[发明专利]一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法

说明书

本发明涉及一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法，包括具体包括如下步骤：步骤一、基于污染场地的详细调查情况；步骤二、确定污染场地原位化学氧化工艺，明确相关参数范围；步骤三、使用Plackett‑Burman试验确定修复工艺的效果主要影响因子；步骤四、用Design Expert软件分析不同独立参数的响应，得到不同试验条件的试验组合；步骤五、以模拟样品为基础，开展实验室小试试验，等技术特征。本发明方法更加简便、对操作人员数理知识要求较低，且以数据作为依托，以统计学原理作为支撑，着重解决了由于地下复杂环境所带来的模型不确定性问题和数理计算困难问题。

技术领域

本发明属于污染治理技术领域，具体涉及一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法。

背景技术

响应面分析法，即响应曲面设计方法(Response Surface Methodology，RSM)，是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。

人工神经网络(Artificial Neural Network，即ANN)，是人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。人工神经网络(ANN)已经被应用于科学和工程的各个领域。当设计用于预测输出变量时，ANN给出了很好的结果，因为它们有能力通过逼近函数映射复杂的非线性数据。他们适应、学习、识别和再生因果关联的能力，通过对各种输入输出系统的训练，使得他们能够有效地解释甚至复杂的过程。人工神经网络已被用于解决许多环境问题，如污染物的降解、修复以及与不同过程控制相关的问题。人工神经网络可以重新生成实验数据，并暗示过程的行为。非线性和不确定数据的精确建模是人工神经网络的主要优点。

目前的有机污染场地地下水化学氧化修复工程中，存在着场地条件差别大、药剂扩散性依场地土壤性质差异巨大和给药方式粗放导致药剂残留等问题，因此业界对场地修复过程中的剂量-效应模型的建立有着迫切的需求，但目前的数值模型建立方式大多是针对药剂与污染物的反应过程的机理模型，存在着对特异性场地灵敏性不足，适应性差，实践操作难等实际问题，因此，一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法，一期能够针对工程现场实际的土壤机械组成、地下水成分、污染物性质以及投加药剂性能等参数，运用响应面法与人工神经网络相结合的方式，达到快速准确地对化学修复场地前景作出预测的目的。

发明内容

本发明的目的在于克服现有技术中的的缺陷，提供了一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法。

为实现上述目的，本发明所采取的技术方案如下：

一种有机污染地下水原位化学氧化工艺的修复效果预测建模方法，具体包括如下步骤：

步骤一、对污染场地现场进行了详细的场地调查及多点采样，并对每个采样点的饱和土壤样品地球化学指标进行测定；

步骤二、根据目标场地的污染情况，确定原位化学氧化的具体工艺以及可能影响修复效果的工艺因素；

步骤三、将影响污染场地原位化学氧化工艺的潜在因子进行编码并确定可控取值范围，通过Plackett-Burman试验设计筛选影响较大的效果主要影响因子；