曹 媛

（山西省運城生態(tài)環(huán)境監(jiān)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(jīng)濟可持續(xù)發(fā)展的關(guān)鍵物質(zhì)基礎(chǔ)。近年來，隨著人口的增長和經(jīng)濟的發(fā)展，產(chǎn)生的生產(chǎn)和生活廢水增多，若不加處理被直接排放至臨近的水系統(tǒng)中，會導致水污染問題越來越嚴重，直接導致人類可直接應(yīng)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(zhì)的保護為例開展系列研究，重點對水庫的水質(zhì)進行評價包括建立水質(zhì)模型，并對水質(zhì)進行預(yù)測，為今后水質(zhì)的監(jiān)測和風險防控提供基礎(chǔ)。

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(nóng)業(yè)灌溉、防洪以及發(fā)電的綜合性的大型水力樞紐工程，其對于社會經(jīng)濟發(fā)展和穩(wěn)定具有十分重要的意義。我國北方中部地區(qū)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?shù)卮箨憵夂虻挠绊?，水庫的水位根?jù)季節(jié)的變化處于變化狀態(tài)。

結(jié)合當?shù)氐膶嶋H情況，水庫的污染源主要來自農(nóng)村生活污染、農(nóng)藥和化肥污染、禽畜養(yǎng)殖污染以及城鎮(zhèn)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(fā)生變化。上述4 種污染途徑對水庫面源污染量的估算結(jié)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(nóng)村的生活污染和農(nóng)藥、化肥的污染。其中，農(nóng)村生活污染物主要為CODcr，農(nóng)藥和化肥污染物主要為TP、NH3-N 和TN。其余禽畜養(yǎng)殖污染和城鎮(zhèn)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(yè)化水平和城鎮(zhèn)化水平的不斷發(fā)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(zhì)污染量的預(yù)測研究。

2 水質(zhì)預(yù)測模型建立

一般情況下，水質(zhì)指標通過pH 值、TP、NH3-N、DO、BOD5等數(shù)值來反映水質(zhì)水平，針對本項目，為準確掌握水庫的水質(zhì)，在其水源站和出庫站設(shè)置兩個監(jiān)測點對其相關(guān)指標數(shù)據(jù)進行預(yù)測。本文重點對水庫中的五日生化需氧量指標進行預(yù)測。在實際預(yù)測時采用MASP 水質(zhì)模型。

從理論上講，WASP 水質(zhì)模型可應(yīng)用于水質(zhì)、湖泊以及水流等水體水質(zhì)的變化進行模型。WASP 水質(zhì)模型包含有水動力模塊和水質(zhì)模塊兩部分，其中水質(zhì)模塊的富營養(yǎng)化模塊可衡量水質(zhì)的核心指標進行監(jiān)測，包括有水質(zhì)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(zhì)預(yù)測模型的基本原理框圖如圖1 所示：

圖1 WASP 水質(zhì)預(yù)測模型框圖

對于水庫的水質(zhì)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(huán)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(zhì)的預(yù)測精度，基于WASP 水質(zhì)預(yù)測模型，采用高度自學習自適應(yīng)能力相結(jié)合的方式實現(xiàn)對水質(zhì)的預(yù)測，從而為今后水質(zhì)的管理奠定扎實基礎(chǔ)。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(jiān)測結(jié)果為數(shù)據(jù)基礎(chǔ)，為后續(xù)水質(zhì)預(yù)測提供數(shù)據(jù)支撐。

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

圖2 水庫中水中五日生化需氧量監(jiān)測結(jié)果

對上述數(shù)據(jù)進行歸一化處理后，根據(jù)預(yù)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(chǔ)數(shù)據(jù)，并以2016—2017 年兩年內(nèi)水庫中五日生化需氧量為驗證數(shù)據(jù)。其中，以水源站所監(jiān)測到的數(shù)據(jù)為輸入變量，以監(jiān)測斷面的數(shù)據(jù)為輸出變量。結(jié)合BP 神經(jīng)網(wǎng)絡(luò)的相關(guān)理論基礎(chǔ)確定針對水中五日生化需氧量指標確定網(wǎng)絡(luò)層數(shù)和隱含層，完成算法選擇等步驟后建立基于BP 神經(jīng)網(wǎng)絡(luò)的WASP 水質(zhì)預(yù)測模型。

3 水質(zhì)預(yù)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(jù)所研究水庫的具體情況對WASP 水質(zhì)預(yù)測模型中的基礎(chǔ)參數(shù)進行設(shè)置，然后以水中五日生化需氧量指標的預(yù)測為例對結(jié)果進行分析。

3.1 水質(zhì)預(yù)測模型的建立

WASP 水質(zhì)預(yù)測模型需要綜合水庫的實際情況才能獲取最為準確的預(yù)測結(jié)果。根據(jù)所研究水庫的實際情況，WASP 水質(zhì)預(yù)測模型的基本參數(shù)設(shè)置如表2所示。

表2 WASP 水質(zhì)預(yù)測模型參數(shù)設(shè)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(gòu)建的WASP 水質(zhì)預(yù)測模型，對水中五日生化需氧量進行預(yù)測。將預(yù)測的將結(jié)果與圖2 中2016—2017 年的實測結(jié)果進行對比，形成如圖3 所示的對比結(jié)果。

圖3 水中五日生化需氧量預(yù)測結(jié)果

如圖3 所示，采用所構(gòu)建的WASP 水質(zhì)預(yù)測模型對水庫中的五日生化需氧量進行預(yù)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(jīng)網(wǎng)絡(luò)算法的WASP 水質(zhì)預(yù)測模型的預(yù)測值與現(xiàn)場實測值大體變化趨勢一致。說明，采用BP神經(jīng)網(wǎng)絡(luò)與WASP 水質(zhì)預(yù)測模型相結(jié)合，可以獲得更加的水質(zhì)預(yù)測效果。

4 結(jié)語

水源是人類賴以生存的基礎(chǔ)，其不僅關(guān)系著人類的日常生活，對于工業(yè)生產(chǎn)也非常重要。針對當前日益嚴峻的水質(zhì)問題，實現(xiàn)對水源水質(zhì)的精準預(yù)測，提前采用相應(yīng)的預(yù)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(yù)測為例開展系列研究，總結(jié)如下：

1）經(jīng)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(nóng)村的生活污染和農(nóng)藥、化肥的污染。其中，農(nóng)村生活污染物主要為CODcr，農(nóng)藥和化肥污染物主要為TP、NH3-N 和TN。其余禽畜養(yǎng)殖污染和城鎮(zhèn)地表徑流負荷對該水庫的污染較小。

2）為實現(xiàn)對水質(zhì)的預(yù)測，本項目采用WASP 水質(zhì)預(yù)測模型為核心，融入BP 神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對水質(zhì)的精準預(yù)測。

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