针对流域级闸控大型河网水环境日常管理的应用需求与实际特点,将资料适应性强的水文学方法与数据要求相对严苛的水动力-水质数值模型相融合,构建了一维与二维嵌套、分块组合的闸控大型河网水文-水动力-水质耦合数学模型DHQM(Hydrology,H...针对流域级闸控大型河网水环境日常管理的应用需求与实际特点,将资料适应性强的水文学方法与数据要求相对严苛的水动力-水质数值模型相融合,构建了一维与二维嵌套、分块组合的闸控大型河网水文-水动力-水质耦合数学模型DHQM(Hydrology,Hydrodynamics,and Water Quality Model for Impounded Rivers)。模型由河道径流模拟、闸坝调度过程模拟、河道水质模拟、区间入流及入河污染负荷估算和水质预警实时校正等5个模块组成。模型可服务于水环境实时预警和调度,也可为闸坝水文环境效应的量化提供基础工具。展开更多
针对中国多闸坝重污染河流的典型代表——淮河中游河网,为提高其流域水环境预警及应急响应能力,依据水文-水动力-水质耦合数学模型DHQM(Hydrology,Hydrodynamics,and Water Quality Model)的理论框架,构建了由淮河干流、沙颍河和涡河3...针对中国多闸坝重污染河流的典型代表——淮河中游河网,为提高其流域水环境预警及应急响应能力,依据水文-水动力-水质耦合数学模型DHQM(Hydrology,Hydrodynamics,and Water Quality Model)的理论框架,构建了由淮河干流、沙颍河和涡河3个一维模块和鲁台子、蚌埠闸2个二维模块组成的淮河中游河网水文-水动力-水质耦合数学模型。采用经过验证的模型针对一个虚拟的水污染事故情景,分析了不同调度方案与淮河干流来水组合下污染团下泄对下游水质的影响;并以保障淮河干流蚌埠市饮用水源地的取水水质安全和减轻事故对下游水质的影响程度为目标,优选出分期小流量慢速下泄污染水体为最佳的水量水质联合应急调度方案。展开更多
环境水力学系统存在诸多不确定性,如测量数据的不确定性等,这导致水体中污染源识别这一类反问题具有不适定性,尤其表现为反演结果的非唯一性。经典的正则化方法和最优化方法由于只能获得参数的"点估计",因而在求解不确定性较...环境水力学系统存在诸多不确定性,如测量数据的不确定性等,这导致水体中污染源识别这一类反问题具有不适定性,尤其表现为反演结果的非唯一性。经典的正则化方法和最优化方法由于只能获得参数的"点估计",因而在求解不确定性较强的问题时存在较大的困难。此外水质模型和流场控制方程(Navier-Stokes方程)耦合,使得正问题的解具有较强的非线性特征。为解决上述问题,针对水动力-水质耦合模型,建立了基于贝叶斯推理的污染物点源识别的数学模型,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)后验抽样获得了污染源位置和强度的后验概率分布和估计量,较好地处理了模型的不确定性和非线性。算例结果表明,结合MCMC抽样的贝叶斯推理方法能很好地描述及求解水动力-水质耦合场条件下的污染源识别反问题。展开更多
文摘针对流域级闸控大型河网水环境日常管理的应用需求与实际特点,将资料适应性强的水文学方法与数据要求相对严苛的水动力-水质数值模型相融合,构建了一维与二维嵌套、分块组合的闸控大型河网水文-水动力-水质耦合数学模型DHQM(Hydrology,Hydrodynamics,and Water Quality Model for Impounded Rivers)。模型由河道径流模拟、闸坝调度过程模拟、河道水质模拟、区间入流及入河污染负荷估算和水质预警实时校正等5个模块组成。模型可服务于水环境实时预警和调度,也可为闸坝水文环境效应的量化提供基础工具。
文摘针对中国多闸坝重污染河流的典型代表——淮河中游河网,为提高其流域水环境预警及应急响应能力,依据水文-水动力-水质耦合数学模型DHQM(Hydrology,Hydrodynamics,and Water Quality Model)的理论框架,构建了由淮河干流、沙颍河和涡河3个一维模块和鲁台子、蚌埠闸2个二维模块组成的淮河中游河网水文-水动力-水质耦合数学模型。采用经过验证的模型针对一个虚拟的水污染事故情景,分析了不同调度方案与淮河干流来水组合下污染团下泄对下游水质的影响;并以保障淮河干流蚌埠市饮用水源地的取水水质安全和减轻事故对下游水质的影响程度为目标,优选出分期小流量慢速下泄污染水体为最佳的水量水质联合应急调度方案。
文摘环境水力学系统存在诸多不确定性,如测量数据的不确定性等,这导致水体中污染源识别这一类反问题具有不适定性,尤其表现为反演结果的非唯一性。经典的正则化方法和最优化方法由于只能获得参数的"点估计",因而在求解不确定性较强的问题时存在较大的困难。此外水质模型和流场控制方程(Navier-Stokes方程)耦合,使得正问题的解具有较强的非线性特征。为解决上述问题,针对水动力-水质耦合模型,建立了基于贝叶斯推理的污染物点源识别的数学模型,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)后验抽样获得了污染源位置和强度的后验概率分布和估计量,较好地处理了模型的不确定性和非线性。算例结果表明,结合MCMC抽样的贝叶斯推理方法能很好地描述及求解水动力-水质耦合场条件下的污染源识别反问题。
