董姍燕，李詠梅，池春榕，劉祖文

?

基于活性污泥數(shù)學(xué)模型（ASMs）的污水處理系統(tǒng)不確定性分析研究進(jìn)展

董姍燕1，2，李詠梅3，池春榕1，劉祖文1，2

（1江西理工大學(xué)建筑與測繪工程學(xué)院，江西贛州341000；2江西省環(huán)境巖土與工程災(zāi)害控制重點(diǎn)實驗室，江西贛州341000；3同濟(jì)大學(xué)環(huán)境科學(xué)與工程學(xué)院，上海200092）

活性污泥數(shù)學(xué)模型（ASMs）在應(yīng)用過程中由于未能充分考慮污水處理系統(tǒng)的不確定性而降低了其可靠性和決策的準(zhǔn)確性，目前國內(nèi)外對基于ASMs的不確定性分析尚處于研究的初級階段。本文概述了不確定性分析的兩種常用方法，介紹了污水處理系統(tǒng)中基于ASMs的不確定性源的識別與分類、不確定性指標(biāo)量化的研究現(xiàn)狀，以及不確定性分析在污水處理廠優(yōu)化設(shè)計、工藝改造等方面的應(yīng)用。指出不確定性源的識別與分類目前仍然沒有規(guī)范統(tǒng)一的分類機(jī)制和識別方法，不確定性指標(biāo)的量化是模型應(yīng)用的關(guān)鍵環(huán)節(jié)，尚需開展深入研究和分析；污水處理系統(tǒng)的不確定性分析將是今后ASMs應(yīng)用和發(fā)展的研究重點(diǎn)，不確定性分析可以幫助研究者更好地了解和把握污水處理系統(tǒng)模擬預(yù)測結(jié)果的不確定性范圍，從而可以進(jìn)行有效的風(fēng)險評估和提高決策支持過程。

廢水；活性污泥數(shù)學(xué)模型；不確定性分析；參數(shù)識別；蒙特卡羅模擬

活性污泥數(shù)學(xué)模型（ASMs）主要包含ASM1（1987年）[1]、ASM2（1995年）[2]、ASM2D（1999年）[3]及ASM3（1999年）[4]，它們詳細(xì)描述了COD、氮、磷等污染物在水處理反應(yīng)器或單元操作中的生物化學(xué)轉(zhuǎn)化過程，在內(nèi)容上均為描述活性污泥過程中微生物濃度及其他相關(guān)組分濃度隨時間變化的微分速率方程。基于ASMs建立的污水處理系統(tǒng)的數(shù)學(xué)模型，是輔助污水處理工藝開發(fā)和設(shè)計、優(yōu)化污水廠運(yùn)行管理的重要技術(shù)手段[5-10]。然而，從國內(nèi)外大量的研究和應(yīng)用中可知，ASMs在實際應(yīng)用中面臨一些瓶頸問題，尤其是模型COD水質(zhì)組分的測定和模型參數(shù)的校正，是影響模型可靠性和模擬結(jié)果準(zhǔn)確性的主要問題[11]。

盡管國內(nèi)外研究者圍繞ASMs存在的問題進(jìn)行了長期、大量的研究，COD水質(zhì)組分和相關(guān)參數(shù)的測試方法不斷改進(jìn)，模型校正方法和參數(shù)優(yōu)化技術(shù)不斷發(fā)展，然而ASMs在實際應(yīng)用過程中仍然存在模擬結(jié)果與實際運(yùn)行結(jié)果偏差較大、模擬結(jié)果難以提供準(zhǔn)確有效的決策支持等問題。追根求源，問題在于使用確定性的數(shù)學(xué)模型模擬污水處理過程而忽略了實際系統(tǒng)的不確定性。對于變化復(fù)雜的污水處理系統(tǒng)而言，不確定性是其基本屬性[12]。污水處理系統(tǒng)在運(yùn)行期間會受到各種干擾因素的影響，使得模型的各種輸入變量和參數(shù)存在很大的不確定性，從而導(dǎo)致模型輸出結(jié)果亦存在很大的不確定性。隨著活性污泥數(shù)學(xué)模型在污水處理系統(tǒng)中的大量應(yīng)用，模型結(jié)果可靠性要求越來越受到重視，模型模擬過程的不確定性分析，尤其是模擬結(jié)果的可靠性分析和風(fēng)險水平評估顯得尤為必要。

完整的模型應(yīng)用應(yīng)該包括模型的不確定性分析[13]。BECK[14]在1987年即提出模型的不確定性描述和評估是復(fù)雜水系統(tǒng)分析的重要組成部分。20世紀(jì)70年代初期，BERTHOUEX等[15]首次在污水處理系統(tǒng)的優(yōu)化設(shè)計中考慮了不確定性因素對設(shè)計結(jié)果的影響，并采用了參數(shù)方差計算來估算系統(tǒng)操作性能指標(biāo)的不確定性；隨后TARRER等[16]也闡述了不確定性分析在污水處理系統(tǒng)優(yōu)化設(shè)計中的重要性。然而，在此后的二十多年，關(guān)于ASMs的研究和應(yīng)用日趨成熟，而污水處理系統(tǒng)的不確定性研究卻鮮有報道。隨著不確定性系統(tǒng)理論在水環(huán)境和水文系統(tǒng)等相關(guān)領(lǐng)域的發(fā)展應(yīng)用[17-20]，直至21世紀(jì)初，關(guān)于污水處理系統(tǒng)的不確定性研究才引起重視。針對ASMs在應(yīng)用過程中各種問題的產(chǎn)生，國際水協(xié)（International Water Association）建模與綜合評價工作組（Task Group on Modelling and Integrated Assessment）于2008年專門確立了關(guān)于污水處理系統(tǒng)設(shè)計和運(yùn)行的不確定性專題研究。本文作者通過有限的文獻(xiàn)資料，闡述了當(dāng)前基于ASMs的污水處理系統(tǒng)不確定性分析的研究現(xiàn)狀及發(fā)展趨勢，旨在推動ASMs不確定性分析的深入研究，并提高ASMs在實際應(yīng)用中的有效性和可用性。

1 不確定性分析方法概述

不確定性分析是研究模型輸入變量或參數(shù)的變化對模型輸出的影響，即通過運(yùn)行一系列的模擬（如每次使用不同的“參數(shù)”數(shù)值）來估算“參數(shù)”的不確定性如何傳遞到模型變量（狀態(tài)和輸出）。目前用于不確定性分析的方法很多，如蒙特卡羅法（Monte Carlo，簡稱MC）、普適似然不確定估計法（Generalized Likelihood Uncertainty Estimation，簡稱GLUE）、敏感性分析法（Sensitivity Analysis，簡稱SA）、馬爾可夫鏈-蒙特卡羅法（Markov chain Monte Carlo，簡稱MCMC）等。國內(nèi)外學(xué)者在這方面做了很多研究工作，其中MC法和GLUE法是不確定性分析較常用的方法，已經(jīng)被廣泛應(yīng)用于水環(huán)境和水文系統(tǒng)等諸多領(lǐng)域[17-20]。

MC模擬是一種實用有效的決策分析技術(shù)，是建立在概率密度函數(shù)基礎(chǔ)上、利用計算機(jī)使用隨機(jī)數(shù)進(jìn)行數(shù)值試驗的模擬方法。HELTON等[21-22]對采用MC模擬的不確定性分析方法進(jìn)行了詳細(xì)闡述，認(rèn)為其主要包括以下分析步驟：①不確定性源的識別與分類；②不確定性指標(biāo)的量化；③基于不確定性指標(biāo)的概率分布生成隨機(jī)輸入樣本；④計算對應(yīng)的模型輸出，結(jié)果表征和分析。MC法利用概率分布的方法，隨機(jī)產(chǎn)生一些樣本，對每一個樣本而言，所要解決的問題變成了一個確定的問題。通過求解這些確定問題，可以得到精確解的一些統(tǒng)計量信息。在進(jìn)行大量次數(shù)的模擬試驗后，根據(jù)概率論中心極限定理和大數(shù)定理，可以得到輸出變量的期望值、方差和概率分布等有價值的統(tǒng)計計算結(jié)果。

GLUE法也稱為普適似然不確定性估計法，是英國水文學(xué)家BEVEN等[23]基于貝葉斯理論提出的一種方法，主要用于水文數(shù)學(xué)模型的不確定性分析。GLUE法與MC法的原理及計算過程相似，不同之處在于第4步。GLUE法需要定義一個似然目標(biāo)函數(shù)，用于計算模擬結(jié)果與觀測值的似然程度（即吻合程度）。此外，GLUE法較MC法先進(jìn)之處在于，它可以利用參數(shù)的先驗信息去求其后驗分布，然后在有新的模擬數(shù)據(jù)時，采用貝葉斯函數(shù)更新后驗似然值。GLUE法通常根據(jù)似然值的大小排序，估算一定置信水平的模型預(yù)測結(jié)果的不確定性范圍，一般以累計似然分布的5%和95%作為預(yù)測不確定性范圍的上、下界限。

以上兩種方法都可以直接處理決策分析過程中各種因素產(chǎn)生的不確定性，使在復(fù)雜情況下的決策分析更為合理、準(zhǔn)確。目前，污水處理領(lǐng)域多采用MC法進(jìn)行不確定性分析，而GLUE法則在水環(huán)境和水文系統(tǒng)領(lǐng)域應(yīng)用較多。污水生物處理系統(tǒng)的不確定性分析，通常建立在ASMs等確定性模型基礎(chǔ)之上，因而對模型系統(tǒng)不確定性源的識別和分類，及對系統(tǒng)各類不確定性指標(biāo)的量化是該技術(shù)的關(guān)鍵 內(nèi)容。

2 污水處理系統(tǒng)不確定性源的識別與分類

不確定性分析主要研究由于模型中不確定性源的輸入導(dǎo)致模型輸出結(jié)果的變化，以提高模型的預(yù)測效果和決策的準(zhǔn)確性。BERTHOUEX等[24]認(rèn)為一個復(fù)雜的污水處理系統(tǒng)通常包含4種不確定性信息，即隨機(jī)信息、模糊信息、灰色信息和未確知信息。首先，進(jìn)入污水處理廠的水質(zhì)、水量等信息，由于受氣候、人類活動等外部因素或污水廠工藝過程運(yùn)行與控制等內(nèi)部干擾的影響，是一個不確定的隨機(jī)過程；其次，從污水生物處理過程機(jī)理角度來看，ASMs中微生物被籠統(tǒng)地分為異養(yǎng)菌、自養(yǎng)菌和聚磷菌等種類，雖然可以起到簡化機(jī)理和便于研究的作用，但是仍然避免不了系統(tǒng)存在的模糊性和灰色性；此外，由于人們對污水處理系統(tǒng)認(rèn)識的不完全性，尚有許多未能準(zhǔn)確獲知的信息。因此，污水處理系統(tǒng)中不確定源的識別與分類是進(jìn)行不確定性分析的基礎(chǔ)工作。

研究者通常根據(jù)不確定性源在模型中的位置加以分類[25-26]。據(jù)此，ASMs的不確定性源通常分為模型輸入不確定性、模型結(jié)構(gòu)不確定性和模型參數(shù)不確定性，如圖1所示。

圖1 模型不確定性來源及其傳遞過程

ASMs輸入數(shù)據(jù)通常受污水處理系統(tǒng)內(nèi)外干擾或測試誤差（如采樣方法、測試技術(shù)等）的影響較大，而輸入數(shù)據(jù)的質(zhì)量則決定了模型運(yùn)行結(jié)果的準(zhǔn)確程度。模型結(jié)構(gòu)是模型的應(yīng)用基礎(chǔ)，模型中采用的數(shù)學(xué)公式或?qū)ι^程機(jī)理描述上的缺陷，可能對模擬結(jié)果產(chǎn)生較大的影響，如ASM3是針對ASM1的改進(jìn)模型，二者理論基礎(chǔ)不同（ASM1采用了死亡、溶胞、再生理論，ASM3采用了內(nèi)源呼吸理論），因而二者在模型組分、反應(yīng)過程等方面存在較大差異。ASMs模型參數(shù)受污水處理系統(tǒng)中污染物組成、水力條件、氣候等因素的影響而往往具有較大的變化區(qū)間。從理論上來講，模型參數(shù)可以通過實驗加以測定，而實際上目前關(guān)于ASMs的化學(xué)計量學(xué)參數(shù)、動力學(xué)參數(shù)、沉降系數(shù)等大部分參數(shù)往往是難以通過實際測定獲得的，通常采用一定的校正方法加以確定，而校正方法的不同和校正過程本身都可能會給模型帶來更多的不確定性。

一般來說，基于ASMs的建模過程包括建模目標(biāo)定義、數(shù)據(jù)收集和整理、模型構(gòu)建、模型校正和驗證、預(yù)案模擬和結(jié)果分析等多個環(huán)節(jié)，見表1。其中每個環(huán)節(jié)對模型應(yīng)用和模擬結(jié)果都產(chǎn)生一定的影響，尤其體現(xiàn)在數(shù)據(jù)收集整理、模型構(gòu)建和模型校驗3個方面。為了提供識別ASMs不確定性源更直觀的方法，BELIA等[27]建議根據(jù)建模目標(biāo)和各階段可能的不確定性因素進(jìn)行分類和評估，將其分為可定量分析的不確定性源（Ⅰ類）、隨情境變化的不確定性源（Ⅱ類）、確知存在的不確定性源（Ⅲ類）和完全未知的不確定性源（Ⅳ類）等4類（見表1）。然而，該方法對各典型階段的不確定性源分類仍然屬于相對比較模糊的概括性的分類。此外，BELIA等并沒有對模型校驗、方案模擬和評估過程的不確定性加以分類和分析，而在實際應(yīng)用中，這些過程也存在不確定性，如校正過程使用的不同方法可能導(dǎo)致校正結(jié)果存在差異。

表1 建模項目中各典型階段的不確定性源分類

ASMs包含大量的參數(shù)和變量，例如ASM1有13個變量、19個參數(shù)，ASM2有19個變量、64個參數(shù)。此外，污水處理系統(tǒng)還包含操作設(shè)置數(shù)據(jù)、物理數(shù)據(jù)等一系列與運(yùn)行結(jié)果密切相關(guān)的參數(shù)（見表1）。為了減少模型參數(shù)不確定性分析的工作量，GURKAN等[28]建議采用敏感性分析的方法識別和量化輸入不確定因素對輸出不確定性的影響程度。敏感性分析是ASMs校正過程中經(jīng)常使用的一種方法[29-31]，它用于表示模型輸入變量或參數(shù)的變化對系統(tǒng)狀態(tài)變量產(chǎn)生的影響。然而，敏感性分析僅是判斷模型參數(shù)對模型輸出結(jié)果影響程度大小的一種手段，并不能據(jù)此識別和分析輸入不確定性源。

因此，對建模過程中如此多的參數(shù)和變量進(jìn)行不確定性源的分類和識別是非常有必要的。目前，學(xué)術(shù)界對污水處理系統(tǒng)的不確定性源仍然沒有科學(xué)完善的分類機(jī)制和識別方法，因此有必要對污水處理系統(tǒng)中不確定性源的分類及其對系統(tǒng)產(chǎn)生的影響進(jìn)行深入研究和分析。

3 污水處理系統(tǒng)不確定性指標(biāo)的量化

如前所述，污水處理系統(tǒng)存在大量的不確定性源。目前，不確定性研究主要是針對模型輸入變量和模型參數(shù)開展，而模型結(jié)構(gòu)的不確定性分析鮮少報道。ASMs中涉及COD的水質(zhì)組分指標(biāo)通?？梢酝ㄟ^水質(zhì)轉(zhuǎn)化系數(shù)加以確定和分析，因此，基于ASMs的不確定性指標(biāo)的量化主要是針對模型的各類參數(shù)而言。

ASMs在實際應(yīng)用過程中，需要對模型參數(shù)加以校核，以使模型變量的預(yù)測值與實測值在誤差允許范圍內(nèi)基本保持一致。關(guān)于ASMs參數(shù)校正的方法有一系列的校正協(xié)議和指南，如BIOMATH[32]、STOWA[33]，WERF[34]、HSG[35]等，通常是采用手動調(diào)整或自動優(yōu)化的方法獲得一組確定的參數(shù)集。然而，由于受模型輸入不確定性源和模型結(jié)構(gòu)不確定性等各種因素的影響，校正過程所獲得的參數(shù)集通常并不是唯一的一組參數(shù)集，而當(dāng)使用這組確定的參數(shù)集進(jìn)行模擬計算時，可能導(dǎo)致模擬結(jié)果存在較大的偏差。因此，模型參數(shù)值及其變化范圍的確定是ASMs不確定性指標(biāo)量化的關(guān)鍵環(huán)節(jié)。如何量化這些參數(shù)以減少不確定性帶來的風(fēng)險，即是ASMs不確定性量化研究的主要目的。

XAVIER等[36]采用經(jīng)驗方法，將ASM1的25個模型參數(shù)和7個水質(zhì)轉(zhuǎn)化系數(shù)量化為3個等級：Ⅰ級為低度不確定性參數(shù)，主要包括大部分化學(xué)計量學(xué)參數(shù)，Ⅱ級為中度不確定性參數(shù)，大部分為動力學(xué)參數(shù)，Ⅲ級為高度不確定性參數(shù)，主要為水質(zhì)轉(zhuǎn)化系數(shù)，這3個等級的參數(shù)的不確定性分別在其默認(rèn)值的5%、25%和50%范圍內(nèi)上下變動。例如，異養(yǎng)菌產(chǎn)率系數(shù)H默認(rèn)值為0.67gCOD/gCOD，其不確定性變化范圍為0.637～0.704gCOD/gCOD；自養(yǎng)菌最大比生長速率A默認(rèn)值為0.5/天，其不確定性變化范圍為0.475～0.525/天。模擬過程中，假定所有參數(shù)服從均勻分布，然后采用拉丁超立方采樣方法進(jìn)行抽樣計算。GURKAN等[37]也采用了同樣的方法對ASM1的參數(shù)進(jìn)行量化，但是參數(shù)量化等級有所不同，例如A被歸為I級，其不確定性變化范圍為0.375～0.625/天，而異養(yǎng)菌的氧半飽和系數(shù)OH、反硝化菌的硝酸鹽半飽和系數(shù)NO等則被認(rèn)為與易生物降解有機(jī)物的轉(zhuǎn)換系數(shù)SS、慢速可生物降解有機(jī)物的轉(zhuǎn)換系數(shù)XS等具有同等的不確定性等級而被劃分為Ⅲ級。MANNINA等[38]根據(jù)文獻(xiàn)資料確定改進(jìn)的ASM2的模型參數(shù)不確定性范圍，例如A的變化范圍為0.2～1.2/天，并且假設(shè)所有參數(shù)服從均勻分布。BENEDETTI等[39]則分別采用三角形分布、正態(tài)分布和均勻分布給出了一個簡化ASM2D的部分參數(shù)的概率分布，如假設(shè)A服從正態(tài)分布，其最大值和最小值分別為0.8/天和1.2/天，平均值和標(biāo)準(zhǔn)差分別為1.0/天和0.067/天。

由以上分析可知，在基于ASMs進(jìn)行不確定性分析時，參數(shù)的量化存在很大差異性，參數(shù)的取值通常基于經(jīng)驗或文獻(xiàn)資料，同一參數(shù)在不同的文獻(xiàn)中取值范圍有所不同，這將導(dǎo)致模擬結(jié)果也存在一定的差異性。此外，文獻(xiàn)中并沒有對參數(shù)的概率分布加以說明，即參數(shù)概率分布的確定是采用經(jīng)驗量化的方法，并沒有提出科學(xué)實用的研究方法。然而，正確選擇和建立輸入?yún)?shù)的概率模型、確定參數(shù)特征值是可靠性分析的關(guān)鍵步驟之一，它直接影響最終計算結(jié)果和精度。因此，ASMs參數(shù)的概率分布特性研究是一項基礎(chǔ)性的重要工作，對這部分內(nèi)容的深入研究很有必要。

4 不確定性分析在污水處理系統(tǒng)的應(yīng)用

在污水處理系統(tǒng)中，將不確定性分析結(jié)合其中遠(yuǎn)不如其它領(lǐng)域發(fā)展得早。近年來，學(xué)術(shù)界和工程領(lǐng)域認(rèn)為，不確定性是污水廠工程設(shè)計和運(yùn)營管理中面臨的主要問題，在模型開發(fā)和應(yīng)用過程中非常有必要考慮系統(tǒng)的不確定性影響，以提高模型預(yù)測的準(zhǔn)確程度，避免由于確定性模擬導(dǎo)致的決策風(fēng)險。目前，不確定性分析在污水處理系統(tǒng)中的應(yīng)用主要體現(xiàn)在污水廠過程設(shè)計、工藝運(yùn)行和控制策略評估等方面。

基于ASMs的污水處理工藝設(shè)計始于20世紀(jì)90年代中期，由于ASMs中某些輸入數(shù)據(jù)和相關(guān)參數(shù)存在很大的不確定性，因而限制了其進(jìn)一步的發(fā)展和應(yīng)用。BIXIO等[12]、ROUSSEAU等[40]對模型參數(shù)不確定性在污水廠設(shè)計和升級改造中的影響作了充分論證，認(rèn)為對模型中不確定因素的定量分析可以提高設(shè)計方案的科學(xué)性和可靠性。國內(nèi)在污水處理不確定性方面的研究以湖南大學(xué)曾光明課題組為主。該課題組通過構(gòu)建不同的系統(tǒng)規(guī)劃模型來分析污水廠設(shè)計過程中的不確定性。林玉鵬等[41]通過部分引入?yún)^(qū)間變量（如BOD5、SS、水量）的方法考慮污水處理設(shè)計過程的不確定性，該方法較傳統(tǒng)的規(guī)劃模型更具合理性，最終可獲得設(shè)計參數(shù)和決策變量的區(qū)間值，為污水處理系統(tǒng)的方案設(shè)計或評估提供較好的決策支持。王玲玲等[42]通過建立不確定性多屬性決策理論模型，考慮小區(qū)域污水處理中的多因素不確定性，在解決小區(qū)域污水處理工藝選擇上具有應(yīng)用方便、效率高的優(yōu)點(diǎn)。

GURKAN等[37]基于基準(zhǔn)模型BSM1[43]作為模擬系統(tǒng)，對ASM1的化學(xué)計量系數(shù)、動力學(xué)參數(shù)、水質(zhì)轉(zhuǎn)換系數(shù)，以及反應(yīng)器水力學(xué)參數(shù)和曝氣傳質(zhì)參數(shù)的不確定性進(jìn)行了定量分析，通過MC模擬得到不同參數(shù)集對應(yīng)的輸出變量的帶狀動態(tài)擴(kuò)散圖（這些帶狀圖表明了在不同時刻輸出變量的不確定性變化程度）。同時，這些時間序列數(shù)據(jù)可以通過統(tǒng)計分析加以評估，得到輸出變量的百分位圖、累積分布函數(shù)圖等統(tǒng)計分析結(jié)果，見圖2和圖3。圖2直觀地顯示了某一時刻第90百分?jǐn)?shù)和第10百分?jǐn)?shù)離氨氮濃度平均值越遠(yuǎn)，表明模型輸入對出水氨氮濃度的影響就越大；圖3表示7天內(nèi)出水平均氨氮濃度小于等于某個濃度值的累積概率，例如7天內(nèi)平均出水氨氮濃度小于等于3mg/L的概率是0.9，反之大于3mg/L的概率是0.1。

XAVIER等[36]基于基準(zhǔn)模型BSM2[44]作為模擬系統(tǒng)，采用MC法分析ASM2各種輸入不確定因素變化下，各種控制策略對輸出變量的影響，其中輸出變量包括經(jīng)濟(jì)、環(huán)境、技術(shù)等方面的指標(biāo)，如出水水質(zhì)指標(biāo)、運(yùn)行成本指標(biāo)、污泥發(fā)生膨脹的風(fēng)險指標(biāo)等。結(jié)果表明，不確定性分析可以為污水廠運(yùn)行中的操作參數(shù)提供定量決策的依據(jù)和提供更好的決策支持。MANNINA等[37]基于改進(jìn)的ASM2，采用GLUE法對某一大型污水處理廠在脫氮除磷過程中的各種不確定因素進(jìn)行了評估。研究表明，GLUE法亦適用于污水處理系統(tǒng)的不確定性分析過程，污水廠各類輸入不確定性因素對出水水質(zhì)指標(biāo)產(chǎn)生很大影響，而模型結(jié)果則強(qiáng)烈依賴于敏感性分析過程中選擇的參數(shù)及其取值范圍。SHARIFI等[45]基于ASM1模擬一個改良A2O的實驗室小試系統(tǒng)，并通過MCMC法獲得模型參數(shù)的后驗概率密度函數(shù)。結(jié)果表明，結(jié)合參數(shù)的聯(lián)合概率分布和參數(shù)之間的相關(guān)性，一方面可以為參數(shù)的敏感性分析提供合適的分析范圍，另一方面可用于分析該系統(tǒng)的各類不確定性因素，指導(dǎo)污水處理系統(tǒng)的優(yōu)化運(yùn)行。

圖2 第7～14天內(nèi)不同時刻出水氨氮濃度的百分位圖[33]

圖3 出水氨氮濃度的累積分布函數(shù)圖[33]（表示7天內(nèi)出水平均氨氮濃度小于等于某個濃度值的累積概率）

綜上可知，不確定性分析是指導(dǎo)污水處理系統(tǒng)工藝優(yōu)化設(shè)計的重要環(huán)節(jié)。通過不確定性分析可以了解每個過程的不確定性源，如進(jìn)水水質(zhì)、水量的難以預(yù)測性和污水投入運(yùn)營后的各種操作變化，為設(shè)計過程選取安全、準(zhǔn)確的設(shè)計參數(shù)提供科學(xué)依據(jù)，從而提高設(shè)計的可靠性。此外，污水廠在實際運(yùn)行過程中，出水指標(biāo)受諸多不確定性因素影響，需從概率分布的視角對系統(tǒng)運(yùn)行過程中產(chǎn)生的風(fēng)險進(jìn)行深刻描述，評估污水廠內(nèi)外干擾下不確定性因素變化對污水廠穩(wěn)定運(yùn)行的影響，為污水廠的工藝優(yōu)化管理和過程控制提供現(xiàn)實的參考依據(jù)，并具有重要的工程實用意義。

5 結(jié)語

近年來，隨著污水排放標(biāo)準(zhǔn)要求的不斷提高，如何保證污水處理廠穩(wěn)定運(yùn)行、降低建設(shè)和運(yùn)行管理費(fèi)用，成為污水處理廠面臨的嚴(yán)峻挑戰(zhàn)，對污水處理系統(tǒng)的優(yōu)化設(shè)計、工藝運(yùn)行與管理也提出了新的、更高的要求。從目前的發(fā)展動態(tài)來看，污水處理系統(tǒng)的不確定性分析將是今后ASMs應(yīng)用和發(fā)展的研究重點(diǎn)，而在污水廠優(yōu)化設(shè)計、升級改造和控制策略評估等方面也將逐漸加入系統(tǒng)的不確定性分析和評估。然而，污水處理系統(tǒng)的不確定性分析目前仍然處于研究初期，存在一些需要深入研究和待解決的問題，如需要完善污水處理系統(tǒng)不確定性源的科學(xué)分類機(jī)制和識別方法、明確ASMs各類參數(shù)的概率分布特性等。此外，基于ASMs的污水處理系統(tǒng)的不確定性分析，需要建立一個業(yè)內(nèi)認(rèn)可的協(xié)議，用于評估不確定性分析在污水處理系統(tǒng)中的實際應(yīng)用，從而提高模型預(yù)測結(jié)果的可靠性和降低模型應(yīng)用的風(fēng)險性。

[1] HENZE M，LESLIE GRADY C P，GUJER W，et al．A general model for single-sludge wastewater treatment systems [J]．Water Research，1987，21（5）：505-515．

[2] GUJER W，HENZE M，MINO T，et al．The activated sludge model No.2：Biological phosphorus removal[J]．Water Science and Technology，1995，31（2）：1-11．

[3] HENZE M，GUJER W，MINO T，et al．Activated sludge model No.2D ASM2D[J]．Water Science and Technology，1999，39（1）：165-182．

[4] GUJER W，HENZE M，MINO T，et al．Activated sludge model No.3 [J]．Water Science and Technology，1999，39（1）：183-193．

[5] VAN VELDHUIZEN H M，VAN LOOSDRECHT M C M．Modeling biological phosphorus and nitrogen removal in a full scale activated sludge process [J]．Water Research，1999，33（16）：3459-3468．

[6] PAI T Y，CHANG H Y，WAN T J，et al．Using an extended activated sludge model to simulate nitrite and nitrate variations in TNCU2 process [J]．Applied Mathematical Modelling，2009，33（11）：4259-4268．

[7] VINICIUS CUNHA MACHADO，JAVIER LAFUENTE，JUAN ANTONIO BAEZA．Activated sludge model 2d calibration with full-scale WWTP data： comparing model parameter identifiability with influent and operational uncertainty[J]．Bioprocess and Biosystems Engineering，2014，37：1271-1287．

[8] 姚重華，汪喜生，許洲，等．UniTank流程反應(yīng)池曝氣時間優(yōu)化研究[J]．水工業(yè)市場，2008（7）：41-45．

YAO C H，WANG X S，XU Z，et al．Study on aeration time optimization of UniTank process [J]．Water-Industry Market，2008（7）：41-45．

[9] 李佟，李軍，朱向東，等．利用ASM2D模型模擬高碑店污水處理廠的工藝運(yùn)行 [J]．中國給水排水，2010，26（3）：39-41．

LI T，LI J，ZHU X D，et al．Simulation of treatment process and operation of Beijing Gaobeidian WWTP using ASM2D model [J]．China Water & Wastewater，2010，26（3）：39-41．

[10] 朱政豫，王如意，李詠梅．ASM1耦合曝氣模型對污水處理廠的模擬研究 [J]．環(huán)境科學(xué)學(xué)報，2013（6）：1629-1636．

ZHU Z Y，WANG R Y，LI Y M．Aeration model coupled with ASM1：Case study for wastewater treatment plant[J]. Acta Scientiae Circumstantiae，2013（6）：1629-1636．

[11] GURKAN SIN，STIJN W H VAN HULLE，DIRK J W DE PAUW，et al．A critical comparison of systematic calibration protocols for activated sludge models：a SWOT analysis [J]．Water Research，2005（39）：2459-2474．

[12] BIXIO D，PARMENTIER G，ROUSSEAU D，et al．A quantitative risk analysis tool for design/simulation of wastewater treatment plants [J]．Water Science and Technology，2002，46（4/5）：157-167．

[13] GUJER W．Activated sludge modelling：past，present and future [J]．Water Science and Technology，2006，53（3）：111-119．

[14] BECK M B．Water quality modelling：a review of the analysis of uncertainty [J]．Water Resource Research，1987，23（8）：1393-1442．

[15] BERTHOUEX PAUL M， POLKOWSKI LAWRENEE B．Optimum waste treatment plant design under uncertainty[J]．Journal of Water Pollution Control Federation，1970，42（9）：1589-1613．

[16] TARRER A R，KOPPEL L B，LIM H C，et al．Optimal activated sludge design under uncertainty [J]．Journal of the Environmental Engineering Division，ASCE，1976，102：657-673．

[17] ARISTOTELIS Mantoglou，GEORGE Kourakos. Optimal groundwater remediation under uncertainty using multi-objective optimization [J]．Water Resources Management，2007，21：835-847．

[18] FRENI G，MANNINA G，VIVIANI G．Uncertainty in urban stormwater quality modelling：the effect of acceptability threshold in the GLUE methodology[J]．Water Research，2008，42（8/9）：2061-2072．

[19] LIU R M，SUN C C，HAN Z X，et al．Water environmental capacity calculation based on uncertainty analysis：a case study in the Baixi watershed area, China [J]．Procedia Environmental Sciences，2012，13：1728-1738．

[20] MIRZAEI M，HUANG Y F，EL-SHAFIE A，et al．Application of the generalized likelihood uncertainty estimation （GLUE） approach for assessing uncertainty in hydrological models：a review [J]．Stochastic Environmental Research and Risk Assessment，2015，29：1265-1273．

[21] HELTON J C，DAVIS F J．Illustration of sampling-based methods for uncertainty and sensitivity analysis [J]．Risk Analysis，2002，22（3）：591-622．

[22] HELTON J C，DAVIS F J．Latin hypercube sampling and the propagation of uncertainty in analyses of complete systems [J]．Reliability Engineering & System Safety，2003，81（1）：23-69．

[23] BEVEN K，BINLEY A M．The future of distributed models：model calibration and uncertainty prediction [J]．Hydrological Processes，1992，6（3）：279-298．

[24] BERTHOUEX PAUL M，POLKOWSKI LAWRENEE B．Optimum waste treatment plant design under uncertainty[J]．Journal of Water Pollution Control Federation，1970，42（9）：1589-1613．

[25] WALKER W E，HARREMOES P，ROTMANS J，et al．Defining uncertainty a conceptual basis for uncertainty management in model-based decision support [J]．Integrated Assessment，2003，4（1）：5-17．

[26] REFSGAARD J C，VAN DER SLUIJS J P，LAJER H?JBERG A，et al．Uncertainty in the environmental modelling process — a framework and guidance[J]．Environmental Modelling & Software，2007（22）：1543-1556．

[27] BELIA E，AMERLINCK Y，BENEDETTI L，et al．Wastewater treatment modelling： dealing with uncertainties[J]．Water Science and Technology，2009，60（8）：1929-1941．

[28] SIN G，GERNAEY K V，NEUMANN M B，et al．Global sensitivity analysis in wastewater treatment plant model applications：prioritizing sources of uncertainty [J]．Water Research，2011，45：639-651．

[29] BRUN R，KUHNI M，SIEGRISTA H，et al．Practical identifiability of ASM2d parameters—systematic selection and tuning of parameter subsets [J]．Water Research，2002，36：4113-4127．

[30] 董姍燕，姚重華．單級活性污泥過程數(shù)學(xué)模型ASM2D參數(shù)的靈敏度分析 [J]．環(huán)境化學(xué)，2005，24（2）：129-133．

DONG S Y，YAO C H．Sensitivity analysis for the parameters in ASM2D [J]．Environmental Chemistry，2005，24（2）：129- 133．

[31] RUANO M V，RIBES J，DE PAUW D J W，et al．Parameter subset selection for the dynamic calibration of activated sludge models （ASMs）：experiencesystems analysis[J]．Water Science and Technology，2007，56（8）：107-115．

[32] PETERSEN B，GERNAEY K，HENZE M，et al. Evaluation of an ASM1 model calibration procedure on a municipal-industrial wastewater treatment plant[J]. Journal of Hydroinformatics，2002，4 （1）：15-38.

[33] HULSBEEK J J W，KRUIT J，ROELEVELD，et al. A practical protocol for dynamic modelling of activated sludge systems[J]. Water Science and Technology，2002，45（6）：127-136.

[34] MELCER H，DOLD P L，JONES R M，et al. Methods for wastewater characterization in activated sludge modeling[R].Water Environment Research Foundation（WERF），Alexandria，VA，USA，2003.

[35] LANGERGRABER G，RIEGER L，WINKLER S，et al. A guideline for simulation studies of wastewater treatment plants [J]. Water Science and Technology，2004，50（7）：131-138.

[36] FLORES-ALSINA X，RODRIGUEZ-RODA I，SIN G，et al. Multi-criteria evaluation of wastewater treatment plant control strategies under uncertainty [J]．Water Research，2008，42：4485-4497．

[37] SIN G，GERNAEY K V，NEUMANN M B，et al．Uncertainty analysis in WWTP model applications：a critical discussion using an example from design [J]．Water Research，2009，43：2894-2906．

[38] GIORGIO M，ALIDA C，GASPARE V．Uncertainty assessment of a model for biological nitrogen and phosphorus removal：application to a large wastewater treatment plant [J]．Physics and Chemistry of the Earth，2012，42/43/44：61-69．

[39] LORENZO B，DAVIDE B，F(xiàn)ILIP C，et al．Tools to support a model-based methodology for emission/immission and benefit/cost/risk analysis of wastewater systems that considers uncertainty[J]. Environmental Modelling & Software，2008，23：1082-1091．

[40] ROUSSEAU D，VERDONCK F，MOERMAN O，et al．Development of a risk assessment based technique for design/retrofitting of WWTPs [J]．Water Science and Technology，2001，43（7）：287-294．

[41] 林玉鵬，曾光明．考慮不確定性因素影響的城市污水處理廠優(yōu)化設(shè)計模型研究(Ⅰ)[J]．湖南大學(xué)學(xué)報（自然科學(xué)版），2000，27（4）：94-100．

LIN Y P，ZENG G M．Study on optimal design model for city wastewater treatment plant considering the effect of uncertainty (Ⅰ) [J]．Journal of Hunan University （Natural Sciences Edition），2000，27（4）：94-100．

[42] 王玲玲，曾光明，黃國和，等．考慮不確定性因素影響的污水處理工藝選擇[J]．湖南大學(xué)學(xué)報（自然科學(xué)版），2006，33（6）：115-118．

WANG L L，ZENG G M，HUANG G H，et al．Selection of technology for sewage treatment considering the effect of uncertainty[J]．Journal of Hunan University （Natural Sciences Edition），2006，33（6）：115-118．

[43] COPP J B．The COST simulation benchmark：description and simulator manual[M]. Luxembourg：Office for Official Publications of the European Community，2002．

[44] JEPPSSON U，PONS M N，NOPENS I，et al．Benchmark simulation model No2：general protocol and exploratory case studies [J]．Water Science and Technology，2007，56（8）：67-78．

[45] SOROOSH S，SUDHIR M，IMRE T，et al. Probabilistic parameter estimation of activated sludge processes using Markov Chain Monte Carlo[J]. Water Research，2014，50：254-266.

Research and development on uncertainty analysis in wastewater treatment system based on activated sludge model（ASMs）

DONG Shanyan1，2，LI Yongmei3，CHI Chunrong1，LIU Zuwen1，2

（1School of Architectural and Surveying & Mapping Engineering，Jiangxi University of Science and Technology，Ganzhou 341000，Jiangxi，China；2Jiangxi Provincial Key Laboratory of Environmental Geo-technology and Engineering Disaster Control，Ganzhou 341000，Jiangxi，China；3College of Environmental Science and Engineering，Tongji University，Shanghai 200092，China）

For complex wastewater treatment systems，uncertainty is their basic attribute．Due to not fully consider the actual system uncertainty，the reliability and decision accuracy of Activated sludge model（ASMs）in the application process was decreased．The complete model application should include the uncertainty analysis of the model．At present，the uncertainty analysis based on ASMsis still in its infancy．Based on the limited literature data，the research status on the identification and classification of uncertainty sources in wastewater treatment system and the quantification of model uncertainty index were analyzed. the application of uncertainty analysis in optimization design，upgrading and control strategy evaluation of wastewater treatment plant were introduced．It was pointed out that there is still no standard classification and identification of uncertainty sources. The quantification of uncertainty index needs further study and analysis．The uncertainty analysis of wastewater treatment system will be the focus of future research and application development of ASMs．Uncertainty analysis can help researchers better understand and grasp the uncertainty range of the prediction results，which can perform risk assessment and improve decision support process effectively．

wastewater；activated sludge model（ASMs）；uncertainty analysis；parameter identification；Monte Carlo simulation

X703

A

1000–6613（2017）12–4651–07

10.16085/j.issn.1000-6613.2017-1014

2017-05-27；

2017-08-02。

江西省教育廳科學(xué)技術(shù)研究項目（GJJ150662）及江西理工大學(xué)博士啟動基金項目（3401223198）。

董姍燕（1978—），女，博士研究生，主要從事水和污水處理系統(tǒng)仿真研究。E-mail：d_shanyan@126.com。