水中五日生化需氧量預測的模擬驗證

曹 媛

（山西省運城生態環境監測中心，山西 運城 044000）

水資源為人類賴以生存的自然資源，其是保證社會經濟可持續發展的關鍵物質基礎。近年來，隨著人口的增長和經濟的發展，產生的生產和生活廢水增多，若不加處理被直接排放至臨近的水系統中，會導致水污染問題越來越嚴重，直接導致人類可直接應用的水資源不斷減少[1-3]。因此，當前針對水資源的管理尤為重要。本文以水庫水質的保護為例開展系列研究，重點對水庫的水質進行評價包括建立水質模型，并對水質進行預測，為今后水質的監測和風險防控提供基礎。

1 研究對象

本文的研究對象為水庫，水庫作為一個城市的生活用水、農業灌溉、防洪以及發電的綜合性的大型水力樞紐工程，其對于社會經濟發展和穩定具有十分重要的意義。我國北方中部地區大部分屬于動壓季風氣候，平均年度降雨量為600 mm，水庫的水源主要為大氣降水。受到當地大陸氣候的影響，水庫的水位根據季節的變化處于變化狀態。

結合當地的實際情況，水庫的污染源主要來自農村生活污染、農藥和化肥污染、禽畜養殖污染以及城鎮地表徑流負荷等4 種途徑；直接導致水中的CODcr、NH3-N、TP 和TN 指標發生變化。上述4 種污染途徑對水庫面源污染量的估算結果如表1 所示：

表1 水庫面源污染量估算成果 單位：t/a

分析表1 可知，導致水庫污染的主要污染源來自農村的生活污染和農藥、化肥的污染。其中，農村生活污染物主要為CODcr，農藥和化肥污染物主要為TP、NH3-N 和TN。其余禽畜養殖污染和城鎮地表徑流負荷對該水庫的污染較小。

該水庫的目前面臨的污染問題還并不嚴重。但是，考慮到水庫屬地工業化水平和城鎮化水平的不斷發展，其所面臨的污染問題將會越來越嚴重。本文將重點開展對水質污染量的預測研究。

2 水質預測模型建立

一般情況下，水質指標通過pH 值、TP、NH3-N、DO、BOD5等數值來反映水質水平，針對本項目，為準確掌握水庫的水質，在其水源站和出庫站設置兩個監測點對其相關指標數據進行預測。本文重點對水庫中的五日生化需氧量指標進行預測。在實際預測時采用MASP 水質模型。

從理論上講，WASP 水質模型可應用于水質、湖泊以及水流等水體水質的變化進行模型。WASP 水質模型包含有水動力模塊和水質模塊兩部分，其中水質模塊的富營養化模塊可衡量水質的核心指標進行監測，包括有水質中的溶解氧、氨氮、總磷以及五日生化需氧量等指標[4-5]。WASP 水質預測模型的基本原理框圖如圖1 所示：

圖1 WASP 水質預測模型框圖

對于水庫的水質而言，其具有非線性、突變型的特點，而且受到噪聲的影響，水庫的直接環境會受到水力學、氣象學、生物學等綜合性因素的影響。因此，為了提高對水質的預測精度，基于WASP 水質預測模型，采用高度自學習自適應能力相結合的方式實現對水質的預測，從而為今后水質的管理奠定扎實基礎。以水中五日生化需氧量這一指標為例，選取該水庫在近十年的監測結果為數據基礎，為后續水質預測提供數據支撐。

該水庫2008—2017 年階段水中五日生化需氧量指標的監測結果如圖2 所示。

圖2 水庫中水中五日生化需氧量監測結果

對上述數據進行歸一化處理后，根據預測需求以圖2 中的近2008—2015 年的水庫中五日生化需氧量指標為基礎數據，并以2016—2017 年兩年內水庫中五日生化需氧量為驗證數據。其中，以水源站所監測到的數據為輸入變量，以監測斷面的數據為輸出變量。結合BP 神經網絡的相關理論基礎確定針對水中五日生化需氧量指標確定網絡層數和隱含層，完成算法選擇等步驟后建立基于BP 神經網絡的WASP 水質預測模型。

3 水質預測模型的建立及水中五日生化需氧量指標的驗證

本文根據所研究水庫的具體情況對WASP 水質預測模型中的基礎參數進行設置，然后以水中五日生化需氧量指標的預測為例對結果進行分析。

3.1 水質預測模型的建立

WASP 水質預測模型需要綜合水庫的實際情況才能獲取最為準確的預測結果。根據所研究水庫的實際情況，WASP 水質預測模型的基本參數設置如表2所示。

表2 WASP 水質預測模型參數設置

3.2 水中五日生化需氧量指標的模擬驗證

基于上述所構建的WASP 水質預測模型，對水中五日生化需氧量進行預測。將預測的將結果與圖2 中2016—2017 年的實測結果進行對比，形成如圖3 所示的對比結果。

圖3 水中五日生化需氧量預測結果

如圖3 所示，采用所構建的WASP 水質預測模型對水庫中的五日生化需氧量進行預測，其最大相對誤差為6.80%，最小相對誤差僅為0.02%。總的來講，基于BP 神經網絡算法的WASP 水質預測模型的預測值與現場實測值大體變化趨勢一致。說明，采用BP神經網絡與WASP 水質預測模型相結合，可以獲得更加的水質預測效果。

4 結語

水源是人類賴以生存的基礎，其不僅關系著人類的日常生活，對于工業生產也非常重要。針對當前日益嚴峻的水質問題，實現對水源水質的精準預測，提前采用相應的預防措施對于保證水源的充足利用非常重要。本文以水庫中的五日生化需氧量指標的預測為例開展系列研究，總結如下：

1）經對本水庫實際情況分析，導致水庫污染的主要污染源來自農村的生活污染和農藥、化肥的污染。其中，農村生活污染物主要為CODcr，農藥和化肥污染物主要為TP、NH3-N 和TN。其余禽畜養殖污染和城鎮地表徑流負荷對該水庫的污染較小。

2）為實現對水質的預測，本項目采用WASP 水質預測模型為核心，融入BP 神經網絡算法實現對水質的精準預測。

3）實踐表明，采用所構建的WASP 水質預測模型對水庫中的五日生化需氧量進行預測，其最大相對誤差為6.80%，最小相對誤差僅為0.02%。