵20通过管道与抽水采样***52连接且抽水采样***52通过管道与水样采集分析模块54连接;单相螺杆泵20在水泵流量控制模块53的控制下,借由抽水采样***52进行洗井和低流量扰动水样抽取并将抽取的水样送至水样采集分析模块54,以实时获得含水层40内地下水中除常规污染物外的特有污染物数据;每个含水层40内的水质传感器10通过数据电缆与水样原位监测模块51连接,以实时获得含水层内地下水中的常规水质污染参数数据;水样原位监测模块51、水样采集分析模块54经由数据传输模块57与中心站60实现远程信息传输,以将监测与分析数据上传至中心站60。
如图1,基站50内还设有配水***55和废液处理模块59,配水***55用于对经由抽水采样***52抽取的水样进行预处理并配送给水样采集分析模块54进行水质状况分析,以及在水样采集分析模块54完成水质状况分析后进行清洗工作并将清洗水(废液)排放至废液处理模块59,其中:
配水***55包括水样预处理装置、压力/流量监控器和自动清洗装置,抽水采样***52抽取的水样在压力/流量监控器的监控下,经由水样预处理装置的过滤装置或沉降装置配送给水样采集分析模块54中的各分析仪器进行水质状况分析,各分析仪器上安装有自动清洗装置,各分析仪器在水质状况分析完成后经由自动清洗装置将清洗水送至废液处理模块59完成排放。
进一步来说,预处理和清洗等各环节根据分析仪器等的用水水质、水压和水量的要求对采集到的水样进行相应处理和分配,并采取清洗、除藻及其它保障措施来确保***正常运转。
配水***55中的各管路上安装有干路无阻拦式过滤装置,水样采集分析模块54中的各分析仪器都从各自独立的过滤装置或沉降装置中取水,以确保任一分析仪器出现故障时不会影响后续仪器的工作。
在本发明中,水样的预处理可保证水样采集分析模块54进行连续长时间的可靠运行。预处理的目的是在不失去水样真实性的前提下,对水样进行预处理,消除干扰分析仪器分析的因素。在实际实施时,优选采用多级预处理方式,即初级过滤和精密过滤相结合,水样经初级过滤后,消除其中较大的杂物,再进一步进行自然沉降,经过真值判定后的原水直接由采样泵送入分析仪器进行分析。
废液处理模块59用于对清洗水进行相应处理后通过专用下水道及时排至监测水域保护范围外,废液处理模块59针对分析仪器运行后产生的废液具有一定的污染性而设计。
如图1,基站50内还设有环境控制模块58,环境控制模块58包括温度传感器和湿度传感器,环境控制模块58用于保证基站50内的环境温度和湿度维持在合理范围内。
在实际设计中,如图1,基站50内还设有采用主备供电方式的电源管理***56。电源管理***56为整个***提供电力的保障,其中的主电源为三相四线制电源,分三路AC220V提供电力,后备电源选用3KVA UPS不间断电源(配备主机和电池),用于在停电时能保证***正常监测一次的需要。
在本发明中:
水样原位监测模块51基于直接布置于目标层位的水质传感器10,可同时对多个含水层40的水质状况进行原位在线监测,无需将水样抽取到井外与空气接触后再判定,而是分层抽水采样后直接在含水层进行有效判定,即在抽水采样过程中便进行了水样真值判定工作,在其余时间可对地下水多个含水层40的水质进行长期在线原位监测工作。
抽水采样***52的作用主要是按照设定的采样频率(根据需要自设定,一般一天一次)来抽取含水层40内的地下水。单相螺杆泵20体积小,直径约30mm,较小的体积在进行分层成井的时候,可大大提高建井效率。水泵流量控制模块53的主要作用是控制抽水采样***52的水流量。
在实际实施时,抽水采样***52与水泵流量控制模块53互相结合,实现了采样-洗井过程中的定时、定深、定速功能,另外,本发明采用低流量扰动(0-15L/min可调)的采样方式进行抽水采样,这样对地下水含水层的扰动较小,能够满足无机组分、有机组分、微生物等的检测要求,且采样可做到连续可靠。
水样采集分析模块54主要包括采水装置、压力流量测量装置、沉沙桶、过滤器、进样分流装置、五参数测量池、采样杯、分析仪器、嵌入式工控机和空压机,采用双泵双管路冗余结构。
数据传输模块57用于将水质状况监测与分析数据发送至中心站60,以待后续开展预警工作。中心站60内设有工控机及相关数据处理设备等。
在本发明中,水样原位监测模块51、抽水采样***52、水泵流量控制模块53、水样采集分析模块54、配水***55、数据传输模块57、环境控制模块58、废液处理模块59和中心站60为本领域的熟知技术。
在本发明中,含水层40为含水量达到含水阈值、用于监测水质状况的层位,相反,隔断层41为含水量低于含水下限值,用于分隔上下相邻两个含水层的层位。含水层40、隔断层41的探测属于本领域的熟知技术。
在本发明中,常规水质污染参数如电导率、PH值、溶解氧、氧化还原电位等,常规水质污染参数可原位实时监测得到。特有污染物包括有机污染物和无机污染物,有机污染物如苯系类(芳香烃类)、卤代烃类、有机农药类、多环芳烃类和邻苯二甲酸酯类等,无机污染物如氨氮、硝酸盐、亚硝酸盐、汞、镉、铬和砷等,部分特有污染物可以通过对现场采集的水样进行相关处理等得到,但其余特有污染物因目前技术水平限制,还不能从现场在线获得,因此,本发明采用了下述用现场可测指标来反映这些特有污染物的措施,例如,用电导率来反映铬这一特有污染物。
基于上述本发明场地地下水污染分层原位在线监测***,本发明还提出了一种地下水污染物浓度预测方法,包括步骤:
1)基于场地历史监测数据,使用主成分分析(PCA)方法(已有技术)构建监测井中污染物随时间演化模型,并基于Perarson相关系数(已有技术)对场地内地下水现场可测指标与污染物之间可能存在的相关性进行量化,构建污染物浓度与现场可测指标的数据关联模型;
2)水样原位监测模块51借由水质传感器10对含水层40内地下水中的污染因子进行动态监测,获得常规水质污染参数数据,以及水样采集分析模块54借由单相螺杆泵20对含水层40内地下水中除常规污染物外的特有污染物进行动态监测,获得特有污染物数据;
3)基于Python的卡尔曼滤波器,通过构建出的监测井中污染物随时间演化模型和污染物浓度与现场可测指标的数据关联模型,对获得的常规水质污染参数数据和特有污染物数据进行预测与更新,实现对地下水污染物浓度变化的最优预测;
4)通过可视化平台展示出地下水污染物浓度变化趋势,以待预警使用。
在实际设计中,监测井中污染物随时间演化模型为用于描述羽流尾缘污染物浓度时间演化的指数衰减模型,它近似于稀释、平流传输,此线性模型虽然简单,但具有良好的预测能力,可以描述时间演化,如下:
上式中,Ct为t时刻监测井中的待监测对象的污染物浓度(单位mg/L),待监测对象为某一常规水质污染参数或某一特有污染物,α为污染物浓度随时间的变化常数。
在实际实施时,在使用主成分分析(PCA)方法之前,先对场地历史监测数据进行如下处理:按时间序列移除污染物浓度数据的异常值,然后进行线性插值处理,然后使用历史最小值和最大值进行对数归一化处理,最终得到用于构建监测井中污染物随时间演化模型的污染物浓度,计算公式如下:
上式中,ct为待监测对象的当前污染物浓度,cmax、cmin分别为历史最大值、最小值。
多项研究已证明,污染物浓度与现场可测指标(或称现场可测变量)之间的相关性显著,在本发明中,在污染物浓度与现场可测指标的数据关联模型中,设定待监测对象的污染物浓度Ct与现场可测指标之间的相关性通过下面的线性方程描述:
ECt=βCt+b
上式中,ECt为t时刻监测井中测量得到的现场可测指标数据,Ct为待监测对象的污染物浓度,β、b分别为线性方程的斜率、截距参数。
在监测常规水质污染参数和特有污染物两种监测对象时,为监测数据定义监测向量zt,Zt=[ct,direct,ECt]T,其中:
zt为时刻t时获得的监测向量,ct,direct为直接测量待监测对象得到的污染物浓度,ECt为t时刻监测井中的现场可测指标,T表示向量转置。
本发明通过卡尔曼滤波算法对污染物浓度实现了实时连续预测。
在步骤3)中,基于监测井中污染物随时间演化模型,针对待监测对象,通过卡尔曼滤波器对作为基础值的前一时刻的污染物浓度值进行先验估计,预测得到下一时刻的污染物浓度值,然后通过卡尔曼滤波器进行后验估计,对预测的下一时刻的污染物浓度值完成更新(或说校正),且更新后的污染物浓度值用作下一时刻进行预测的基础值,其中:
监测井中污染物随时间演化模型转化为状态转移方程来描述xt在离散时间间隔Δt内的变化,状态转移方程为xt=Fxt-1+w,其中,
xt为时间步长为t的离散时间***的状态向量,定义xt=[Ct,r]T,Ct表示待监测对象的污染物浓度,r是浓度变化率,T表示向量转置,
F为状态转移矩阵,定义为:
w为***噪声矢量。
在这里,w遵循具有协方差矩阵的零均值高斯分布,且与由于各种水文和地球化学波动及采样和分析误差导致的时间演化模型的不确定性有关。
本发明使用了卡尔曼滤波算法,其可在任何含有不确定信息的动态***中,对***下一步的走向做出有根据的预测,即使伴随着各种干扰,也总能指出真实发生的情况。
在本发明中,虽然可以通过实验室做实验或直接建模获得相关数学模型,但本发明使用了现场数据(历史监测数据、地下水实时监测数据)进行验证,这是非常重要和关键的,增强了***分析的有效性。
本发明方法使用了PCA来支持和改进长期监测效果,PCA获得的分析结果为选择适合预测污染物浓度的现场可测指标提供了依据。
本发明通过最优预测出地下水污染物浓度变化趋势实现了减少地下水采样频率的目的,实际意义重大。
以上所述是本发明较佳实施例及其所运用的技术原理,对于本领域的技术人员来说,在不背离本发明的精神和范围的情况下,任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变,均属于本发明保护范围之内。
Claims (9)
1.一种场地地下水污染分层原位在线监测***,其特征在于:它包括可膨胀的分割器、水质传感器和单相螺杆泵,其中:分割器膨胀撑开抵顶在监测井内的隔断层上,以将邻接隔断层的上下两个含水层分隔开,由此监测井内经由分割器从上到下被分隔出多个含水层;每一含水层内置入一单相螺杆泵和一水质传感器,单相螺杆泵和水质传感器各自独立运作;监测井井口处的地面上设有基站,基站内设有水样原位监测模块、抽水采样***、水泵流量控制模块、水样采集分析模块和数据传输模块;每个含水层内的单相螺杆泵通过控制线缆与水泵流量控制模块连接,单相螺杆泵通过管道与抽水采样***连接且抽水采样***通过管道与水样采集分析模块连接;单相螺杆泵在水泵流量控制模块的控制下,借由抽水采样***进行洗井和低流量扰动水样抽取并将抽取的水样送至水样采集分析模块,以实时获得含水层内地下水中除常规污染物外的特有污染物数据;每个含水层内的水质传感器通过数据电缆与水样原位监测模块连接,以实时获得含水层内地下水中的常规水质污染参数数据;水样原位监测模块、水样采集分析模块经由数据传输模块与中心站实现远程信息传输。
2.如权利要求1所述的场地地下水污染分层原位在线监测***,其特征在于:
所述基站内还设有配水***和废液处理模块,配水***用于对经由所述抽水采样***抽取的水样进行预处理并配送给所述水样采集分析模块进行水质状况分析,以及在所述水样采集分析模块完成水质状况分析后进行清洗工作并将清洗水排放至废液处理模块,其中:
配水***包括水样预处理装置、压力/流量监控器和自动清洗装置,所述抽水采样***抽取的水样在压力/流量监控器的监控下,经由水样预处理装置的过滤装置或沉降装置配送给所述水样采集分析模块中的各分析仪器,各分析仪器上安装有自动清洗装置,各分析仪器经由自动清洗装置将清洗水送至废液处理模块完成排放。
3.如权利要求2所述的场地地下水污染分层原位在线监测***,其特征在于:
所述基站内还设有环境控制模块,环境控制模块包括温度传感器和湿度传感器,环境控制模块用于保证所述基站内的环境温度和湿度维持在合理范围内。
4.如权利要求3所述的场地地下水污染分层原位在线监测***,其特征在于:
所述基站内还设有采用主备供电方式的电源管理***。
5.一种基于权利要求1至4中任一项所述的场地地下水污染分层原位在线监测***实现的地下水污染物浓度预测方法,其特征在于,它包括步骤:
1)基于场地历史监测数据,使用主成分分析方法构建监测井中污染物随时间演化模型,并基于Perarson相关系数对场地内地下水现场可测指标与污染物之间可能存在的相关性进行量化,构建污染物浓度与现场可测指标的数据关联模型;
2)所述水样原位监测模块借由所述水质传感器对含水层内地下水中的污染因子进行动态监测,获得常规水质污染参数数据,以及所述水样采集分析模块借由所述单相螺杆泵对含水层内地下水中除常规污染物外的特有污染物进行动态监测,获得特有污染物数据;
3)基于Python的卡尔曼滤波器,通过构建出的监测井中污染物随时间演化模型和污染物浓度与现场可测指标的数据关联模型,对获得的常规水质污染参数数据和特有污染物数据进行预测与更新,实现对地下水污染物浓度变化的最优预测;
4)通过可视化平台展示出地下水污染物浓度变化趋势。
7.如权利要求5所述的地下水污染物浓度预测方法,其特征在于:
在所述污染物浓度与现场可测指标的数据关联模型中,设定待监测对象的污染物浓度Ct与现场可测指标之间的相关性通过下面的线性方程描述:
ECt=βCt+b
上式中,ECt为t时刻监测井中测量得到的现场可测指标数据,Ct为待监测对象的污染物浓度,β、b分别为线性方程的斜率、截距参数。
8.如权利要求5所述的地下水污染物浓度预测方法,其特征在于:
在监测所述常规水质污染参数和所述特有污染物两种监测对象时,为监测数据定义监测向量zt,Zt=[ct,direct,ECt]T,其中:
zt为时刻t时获得的监测向量,ct,direct为直接测量得到的待监测对象的污染物浓度,ECt为t时刻监测井中的现场可测指标,T表示向量转置。
9.如权利要求8所述的地下水污染物浓度预测方法,其特征在于:
在所述步骤3)中,基于所述监测井中污染物随时间演化模型,针对待监测对象,通过所述卡尔曼滤波器对作为基础值的前一时刻的污染物浓度值进行先验估计,预测得到下一时刻的污染物浓度值,然后通过所述卡尔曼滤波器进行后验估计,对预测的下一时刻的污染物浓度值完成更新,且更新后的污染物浓度值用作下一时刻进行预测的基础值,其中:
所述监测井中污染物随时间演化模型转化为状态转移方程来描述xt在离散时间间隔Δt内的变化,状态转移方程为Xt=Fxt-1+w,
xt为时间步长为t的离散时间***的状态向量,定义xt=[Ct,r]T,Ct表示待监测对象的污染物浓度,r是浓度变化率,T表示向量转置,
F为状态转移矩阵,定义为:
w为***噪声矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340136.1A CN114660254B (zh) | 2022-04-01 | 2022-04-01 | 地下水污染物浓度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340136.1A CN114660254B (zh) | 2022-04-01 | 2022-04-01 | 地下水污染物浓度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114660254A true CN114660254A (zh) | 2022-06-24 |
CN114660254B CN114660254B (zh) | 2023-06-30 |
Family
ID=82033426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210340136.1A Active CN114660254B (zh) | 2022-04-01 | 2022-04-01 | 地下水污染物浓度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114660254B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114922594A (zh) * | 2022-07-21 | 2022-08-19 | 太原理工大学 | 一种深层裂缝型地热分段封隔分层开采的方法 |
CN115015513A (zh) * | 2022-07-01 | 2022-09-06 | 宁夏回族自治区国土资源调查监测院(宁夏回族自治区地质灾害应急中心、自治区矿产资源储量评审中心) | 地下水水质分层监测装置 |
CN115385445A (zh) * | 2022-09-21 | 2022-11-25 | 南京晓庄学院 | 一种基于大数据的污水生化处理用软测量管理*** |
CN115561415A (zh) * | 2022-09-15 | 2023-01-03 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析***及方法 |
CN115660413A (zh) * | 2022-10-17 | 2023-01-31 | 生态环境部南京环境科学研究所 | 一种用于污染场地地下水的风险管控*** |
CN115980299A (zh) * | 2023-03-20 | 2023-04-18 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 地下水污染物的监控装置 |
CN116298167A (zh) * | 2023-05-15 | 2023-06-23 | 胜利星科检测技术(山东)有限公司 | 一种油田在线水质检测*** |
CN116448624A (zh) * | 2023-06-16 | 2023-07-18 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种土壤地层污染物监测***及方法 |
CN116660486A (zh) * | 2023-05-24 | 2023-08-29 | 重庆交通大学 | 一种基于大型底栖动物bi指数的水质评价标准确定方法 |
CN117665240A (zh) * | 2023-12-15 | 2024-03-08 | 山东水之源水利规划设计有限公司 | 一种地下水水质因子运移监测***及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872503A (zh) * | 2017-05-10 | 2018-11-23 | 中国地质调查局水文地质环境地质调查中心 | 一种水文多指标综合测量装置 |
CN110031262A (zh) * | 2019-03-28 | 2019-07-19 | 中国地质调查局水文地质环境地质调查中心 | 一种低流量低扰动分层采样装置及其采样方法 |
CN110082164A (zh) * | 2019-04-12 | 2019-08-02 | 中冶建筑研究总院有限公司 | 一种地下水多层无扰动监测*** |
US20190353630A1 (en) * | 2018-05-17 | 2019-11-21 | Commonwealth Scientific And Industrial Research Organisation | System for remote groundwater monitoring |
CN210051587U (zh) * | 2019-04-10 | 2020-02-11 | 中国地质调查局水文地质环境地质调查中心 | 一种气置式地下水分层采样装置 |
CN111562143A (zh) * | 2020-05-29 | 2020-08-21 | 中国地质调查局武汉地质调查中心(中南地质科技创新中心) | 适用于污染场地的自动化多参数地下水环境分层监测井 |
AU2020102748A4 (en) * | 2020-10-16 | 2020-12-10 | Tianjin University | Intelligent feedback real-time control system and method for hydrodynamic circulation under external interference |
CN212301000U (zh) * | 2020-05-29 | 2021-01-05 | 中国地质调查局武汉地质调查中心(中南地质科技创新中心) | 适用于污染场地的自动化多参数地下水环境分层监测井 |
CN112307602A (zh) * | 2020-10-13 | 2021-02-02 | 河海大学 | 一种地下水污染源信息和水力渗透系数场联合反演的方法 |
CN112729953A (zh) * | 2020-12-30 | 2021-04-30 | 南京万德斯环保科技股份有限公司 | 一种地下水在线监测和自动采样一体化装置 |
CN113807727A (zh) * | 2021-09-25 | 2021-12-17 | 浙江九寰环保科技有限公司 | 一种地下水污染物迁移模型及风险评价方法 |
-
2022
- 2022-04-01 CN CN202210340136.1A patent/CN114660254B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872503A (zh) * | 2017-05-10 | 2018-11-23 | 中国地质调查局水文地质环境地质调查中心 | 一种水文多指标综合测量装置 |
US20190353630A1 (en) * | 2018-05-17 | 2019-11-21 | Commonwealth Scientific And Industrial Research Organisation | System for remote groundwater monitoring |
CN110031262A (zh) * | 2019-03-28 | 2019-07-19 | 中国地质调查局水文地质环境地质调查中心 | 一种低流量低扰动分层采样装置及其采样方法 |
CN210051587U (zh) * | 2019-04-10 | 2020-02-11 | 中国地质调查局水文地质环境地质调查中心 | 一种气置式地下水分层采样装置 |
CN110082164A (zh) * | 2019-04-12 | 2019-08-02 | 中冶建筑研究总院有限公司 | 一种地下水多层无扰动监测*** |
CN111562143A (zh) * | 2020-05-29 | 2020-08-21 | 中国地质调查局武汉地质调查中心(中南地质科技创新中心) | 适用于污染场地的自动化多参数地下水环境分层监测井 |
CN212301000U (zh) * | 2020-05-29 | 2021-01-05 | 中国地质调查局武汉地质调查中心(中南地质科技创新中心) | 适用于污染场地的自动化多参数地下水环境分层监测井 |
CN112307602A (zh) * | 2020-10-13 | 2021-02-02 | 河海大学 | 一种地下水污染源信息和水力渗透系数场联合反演的方法 |
AU2020102748A4 (en) * | 2020-10-16 | 2020-12-10 | Tianjin University | Intelligent feedback real-time control system and method for hydrodynamic circulation under external interference |
CN112729953A (zh) * | 2020-12-30 | 2021-04-30 | 南京万德斯环保科技股份有限公司 | 一种地下水在线监测和自动采样一体化装置 |
CN113807727A (zh) * | 2021-09-25 | 2021-12-17 | 浙江九寰环保科技有限公司 | 一种地下水污染物迁移模型及风险评价方法 |
Non-Patent Citations (1)
Title |
---|
张明明等: "基于主成分分析和水质标识指数的地下水评价" * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115015513A (zh) * | 2022-07-01 | 2022-09-06 | 宁夏回族自治区国土资源调查监测院(宁夏回族自治区地质灾害应急中心、自治区矿产资源储量评审中心) | 地下水水质分层监测装置 |
CN114922594B (zh) * | 2022-07-21 | 2022-10-11 | 太原理工大学 | 一种深层裂缝型地热分段封隔分层开采的方法 |
CN114922594A (zh) * | 2022-07-21 | 2022-08-19 | 太原理工大学 | 一种深层裂缝型地热分段封隔分层开采的方法 |
CN115561415B (zh) * | 2022-09-15 | 2023-12-22 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析***及方法 |
CN115561415A (zh) * | 2022-09-15 | 2023-01-03 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析***及方法 |
CN115385445A (zh) * | 2022-09-21 | 2022-11-25 | 南京晓庄学院 | 一种基于大数据的污水生化处理用软测量管理*** |
CN115660413A (zh) * | 2022-10-17 | 2023-01-31 | 生态环境部南京环境科学研究所 | 一种用于污染场地地下水的风险管控*** |
CN115980299A (zh) * | 2023-03-20 | 2023-04-18 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 地下水污染物的监控装置 |
CN116298167A (zh) * | 2023-05-15 | 2023-06-23 | 胜利星科检测技术(山东)有限公司 | 一种油田在线水质检测*** |
CN116660486A (zh) * | 2023-05-24 | 2023-08-29 | 重庆交通大学 | 一种基于大型底栖动物bi指数的水质评价标准确定方法 |
CN116448624A (zh) * | 2023-06-16 | 2023-07-18 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种土壤地层污染物监测***及方法 |
CN116448624B (zh) * | 2023-06-16 | 2023-09-29 | 山东省鲁南地质工程勘察院(山东省地质矿产勘查开发局第二地质大队) | 一种土壤地层污染物监测***及方法 |
CN117665240A (zh) * | 2023-12-15 | 2024-03-08 | 山东水之源水利规划设计有限公司 | 一种地下水水质因子运移监测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114660254B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114660254B (zh) | 地下水污染物浓度预测方法 | |
Burns et al. | Monitoring the riverine pulse: Applying high‐frequency nitrate data to advance integrative understanding of biogeochemical and hydrological processes | |
CN108871873A (zh) | 垃圾填埋场地下水自动采样监测装置 | |
CN104406819A (zh) | 一种微洗井式地下水自动采样*** | |
CN110703640A (zh) | 页岩气开发地下水智能监测***及方法 | |
CN107247083A (zh) | 一种农田重金属污染在线监测预警与实时处理***及方法 | |
CN102879543B (zh) | 地下水水质多参数一体化连续在线监测*** | |
Bonanno et al. | Flow directions of stream‐groundwater exchange in a headwater catchment during the hydrologic year | |
Zammouri et al. | Analyzing the effect of transmissivity uncertainty on the reliability of a model of the northwestern Sahara aquifer system | |
CN113818929A (zh) | 一种矿井地下水动态监测***、控制方法及应用 | |
Ilie et al. | Configuration, programming and implementation of 3 Smart Water network wireless sensor nodes for assessing the water quality | |
CN106197541A (zh) | 一种地下水自动监测设备 | |
CN204944605U (zh) | 地下水资源在线监测*** | |
CN109374513A (zh) | 管道外防腐层检测分析*** | |
CN103983600A (zh) | 用于地震前兆监测的数字化二氧化碳观测仪 | |
KR101213251B1 (ko) | 염소이온농도를 이용한 하수관거 모니터링 방법 및 이를 위한 모니터링 시스템 | |
CN117314218A (zh) | 一种基于大数据分析的煤矿水害实时预警方法 | |
CN110836790A (zh) | 用于地浸铀采区集控室的多通道自动测量装置及方法 | |
CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及*** | |
CN113533692B (zh) | 一种综合的土壤和地下水有机污染自动监测预警处置*** | |
CN116797157A (zh) | 基于人工智能的河道治理工程造价管理*** | |
CN113607710B (zh) | 一种在线监测水质的方法及其应用的装置和*** | |
CN214041371U (zh) | 一种可移动式海上油田注水水质在线监测装置 | |
Moran | Interpretation of long-term Grande Ronde aquifer testing in the Palouse Basin of Idaho and Washington | |
CN114562236A (zh) | 一种基于集成学习模型的地质工程一体化井漏实时预警方法 |
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 |