[发明专利]一种预测暴雨期二级河道排水对干流水质动态影响的方法

摘要

本发明公开了一种预测暴雨期二级河道排水对干流水质动态影响的方法，步骤(1)、以不同降雨重现期时支流的排放量作为设计变量、河道干流控制断面处的水质参数COD、DO、NH₃‑N和TP作为目标变量构建EFDC模型，并给出四种水质参数的计算公式；步骤(2)、训练并优化RBF神经网络；步骤(3)、步骤3、采用优化RBF神经网络进行预测。与现有技术相比，本发明基于EFDC模型和RBF神经网络构造了一种动态预测方法，预测结果与模型模拟结果有很好的吻合度，该方法具有计算速度快、预测精度高及实时性的优点。

主权项

1.一种预测暴雨期二级河道排水对干流水质动态影响的方法，其特征在于，该方法包括以下步骤：步骤(1)、以不同降雨重现期时支流的排放量作为设计变量、河道干流控制断面处的水质参数COD、DO、NH3‑N和TP作为目标变量构建EFDC模型，构建EFDC模型的过程包括首先将计算区域离散为2604个网格，将离散后的网格区域输入到EFDC模型软件中，设置初始条件，从而构建起EFDC模型，利用构建的EFDC模型模拟这10组计算工况；四种水质参数的计算公式如下：KCOD＝KCD·exp[KTCOD(T‑TRCOD)]式中，COD表示化学需氧量浓度，KHCOD表示COD氧化所需的溶解氧半饱和常数，KCOD表示COD氧化速率，BFCOD表示沉积物与水体之间的COD交换通量，仅限应用水体底层，WCOD表示COD的外源载入量，KCD表示COD在TRCOD温度下的氧化速率，KTCOD表示温度对COD氧化速率的影响，TRCOD表示COD氧化的参考温度，DO表示单位体积中溶解氧的浓度，T表示温度，V表示单元格体积，t表示时间；式中，AONT表示单位质量的氨氮硝化作用所消耗的溶解氧质量，AOCR表示呼吸作用中溶解氧与碳之比，Kr表示复氧系数，只应用于表层水体，DOS表示溶解氧的饱和浓度，SOD表示沉积物与水体之间的DO交换通量，WDO表示DO的外源载入量(gO2/day)，X表示水中的藻类，c、d、g分别表示蓝藻、绿藻和硅藻，Bx表示藻类生物量，KHCOD表示COD氧化所需的溶解氧半饱和常数，KHR表示溶解性有机碳在进行非自养呼吸时的速率，KHRx表示藻类群体在溶解有机碳的过程中，通过排泄产生的溶解氧半饱和常数，FCDX表示在无限溶解的氧气浓度条件下，藻类群体在进行自身的基础代谢时，代谢产物中溶解有机碳的比例，NH4表示氨氮浓度，Nit表示氨氮在进行硝化作用时的速率；式中，FNIX表示藻类群体通过基础代谢产生出的无机氮的比例，FNIPX表示计算时间开始以前的营养物质氮产生为无机氮的比例，PNX表示藻类群体吸收氨氮的优先权，KNit表示硝化速率，BFNH4表示沉积物与水体之间的氨氮交换通量，仅限应用水体底层，WNH4表示氨氮的外源载入量，BMX表示藻类的基础代谢速率，ANCX表示藻类群体在水体中平均产生的氮与碳之比，DON表示有机碳以溶解态存在时的浓度；式中，PO4p表示颗粒态无机磷的浓度，PO4d表示溶解态无机磷的浓度，FPIX藻类群体通过基础代谢产生出的无机磷的比例，FPIPX表示计算时间开始以前的营养物质磷产生为无机磷的比例，WSTSS表示悬浮颗粒物的沉降速度，BFPO4d表示仅限应用水体底层的沉积物与水体之间的磷酸盐交换通量，WPO4p表示颗粒态无机磷的外源载入量，WPO4d表示溶解态无机磷的外源载入量，DOP表示溶解有机磷的浓度，APCX表示藻类群体在水体中平均产生的磷与碳之比，PRX表示藻类被捕食的速率，ΔZ表示水体底层和水体表层之间的深度；步骤(2)、训练并优化RBF神经网络，即由不同降雨重现期对应的离散化降雨量以及计算所得的河道控制断面处的水质参数值构成RBF神经网络的训练样本和测试样本，其中不同降雨重现期对应的离散化的降雨量作为输入变量，河道控制断面处的水质参数值作为输出变量；构建RBF神经网络，网络结构由输入层、隐含层和输出层组成；在训练网格结构过程中优化隐含层节点数和中心宽度Spread：首先优化隐含层节点数，设定最大隐含层节点数为240，从节点数160每4个节点数返回一次网络结构的均方误差MSE，在网络不过度训练前提下，返回MSE最小的节点数作为隐含层的优化节点数；隐含层节点数确定后优化中心宽度spread，设定最大网络中心宽度spread为1.5，网络中心宽度spread从0.5以0.1的步长返回一次网络结构的均方误差，返回MSE最小的宽度值作为网络的优化中心宽度，最后得到最优的RBF神经网络结构；步骤(3)、采用优化RBF神经网络进行预测：随机选择暴雨重现期，由EFDC模型模拟得到河道干流控制断面处的四种水质参数值COD、DO、NH3‑N和TP，并采用优化的RBF神经网络进行预测，获得四种水质参数的预测结果。