[发明专利]地下水污染物浓度预测方法

权利要求书

1.一种基于场地地下水污染分层原位在线监测系统实现的地下水污染物浓度预测方法，场地地下水污染分层原位在线监测系统包括可膨胀的分割器、水质传感器和单相螺杆泵，其中：分割器膨胀撑开抵顶在监测井内的隔断层上，以将邻接隔断层的上下两个含水层分隔开，由此监测井内经由分割器从上到下被分隔出多个含水层；每一含水层内置入一单相螺杆泵和一水质传感器，单相螺杆泵和水质传感器各自独立运作；监测井井口处的地面上设有基站，基站内设有水样原位监测模块、抽水采样系统、水泵流量控制模块、水样采集分析模块和数据传输模块；每个含水层内的单相螺杆泵通过控制线缆与水泵流量控制模块连接，单相螺杆泵通过管道与抽水采样系统连接且抽水采样系统通过管道与水样采集分析模块连接；单相螺杆泵在水泵流量控制模块的控制下，借由抽水采样系统进行洗井和低流量扰动水样抽取并将抽取的水样送至水样采集分析模块，以实时获得含水层内地下水中除常规污染物外的特有污染物数据；每个含水层内的水质传感器通过数据电缆与水样原位监测模块连接，以实时获得含水层内地下水中的常规水质污染参数数据；水样原位监测模块、水样采集分析模块经由数据传输模块与中心站实现远程信息传输，其特征在于，地下水污染物浓度预测方法包括步骤：

1)基于场地历史监测数据，使用主成分分析方法构建监测井中污染物随时间演化模型，并基于Pearson相关系数对场地内地下水现场可测指标与污染物之间可能存在的相关性进行量化，构建污染物浓度与现场可测指标的数据关联模型；

2)所述水样原位监测模块借由所述水质传感器对含水层内地下水中的污染因子进行动态监测，获得常规水质污染参数数据，以及所述水样采集分析模块借由所述单相螺杆泵对含水层内地下水中除常规污染物外的特有污染物进行动态监测，获得特有污染物数据；

3)基于Python的卡尔曼滤波器，通过构建出的监测井中污染物随时间演化模型和污染物浓度与现场可测指标的数据关联模型，对获得的常规水质污染参数数据和特有污染物数据进行预测与更新，实现对地下水污染物浓度变化的最优预测；

4)通过可视化平台展示出地下水污染物浓度变化趋势；

其中：

所述监测井中污染物随时间演化模型为用于描述羽流尾缘污染物浓度时间演化的指数衰减模型：

上式中，C_t为t时刻监测井中的待监测对象的污染物浓度，α为污染物浓度随时间的变化常数；

在所述污染物浓度与现场可测指标的数据关联模型中，设定待监测对象的污染物浓度C_t与现场可测指标之间的相关性通过下面的线性方程描述：

EC_t＝βC_t+b

上式中，EC_t为t时刻监测井中测量得到的现场可测指标数据，C_t为待监测对象的污染物浓度，β、b分别为线性方程的斜率、截距参数；

在所述步骤3)中，基于所述监测井中污染物随时间演化模型，针对待监测对象，通过所述卡尔曼滤波器对作为基础值的前一时刻的污染物浓度值进行先验估计，预测得到下一时刻的污染物浓度值，然后通过所述卡尔曼滤波器进行后验估计，对预测的下一时刻的污染物浓度值完成更新，且更新后的污染物浓度值用作下一时刻进行预测的基础值，其中：

所述监测井中污染物随时间演化模型转化为状态转移方程来描述x_t在离散时间间隔Δt内的变化，状态转移方程为x_t＝Fx_t-1+w，

x_t为时间步长为t的离散时间系统的状态向量，定义x_t＝[C_t，α]^T，C_t表示待监测对象的污染物浓度，α是污染物浓度随时间的变化常数，T表示向量转置，

F为状态转移矩阵，定义为：

w为系统噪声矢量；

现场可测指标是指适合预测污染物浓度的现场可测变量；

污染物是指常规水质污染参数和特有污染物。

2.如权利要求1所述的地下水污染物浓度预测方法，其特征在于：

在使用主成分分析方法之前，先对场地历史监测数据进行如下处理：按时间序列移除污染物浓度数据的异常值，然后进行线性插值处理，然后使用历史最小值和最大值进行对数归一化处理，最终得到用于构建所述监测井中污染物随时间演化模型的污染物浓度。