基于遺傳算法的抽水蓄能電站水環境治理效果評價

田紅霞

(山東省臨沂市河東區應急救援指揮服務中心，山東 臨沂 276000)

0 引 言

在抽水蓄能電站水環境治理過程中，需要實時分析水環境治理效果和綜合評價水平，結合對沉積物營養狀況特征分析，通過長鏈醇、腐殖酸及富里酸等指標參數分析，采用量化特征分析的方法，實現對抽水蓄能電站水環境治理效果的量化分析，提取降解組分的含量和表層沉積物的營養特征，通過碳素的轉化速率分析及營養鹽再生特征分析，實現抽水蓄能電站水環境治理的效果動態評價。研究抽水蓄能電站水環境治理評價方法，在促進抽水蓄能電站水環境治理具有重要意義，在海洋、湖泊、河流甚至水庫的水環境質量和改善等方面具有很好的指導作用[1]。

對抽水蓄能電站水環境治理的效果評價是建立在對抽水蓄能電站水環境的約束特征分析基礎上，通過對沉積物中有機質特征分析，結合來源辨析、粒徑分布、遷移轉化等分析方法，實現對抽水蓄能電站水環境治理效果的特征分析[2]。文獻[3]中提出流域水環境污染生態修復技術和水環境治理效果評價模型，結合動態擬合特征分析，選取合適的植物構造植被帶，有效控制面源污染，實現對水環境治理效果評價，但該方法無法滿足社會經濟承載力和生態環境承載力3個維度的動態分析，評價可靠性不好。文獻[4]中提出基于傾向得分匹配(PSM)反事實估計的水環境治理效果評價模型，比較不同流域差異、地理區位及村莊規模下的組群差異性，通過AHP和熵權法相結合的主客觀綜合賦權，實現水環境治理效果測定，但該方法的模糊度較大，評價可靠性不高。

針對上述問題，本文提出基于遺傳算法的抽水蓄能電站水環境治理效果評價方法，通過主成分特征分析方法提取水環境沉積物水土微界面理化特征參數，采用營養鹽負荷性狀分析方法，記錄抽水蓄能電站水環境采樣點位特征量，實現對水環境質量效果動態評價，最后進行實測分析，得出有效性結論。

1 抽水蓄能電站水環境約束指標和模型參數

1.1 抽水蓄能電站水環境治理約束指標

為了實現基于遺傳算法的抽水蓄能電站水環境治理效果評價，結合易降解組分的含量和表層沉積物特征分析，采用表征生態系統的營養狀態分析的方法，進行抽水蓄能電站水環境治理的約束參數分析。構建抽水蓄能電站水環境治理的約束指標分布集，以水土理化特性、含水營養鹽特征分布、有機垂向特征值為一級約束指標[5]，得到抽水蓄能電站水環境營養狀態分析模型，通過抽水蓄能電站水環境的沉積物表層分析，表征生態系統的營養狀態分布，見表1。

表1 生態系統的營養狀態分布表

根據表1中生態系統的營養狀態分布，通過生物易降解有機質特征分析，根據抽水蓄能電站水環境中的約束指標分布，營養物質由PRT、CHO 和 LIP 組成，分析抽水蓄能電站水環境中的形狀、大小、粒度、密度和水介質特征量，采用遺傳算法，建立水污染動態評估模型，通過分析生物易降解的分解速度及分解度差異性，得到沉積的基本結構模型，通過分析固體形態參數，采用主成分分析，以水土理化特性、含水營養鹽特征分布、有機垂向特征值為一級約束指標，分析水環境中堆積的水華藻類和底泥特征量，并進行水環境治理效果評價。總體技術路線見圖1。

圖1 抽水蓄能電站水環境治理效果評價結構圖

根據圖1抽水蓄能電站水環境治理效果評價總體結構，采用相關性檢驗和回歸分析，引入周期尺度因子和季節性尺度因子，進行約束指標參數分析。

1.2 抽水蓄能電站水環境治理評價的參數模型

通過主成分特征分析方法提取水環境沉積物水土微界面理化特征參數，通過地下水蓄水的負荷結構參數分析，根據巖石圈負荷響應的持續監測，結合態磷和部分有機磷特征檢測，估算沉積物生物有效磷含量。針對水樣的測定，得到抽水蓄能電站水環境治理的多因素表達數學模型，表述為：

(1)

式中：φa為懸浮顆粒在垂向上存在的密度差異；ω11和ω21為黏土礦物等無機顆粒物含量貢獻度。

通過水體懸浮物含量特征分析，進行水環境中的懸浮物含量及其有機質含量測定，分析以泥沙和黏土礦物為主成分的特征分量，得到梯度加權函數表示為：

F(x)=2JT(x)J(x)+Kx

(2)

其中：J(x)為風生流的作用下藻類和水草碎屑堆積量；Kx為抽水蓄能電站水環境中的累積沉降量。

外力作用下重新釋放的顆粒物，采用遺傳算法進行自適應學習，得到抽水蓄能電站水環境多維分布任務集合P(ni)={pk|prkj=1,k=1,2,…,m}。采用優先級屬性調度，分析抽水蓄能電站水環境內部有機質含量，提取的內部有機質含量的遺傳算法迭代方程為：

(3)

由此建立抽水蓄能電站水環境治理評價的參數模型，通過環境質量特征分析，進行抽水蓄能電站水環境特征檢測。

2 抽水蓄能電站水環境治理效果評價模型優化

2.1 水環境治理效果特征檢測遺傳算法

通過主成分特征分析方法提取水環境沉積物水土微界面理化特征參數，采用營養鹽負荷性狀分析方法，建立空間差異性分析模型，采用動態特征分析，測定懸浮物沉降再懸浮速率。對于遺傳因子w∈Z，采用樣本回歸分析，得到不同類型和來源的有機質沉降統計特征量為：

(4)

其中：ahi為沉降再懸浮過程監測特征參數；m為水環境分布空間維度。

根據水體pH監測，結合有機氮降解檢測，得到水環境治理的多目標規劃函數為：

(5)

式中：usi(k)為各處理組水體特征檢測的遺傳交叉迭代參數。

通過上述分析，建立水環境治理效果特征檢測遺傳進化模型參數，通過水體的電導率測試，記錄抽水蓄能電站水環境采樣點位特征量，采用遺傳算法實現對碳、氮等營養鹽及生物易降解有機質組成的測定和分析。

2.2 抽水蓄能電站水環境治理效果評價模型優化

在水環境藻類腐解過程中，水體TN濃度不斷升高，采用生物累積貯存營養控制，得到抽水蓄能電站水環境治理效果評價的水體理化檢測函數描述如下：

(6)

其中：Xij為藻類聚積量的影響度函數；Cij為次生代謝產物關聯系數；m為藻類碎屑沉降速率差異；n為藻積層的厚度。

通過上述數學模型構建，采用動態參數檢測和目標參數規劃，結合抽水蓄能電站水環境沉降的顆粒物分布特性，采用遺傳算法，實現對碳、氮等營養鹽及生物易降解有機質組成的測定和分析，提高抽水蓄能電站水環境治理效果評價能力。

3 實證分析測試

采用SPSS統計分析軟件進行抽水蓄能電站水環境治理效果評價測試，遺傳算法的變異系數0.35，交叉系數0.63，遺傳進化迭代次數為400，樣本水體見圖2。

圖2 采樣樣本水體

設定抽水蓄能電站水環境動態評價參數，劃定3個監測區域，得到各指標層對水環境質量效果評價的貢獻權重，見表2。

表2 各指標層對水環境質量效果評價的貢獻權重

根據表2的參數權重設計進行抽水蓄能電站水環境治理效果分析，得到水環境污染物監測值，見圖3。

圖3 水環境污染監測結果

分析圖3可知，本文方法能有效檢測抽水蓄能電站水環境污染性狀特征。其中，水體懸浮物濃度變化范圍在 12～104 mg/L，開敞湖區懸浮物濃度由30 mg/L升至149 mg/L，藻類堆積區懸浮物濃度僅從20 mg/L升至39 mg/L，對各類污染物質檢測的準確性較好，測試水環境治理后的評價指標體系見表3。

表3 水環境治理后的評價指標體系

分析表3可知，本文方法對抽水蓄能電站水環境治理效果評價的可靠性較好，指標輸出平穩性較高，對有機質組成測定和分析的精度較高，可為抽水蓄能電站水環境治理提供可靠數據支撐。

4 結 語

采用量化特征分析的方法，實現對抽水蓄能電站水環境治理效果的量化分析。本文提出基于遺傳算法的抽水蓄能電站水環境治理效果評價方法，通過分析生物易降解的分解速度及分解度差異性，得到沉積的基本結構模型，采用營養鹽負荷性狀分析方法，建立空間差異性分析模型，結合遺傳算法實現對碳、氮等營養鹽及生物易降解有機質組成的測定和分析，提高抽水蓄能電站水環境治理效果評價能力。分析結果表明，本文方法能有效實現對抽水蓄能電站水環境污染檢測和治理效果評價。