水污染預(yù)測方法研究現(xiàn)狀

余婷梃+李勇+白云+李川

摘要：指出了隨著我國經(jīng)濟(jì)的不斷發(fā)展，由一些不適當(dāng)?shù)娜祟惢顒臃绞降漠a(chǎn)物對水體造成的污染也日益增加。近年來，水污染事件在我國頻繁發(fā)生，水資源保護(hù)已刻不容緩。水污染預(yù)測是實(shí)現(xiàn)水環(huán)境管理規(guī)劃和水污染防治的一項(xiàng)基本工作。綜述了幾種國內(nèi)外運(yùn)用最為廣泛的水污染預(yù)測方法的研究現(xiàn)狀，以期為不同水污染情況下合理挑選預(yù)測方法提供參考。

關(guān)鍵詞：水污染；預(yù)測方法；統(tǒng)計(jì)預(yù)測；智能預(yù)測；機(jī)理預(yù)測

中圖分類號：X832

文獻(xiàn)標(biāo)識碼：A 文章編號：1674-9944（2017）14-0053-04

1 引言

伴隨著中國城市化、工業(yè)化的迅速發(fā)展，生活污水以及工業(yè)廢水的排放量與日俱增，導(dǎo)致自然水體水質(zhì)的不斷惡化。近年來，水污染事件的頻繁發(fā)生，也表明了當(dāng)前我國水資源污染形勢已相當(dāng)嚴(yán)峻。黨中央、國務(wù)院高度重視環(huán)境保護(hù)工作，將其作為貫徹落實(shí)科學(xué)發(fā)展觀的內(nèi)容，作為轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的重要手段，作為推進(jìn)生態(tài)文明建設(shè)的根本措施[1]。為了尋求環(huán)境質(zhì)量變化的原因以及變化趨勢，很多學(xué)科也提出了關(guān)于環(huán)境分析預(yù)測的方法，水污染的預(yù)測也成為環(huán)境保護(hù)的熱點(diǎn)話題。

目前，國內(nèi)外水污染預(yù)測方法沒有制定一個統(tǒng)一的方案，各個行業(yè)各個監(jiān)測部門對水污染預(yù)測的方法也不一樣。很多時(shí)候不同的預(yù)測方法對同一水資源會有不同的預(yù)測結(jié)果，而每個水體特征也不一樣，所以對水質(zhì)進(jìn)行預(yù)測的時(shí)候，應(yīng)結(jié)合實(shí)際情況選擇適當(dāng)?shù)姆椒ā８鶕?jù)各種水污染預(yù)測方法機(jī)理的不同大致可以分為統(tǒng)計(jì)預(yù)測法、智能預(yù)測法以及機(jī)理模型預(yù)測法。

2 統(tǒng)計(jì)預(yù)測方法

統(tǒng)計(jì)預(yù)測就是對已有的歷史資料數(shù)據(jù)進(jìn)行整理分析，根據(jù)統(tǒng)計(jì)學(xué)原理，對未來事物的發(fā)展趨勢和狀態(tài)的預(yù)測。目前，用于水質(zhì)預(yù)測的統(tǒng)計(jì)方法主要包括：回歸分析預(yù)測法、指數(shù)平滑預(yù)測法、灰色系統(tǒng)理論預(yù)測法。

2.1 回歸分析預(yù)測法

一般來說，回歸分析是建立在函數(shù)的關(guān)系上研究自變量與因變量關(guān)系的方法。它可以快速、直觀的分析出數(shù)據(jù)之間的關(guān)系，并可以確切得出各個數(shù)據(jù)之間的相關(guān)程度。回歸分析又分為一元回歸分析和多元回歸分析。宮艷萍等[2]將一元線性回歸分析法用于研究沈陽某污水處理廠進(jìn)水水質(zhì)的COD和BOD之間關(guān)系，并對BOD進(jìn)行測算。結(jié)果表明，預(yù)測值和實(shí)際值之間沒有明顯差異。顏劍波等[3]運(yùn)用多元回歸分析法對黃河干流潼關(guān)至三門峽段河道的水質(zhì)進(jìn)行了預(yù)測。Zhai等[4]建立回歸分析方法預(yù)測了淮河流域中COD和NH3-N的濃度，并分析出人類活動對水環(huán)境影響的關(guān)系。回歸分析法簡單方便，通過標(biāo)準(zhǔn)的統(tǒng)計(jì)方法可以計(jì)算出較為準(zhǔn)確的結(jié)果。

2.2 指數(shù)平滑預(yù)測法

指數(shù)平滑預(yù)測法具有使用方便、操作簡單等特點(diǎn)[5]是時(shí)間序列預(yù)測法中應(yīng)用較廣泛的方法之一，它結(jié)合了全期平均法和移動平均法所長，在利用過去的數(shù)據(jù)進(jìn)行預(yù)測的基礎(chǔ)上，再引入一個簡化的加權(quán)因子，以求得其平均數(shù)的一種預(yù)測方法。榮潔等[6]將指數(shù)平滑法和馬爾科夫模型用于合肥湖濱與巢湖裕溪口兩大斷面2001年到2010年的相關(guān)指標(biāo)的預(yù)測，結(jié)果顯示兩種預(yù)測方法結(jié)果一致，將兩種方相結(jié)合有更好的預(yù)測效果。尚曉鍶等[7]將指數(shù)平滑法和GM（1，1）進(jìn)行組合來預(yù)測邕江水源地的鐵、錳濃度。在指數(shù)平滑的處理過程中，平滑系數(shù)的選擇十分重要，該文獻(xiàn)利用Excel在指數(shù)平滑法參數(shù)優(yōu)選的方法，對預(yù)測的數(shù)據(jù)進(jìn)行規(guī)劃以求解參數(shù)，選取合理平滑系數(shù)值，從而提高了預(yù)測的精度。

2.3 灰色系統(tǒng)理論法

灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對象，主要通過對“部分”已知信息的生成、開發(fā)，提取有價(jià)值的信息，實(shí)現(xiàn)對系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控[8]。目前灰色系統(tǒng)理論已經(jīng)廣泛用于水質(zhì)污染預(yù)測中。張思思等[9]基于灰色理論預(yù)測模型對洱海水污染發(fā)展趨勢進(jìn)行了分析。魯珍等[10]建立灰色預(yù)測的數(shù)學(xué)模型，并以較高的精確度預(yù)測出大冶湖未來五年湖內(nèi)COD、BOD5、NH3-N和TP的濃度以及變化趨勢。由于灰色系統(tǒng)數(shù)據(jù)要求低，不需要太多數(shù)據(jù)，也不需要數(shù)據(jù)分布規(guī)律就可以進(jìn)行預(yù)測，而且計(jì)算簡便，較為準(zhǔn)確。

對上述三種統(tǒng)計(jì)預(yù)測的方法從理論依據(jù)、數(shù)據(jù)要求、適用情形幾個方面進(jìn)行了分析匯總，結(jié)果如表1所示。

3 智能預(yù)測方法

隨著預(yù)測方法的不斷深入研究，近年來，各個領(lǐng)域都越來越關(guān)注關(guān)于將人工智能預(yù)測方法用于大規(guī)模數(shù)據(jù)預(yù)測。在水環(huán)境預(yù)測方面越來越多的專家學(xué)者致力于將智能預(yù)測融入其中，并且得到良好的預(yù)測效果，其中人工神經(jīng)網(wǎng)絡(luò)（ANN）和支持向量機(jī)（SVM）是目前應(yīng)用最為廣泛的水質(zhì)智能預(yù)測法。

3.1 人工神經(jīng)網(wǎng)絡(luò)預(yù)測法

ANN是通過模擬神經(jīng)元活動，在數(shù)學(xué)上表現(xiàn)一種非線性的關(guān)系。神經(jīng)網(wǎng)絡(luò)具有較好的自適應(yīng)性和自學(xué)習(xí)能力，在學(xué)習(xí)或訓(xùn)練過程中改變突出權(quán)重值來適應(yīng)其周圍環(huán)境的要求[11]。

BP人工神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛ANN模型之一。郭慶春等[12]建立了BP人工神經(jīng)網(wǎng)絡(luò)模型對滇池水污染物的濃度進(jìn)行了預(yù)測，結(jié)果顯示該模型滿足預(yù)測精度的要求，能夠較為準(zhǔn)確的預(yù)測出湖泊的污染物質(zhì)。Elman神經(jīng)網(wǎng)絡(luò)是一個典型的局部回歸神經(jīng)網(wǎng)絡(luò)，相比BP神經(jīng)網(wǎng)絡(luò)，他在隱含層的范圍內(nèi)增加了一個關(guān)聯(lián)層，引入這種關(guān)聯(lián)層使得網(wǎng)絡(luò)以任意精度逼近想要的非線性函數(shù)。宋韜略[13]利用Elman神經(jīng)網(wǎng)絡(luò)建立模型對活性污泥法的污水生物處理過程進(jìn)行預(yù)測控制，并在原有的Elman神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上輸出層節(jié)點(diǎn)的反饋，進(jìn)一步提高了預(yù)測的精度。小波神經(jīng)網(wǎng)絡(luò)是通過小波分解進(jìn)行平移和伸縮對信號進(jìn)行多尺度的分析，從而提取到信號的局部信息的一種神經(jīng)網(wǎng)絡(luò)。張壘[14]建立了小波神經(jīng)網(wǎng)絡(luò)對海河流域四個不同水質(zhì)等級監(jiān)測斷面的溶解氧濃度進(jìn)行短期的預(yù)測。Aleksandra等[15]將一般回歸神經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)用于預(yù)測多瑙河的BOD水平，預(yù)測結(jié)果滿足所需要的精度要求。

人工神經(jīng)網(wǎng)絡(luò)對于預(yù)測水污染的預(yù)測具有良好的適應(yīng)性，所以在國內(nèi)外受到廣泛的關(guān)注[16]。它具有較強(qiáng)的泛化能力自組織的能力，與傳統(tǒng)的統(tǒng)計(jì)預(yù)測方法相比，其預(yù)測結(jié)果具有較高的精度，能夠較準(zhǔn)確的反應(yīng)出水質(zhì)指標(biāo)內(nèi)在的變化規(guī)律。

3.2 支持向量機(jī)法

支持向量機(jī)（SVM）是基于統(tǒng)計(jì)學(xué)理論的VC理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原理的一種機(jī)器學(xué)習(xí)方法[17]，根據(jù)對特定樣本預(yù)學(xué)習(xí)和無錯誤識別樣本的能力，進(jìn)而加以推廣。SVM方法能較好的進(jìn)行歸類和回歸分析，現(xiàn)已許多領(lǐng)域展開了廣泛的研究。

Arabgol[18]運(yùn)用支持向量機(jī)對伊朗的阿拉克平原地下水的水質(zhì)預(yù)測。武國正等[19]分析了支持向量回歸機(jī)在水質(zhì)預(yù)測中的應(yīng)用，并以干旱區(qū)淺水湖泊烏梁素海的多年實(shí)測pH值為例進(jìn)行了預(yù)測。梁堅(jiān)等[20]提出了基于小波變換和支持向量機(jī)的水質(zhì)預(yù)測，并將該模型運(yùn)用于王江涇自動監(jiān)測面溶解氧濃度的預(yù)測，其預(yù)測結(jié)果比基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果具有更高的精確度。馮莉莉[21]詳細(xì)研究了支持向量機(jī)的理論與方法，并將支持向量機(jī)算法應(yīng)用于地表水質(zhì)指標(biāo)值預(yù)測及其綜合評價(jià)的實(shí)際問題研究中。

支持向量機(jī)能夠較好地處理具有復(fù)雜性、非線性、高維數(shù)、局部極小點(diǎn)、小樣本等特點(diǎn)的水環(huán)境水質(zhì)指標(biāo)的預(yù)測，具有廣泛的推廣能力，已成為水質(zhì)預(yù)測研究熱點(diǎn)之一。

將人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行綜合分析比較，匯總見表2所示。

4 機(jī)理模型預(yù)測法

機(jī)理模型預(yù)測法是根據(jù)對現(xiàn)實(shí)對象特性的認(rèn)識，分析其內(nèi)在規(guī)律，并建立模型做出假設(shè)，從而對達(dá)到事物分析預(yù)測的目的。

4.1 WASP水質(zhì)模型預(yù)測法

WASP模型是由美國國家環(huán)保局環(huán)境研究實(shí)驗(yàn)室開發(fā)，模擬水文動力學(xué)、湖泊、河流一維不穩(wěn)定流以及河口三維不穩(wěn)定流；常規(guī)污染物（DO、BOD、營養(yǎng)物質(zhì)等）和有毒污染物質(zhì)（有機(jī)化學(xué)物、沉積物、金屬等）在水中的遷移轉(zhuǎn)化的規(guī)律。陳珊等[22]以南四湖為研究對象，建立了南四湖上、下級湖水營養(yǎng)化以及簡單有毒污染物的WASP模型，并運(yùn)用該模型分析預(yù)測出了湖水水質(zhì)的變化規(guī)律，以及各個影響因子的敏感程度。王思文等[23]使用了WASP模型分別預(yù)測了2014年松花江支流的阿什河和呼蘭河的污水消減量以及水環(huán)境容量。

4.2 S-P水質(zhì)模型預(yù)測法

S-P水質(zhì)預(yù)測模型主要適用于河流處于充分混合且穩(wěn)定流動狀態(tài)，預(yù)測其BOD和DO值的變化情況。袁嘯[24]對水利樞紐工程蓄水前的湘江長沙段水質(zhì)進(jìn)行了跟蹤監(jiān)測，使用Matlab軟件處理監(jiān)測數(shù)據(jù)求解建立了以S-P模型為基礎(chǔ)的BOD-DO生化模型，以及TN、TP的水質(zhì)模型。Peng等[25]采用S-P模型預(yù)測了三峽庫區(qū)河流中COD隨時(shí)間的變化趨勢，研究結(jié)果表明，該模型得出的預(yù)測結(jié)果準(zhǔn)確度較高。

4.3 QUAL-II模型預(yù)測法

QUAL-II模型屬于溶解綜合水質(zhì)模型，它引入了水生生態(tài)系統(tǒng)和各個污染物之間的關(guān)系，從而使水質(zhì)研究問題更為深化，該模型各組成成分之間以溶解氧為核心。規(guī)模性解決了很多河流水質(zhì)規(guī)劃、水環(huán)境容量的問題，很多專家學(xué)者結(jié)合實(shí)際情況，對該模型進(jìn)行改進(jìn)用于水質(zhì)的預(yù)測。Ester等[26]提出了CE-QUAL-W2模型分析預(yù)測出了對西班牙桑丘水庫水質(zhì)影響的主要因素。朱磊等[27]聯(lián)合應(yīng)用流域水文非點(diǎn)源AnnAGNPS模型和水庫水質(zhì)CE-QUAL-W2模型對黑河金盆水質(zhì)進(jìn)行預(yù)測。陳月等[28]選取COD、TN、TP作為污染指標(biāo)，采用QUAL2K模型對西苕溪干流梅溪段進(jìn)行了預(yù)測。

將以上三種預(yù)測模型方法，從模型維數(shù)、流量狀態(tài)、適用領(lǐng)域方面進(jìn)行比較，結(jié)果如表3所示。

5 結(jié)語

近年來，很多水污染突發(fā)事件超出了政府和社會的治理能力范圍，需要建立一個可以預(yù)測水質(zhì)變化動態(tài)的模型，以實(shí)現(xiàn)對水環(huán)境的自動監(jiān)測。本文介紹了一些關(guān)于水質(zhì)分析預(yù)測的方法，能預(yù)測出水質(zhì)的發(fā)展變化趨勢，為解決水污染問題提供決策支持。但是由于不同水體的特性不一，進(jìn)行水體分析預(yù)測時(shí)會受到許多時(shí)間及空間等外界因素的影響。這需要環(huán)保工作者根據(jù)實(shí)際情況科學(xué)選用預(yù)測模型，開發(fā)新的預(yù)測方法，在不同的水環(huán)境以及不同的污染情況下進(jìn)行更深入的研究。

參考文獻(xiàn)：

[1]周生賢. 國家環(huán)境保護(hù)“十二五”規(guī)劃[R].中國環(huán)境報(bào)， 2011（12）：13～15.

[2]宮艷萍， 王 劼.一元回歸分析在污水處理廠中的應(yīng)用[J].環(huán)境保護(hù)科學(xué)，2013，39（2）：13～14.

[3]顏劍波， 阮曉紅， 孫 瀚. 多元回歸分析在黃河水質(zhì)預(yù)測中的應(yīng)用[J]. 人民黃河， 2010， 32（3）：35～36.

[4]Zhai X， Xia J， Zhang Y. Water quality variation in the highly disturbed Huai River Basin， China from 1994 to 2005 by multi-statistical analyses[J]. Science of the Total Environment， 2014（496）：594～606.

[5]鄭 麗， 白寶玉. 三次指數(shù)平滑法在基坑地表沉降變形分析中的應(yīng)用[J]. 重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015， 32（12）：23～26.

[6]榮 潔， 王臘春. 指數(shù)平滑法-馬爾科夫模型在巢湖水質(zhì)預(yù)測中的應(yīng)用[J]. 水資源與水工程學(xué)報(bào)， 2013， 24（4）：98～102.

[7]尚曉鍶， 林衛(wèi)東， 唐艷葵.指數(shù)平滑和GM（1，1）組合法在水質(zhì)預(yù)測中的應(yīng)用——以邕江水源地鐵、錳濃度為例[J].環(huán)境科學(xué)與技術(shù)， 2011， 34（1）：191～195， 163.

[8]劉思峰， 謝乃明.灰色系統(tǒng)理論及其應(yīng)用（第六版）[M].北京：科學(xué)出版社， 2013.

[9]張思思.基于灰色理論的洱海流域水污染控制研究[D].武漢：華中師范大學(xué)經(jīng)濟(jì)管理學(xué)院， 2011.

[10]魯 珍， 李 曄， 馬 嘯， 等. 滇池水污染物濃度預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型[J].環(huán)境科學(xué)與技術(shù)， 2012， 35（5）：174～178.

[11]夏 靜. 建設(shè)項(xiàng)目環(huán)境影響評價(jià)預(yù)測模型發(fā)展現(xiàn)狀[J]. 綠色科技， 2016（8）：87～89.

[12]郭慶春， 郝 源， 杜北方， 等. 滇池水污染物濃度預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型[J]. 四川環(huán)境， 2013， 32（6）：137～141.

[13]宋韜略.基于神經(jīng)網(wǎng)絡(luò)的污水處理預(yù)測控制模型研究[D].大慶：東北石油大學(xué)， 2014.

[14]張 磊， 鄒志紅.基于小波神經(jīng)網(wǎng)絡(luò)的天然水體溶解氧預(yù)測研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識， 2016， 46（16）， 122～127.

[15]Aleksandra N， iljic'Tomic'·Davor Z， Antanasijevic'·Mirjana -D， et al. Modeling the BOD of Danube River in Serbia using spatial， temporal， and input variables optimized artificial neural network models[J]. Environmental Monitoring and Assessment， 2016， 188（5）：1～12.

[16]Melesse AM， Ahmad S， McClain ME， et al. Suspended sediment load prediction of river systems：An artificial neural network approach[J]. Agricultural Water Management， 2011， 98：855～866.

[17] 田 麗， 曹安照， 王 蒙，等. 基于SVM和神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型物流需求預(yù)測[J]. 重慶工商大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2012， 29（9）：61～64.

[18]Arabgol R， Sartaj M， Asghari K. Predicting nitrate concentration and its spatial distribution in groundwater resources using support vector machine （SVMs） model[J]. Environmental Modeling and Assessment， 2016， 21（1）：71～82.

[19]武國正. 支持向量機(jī)在湖泊富營養(yǎng)化評價(jià)及水質(zhì)預(yù)測中的應(yīng)用研究[D]. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)， 2008.

[20]梁 堅(jiān)， 何通能.基于小波變換和支持向量機(jī)的水質(zhì)預(yù)測[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2011， 28（2）：83～86.

[21]馮莉莉.支持向量機(jī)在地表水質(zhì)評價(jià)與預(yù)測中的應(yīng)用研究[D].西安：西安理工大學(xué)， 2011.

[22]陳 珊.WASP水質(zhì)模型在南水北調(diào)東線南四湖水質(zhì)預(yù)測中的應(yīng)用[D].青島：青島理工大學(xué)， 2012.

[23]王思文， 齊少群， 于丹丹， 等.基于WASP模型的水環(huán)境質(zhì)量預(yù)測與評價(jià)研究——以松花江哈爾濱江段為例[J].自然災(zāi)害學(xué)報(bào)， 2015， 1：39～45.

[24]袁 嘯.湘江水利樞紐工程對湘江（長沙段）水質(zhì)影響與預(yù)警研究[D].長沙：湖南農(nóng)業(yè)大學(xué)， 2012.

[25]Peng H， Yao W， Huang P. Application of modified Streeter-Phelps model and COD changing model to Xiangxi river in Three Gorges reservoir area[J]. International Conference on Bioinformatics and Biomedical Engineering， 2010：1～4.

[26]Torres E， Galván L， Cánovas CR， et al. Oxycline formation induced by Fe（II） oxidation in a water reservoir affected by acid mine drainage modeled using a 2D hydrodynamic and water quality model-CE-QUAL-W2[J]. Science of the Total Environment， 2016（562）：1～12.

[27]朱 磊， 李懷恩， 李家科， 等. 水文水質(zhì)模型聯(lián)合應(yīng)用于水庫水質(zhì)預(yù)測研究[J]. 中國環(huán)境科學(xué)， 2012， 32（3）：571～576.

[28]陳 月， 席北斗， 何連生， 等. QUAL2K模型在西苕溪干流梅溪段水質(zhì)模擬中的應(yīng)用[J]. 環(huán)境工程學(xué)報(bào)， 2008， 2（7）：1000～1003.