文章編號：1674-6139（2025）08-0113-06

中圖分類號：X832文獻(xiàn)標(biāo)志碼：B

Water Pollution Monitoring Technology During Geothermal Water Extraction Process

Sun Wenli，Huang Lixin，Du Ming，Jia Shengwen，Liu Weigang （Shaanxi Engineering Surveyand Research Institute Co.，Ltd.，Xi'an71OO68，China）

Abstract：Intheprocesofmonitoinggothalwaterexloitation，theorelatioandunceraintyofwaterpolutionfctorsreig nored，whichleadstoisjudgmentofmonitoringresultsInodertoetthedmandofdamiccangeofwaterpoltionuringgeo thermalwaterexploitation，thewaterpolltionmonitoringtchnologybasedonfuzzcompreensiveevaluationmetodisusedAcompre hensivemonitoringstructureofgeothemalwaterqualityisconstructdtoonitorkeywaterualityparametersingeothealwateeal time.Accordingtothemembershfunctionofaterpolltionatallevels，tefuzzrelationmatrixisonstructed.Takingtemaium productofweightmatrixandfuzzyelationmatrixasthecomprehensiveevaluationbasis，thewaterpolutiondgreeisdividedintofive grades.Acordingtotheexperiment，themaximumdensityofaquaticalgaemonitoredbythistechnoogyis9/L，andthemaxiucomprehensiveindexofaterpoltionis18，hichisonsistentwittectualvaluendicatingtatthemonitoringresultbystcology is accurate.

Keywords：fuzycomprehensiveevaluationmethod；geothermalwaterextraction；waterpolltionmonitoring；waterqualitystandard value；fuzzy relation matrix

前言

地?zé)崴鳛橐环N清潔能源，開采利用在近年來日益受到重視。然而，地?zé)崴_采過程中引發(fā)的水污染問題逐漸凸顯，成為制約地?zé)崴沙掷m(xù)利用的關(guān)鍵因素[1]。當(dāng)前，國內(nèi)外學(xué)者圍繞地?zé)崴_采過程中的水污染監(jiān)測技術(shù)展開了廣泛研究，旨在通過科學(xué)手段有效監(jiān)測并控制水污染，保障水資源的安全與可持續(xù)利用。

盡管已有諸多研究探索了地?zé)崴_采水污染監(jiān)測技術(shù)，但仍存在一些問題亟待解決。文獻(xiàn)[2]提出了基于多元統(tǒng)計的監(jiān)測技術(shù)，盡管該技術(shù)能夠全面分析水質(zhì)數(shù)據(jù)，但若指標(biāo)選取不全面或模型設(shè)計不合理，可能導(dǎo)致監(jiān)測結(jié)果出現(xiàn)偏差；文獻(xiàn)[3]提出了基于SWAT模型的監(jiān)測技術(shù)，但是SWAT模型對一些復(fù)雜水循環(huán)機理（如潛水蒸發(fā)、地下水循環(huán)）的刻畫尚不完善，容易出現(xiàn)監(jiān)測誤差；文獻(xiàn)[4]提出了基于優(yōu)化非線性自回歸神經(jīng)網(wǎng)絡(luò)模型的監(jiān)測技術(shù)，神經(jīng)網(wǎng)絡(luò)模型存在過擬合風(fēng)險，可能導(dǎo)致預(yù)測結(jié)果偏差；文獻(xiàn)[5]提出了基于機器學(xué)習(xí)的監(jiān)測技術(shù)，但是該技術(shù)高度依賴高質(zhì)量、多樣化的訓(xùn)練數(shù)據(jù)，數(shù)據(jù)不足或偏差可能影響模型準(zhǔn)確性。

鑒于上述背景與問題，通過構(gòu)建全面、系統(tǒng)的監(jiān)測體系，結(jié)合模糊綜合評判法，實現(xiàn)對地?zé)崴_采過程中水污染的精準(zhǔn)監(jiān)測與高效預(yù)警，為地?zé)崴Y源的可持續(xù)利用提供有力保障。

1地?zé)崴_采過程中水質(zhì)標(biāo)準(zhǔn)值計算

在地?zé)崴_采過程中，水質(zhì)標(biāo)準(zhǔn)值的計算對于評估地?zé)崴Y源的質(zhì)量、確保開采活動的安全性和可持續(xù)性至關(guān)重要[6]。為了準(zhǔn)確、實時地監(jiān)測地?zé)崴乃|(zhì)變化，構(gòu)建了地?zé)崴|(zhì)綜合監(jiān)測站。地?zé)崴|(zhì)綜合監(jiān)測站主要由氣囊泵、采樣管、多參數(shù)水質(zhì)分析儀、泄降水位控制單元等結(jié)構(gòu)組成的，結(jié)構(gòu)見圖1。

圖1地?zé)崴|(zhì)綜合監(jiān)測結(jié)構(gòu)

氣囊泵是一種低流量、無擾動、無揮發(fā)的地下水洗井及采樣泵，通過氣囊的壓縮和釋放來抽取水樣，避免了傳統(tǒng)抽水泵可能引起的水樣擾動和污染；采樣管采用耐高溫、耐腐蝕的材料制成，以確保在高溫、高腐蝕性的地?zé)崴h(huán)境中穩(wěn)定運行；多參數(shù)水質(zhì)分析儀集成有溶解氧（DO）、電導(dǎo)率、濁度、pH值、氧化還原電位（ORP）、水溫等多個傳感器，能夠?qū)崟r在線測定地?zé)崴械年P(guān)鍵水質(zhì)參數(shù)；泄降水位控制單元用于監(jiān)測和控制地下水采樣過程中的水位降幅，當(dāng)水位降至預(yù)設(shè)的降深時，控制器會自動停止氣囊泵的工作，待水位恢復(fù)后再重新啟動采樣過程。地?zé)崴|(zhì)綜合監(jiān)測站通過實時監(jiān)測地?zé)崴械年P(guān)鍵水質(zhì)參數(shù)，為計算地?zé)崴_采過程中的水質(zhì)標(biāo)準(zhǔn)值提供直接而準(zhǔn)確的數(shù)據(jù)支持。計算的地?zé)崴_采過程中水質(zhì)標(biāo)準(zhǔn)值，可表示為式（1）：

式（1）中， k 表示水質(zhì)指標(biāo)類別； m_i 表示第 χ_i 類水質(zhì)指標(biāo)數(shù)[7]； M 表示實測水質(zhì)的指標(biāo)總數(shù)； w 表示指標(biāo)權(quán)重。水質(zhì)標(biāo)準(zhǔn)值是評估地?zé)崴|(zhì)量是否受到污染或變化的基準(zhǔn)，通過科學(xué)計算地?zé)崴_采過程中的水質(zhì)標(biāo)準(zhǔn)值，可以在后續(xù)的監(jiān)測中通過與實際監(jiān)測數(shù)據(jù)對比，迅速識別出水質(zhì)任何異常變化，從而及時采取應(yīng)對措施。

2基于模糊綜合評判法的水污染監(jiān)測

在地?zé)崴_采過程中，水質(zhì)標(biāo)準(zhǔn)值的計算通常涉及多個水質(zhì)參數(shù)，這些參數(shù)可能受到多種因素的影響，如地下水的自然流動、地質(zhì)條件、開采方式以及人為活動等。由于水環(huán)境的復(fù)雜性和不確定性，單一的水質(zhì)評價方法可能難以全面、準(zhǔn)確地反映水質(zhì)狀況。因此，結(jié)合模糊綜合評判法進(jìn)行水污染監(jiān)測，可以更加科學(xué)、合理地評估地?zé)崴乃|(zhì)狀況，確保開采過程符合相關(guān)水質(zhì)標(biāo)準(zhǔn)值要求。

模糊綜合評判法是一種基于模糊數(shù)學(xué)的綜合評價方法，該方法根據(jù)水質(zhì)監(jiān)測數(shù)據(jù)，建立模糊關(guān)系矩陣，反映各水質(zhì)參數(shù)對不同水質(zhì)級別的隸屬程度。將各水質(zhì)參數(shù)的隸屬度值和權(quán)重系數(shù)進(jìn)行加權(quán)求和，得到綜合評判結(jié)果。對于每個水質(zhì)參數(shù)，根據(jù)分級標(biāo)準(zhǔn)構(gòu)建隸屬度函數(shù)。隸屬度函數(shù)用于描述該參數(shù)在不同水質(zhì)級別上的隸屬程度，通常是一個或多個分段函數(shù)，將參數(shù)的實測值映射到[0，1]區(qū)間內(nèi)的一個數(shù)值，表示該參數(shù)對某一級別污染的隸屬度。

對于不同水污染的隸屬程度，用隸屬度 γ_i，j 來表示，范圍為 0?γ_i，j?1 ，該值越大，說明隸屬程度越高。第1級水污染的隸屬度函數(shù)，可表示為式（2）：

式（2）中， c_i 表示第 χ_i 類水質(zhì)指標(biāo)的實測濃度值[8]； q_i，1?q_i，2 分別表示第 i 類水質(zhì)指標(biāo)的第1、2級水質(zhì)標(biāo)準(zhǔn)值[9]。第 n 級水污染的隸屬度函數(shù)，可表示為式（3）：

根據(jù)各級水污染隸屬度函數(shù)，構(gòu)建模糊關(guān)系矩陣，該矩陣的行代表不同的水質(zhì)參數(shù)，列代表不同的水質(zhì)級別，關(guān)系矩陣可表示為式（4）：

在模糊綜合評判法中，根據(jù)各級水污染的隸屬度函數(shù)構(gòu)建的模糊關(guān)系矩陣是評估水質(zhì)污染程度的核心部分，該矩陣反映了各個水質(zhì)參數(shù)在不同水質(zhì)級別上的隸屬程度，即每個參數(shù)對各級別污染的貢獻(xiàn)度[10]。

綜合評判是對各個指標(biāo)進(jìn)行加權(quán)的過程，將權(quán)重矩陣與模糊關(guān)系矩陣乘積最大值作為該級別綜合評判結(jié)果，公式為式（5）：

基于此，將水污染程度劃分以下5個等級：

當(dāng) 0?G?0.2 時，水污染程度屬于I類，水質(zhì)非常好；當(dāng) 0.2

3 實驗

3.1事件基本情況

以某一個環(huán)?？萍佳芯繀^(qū)為研究區(qū)域，該區(qū)域進(jìn)行一項先進(jìn)的地?zé)崴_采項目。然而，在一次常規(guī)開采作業(yè)中，由于多種因素的綜合作用，發(fā)生了一起水污染事件。該事件發(fā)生在一處地質(zhì)條件復(fù)雜、含有多條地下斷裂帶的地?zé)豳Y源開發(fā)區(qū)域，開采團(tuán)隊在使用新型鉆井技術(shù)時，因?qū)Ξ?dāng)?shù)貜?fù)雜地質(zhì)結(jié)構(gòu)了解不足，導(dǎo)致鉆井過程中井壁穩(wěn)定性出現(xiàn)問題，發(fā)生輕微坍塌。該地區(qū)地下水文條件復(fù)雜，含有高濃度的礦物質(zhì)和微量元素，井壁坍塌后，地下水與鉆井泥漿混合，加速了污染物的擴(kuò)散。由于缺乏有效隔離措施，污染水體開始沿著地下裂隙向周邊擴(kuò)散，初步估計影響范圍可達(dá)數(shù)百米。

目標(biāo)研究區(qū)域概況，見圖2。

圖2 目標(biāo)研究區(qū)域概況

該區(qū)域東西長度為 9.6km ，南北長度為 6.5km 。

3.2水污染數(shù)據(jù)采集裝置

為了獲取精準(zhǔn)水污染數(shù)據(jù)，采用了如圖3所示的水污染數(shù)據(jù)采集裝置結(jié)構(gòu)。

圖3水污染數(shù)據(jù)采集裝置結(jié)構(gòu)

該裝置結(jié)構(gòu)包括主屏幕、讀卡區(qū)、電源指示燈、網(wǎng)絡(luò)指示燈、USB接口、RJ45以太網(wǎng)接口、 RS-232/ RS-485接口、I0接口。采用高分辨率彩色觸摸屏，支持觸控操作，顯示清晰，便于查看實時數(shù)據(jù)、歷史記錄及系統(tǒng)設(shè)置;讀卡區(qū)支持SD卡或微型SD卡，用于數(shù)據(jù)存儲備份或?qū)伺渲梦募?網(wǎng)絡(luò)指示燈位于裝置正面右上角，綠色常亮表示電源正常，閃爍或熄滅表示電源異常；USB接口位于裝置背面或側(cè)面，用于數(shù)據(jù)導(dǎo)出、固件升級或連接外部設(shè)備。RJ45以太網(wǎng)接口，位于USB接口附近，確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和高速性。RS-232/RS-485接口位于網(wǎng)絡(luò)接口下方，用于連接舊式設(shè)備或特定通訊需求的傳感器；IO接口位于接口區(qū)域底部，用于連接各類水質(zhì)傳感器，實現(xiàn)數(shù)據(jù)采集與控制。

3.3 實驗指標(biāo)

將水生藻類密度和水質(zhì)污染綜合指數(shù)作為實驗指標(biāo)，水生藻類密度被視為評估水體富營養(yǎng)化程度的重要指標(biāo)之一，通過野外試驗調(diào)查，直接在監(jiān)測位置采集水樣，并測定其中水生藻類的密度。水生藻類密度數(shù)值越大，說明水污染程度越重，數(shù)值變化范圍設(shè)置為[0～1]；水質(zhì)污染綜合指數(shù)直觀反映了水污染程度，數(shù)值變化范圍設(shè)置為 [0～10] ，數(shù)值越大，說明水污染程度越重。水生藻類密度為0～2個/L時，水體營養(yǎng)狀態(tài)佳，水質(zhì)清潔，符合高標(biāo)準(zhǔn)。密度增至3～5個/L，水體輕度富營養(yǎng)化，需關(guān)注水質(zhì)變化。在6～8個/L時，富營養(yǎng)化加重，影響水生生物，需采取措施。超過9個/L，富營養(yǎng)化嚴(yán)重，水質(zhì)惡化，水華頻發(fā)，破壞生態(tài)平衡，急需治理。結(jié)合水污染數(shù)據(jù)采集裝置，計算水生藻類密度和水質(zhì)污染綜合指數(shù)，公式為式（6）：

式（6）-式（7）中， N 表示藻類數(shù)量；V表示水體體積； s_i 表示該指標(biāo)的評價標(biāo)準(zhǔn)。

選取4個監(jiān)測點，以 2min/ 次的頻率下采集相關(guān)數(shù)據(jù)，共采集 18min ，見表1。

表1實際數(shù)據(jù)采集結(jié)果

將表1數(shù)據(jù)作為實驗標(biāo)準(zhǔn)數(shù)據(jù)，展開實驗對比分析。

3.4實驗結(jié)果與分析

將基于多元統(tǒng)計的監(jiān)測技術(shù)、基于SWAT模型的監(jiān)測技術(shù)、基于優(yōu)化非線性自回歸神經(jīng)網(wǎng)絡(luò)模型的監(jiān)測技術(shù)、基于機器學(xué)習(xí)的監(jiān)測技術(shù)與基于模糊綜合評判法監(jiān)測技術(shù)的監(jiān)測效果進(jìn)行對比分析，見圖4。

（d）基于機器學(xué)習(xí)的監(jiān)測技術(shù)

由圖4可知，使用基于多元統(tǒng)計、機器學(xué)習(xí)技術(shù)監(jiān)測的4個監(jiān)測點數(shù)據(jù)與實際數(shù)據(jù)完全不一致；使用基于SWAT模型的監(jiān)測技術(shù)能夠精準(zhǔn)監(jiān)測2號和3號水質(zhì)，但是1號和2號水質(zhì)監(jiān)測結(jié)果與實際數(shù)據(jù)相差較大；使用優(yōu)化非線性自回歸神經(jīng)網(wǎng)絡(luò)模型監(jiān)測的數(shù)據(jù)中只有3號監(jiān)測點與實際數(shù)據(jù)完全一致，其余均不一致;使用基于模糊綜合評判法監(jiān)測技術(shù)，能夠精準(zhǔn)監(jiān)測4個點的數(shù)據(jù)，監(jiān)測的水生藻類密度最大值為9個/L，水質(zhì)污染綜合指數(shù)最大值為18，與實際值完全一致。

4結(jié)束語

面對傳統(tǒng)檢測方法忽略水質(zhì)污染因素的相互關(guān)聯(lián)性與不確定性而導(dǎo)致監(jiān)測結(jié)果不精準(zhǔn)的問題，提出了基于模糊綜合評判法的地?zé)崴_采過程中水污染監(jiān)測技術(shù)。該技術(shù)計算了水質(zhì)標(biāo)準(zhǔn)值，引入了模糊綜合評判法，處理了水質(zhì)監(jiān)測中的模糊性和不確定性問題，使得評估結(jié)果更加貼近實際情況。通過實驗驗證結(jié)果可知，實驗結(jié)果表明，該技術(shù)在與其他監(jiān)測技術(shù)對比中優(yōu)勢明顯，能精準(zhǔn)監(jiān)測水生藻類密度和水質(zhì)污染綜合指數(shù)，最大值分別為9個/L和18，與實際值一致。使用該技術(shù)能夠獲取精準(zhǔn)的水生藻類密度、水質(zhì)污染綜合指數(shù)監(jiān)測結(jié)果，便于決策者快速理解水質(zhì)污染狀況，制定有效的防控措施，保障地?zé)崴Y源的可持續(xù)利用，推動地?zé)崴a(chǎn)業(yè)健康發(fā)展。

參考文獻(xiàn)：

[1]魏瀟淑，陳遠(yuǎn)航，常明，等.流域水污染監(jiān)測與溯源技術(shù)研究進(jìn)展[J].中國環(huán)境監(jiān)測，2022，38（5）：27-37.

[2]張婉萍，樊敏，楊遠(yuǎn)坤，等.基于多元統(tǒng)計的沱江支流釜溪城鎮(zhèn)河流污染特征解析[J].生態(tài)學(xué)雜志，2023，42（6）：1517-1526.

[3]武力，劉慧瑩，向超，等.基于SWAT模型的湘江永州流域非點源氮磷污染特征分析［J].中國環(huán)境監(jiān)測，2023，39（2）：65-74.

[4]唐亦舜，徐慶，劉振鴻，等.基于優(yōu)化非線性自回歸神經(jīng)網(wǎng)絡(luò)模型的水質(zhì)預(yù)測[J].東華大學(xué)學(xué)報（自然科學(xué)版），2022，48（3）：93-100.

[5]XiongY，LuoJ，LiuX，etal.Machinelearning-based optimal design of groundwater pollution monitoring network[J]. Environmental Research，2022，211：113022.

[6]江宇杰，王帥.灰色關(guān)聯(lián)法的輸油管道泄漏河流污染影響評價方法研究[J].環(huán)境科學(xué)與管理，2024，49（4）：180-184.

[7]寧秀美.流域水環(huán)境污染應(yīng)急監(jiān)測與防治技術(shù)研究[J].環(huán)境科學(xué)與管理，2024，49（1）：110-114.

[8]劉曉榮，杜新忠，韓玉國，等.基于負(fù)荷歷時曲線法的流域污染負(fù)荷特征解析與納污能力研究一一以沙河流域為例[J].中國環(huán)境科學(xué)，2023，43（3）：1216-1224.

[9]賈中政，孟岑，李裕元，等.亞熱帶典型農(nóng)林流域磷持留時空特征及其影響因素[J].環(huán)境科學(xué)學(xué)報，2024，44（2）：193-202.

[10]董廣齊，盧文喜，范越，等.不確定性條件下地下水污染監(jiān)測井網(wǎng)優(yōu)化設(shè)計—基于XGBoost替代模型[J].中國環(huán)境科學(xué)，2022，42（5）：2144-2152.