《浙江大学硕士开题报告》由会员分享，可在线阅读，更多相关《浙江大学硕士开题报告（9页珍藏版）》请在金锄头文库上搜索。
1、硕士论文开题报告作者： 指导教师：吕 军 教授题目：基于LOADEST模型和递推传递函数模型的非点源水质负荷的研究课题来源：基于物联网的小流域废物集中处置与资源化利用技术研究及示范（国家科技支撑计划No.2012BAC17B01）一、选题依据及研究目的意义1.1研究意义随着社会经济的快速发展和城市化进程的加快，越来越多的生活、工业和农业排放物进入到河流中，导致河流水质污染和恶化(Xia X H, 2002; Chang H, 2008; 于兴修等,2003)。根据2013年中国环境状况公报，我国目前的水环境污染问题也不容乐观，长江、黄河、珠江、松花江、淮河、海河、辽河、浙闽片河流、西北诸河和西
2、南诸河等十大流域的国控监测断面中有近30%的断面水质达到或超过了类，其中劣类占到总断面的9.0%；61个国控重点湖泊(水库)中，27.8%处于富营养化状态；4778个地下水监测点中，较差的监测点比例为43.9%，极差的监测点比例为15.7% (中国环保部2013)。根据环保部发布的首个全国性的大规模研究结果，我国有2.8亿居民使用不安全饮用水。水环境污染问题通常分为点源污染和非点源污染。点源污染主要来自工厂、市政污水系统，通常有固定的排污口集中排污。非点源污染正是相对点源污染而言，是指溶解的和固体的污染物从非特定的地点，在降水（或融雪）冲刷作用下，通过径流过程而汇入受纳水体（包括河流、湖泊、水
3、库和海湾等）并引起水体的富营养化或其它形式的污染。非点源污染从成因上来看，通常可分为地表径流污染、农业非点源污染、矿区地表径流污染、林区地表径流污染和大气降雨降尘污染等类型。其中，农业非点源污染，包括农田和村庄的径流污染，是最主要的一类非点源污染。非点源污染因其污染过程的时空不确定性、迁移过程的高度非线性、多污染源的复合污染、降解过程高度复杂等特性，决定了对非点源污染进行定量化研究和预测具有较大的难度，给水污染控制和水质规划、管理的科学决策带来很大困难。近年来，突发性水污染事故在我国重点流域频繁发生。如2005年的松花江硝基苯水污染事故导致哈尔滨市全市连续停水，造成恐慌；2008年6月云南省昆
4、明阳宗海砷污染事故导致阳宗海水体遭到污染，严重影响了当地居民的生产生活；2009年2月，江苏省盐城市水源地遭酚类化合物污染，数十万市民饮水受到影响。这些突发性污染事故带给我们严峻的警示：开展水质评价和水质预测问题的研究，做好突发性水污染事故的风险评估与预警，加强水源地水资源保护是目前我们应对突发性水污染事件的首要任务。汤浦水库作为绍兴地区的饮用水水源，服务人口近300万人，为绍兴市、上虞市、慈溪市的经济社会发展做出了不可磨灭的贡献。汤浦水库水质优良，但总氮、总磷超标，属于中等营养水平，2010年曾爆发蓝绿藻，为绍兴等城市的生活用水埋下隐患（竺维佳等, 2006; 沈荣根和童秀华, 2010;
5、施练东等, 2011）。本文以汤浦水库为研究对象，以总氮、总磷污染负荷量预测为目标，基于统计学方法、现代数学方法和水文模型方法，应用LOADEST模型和递推传递函数模型对该水库总氮、总磷污染负荷量进行污染特征分析和负荷量预测，试图建立一套完整的水库型水源地污染物预测体系，以期推动水质预测和水质污染事件预防工作的发展。1.2国内外研究现状1.2.1水质评价分析方法水质评价是水环境保护的基础性工作,是水环境监督和管理的一个重要方面,具有独特的重要性。水质评价是指水质监测数据的收集、整理和分析,以及对于水体污染状况进行评价的过程。评价方法是水质评价的核心,评价方法的合理性决定水质评价结果的可靠性。因
6、此,科学合理的水质评价方法对于水质监督和管理工作有着重要的意义,国内外学者对于水质评价方法有着丰富的研究。多元统计方法是分析河流污染特征及来源的常用而且有效的方法(Huang et al., 2010; 赵 洁等, 2013)，跟水文模型法相比(邓欧平等, 2013)，多元统计方法的优点在于方便不需要事先获取污染源的信息，也无需气象、水文、土地利用等其它数据，只需要水质监测数据即可提取水污染特征、识别主要污染源、半定量估算各主要污染源的分担率。多元统计方法是污染特征分析的常用方法。20世纪80年代以来，多元统计方法因具有能反推污染源廓线的优点，已被广泛运用于大气环境中污染源的源解析（Thurs
7、ton and Spengler, 1985; Bruno et al.,2001; Singh et al.,2008; Liu et al., 2010）。近年来，一些学者将多元统计方法应用于水环境污染物的污染特征分析和源解析，主要有因子分析/多元线性回归(FA/MLR)模型 (陈燕燕等, 2009)、主成分分析/绝对主因子得分（PCA/APCS）模型 (Su et al., 2011)、正定矩阵因子分解（PMF）模型 (马振邦等, 2011) 和非负约束因子分析（FA-NNC)模型 (Bzdusek et al., 2004) 等。Singh等（2005）运用PCA/APCS模型定量解析
8、了印度Gomti河生化需氧量（BOD）、氨氮（NH+4-N）和硝态氮（NO-3-N）等污染物的主要来源。马振邦等（2011）利用深圳市王家庄集水区的降雨径流水质监测数据，运用PMF模型定量解析了单个城市小集水区降雨径流中氨氮(NH+4-N)、总氮(TN)、化学需氧量(CODCr)、总磷(TP)和生化需氧量(BOD5)的主要来源。1.2.2水质模拟与预测方法水质预测是水质监督和管理的基础工作,是预防水质污染事件的有效措施, 在区域水环境规划、评价与管理工作中，水质预测是重要基础,在水环境保护中占有举足轻重的地位(李如忠, 2006)。水质预测就是根据水质实际资料，运用水质数学模型推断水体或水体某
9、一地点的水质在未来的变化，即根据过去和现在已有的水质信息建立一个从过去到未来的模型。特别是近年来随着中国经济的高速发展，水污染综合防治已经成为中国环境管理中的重中之重(杜鑫等, 2013)。因此，如何提高水质预测的预测精度与可靠性，为水环境管理提供科学合理的依据就成为理论和实践急需解决的问题。水质预测模型主要分为机理性水质预测模型和非机理性水质预测模型。机理性水质预测模型是描述水循环中各组分在化学、物理和生物学等方面的变化规律,以及各组分间相互影响关系的数学模型;非机理性水质预测模型则利用数理统计、灰色系统理论、神经网络等理论模拟水质的变化过程,能够对于水质的短期和长期变化趋势做出预测(汤爱中
10、,2013)。机理性水质预测模型如SWAT模型等通常比较复杂,计算过程需要较多的基础资料和数据(如边界参数、传输参数、环境参数、转化参数等),而我国大多数河流、湖库的基础资料和数据相对匮乏,这就限制了机理性水质预测模型在水质预测实践中的应用(樊敏等,2010)。因此，非机理性水质预测模型，如时间序列法、回归分析法、灰色预测法和人工神经网络预测方法等由于考虑因素较少，受到很多研究人员的青睐。常用的非机理性水质预测模型如神经网络预测模型、支持向量预测模型、分形预测模型等。这些水质预测模型对于水质预测理论的发展起到了一定的积极作用,但是各种预测模型对于应用场合具有较为严格的要求,如GM(1,1)预测
11、模型要求原始数据序列呈现指数变化规律, 对于不符合该变化规律的数据序列,则预测误差较大；神经网路预测模型则要求样本量较大，且存在训练不稳定、容易陷入局部极小值的缺点。而在 LOADEST2和 ESTMATOR模型基础上发展起来，使用Fortran语言编写的LOADEST (Load estimator) 模型能够克服随机干扰问题，在预测过程中仅仅根据连续的日流量数据和有限的、离散的水质数据，建立水质负荷量回归方程，进而估算河流不同时间尺度下的输移通量，在世界多地的水质预测中被广泛运用(Qian Y et al., 2007)，如Pointer,B.和Harned,D.A应用LOADEST模型模
12、拟North Carolina水库的氮负荷量(Pointer B et al., 2010)，Duan S使用LOADEST模型模拟了切萨皮克湾城市到农村磷负荷的变化规律(Duan S et al., 2012)以及李娜利用LOADEST模型估算19992008年宝象河河流的入湖通量和水质情况(李娜等,2010)，都取得了较佳的验证效果。LOADEST模型所需的历史水文水质监测数据少，操作简单，具有明显的优点，相对于目前我国河流的水文监测多为逐日实时监测，而水质监测因需耗费大量的人力、物力和财力，监测频率平均为1-2次/月的现状而言(Harmel R D, 2003; Harmel R D,
13、2006)，这无疑提供了一种较为可行的污染物负荷估算方法。另一方面，基于时间序列法的传递函数模型能够克服随机干扰问题，在旅游、人口、经济、电力、能源等众多领域已经显示出了预测应用优势，但在水环境管理中应用还比较少。使用传递函数模型对水质进行预测则在预测过程中仅仅根据历史的流量和水质负荷数据进行建模,便能对未来的水质进行预测，所需的历史水文水质监测数据少，操作简单，具有明显的优点，相对于我国基础数据资料缺乏的现状而言，这无疑也是一种较为可行的污染物负荷估算方法。二、主要研究目标、研究内容与拟解决的关键技术2.1研究目标以绍兴市汤浦水库为研究对象，首先对该水库各个监测点的非点源污染进行时空变异定量
14、分析研究；其次，利用LOADEST模型模拟各监测点的逐日/逐月水质负荷量并分析其变化特征；再次，基于经LOADEST模型模拟得到的水质逐日负荷量，利用传递函数模型预测各监测点污染物负荷量；最后开发一个基于物联网的小流域实时水质预测系统。2.2 研究内容(1)流域非点源污染特征分析本研究以汤浦水库为研究区域，通过对水质数据进行统计、分析和评价，试图揭示该水库的水质时空分布特征和污染状况。(2) 水库非点源污染物负荷计算利用LOADEST模型对水质监测数据进行连续化，尝试建立流域非点源污染物负荷量优化统计模型，确定河流的非点源污染物入河通量。(3) 水库非点源污染物负荷预测建立基于经LOADEST
15、模型模拟得到的水质逐日负荷量的递推传递函数模型，利用递推传递函数模型预测各监测点污染物负荷量。(4)水库非点源污染物入库量负荷预测系统基于LOADEST模型和递推传递函数模型，开发一个基于物联网的水库非点源污染物入库量负荷预测系统。2.3 拟解决的关键问题本文将以发展流域非点源污染定量模拟和预测研究方法为突破口，以建立汤浦水库流域入库量负荷预测系统为研究目标，拟解决的关键问题包括：(1)目前国内外河流的水文监测多为逐日实时监测，而水质监测过程则因需耗费大量的人力、物力和财力，故监测频率不高，平均为1-2次/月, 如何利用有限的、离散的水质数据和实时监测流量数据进行河流水质负荷的估算成为一个有待
16、解决的问题。本研究利用连续的日流量数据和有限的、离散的水质数据，建立LOADEST模型水质负荷量回归方程，进而估算河流不同时间尺度下的输移通量。(2)常用的非机理性水质预测模型如神经网络预测模型、支持向量预测模型、分形预测模型等对于应用场合具有较为严格的要求,基于时间序列法的传递函数模型能够克服随机干扰问题，在旅游、人口、经济、电力、能源等众多领域已经显示出了预测应用优势，但在水环境管理中应用还比较少。因此，本研究尝试在历史的流量和水质负荷数据的基础上建立递推传递函数模型，从而更好地预测非点源污染负荷的变化规律，为今后该水库管理提供借鉴。三、研究方案及技术路线3.1 技术路线水文、水质和气象等基础资料调查调查模型的选择，水系的监测布点模型的验证各监测点基础数据库建立流域的气候、污染物排放情况调查水库中的监测点水质参数、水文参数的定点监测（每月一次）水库
