基于贝叶斯方法的突发水污染事件溯源研究

发布时间：2025-05-07 02:46

　　 为快速对突发性水污染事件进行溯源,求得污染物的排放位置、排放量及排放时间,提出一种基于贝叶斯(Bayesian)和马尔科夫蒙特卡洛方法(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验信息的基础上,构造似然函数,求得污染源的后验概率密度函数,进而将溯源问题转化为对后验概率密度函数的抽样问题。在抽样方法上本文选用M-H采样方法及GIBBS采样方法并加以改进、对比。结果表明:该方法能够较准确地对突发点源岸边污染物瞬时排放事件进行溯源,其计算结果接近于真实值,能够有效地解决点源岸边污染物瞬时排放的溯源问题。且改进的M-H采样方法可以有效加快迭代时的收敛速度,使待反演参数的抽样值更快地趋近于目标值。

【文章页数】：6 页

【部分图文】：

图1 观测断面污染物浓度序列值

式中:P(θ)为待反演参数的先验分布;σ为观测误差所服从正态分布的标准差;N为观测点得到的浓度值个数;Yi为观测点测得的浓度值大小;ci为根据污染物扩散模型模拟出的观测点污染物浓度理论值大小。分别采用M-H采样方法和GIBBS采样方法对待反演参数的后验概率密度函数进行抽样计算,为....

图2 M-H抽样结果

由抽样结果可以得到,M-H采样方法的抽样结果分布很紧凑,污染物排放位置确定为距离观测断面4500m,污染物排放时间距离第一次在观测断面得到污染物浓度100min,污染物排放量在1t附近。而GIBBS采样的抽样结果分布接近于正态分布,污染物排放位置在4400～4600....

图3 GIBBS抽样结果

图2M-H抽样结果2.2溯源效果分析

图4 M-H法迭代曲线

表3M-H与GIBBS方法误差统计表Tab.3M-HandGIBBSmethoderrorstatistics项目M-H抽样方法GIBBS抽样方法均值均值误差/%迭代平均误差/%均值均值误差/%迭代平均误差/%污染源位置x/m4497.300....

本文编号：4043481