為快速對(duì)突發(fā)性水污染事件進(jìn)行溯源,求得污染物的排放位置、排放量及排放時(shí)間,提出一種基于貝葉斯(Bayesian)和馬爾科夫蒙特卡洛方法(MCMC)的污染源信息反演算法。基于Bayesian-MCMC方法可在已知污染源先驗(yàn)信息的基礎(chǔ)上,構(gòu)造似然函數(shù),求得污染源的后驗(yàn)概率密度函數(shù),進(jìn)而將溯源問(wèn)題轉(zhuǎn)化為對(duì)后驗(yàn)概率密度函數(shù)的抽樣問(wèn)題。在抽樣方法上本文選用M-H采樣方法及GIBBS采樣方法并加以改進(jìn)、對(duì)比。結(jié)果表明:該方法能夠較準(zhǔn)確地對(duì)突發(fā)點(diǎn)源岸邊污染物瞬時(shí)排放事件進(jìn)行溯源,其計(jì)算結(jié)果接近于真實(shí)值,能夠有效地解決點(diǎn)源岸邊污染物瞬時(shí)排放的溯源問(wèn)題。且改進(jìn)的M-H采樣方法可以有效加快迭代時(shí)的收斂速度,使待反演參數(shù)的抽樣值更快地趨近于目標(biāo)值。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1 觀測(cè)斷面污染物濃度序列值

式中:P(θ)為待反演參數(shù)的先驗(yàn)分布;σ為觀測(cè)誤差所服從正態(tài)分布的標(biāo)準(zhǔn)差;N為觀測(cè)點(diǎn)得到的濃度值個(gè)數(shù);Yi為觀測(cè)點(diǎn)測(cè)得的濃度值大小;ci為根據(jù)污染物擴(kuò)散模型模擬出的觀測(cè)點(diǎn)污染物濃度理論值大小。分別采用M-H采樣方法和GIBBS采樣方法對(duì)待反演參數(shù)的后驗(yàn)概率密度函數(shù)進(jìn)行抽樣計(jì)算,為....

圖2 M-H抽樣結(jié)果

由抽樣結(jié)果可以得到,M-H采樣方法的抽樣結(jié)果分布很緊湊,污染物排放位置確定為距離觀測(cè)斷面4500m,污染物排放時(shí)間距離第一次在觀測(cè)斷面得到污染物濃度100min,污染物排放量在1t附近。而GIBBS采樣的抽樣結(jié)果分布接近于正態(tài)分布,污染物排放位置在4400～4600....

圖3 GIBBS抽樣結(jié)果

圖2M-H抽樣結(jié)果2.2溯源效果分析

圖4 M-H法迭代曲線

表3M-H與GIBBS方法誤差統(tǒng)計(jì)表Tab.3M-HandGIBBSmethoderrorstatistics項(xiàng)目M-H抽樣方法GIBBS抽樣方法均值均值誤差/%迭代平均誤差/%均值均值誤差/%迭代平均誤差/%污染源位置x/m4497.300....

本文編號(hào)：4043481