论文部分内容阅读
城市供水管网外源性突发污染事故已成为水质安全的重大隐患。由于管网本身具有迁移推流、水流惯性、水力瞬变、拓扑结构复杂等特征,大规模的城市供水管网,一旦发生由人为蓄意破坏等因素引起的外源性突发污染事故,若应急处理不当其后果将造成不可估量的损失。而应急处理这一类外源性突发污染入侵事故,最重要的是要准确而快速地确定污染源入侵位置、入侵时间和入侵浓度。为解决供水管网外源性突发污染事故下的污染源定位问题,本课题以我国南方某城镇的供水管网案例为研究对象,展开供水管网突发污染源反追踪模型的构建及其求解模型方法的研究。本文根据该城镇供水管网的属性数据、调用数据和业务数据,建立了相应的水力水质模型,基于水质的正演模拟和反演模拟,构建模拟-优化反向追踪模型,并利用粒子群-蚁群融合优化算法求解该模型,对供水管网污染源定位提供一套简单而有效的方法。首先,基于该镇供水管网的静态数据、动态数据的数据库,调用和整理本文研究所需的数据资料,利用EPANET 2.0软件平台建立了该城镇的水力模型。适当调整并分析管网中水的流量和流速在时间与空间上的变化,使之更贴近实际管网的运行工况。其次,基于供水管网外源性突发污染事故下的水质监测点优化选址,根据水力模型的静态数据和动态数据,采用自适应粒子群K-medodis聚类算法布置了十个突发污染水质监测点,覆盖率为89.8%。在EPANET2.0软件平台上以硫酸镉为重金属非衰减类污染物入侵管网试验,即进行水质正演模拟,以模拟供水管网突发污染事故,并记录管网中非衰减类污染物在时间与空间上的变化状况。再次,构建了该城镇供水管网突发污染事故下模拟-优化反追踪的数学模型。在MATLAB软件平台上调用EPANET2.0软件的Toolkit动态链接库,获取模拟突发污染事故下供水管网水质监测点的数据,并以此模拟数据为基础,以优化时段内各个监测点实际监测值与模拟值的差异的表达式为数学优化目标。最后,提出了基于PSO-ACO融合算法对污染源模拟-优化反追踪模型的求解模式,针对PSO算法求解模型的缺陷与不足,融合ACO算法的信息素机制,并提出了PSO-ACO融合算法的领域搜索阀值以充分调用PSO算法的优势从而提高了求解污染源反追踪模型的能力。基于这一思路在MATLAB软件平台上,编制供水管网污染源定位的程序代码以及调用EPANET软件的Toolkit动态链接库,进而对数学模型进行求解。在相关参数相同情况下,分别采用PSO算法和PSO-ACO融合算法求解模型,研究结果表明,与PSO算法相比,PSO-ACO融合算法不仅大大提高了求解模型的准确率,而且有效缩短了求解模型时间。此外,还分析了PSO-ACO融合优化算法中的两个参数——领域搜索阀值和种群规模大小分别对求解模型结果准确率与计算效率的影响,结果表明,合理设置这两个参数,模型结果的准确率和计算效率均较高。