1.7　水质预测预警技术研究进展

1.7.1　水质模型技术进展

地表水质模型是使用数学手段对地表水循环中水质组分发生的变化规律及其相互影响关系进行综合表征，并服务于水资源合理利用与环境保护研究工作。其主要功能是为水质模拟、水质评价、水质预报与预警预测提供理论依据，可用于指导污染物排放标准和水质规划的制定，在水环境管理与水污染防治的研究中占有重要地位。

地表水质模型产生与进步过程的主要时期分为三个：第一时期，20世纪20年代中叶至70年代初，研究重点为一维稳态模型，集中研究水体中氧平衡，也包括一些非耗氧物质。代表性河流水质模型有：Streeter与Phelps一起提出的首个水质模型，即S-P模型；美国环保局（USEPA）推出的QUAL-I、QUAL-II模型。第二时期，20世纪70年代初至80年代中叶，地表水质模型产生突飞进展，该阶段包含多维、多介质、形态、动态模拟等特点的模型的研究。形态模型的研究与发展的动力一定程度上来自水质评价与标准的制定，其中出现的WASP模型是该时期较为突出的成果。第三时期，20世纪80年代中叶至今，主要研究集中在加大模型的深度，对现有模型不足进行完善，并加大模型在实际工作中的应用。其主要特点：进行水质模型和面源模型耦合；增加相关的状态变量以及构成成分的数量；模型中加入大气污染物各种沉降对水质的作用；在模型研究过程中应用各种新的技术与方法。多介质箱式模型、水生食物链积累模型、一维稳态模型CE-QUAL-R2、二维动态模型CE-QUAL-W2等在这一时期被提出并应用。

有大量国外学者对水质预测模型进行了深入研究，并且根据文献可知，当今普遍使用的为河网SNSI-M模型、河口ES001模型及多参数WASP综合水质模型等。Gurbuz为了对水库中藻类植物的浓度进行预测，采用的训练与校正方法为初期结束法，并得到了真实、可信的结论。20世纪初期，美国提出初级氧平衡模型，被应用到俄亥俄河流主要污染源评价及对生活污水来源及影响的实际工作中；神经网络作为一种智能控制方法被Maier和Dandy应用于基本水质模型的参数预测；John H等提出的一种三维模型，动力模型与CH3D-WES和ECOM3D相似，水质变化过程是基于CE-QUAL-ICM的原理，应用范围涵盖了点源、非点源、有机污染物迁移转化各方面，目前获得了美国国家环保署（USEPA）支持。

EFDC（The Environmental Fluid Dynamics Code）模型是在美国国家环保署资助下由威廉玛丽大学海洋学院维吉尼亚海洋科学研究所（VIMS）的John H等根据多个数学模型集成开发研制的综合水质数学模型，当前由Tetra Tech，Inc。水动力咨询公司维护。经过近20年的发展和完善，模型已在一系列大学、政府机关和环境咨询公司等组织中广泛使用，作为环境评价和政策制定的有效决策工具，已成为世界上应用最广泛的水动力学模型之一。目前在我国也得到了广泛的应用。

EFDC模型是美国国家环保署（USEPA）推荐的三维地表水水动力模型，可实现河流、湖泊、水库、湿地系统、河口和海洋等水体的水动力学和水质模拟，是一个多参数有限差分模型。EFDC模型采用Mellor-Yamada 2.5阶紊流闭合方程，根据需要可以分别进行一维、二维和三维计算。模型包括水动力、水质、有毒物质、底质、风浪和泥沙模块，用于模拟水系统一维、二维和三维流场、物质输运（包括水温、盐分、黏性和非黏性泥沙的输运）、生态过程及淡水入流，可以通过控制输入文件进行不同模块的模拟。模型在水平方向采用直角坐标或正交曲线坐标，垂直方向采用σ坐标变换，可以较好地拟合固定岸边界和底部地形。在水动力计算方面，动力学方程采用有限差分法求解，水平方向采用交错网格离散，时间积分采用二阶精度的有限差分法，以及内外模式分裂技术，即采用剪切应力或斜压力的内模块和自由表面重力波或正压力的外模块分开计算。外模块采用半隐式三层时间格式计算，因传播速度快，所以允许较小的时间步长。内模块采用考虑了垂直扩散的隐式格式，传播速度慢，允许较大的时间步长，其在干湿交替带区域采用干湿网格技术。该模型提供源程序，可根据需要对源程序进行修改，从而达到最佳的模拟效果。

我国在水质预测方面起步晚，早期重视不够，而随着国家对水资源管理与水污染治理上的力度加大，也有越来越多的学者进入到水质预测的研究中来，并取得了较为丰硕的成果。马正华、王腾等阐述了BP神经网络模型的原理及优点，并将其应用到对太湖出入湖河道水质污染指数的预测工作中，预测结果相对于传统建模方法具有适应性好、预测精度高等特点。张志明针对目前机理水质模型应用存在的“异参同效”等不足，在Simulink环境下将WASP模型框架分解，将实测数据回归分析、人工神经网络、蒙特卡罗模拟法等多种技术相互耦合，对单一传统模型进行改进，更加合理地解释了水质变化规律。王亚炜、杜向群等采用QUAL2K河流水质和情景分析法，以温榆河氨氮为目标，为河流水质改善与污染防治措施提供了理论技术上的依据。郭静、陈求稳、李伟峰等抓住了SALMO湖泊水质模型中关键参数取值重要性，进行合理假设对模型进行改进，并利用2005年实测数据对模型进行求解，继而应用到2006年水质的预测研究中。在对藻类、溶解氧、硝态氮、溶解态磷的变化趋势的预测中取得了与实测值相对一致的效果，说明该模型能够很好地对藻类及富营养化物质的浓度进行预测。袁健、树锦对多元非线性回归算法的不足进行完善，并应用到黄河干流某段的水质预测研究中，在精度得到提高的同时，与普通人工神经网络法相比更加符合实情，并为水质预测深入研究提供了新的出发点。

水质预测方法在进行模拟预测过程中所依据的理论独具特点，根据这种不同将水质预测方法分为了以下几种，其基本概念简要介绍如下：

① 数理统计预测方法　单因素预测，以已有水质监测数据为基础，对水环境质量的变化情况进行预测，水质监测数据准确度需要十分苛刻；多因素综合预测，数据需要样本量较大、类别较多、因素相互关系复杂、模型表征与建立机理繁杂，对于较多因素的综合预测困难度较大。

② 灰色系统理论预测法　核心思想是将无规律转化为有规律，主要的实现方式是通过时间序列拟合，在实现过程中需要严格按照一定的规律，最终使用得到的GM（n，h）模型对水环境质量进行预测。优点是原始资料要求不严格；缺点是只有在原始数据变化规律为指数型或趋于指数型时预测精度较高。

③ 神经网络模型预测法　主要是根据人脑或神经网络中复杂的网络系统的基本特点进行抽象化与模拟，ANN基本组成单元为人工神经元，其优势为类似于大脑运行的高维度，自我组织与协调性突出，并且具有较为先进的学习能力，应用到水质预测的研究工作中具有很好前景。

④ 水质模拟模型预测法　在水质模拟模型的实际应用中，往往需要根据具体的水体情况选择合适维数的水质模型。零维、一维、二维和三维模型分别存在它们自身的适用条件。应对越来越复杂的水体环境，水质预测模型也时刻在进步，主要表现为从确定性到不确定性，从低维到高维度的变化，并且在不断的应用与改进中得到完善。

⑤ 混沌理论预测法　该方法是基于河流水质系统复杂性、动态多变性、影响因素冗杂、无法适用简单的水质模型进行预测的需求，以混沌理论相空间重构思想对水质进行模拟和计算。