水質(zhì)預(yù)測預(yù)警模型研究

韓殿鵬， 白家磊， 彭 媛， 吳 瑾， 高志賢

(軍事科學(xué)院軍事醫(yī)學(xué)研究院環(huán)境醫(yī)學(xué)與作業(yè)醫(yī)學(xué)研究所，天津 300050)

自上世紀五十年代以來，全世界范圍內(nèi)多次出現(xiàn)水環(huán)境污染帶來的重大危害事件，如北美死湖事件、日本水俁病事件和日本富山痛痛病事件等，以及近期甚囂塵上的日本排核廢水入海決議等。而我國突發(fā)性水環(huán)境污染事件也常有報道，中國石油吉林石化公司雙苯廠2005年發(fā)生連續(xù)爆炸，事故造成大量苯類污染物對松花江造成嚴重污染。杭新景高速公路2011年苯酚槽罐車追尾，導(dǎo)致近20噸苯酚泄露，部分苯酚隨雨水流入并污染新安江。日前，第二輪第三批中央生態(tài)環(huán)境保護督察組于4月16日公開通報的8起典型案例，遼寧省鐵嶺市凡河新區(qū)大量生活污水長期直排，部分污水滲漏導(dǎo)致地下水污染嚴重超標。江西省撫州市金溪縣陸坊工業(yè)區(qū)區(qū)域環(huán)境污染嚴重，2013年至2018年期間含重金屬的廢水長期排入水塘，導(dǎo)致其中鎘、銅和鋅等重金屬離子濃度超標，水塘周邊土壤鉛含量超標?？梢姡h(huán)境面臨的潛在威脅不斷，安全形勢依然不容樂觀。

綜合歷次污染事件不難發(fā)現(xiàn)，水環(huán)境污染事件通常具有突發(fā)性和不確定性等特點，加強水環(huán)境污染控制與治理的同時，開展水質(zhì)監(jiān)測、預(yù)測和預(yù)警技術(shù)的研究，建立完善的水質(zhì)預(yù)測與預(yù)警體系，可以有效降低水環(huán)境被大范圍污染的風(fēng)險，對全面、實時和準確反映當前水質(zhì)現(xiàn)狀及未來演變趨勢具有重要指導(dǎo)作用，同時對于防治水環(huán)境污染、保障人類財產(chǎn)和生命安全以及維持生態(tài)平衡等方面具有重要的意義。本文綜述了水質(zhì)監(jiān)測、預(yù)測及預(yù)警技術(shù)在水環(huán)境安全領(lǐng)域的主要應(yīng)用，列舉了當前水質(zhì)預(yù)測預(yù)警的研究熱點，并展望了其未來發(fā)展方向，為后續(xù)建立水質(zhì)預(yù)測預(yù)警體系奠定基礎(chǔ)。

1 水質(zhì)監(jiān)測技術(shù)及應(yīng)用研究現(xiàn)狀

水質(zhì)監(jiān)測通過對水質(zhì)指標參數(shù)的實時監(jiān)測和異常監(jiān)測，不僅可以及時捕捉水質(zhì)變化，對其變化規(guī)律的研究也是實現(xiàn)水質(zhì)預(yù)測預(yù)警的前提條件，傳統(tǒng)水質(zhì)監(jiān)測指標大多是針對水質(zhì)中汞、鉛和砷等重金屬離子的檢測。隨著科技的進步與發(fā)展，由依賴于人工手動定點、定時采樣和檢測的傳統(tǒng)水質(zhì)監(jiān)測發(fā)展到基于傳感器的自動化、無人化和智能化的實時監(jiān)測，監(jiān)測指標也在原先基礎(chǔ)上拓展至對水質(zhì)溫度、濁度、酸堿度、溶解氧、電導(dǎo)率、氨氮、總磷、總氮以及高猛酸鹽指數(shù)等指標多參數(shù)的檢測〔1〕。

Nam等結(jié)合碼分多址技術(shù)和ZigBee搭建無線傳感網(wǎng)絡(luò)，實時監(jiān)測并遠程傳輸水質(zhì)信息〔2〕。徐思維等通過STM32微處理器和ESP8266模塊搭載的物聯(lián)網(wǎng)水質(zhì)監(jiān)測系統(tǒng)使用戶可以在OLED屏、手機App和LabVIEW上實時監(jiān)測水質(zhì)溫度、濁度、酸堿度及溶解性固體總量等多參數(shù)指標的具體數(shù)值〔3〕。顧涵等以CC2630芯片和GPRS網(wǎng)絡(luò)傳輸設(shè)計了基于無線傳感器網(wǎng)絡(luò)的水質(zhì)監(jiān)測系統(tǒng)，實現(xiàn)對水質(zhì)溫度、酸堿度和溶解氧等指標的遠程監(jiān)測〔4〕。林華等設(shè)計STM32為核心的水質(zhì)監(jiān)測機器人及其監(jiān)測系統(tǒng)，實現(xiàn)了對水質(zhì)溫度、濁度和酸堿度等參數(shù)的遠距離控制與無線通訊等多種功能〔5〕。葛秋基于ZigBee技術(shù)的無線傳感器網(wǎng)絡(luò)的水質(zhì)監(jiān)測系統(tǒng)實現(xiàn)對水質(zhì)溫度、酸堿度和濁度的連續(xù)監(jiān)測〔6〕。謝辰旻等開發(fā)以Ardunio為主控制器的水下航行器，配合溫度、酸堿度以及溶解氧等多參數(shù)傳感器實現(xiàn)對水質(zhì)的自動化監(jiān)測〔7〕。葛新越等基于NB-IoT的遠程水質(zhì)監(jiān)測系統(tǒng)，實現(xiàn)對目標水域的水樣采集和實時監(jiān)測〔8〕。

在水質(zhì)監(jiān)測應(yīng)用領(lǐng)域方面，國外發(fā)達國家比國內(nèi)起步早，發(fā)展也相對較為成熟。自上世紀六十年代后，以美國為首的西方國家針對日益嚴峻的水環(huán)境污染現(xiàn)狀制定了一系列法律法規(guī)，并開展了各種水質(zhì)監(jiān)測的實驗研究，在組成的超大型水質(zhì)監(jiān)測網(wǎng)在全球范圍內(nèi)處于領(lǐng)先地位。美國SMART公司利用HART協(xié)議接口與網(wǎng)絡(luò)連接，可在線設(shè)置監(jiān)測指標參數(shù)及控制儀器。西門子公司的產(chǎn)品可實現(xiàn)對5-12項指標參數(shù)的在線實時監(jiān)測。YSI公司研發(fā)的多功能水質(zhì)監(jiān)測系統(tǒng)，能夠?qū)崿F(xiàn)對14項指標參數(shù)的動態(tài)連續(xù)監(jiān)測，并可通過無線通信設(shè)備不間斷發(fā)送測試數(shù)據(jù)。而國內(nèi)在水質(zhì)監(jiān)測領(lǐng)域相對比較成熟的是力合科技(湖南)有限公司，其研發(fā)的系列自動化監(jiān)測儀器及設(shè)備已陸續(xù)應(yīng)用到水質(zhì)自動監(jiān)測站，并為中國生態(tài)環(huán)境部“國家地表水水質(zhì)自動監(jiān)測實時數(shù)據(jù)發(fā)布系統(tǒng)”提供技術(shù)支持。

2 水質(zhì)預(yù)測技術(shù)及應(yīng)用研究現(xiàn)狀

水質(zhì)預(yù)測是對水環(huán)境進行管理的重要組成部分，通過討論和分析水質(zhì)預(yù)測模型可以獲得有關(guān)水質(zhì)變化的結(jié)論和信息。Streeter等在1925年研究俄亥俄河污染時提出了描述河流水質(zhì)變化的第一個預(yù)測模型，即基于氧平衡的水質(zhì)模型(S-P模型)，其為后續(xù)水質(zhì)預(yù)測模型的研究奠定了基礎(chǔ)〔9〕。隨著計算機技術(shù)、環(huán)境科學(xué)的發(fā)展，以及模糊數(shù)學(xué)、地理信息技術(shù)等新方法和技術(shù)的誕生，水質(zhì)模型進入了多元化發(fā)展時代。Howland認為BOD與泥沙的沉降和絮凝相關(guān)，故在先前基礎(chǔ)上增加了絮凝系數(shù)。O’Connor提議將BOD分為兩部分，即碳酸化階段的CBOD和硝化階段的NBOD，并且DO的減少也應(yīng)為這兩個部分的總和，故在S-P模型基礎(chǔ)上考慮了硝化過程對DO變化的影響。1970年美國環(huán)保局提出QUAL水質(zhì)模型，其把水環(huán)境分成七個關(guān)聯(lián)單元，引入有機磷、氨氮和浮游生物等多種輸入源和泄漏源，并將浮游生物對水體底泥的吸附和解吸附影響考慮在內(nèi)，此后QUAL模型經(jīng)多次完善和升級一直沿用至今〔10〕。1983年美國環(huán)保局在研究地表水水質(zhì)時提出了WASP模型，其可以模擬常規(guī)污染物、水文動力學(xué)以及有害污染物在河流中的遷移和變化規(guī)律等〔11〕。丹麥水動力研究所設(shè)計的MIKE模型能模擬河網(wǎng)、河口和灘涂等不同地區(qū)的實際情形，囊括了細菌、水溫、氮、DO、BOD和重金屬等多個變量的影響〔12〕。

上世紀八十年代左右，水質(zhì)預(yù)測理論及相關(guān)模型開始傳入國內(nèi)。隨著機器學(xué)習(xí)的流行，水質(zhì)指標參數(shù)的預(yù)測逐漸由空間向時間線性轉(zhuǎn)變，當前神經(jīng)網(wǎng)絡(luò)模型成為了水質(zhì)預(yù)測的研究熱點，基于神經(jīng)網(wǎng)絡(luò)的智能組合預(yù)測模型也愈發(fā)成熟，其對于非線性的影響因素進行預(yù)測時具有很高的精確度，同時也具有較強的泛化能力和魯棒性。肖金球等基于多隱含層改進型GA-BP優(yōu)化TS模糊神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測模型，對太湖水質(zhì)酸堿度、濁度、溶解氧以及氨氮等多參數(shù)指標的擬合有著更高的精度和泛化能力〔13〕。琚振闖等選用L-M優(yōu)化算法構(gòu)建出一種3-6-1型網(wǎng)絡(luò)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，其對黃河內(nèi)蒙古河段水質(zhì)COD預(yù)測中具有較強的非線性映射能力和較高的預(yù)測精度〔14〕。顧杰等基于ARIMA自回歸積分滑動平均模型與改進的BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建的組合模型，相比單純使用ARIMA模型在水質(zhì)預(yù)測方面具有更高的精確度，各項指標的平均百分比誤差和均方根誤差均有很大程度的減小〔15〕。王晶等在秦皇島石河水庫中基于多變異位自適應(yīng)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)設(shè)計了氣溫-水溫-水質(zhì)組成的預(yù)測算法GA-GABP，結(jié)果顯示其網(wǎng)絡(luò)學(xué)習(xí)時間短，尋優(yōu)速率快，預(yù)測效果理想〔16〕。 此外，基于其它算法的水質(zhì)預(yù)測模型在實際應(yīng)用中也取得了不錯的效果。程銘等以河流碳化生化需氧量和氨氮為指標建立的WASP水質(zhì)模型在對河流水質(zhì)風(fēng)險進行模糊評價時，可實現(xiàn)對水質(zhì)安全風(fēng)險程度的定量化分析和高效預(yù)測〔17〕。秦文虎等通過向量自回歸模型預(yù)測水質(zhì)背景參數(shù)，發(fā)現(xiàn)相較于自回歸模型，向量自回歸模型在水質(zhì)預(yù)測上具有更高的準確性和異常檢出率〔18〕。韓偉基于灰色模型預(yù)測葠窩水庫的水質(zhì)狀況，結(jié)果表現(xiàn)出較高的可行性，其對氨氮、COD5以及總磷和總氮的預(yù)測誤差均低于30%〔19〕。趙雪松結(jié)合交叉熵隨機抽樣算法預(yù)測遼寧省營口地區(qū)某河流總氮和總磷兩指標的濃度區(qū)間，結(jié)果表明該算法具有較好的適用性，概率預(yù)測誤差保持在20%以內(nèi)〔20〕。鐘艷紅等利用T-S模糊神經(jīng)網(wǎng)絡(luò)預(yù)測湖南省四水干流的水質(zhì)等級，顯示湘潭站水質(zhì)存在變優(yōu)的趨勢〔21〕。孫銘等基于小波分解的長短期記憶網(wǎng)絡(luò)時間序列預(yù)測模型對安徽省阜南王家壩流域pH值、DO、COD、Mn和NH3N等4個水質(zhì)指標進行訓(xùn)練和預(yù)測，相比傳統(tǒng)的長短期記憶網(wǎng)絡(luò)模型具有較高的預(yù)測精度和泛化能力〔22〕。

3 水質(zhì)預(yù)警技術(shù)及應(yīng)用研究現(xiàn)狀

水環(huán)境污染事件的頻繁發(fā)生，加上水質(zhì)監(jiān)測、預(yù)測技術(shù)及模型的不斷發(fā)展，綜合的水質(zhì)預(yù)警技術(shù)及相關(guān)系統(tǒng)也逐漸進入了人們的視野。俄亥俄河流域水質(zhì)管理委員會在俄亥俄河干流及主要支流下游地區(qū)的進水口處安裝了由15臺有機物監(jiān)測器組成的水質(zhì)預(yù)警系統(tǒng)，各監(jiān)測站點的數(shù)據(jù)被統(tǒng)一傳輸?shù)街醒霐?shù)據(jù)處理器，從而對污染物隨時間的擴散規(guī)律做出精準評估〔23〕。英國在特倫特河新建水廠進水口處安裝了在線水質(zhì)監(jiān)測預(yù)警系統(tǒng)，配備有液相、氣相色譜以及常規(guī)在線水質(zhì)監(jiān)測儀和氨氮分析儀，旨在預(yù)警水質(zhì)達到不同警戒級別時采取相應(yīng)的處置措施。法國在塞納河及其支流上建立了包含1個自動監(jiān)測站和3個水處理站的水質(zhì)監(jiān)測預(yù)警系統(tǒng)，當水質(zhì)污染事件發(fā)生時，可快速判斷污染事件的性質(zhì)和特征，并依據(jù)數(shù)據(jù)庫的決策系統(tǒng)給出相應(yīng)的處置流程。日本針對淀川河可能出現(xiàn)的污染物構(gòu)建了包含生物監(jiān)測儀、氣相色譜儀、TOC、UV以及常規(guī)水質(zhì)在線監(jiān)測儀的水質(zhì)監(jiān)測預(yù)警系統(tǒng)，其由10余家水廠自身監(jiān)測系統(tǒng)組成，當污染事件發(fā)生時，各水廠可從系統(tǒng)中獲取及時有效的可靠信息。歐洲在萊茵河上建成了目前世界上最大的生物指示系統(tǒng)，由9個國際監(jiān)測站和20多個本地監(jiān)測站組成。此外，歐洲多瑙河國際保護委員會在多瑙河上建立的水質(zhì)監(jiān)測預(yù)警系統(tǒng)，相關(guān)水質(zhì)參數(shù)可在11國間實現(xiàn)數(shù)據(jù)共享〔24〕。

自2004年松花江硝基苯事件發(fā)生后，國內(nèi)許多學(xué)者都將目光投入到我國重要流域的水質(zhì)預(yù)警系統(tǒng)研究上，張康等基于Zigbee的無線傳感網(wǎng)絡(luò)和多元回歸模型建立水質(zhì)預(yù)警模型，用以實時監(jiān)測和及時有效發(fā)現(xiàn)水質(zhì)異常事件的發(fā)生〔25〕。白云飛等在網(wǎng)絡(luò)通訊、WebGIS技術(shù)、云計算、物聯(lián)網(wǎng)和水質(zhì)預(yù)測模型技術(shù)的基礎(chǔ)上，針對清潩河水質(zhì)的預(yù)警信息搭建了包含空間展示、可視化表達、動態(tài)推演和實時發(fā)布等功能的預(yù)警平臺〔26〕。于益等利用EFDC模型設(shè)計了松花江哈爾濱段突發(fā)水污染事件的二維預(yù)警模型，其在預(yù)測污染物在枯水期、豐水期對斷面影響時長和遷移中能夠較為準確的反映出污染物的擴散過程〔27〕。史斌等結(jié)合高頻水質(zhì)自動監(jiān)測、回歸分析和人工神經(jīng)網(wǎng)絡(luò)分別建立了在線高頻水質(zhì)參數(shù)間線性關(guān)系的軟測量和預(yù)測殘差的最小閾值，借助有序監(jiān)督聚類對水質(zhì)進行突變檢測，實現(xiàn)對水質(zhì)突發(fā)污染事件的預(yù)警〔28〕。李若楠等基于水質(zhì)多參數(shù)的協(xié)同反饋規(guī)律建立了典型相關(guān)系數(shù)和隨機森林的水質(zhì)預(yù)警模型，對已知和未知污染物具有超過96%的準備率，誤報率不足0.2%，為突發(fā)水污染事件提供了有效的預(yù)警〔29〕。

4 展望

水環(huán)境安全形勢依然嚴峻，發(fā)展水質(zhì)指標多參數(shù)監(jiān)測、預(yù)測和預(yù)警技術(shù)對于防治水環(huán)境污染以及維持生態(tài)平衡等方面具有重要意義。目前，國內(nèi)對于水質(zhì)監(jiān)測、預(yù)測及預(yù)警技術(shù)的研究文獻資料雖然眾多，但總體來說我國水質(zhì)預(yù)測預(yù)警體系尚不完善，相關(guān)技術(shù)仍處于試驗階段。此外，突發(fā)水污染事件具有不可預(yù)知性，事件的發(fā)生也無顯著規(guī)律，不同流域和區(qū)域之間水質(zhì)指標參數(shù)之間的多元性、復(fù)雜性以及時變形等特點增加了因素分析、模型建模以及管理的難度。吳季友等建議各流域應(yīng)加強合作，成立上下游聯(lián)動機制，跨部門協(xié)作開展各流域的水質(zhì)預(yù)測預(yù)警工作〔30〕。其次，需完善應(yīng)急響應(yīng)機制，建立區(qū)域與流域相統(tǒng)籌的水質(zhì)預(yù)測預(yù)報模式，構(gòu)建架構(gòu)統(tǒng)一、業(yè)務(wù)協(xié)同、資源共享的水質(zhì)預(yù)測預(yù)警體系，同時搭建全國水質(zhì)預(yù)測預(yù)警決策輔助平臺，發(fā)展集水質(zhì)預(yù)測、污染事件預(yù)警模擬、生態(tài)評估、應(yīng)急預(yù)案為一體的水質(zhì)管理能力，最終實現(xiàn)水環(huán)境安全的長治久安。