中國核電工程有限公司 代麗,張真,智一凡,張榮勇
根據世界核電運營者協會(WANO)的統計資料,2004年至2015年間發生了大量核電冷源堵塞事件,數量達到上百起。在近年來發生的多達104起冷源堵塞事件中,有58%是由海生物導致的,目前海生物已經成為影響核電機組安全穩定運行的重要因素。北部的紅沿河核電站,東部的田灣核電站,以及南部的陽江核電站、海南昌江核電站等,近年來都曾爆發冷源堵塞事件,可見,冷源堵塞事件已成為中國沿海核電站普遍面臨的問題。引起冷源安全事件的海生物種類繁多,包括以球形棕囊藻等為代表的浮游植物,以毛蝦、水母等為代表的浮游動物,以鱸魚、小沙丁魚等魚類為代表的游泳生物,以海地瓜為代表的底棲生物,以紫菜、馬尾藻為代表的大型藻類等。
在造成冷源堵塞事件的海生物中,浮游動物是最為常見的類群,其中毛蝦又是危害最為嚴重的代表性浮游動物。據統計,近年來中國近海核電站取水口發生的冷源安全事件中,浮游動物占比較大,大約占比30%,其中,毛蝦、水母、尖筆帽螺等浮游動物都曾引發冷源堵塞事件,而毛蝦曾多次引發冷源堵塞事件,是對核電冷源安全有極大威脅的物種之一。據報道,2016年1月,嶺澳核電站周圍海域發生毛蝦爆發事件,導致反應堆緊急停堆。大亞灣核電站周圍海域大量毛蝦短時間內涌入核電進水口,引發循環水泵跳閘及機組降負荷事件。2020年3月,陽江核電站冷源系統遭到大量毛蝦入侵,導致6臺機組先后停機停堆,該次冷源堵塞事件導致了一級運行事件。
總結來說,毛蝦作為典型的冷源致災海生物具有三大特點:嚴重危害性、治理難度大以及研究緊迫性。第一,嚴重危害性,毛蝦在中國沿海多個核電站多次引發冷源堵塞事件,在陽江核電站甚至造成了一級運行事件。第二,治理難度大。毛蝦與水母都曾多次造成冷源安全事件,但毛蝦與水母等大型浮游動物不同,其個體微小,中國毛蝦成體大小為20mm至40mm,幼體則更微小,一旦出現大量毛蝦突然涌入核電取水口的情況,防控難度較大。第三,研究緊迫性。長期以來,毛蝦作為一種重要的漁獲物,對其缺乏針對性的科學研究。在冷源堵塞事件發生后,對于毛蝦爆發的成因、爆發條件已有一定的研究,還需要進行進一步研究,以獲得系統、完善的科學認識。
包括毛蝦在內的冷源致災海生物爆發是自然因素和人為因素耦合的結果,既有氣象因子變動、全球氣候變化等自然因素的作用,也可能會受到富營養化等人為因素的影響[1]。同時,環境參數(海水溫度、營養鹽等)、水動力條件、氣象因子(風、降雨等)等也會對海生物爆發產生潛在影響。浮游動物、浮游植物等海生物不具有游泳能力,只能被動地隨水流遷移,多數浮游動物、浮游植物對于環境參數(海水溫度、營養鹽等)的變化較為敏感,其生長、繁殖、聚集過程與水動力條件、海水理化參數等的變動密切相關[2-4]。此外,野外調查及相關研究均表明,氣象因子也是影響海生物爆發的重要因素。
關于海生物爆發成因的研究,國內外已有相關探索,同時,海生物爆發成因及預測研究往往相伴相隨,海生物爆發成因研究往往是為預測預警及處理處置打基礎。目前常用的方法有生態動力學方法、統計學方法、人工智能技術等。
生態動力學方法能夠通過對生物、物理、化學等因子的分析組合,形成動力學方程,并對模型進行求解。由于真實的海洋環境非常復雜,即使目前使用的生態動力學模型越來越復雜、參數越來越多,對于海洋中真實場景的模擬問題可能仍會存在較大困難。同時,生態動力學模型若過于復雜,會加大模型求解的復雜程度。
統計學方法也可用于海生物爆發成因及預測研究。研究表明,可以基于多元分析的統計學方法,例如回歸分析、因子分析等,對海生物(例如有害藻華)的爆發情況進行預測,分析各因子的重要程度。有研究使用統計學方法(如Holt指數平滑法和Holt-Winter指數平滑法)對近年來中國近海赤潮爆發情況進行了分析和預測[5]。
近年來,計算理論的發展和計算機算力的提升逐步推動了人工智能技術的發展。人工智能技術因其應用領域廣、數據處理智能化而廣泛應用于各行各業中,國家十四五規劃重點強調大力發展科學研究,推動人工智能與各產業的深度融合。根據浙江大學《人工智能發展水平評價分析報告》,目前國內人工智能發展狀況排列全球第二,具備以人工智能手段開展各項研究的硬實力。人工智能以機器學習、深度學習為核心,深入開展數據挖掘與情報分析,基于大量的事實型數據,通過建模計算,協助解決一系列科學難題。[6]。
研究表明,應用機器學習的方法可對致災物的成因進行分析,開展致災物的監測預警工作,目前,在人工智能領域,已有神經網絡模型、支持向量機、集成學習、決策樹等人工智能模型應用于相關的成因分析和預測研究中。應用基于機器學習的人工智能技術搭建模型,能夠通過挖掘數據背后的深度價值及內在聯系,運用學習經驗自動對計算機算法進行改進,同時對程序不斷優化,從而解決復雜的非線性問題。目前,機器學習模型已應用于短期降水預報、藻華預警預測、徑流預測等一系列工作中[7]。例如,有研究應用BP人工神經網絡和模糊理論,建立了藻華發生的模糊風險評價方法。另外,基于長短期記憶循環神經網絡建立的藻華預測模型,對藻華進行預測的精度較高,對樣本具有較好的適應性。于沛軒等人應用機器學習的方法對有害藻華的成因進行了分析,同時建立了預測模型,可提前一到兩周預測藻華的發生[4]。因此,應用人工智能技術研究海生物爆發成因具有可行性,可通過建立人工智能模型,進行訓練模型、評估模型及優化模型,經過一系列智能化的邏輯運算,挖掘大量事實數據背后的潛在因素,對海生物爆發的成因進行定量化研究,從而解決復雜的線性及非線性問題。
目前對于海生物(尤其是毛蝦)的爆發成因及預測研究仍存在一定的問題與不足。一是缺乏大量的實測數據作為支撐,二是成因研究及預測模型尚不成熟,三是某些模型的黑盒屬性導致科學分析及尋找科學依據存在較大困難。眾所周知,模型的搭建及研究需要基于大量的數據,目前對于海生物爆發的野外觀測數據較少,很多監測站往往在海生物爆發后才開始監測及數據收集工作,因此實驗樣本的取樣時間間隔較大,同時連續觀測數據較為缺乏。同時,核電取水海域海生物爆發事件近年來頻繁發生,此前對其關注較少,雖然基于統計學方法、生態動力學及機器學習等手段已搭建了相關模型進行研究,但目前對于海生物爆發成因研究的手段仍不夠成熟。此外,相關人工智能模型具有一定黑盒屬性,對于海生物爆發成因的分析目前仍存在一定困難。
在對海生物爆發成因的研究中,考慮的因素一般包括海水理化參數(溫度、鹽度、營養鹽、溶解氧等)、水動力條件、氣象因子(氣溫、氣壓、降雨等)等環境因子[8-11]。目前,針對海生物生長及爆發成因的研究,定性分析較多,缺少針對關鍵因子進行的定量分析。
相關研究表明,溫度變化對于海生物的生長繁殖有不可忽視的影響。毛蝦是典型的廣溫種(-0.1℃~29.5℃)、廣鹽(1.06‰~33.57‰),最適溫度范圍其中為19℃-27℃,鹽度為24‰~33‰,溫度對毛蝦的季節洄游分布影響最大,在整年洄游過程中起主導作用[12-14]。可見,在影響毛蝦生長及爆發的成因中,溫度可能是較為重要的因素[15-16];除此之外,鹽度等海水理化參數也是影響毛蝦生長及爆發較為重要的因素。
氣象因子對于海生物爆發也可能具有重要影響,兩者之間的關系有待進一步的量化分析。氣象因子通常包括氣溫、氣壓、風、降雨、輻照等,能夠影響海生物的繁殖、聚集,從而影響海生物的爆發、擴散與消失過程。
研究表明,毛蝦的產量可能與降雨有關。一般情況下,降雨量的多少直接影響江河淡水流量的大小及攜帶營養物質的數量。降雨量較為充足的條件下,徑流量較大,從陸地帶入海洋的營養鹽和有機碎屑就較為充足,為毛蝦幼體的生長發育提供了豐富的餌料基礎。根據歷史資料,福建沿海毛蝦產量與前一年的平均降雨量關系密切。
此外,風對毛蝦的產量也有重要影響,主要體現在風向和風速上。毛蝦的生命周期較短,要想通過繁殖迅速形成大量群體,保證幼體的存活率很重要,若在春季的繁殖季節適逢大風,蝦卵與幼蝦的成活會受到較大影響,而冬季的大風則會影響毛蝦的洄游路線,從而影響毛蝦的分布狀況。
除此之外,海域富營養化狀況、海流等因素也會在一定程度上影響海生物的生長和爆發。
綜上所述,近年來海生物爆發導致的冷源堵塞事件已成為影響核電安全、穩定和經濟運行的潛在威脅,尤其是浮游動物毛蝦,近年來較為頻繁地引發冷源安全事件。對于海生物爆發成因,目前缺乏系統、定量化的研究,需要開展相關研究,以更好地指導核電設計。關于海生物爆發成因的研究手段主要包括生態動力學模型、統計學方法、人工智能手段等,但目前的研究仍存在一些問題與不足,對于海生物爆發的成因研究缺乏系統的定量分析,后續可綜合分析目前手段的優缺點,綜合應用生物理論研究及人工智能手段,對海生物爆發成因進行定量化研究,從而為后續的預測及治理工作提供科學依據和數據參考。
相關鏈接
毛蝦屬(Acetes)的總稱。又名小白蝦、水蝦、蝦皮。軟甲綱、十足目、櫻蝦科。體小而側扁,長3~4cm。體無色透明。溫、熱帶海洋蝦類。具較大經濟價值。廣泛分布于印度洋、太平洋和大西洋。多數種類分布在印度—馬來群島,日本、朝鮮和中國沿海均有分布 。除供鮮食外,可加工成蝦皮、蝦醬、蝦油等。體頗側扁。殼極薄。額角短小。頭胸甲具眼后刺及肝刺。步足僅有前面3對,呈極小的鉗狀,后兩對退化消失。雌性第三步足基部之腹甲向后突出,稱生殖板,其后緣中部向前方凹陷,兩側形成兩個乳頭狀突起。雄性胸部末節腹甲向后方腹面突出,形如一對乳頭,雄孔即開口于其腹面。第一腹肢雌性無內肢,雄性則為一交配器。雄附肢在第二腹肢內肢基部腹面,為一斜行排列長圓形的片狀突起,頂端具2鉤狀刺毛。尾肢的基肢腹面有一紅色圓點,內肢短于外肢,基部外側有紅色小點。
毛蝦為中上層蝦類,喜棲居于有大量淡水排出的淺海環境和有強大潮流的泥底淺水區,通常棲于灣澳或河口附近。生活在深達30米以下的水層,有晝夜垂直移動習性,白天下沉,夜間在表層海域集群。由于第四、第五對步足完全消失,因此它不能停留在海底爬行。而在第三顎足和前三對步足上都生有許多羽狀剛毛,增加了浮游生活的能力。雖然前三對步足還保留著非常退化而極微小的鉗狀構造,但已沒有捕捉食物的能力,而是靠口部附肢和顎足上的側毛從水中濾取藻類等食物。但有時也攝食一些有機碎屑和小型浮游動物。