[發明專利]基于可溶性污染物在水環境中輸移擴散模型的評估方法

有效

• 申請號: 202010025579.2
• 申請日: 2020-01-10
• 公開（公告）號: CN111241758B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 張影;楊曉東;趙秋娜
• 申請（專利權）人: 燕山大學里仁學院
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F113/08;G06F111/08;G06F119/14
• 代理公司: 北京華際知識產權代理有限公司 11676
• 代理人: 葉宇

1.一種基于可溶性污染物在水環境中輸移擴散模型的評估方法，其特征在于，所述方法包括以下步驟：

S1，數據收集，基于公共部門提供、查閱文獻資料、實地勘測得到的部分實測數據，采用Google Earth遙感技術和圖像處理技術，設計基礎數據提取方法；

計算得到各過水斷面河道寬度、斷面間距、河床海拔、河道形狀、糙率、水深基礎數據，通過水力學相關計算公式，分別計算濕周、流量、流量模數、斷面面積、水位、水力半徑、水力坡度必要水力參數，為一維河網水動力水質模型提供數據支撐；

S2，應用系統工程的設計思想，將整個流域概化為一個由單一河段和汊點組成的系統，把上游河流化分為主干流和支流，并通過汊點連接；

S3，運用歐拉法，將河段劃分為多個研究斷面，建立一維河網水動力模型對上游河流的水動力條件進行模擬，進而建立與水動力特性相對應的污染輸移物擴散模型，計算污染輸移物擴散的過程；

S4，一維河網水動力水質模型的求解，采用Preissmann四點隱式格式將河網中每條單一河段水動力水質模型的控制方程離散為差分方程，并整理成線性方程組，通過汊點條件進行銜接；

根據基礎數據與河流的自然條件，確定各河段的初始和邊界條件，求得各斷面污染物濃度的時空遞推關系，將各河段的未知數集中在汊點上，依據汊點連接條件即汊點邊界條件形成封閉的汊點方程組，應用超松弛迭代法求解此方程組，然后回代到單一河段中，最終得到各斷面的河流流量、水位和污染物濃度結果；

河網模型的求解：采用三級聯解法，將河網系統拆分成單一河段及連接各個河段的汊點，在各河段上進行斷面劃分，在斷面上將圣維南方程組離散化，利用追趕法得河段方程，輔以汊點連接條件形成以汊點水位為待求變量的汊點方程組，應用超松弛迭代法求解得到各汊點水位，然后將各汊點水位回代至各單一河段方程，最終求得各斷面水位及流量；

一、水動力模型的求解：

根據河段是否連接外邊界，將河段分成內河段和外河段；

對于內河段，子河段方程(7)、(8)經遞推運算得如下形式方程：

ΔQ_j＝θ_j+η_jΔz_j+γ_jΔz₁，(j＝2,3，...,L2) (15)

其中，L2為該河段劃分的斷面數目，α_j，β_j，θ_j，η_j，γ_j為追趕系數，可逐步遞推求得；內河段總有兩個汊點與之相連，首末斷面水位各有一追趕方程：

ΔQ_L2＝θ_L2+η_L2Δz_L2+γ_L2Δz₁ (17)

對于外河段，首末斷面關系有如下的線性方程組：

ΔQ_j＝F_jΔz_j+G_j (18)

Δz_j＝H_jΔQ_j+1+I_jΔz_j+1+J_j (19)

外河道用追趕法求解時，在追的過程中求得追趕系數H_j、I_j、J_j、F_j和G_j，而后在趕的過程中求出和同時給出邊界條件，確定F₁和G₁初始值，進行求解；

對單個汊點，建立其連接的內、外河段的邊界方程，代入式(16)并與式(17)聯立，得封閉的以汊點水位為未知量的方程組，代入邊界條件，同理對其它汊點建立對應的汊點方程組，最終得到河網汊點水位方程組；應用超松弛迭代法求解該汊點水位方程組，再根據追趕法并結合初始條件逐步回代可求得各河段每個斷面的水位和流量；

二、水質方程的求解：

對方程(11)采用前差分離散時間項，隱式迎風格式離散對流項，中心差分離散擴散項，可得到三對角方程：

a_jC_j-1+b_jC_j+c_jC_j+1＝z_j，(j＝2,......,L2-1) (20)

三對角方程的離散系數為：

各系數在順流、逆流等不同流動類型時系數作相應變化；

汊點處可給出質量平衡方程：

式中，Ω是汊點處的水面面積，j是節點編號，i是與節點j相連的河段編號，NL是與節點j相連的河段總數；

與汊點相連的斷面流向為流出汊點時，設該斷面濃度等于汊點濃度，若該斷面流向為流入汊點，則根據該斷面所在河段的遞推方程組獲得該斷面的濃度表達式；根據質量平衡方程，建立汊點方程，由上述方程代入各斷面濃度的遞推關系式，輔以邊界條件，可得到包含整個河網汊點濃度的代數方程；通過超松弛迭代法可求得各汊點的水質濃度，根據流動方向的不同，選擇不同的遞推公式，計算得河段各個斷面的水質濃度值；

S5，模型參數率定，采用改進的Bayesian-MCMC方法，將模型參數的率定問題視為貝葉斯估計問題，根據有限差分方法和貝葉斯推理得到參數的后驗概率密度函數，通過改進的Metropolis-Hastings抽樣方法得到合理的參數值，提高模型的針對性和準確性。