水质预测预警模型研究

韩殿鹏， 白家磊， 彭 媛， 吴 瑾， 高志贤

(军事科学院军事医学研究院环境医学与作业医学研究所，天津 300050)

自上世纪五十年代以来，全世界范围内多次出现水环境污染带来的重大危害事件，如北美死湖事件、日本水俣病事件和日本富山痛痛病事件等，以及近期甚嚣尘上的日本排核废水入海决议等。而我国突发性水环境污染事件也常有报道，中国石油吉林石化公司双苯厂2005年发生连续爆炸，事故造成大量苯类污染物对松花江造成严重污染。杭新景高速公路2011年苯酚槽罐车追尾，导致近20吨苯酚泄露，部分苯酚随雨水流入并污染新安江。日前，第二轮第三批中央生态环境保护督察组于4月16日公开通报的8起典型案例，辽宁省铁岭市凡河新区大量生活污水长期直排，部分污水渗漏导致地下水污染严重超标。江西省抚州市金溪县陆坊工业区区域环境污染严重，2013年至2018年期间含重金属的废水长期排入水塘，导致其中镉、铜和锌等重金属离子浓度超标，水塘周边土壤铅含量超标。可见，水环境面临的潜在威胁不断，安全形势依然不容乐观。

综合历次污染事件不难发现，水环境污染事件通常具有突发性和不确定性等特点，加强水环境污染控制与治理的同时，开展水质监测、预测和预警技术的研究，建立完善的水质预测与预警体系，可以有效降低水环境被大范围污染的风险，对全面、实时和准确反映当前水质现状及未来演变趋势具有重要指导作用，同时对于防治水环境污染、保障人类财产和生命安全以及维持生态平衡等方面具有重要的意义。本文综述了水质监测、预测及预警技术在水环境安全领域的主要应用，列举了当前水质预测预警的研究热点，并展望了其未来发展方向，为后续建立水质预测预警体系奠定基础。

1 水质监测技术及应用研究现状

水质监测通过对水质指标参数的实时监测和异常监测，不仅可以及时捕捉水质变化，对其变化规律的研究也是实现水质预测预警的前提条件，传统水质监测指标大多是针对水质中汞、铅和砷等重金属离子的检测。随着科技的进步与发展，由依赖于人工手动定点、定时采样和检测的传统水质监测发展到基于传感器的自动化、无人化和智能化的实时监测，监测指标也在原先基础上拓展至对水质温度、浊度、酸碱度、溶解氧、电导率、氨氮、总磷、总氮以及高猛酸盐指数等指标多参数的检测〔1〕。

Nam等结合码分多址技术和ZigBee搭建无线传感网络，实时监测并远程传输水质信息〔2〕。徐思维等通过STM32微处理器和ESP8266模块搭载的物联网水质监测系统使用户可以在OLED屏、手机App和LabVIEW上实时监测水质温度、浊度、酸碱度及溶解性固体总量等多参数指标的具体数值〔3〕。顾涵等以CC2630芯片和GPRS网络传输设计了基于无线传感器网络的水质监测系统，实现对水质温度、酸碱度和溶解氧等指标的远程监测〔4〕。林华等设计STM32为核心的水质监测机器人及其监测系统，实现了对水质温度、浊度和酸碱度等参数的远距离控制与无线通讯等多种功能〔5〕。葛秋基于ZigBee技术的无线传感器网络的水质监测系统实现对水质温度、酸碱度和浊度的连续监测〔6〕。谢辰旻等开发以Ardunio为主控制器的水下航行器，配合温度、酸碱度以及溶解氧等多参数传感器实现对水质的自动化监测〔7〕。葛新越等基于NB-IoT的远程水质监测系统，实现对目标水域的水样采集和实时监测〔8〕。

在水质监测应用领域方面，国外发达国家比国内起步早，发展也相对较为成熟。自上世纪六十年代后，以美国为首的西方国家针对日益严峻的水环境污染现状制定了一系列法律法规，并开展了各种水质监测的实验研究，在组成的超大型水质监测网在全球范围内处于领先地位。美国SMART公司利用HART协议接口与网络连接，可在线设置监测指标参数及控制仪器。西门子公司的产品可实现对5-12项指标参数的在线实时监测。YSI公司研发的多功能水质监测系统，能够实现对14项指标参数的动态连续监测，并可通过无线通信设备不间断发送测试数据。而国内在水质监测领域相对比较成熟的是力合科技(湖南)有限公司，其研发的系列自动化监测仪器及设备已陆续应用到水质自动监测站，并为中国生态环境部“国家地表水水质自动监测实时数据发布系统”提供技术支持。

2 水质预测技术及应用研究现状

水质预测是对水环境进行管理的重要组成部分，通过讨论和分析水质预测模型可以获得有关水质变化的结论和信息。Streeter等在1925年研究俄亥俄河污染时提出了描述河流水质变化的第一个预测模型，即基于氧平衡的水质模型(S-P模型)，其为后续水质预测模型的研究奠定了基础〔9〕。随着计算机技术、环境科学的发展，以及模糊数学、地理信息技术等新方法和技术的诞生，水质模型进入了多元化发展时代。Howland认为BOD与泥沙的沉降和絮凝相关，故在先前基础上增加了絮凝系数。O’Connor提议将BOD分为两部分，即碳酸化阶段的CBOD和硝化阶段的NBOD，并且DO的减少也应为这两个部分的总和，故在S-P模型基础上考虑了硝化过程对DO变化的影响。1970年美国环保局提出QUAL水质模型，其把水环境分成七个关联单元，引入有机磷、氨氮和浮游生物等多种输入源和泄漏源，并将浮游生物对水体底泥的吸附和解吸附影响考虑在内，此后QUAL模型经多次完善和升级一直沿用至今〔10〕。1983年美国环保局在研究地表水水质时提出了WASP模型，其可以模拟常规污染物、水文动力学以及有害污染物在河流中的迁移和变化规律等〔11〕。丹麦水动力研究所设计的MIKE模型能模拟河网、河口和滩涂等不同地区的实际情形，囊括了细菌、水温、氮、DO、BOD和重金属等多个变量的影响〔12〕。

上世纪八十年代左右，水质预测理论及相关模型开始传入国内。随着机器学习的流行，水质指标参数的预测逐渐由空间向时间线性转变，当前神经网络模型成为了水质预测的研究热点，基于神经网络的智能组合预测模型也愈发成熟，其对于非线性的影响因素进行预测时具有很高的精确度，同时也具有较强的泛化能力和鲁棒性。肖金球等基于多隐含层改进型GA-BP优化TS模糊神经网络的水质预测模型，对太湖水质酸碱度、浊度、溶解氧以及氨氮等多参数指标的拟合有着更高的精度和泛化能力〔13〕。琚振闯等选用L-M优化算法构建出一种3-6-1型网络结构的BP神经网络预测模型，其对黄河内蒙古河段水质COD预测中具有较强的非线性映射能力和较高的预测精度〔14〕。顾杰等基于ARIMA自回归积分滑动平均模型与改进的BP神经网络算法构建的组合模型，相比单纯使用ARIMA模型在水质预测方面具有更高的精确度，各项指标的平均百分比误差和均方根误差均有很大程度的减小〔15〕。王晶等在秦皇岛石河水库中基于多变异位自适应遗传算法和BP神经网络设计了气温-水温-水质组成的预测算法GA-GABP，结果显示其网络学习时间短，寻优速率快，预测效果理想〔16〕。 此外，基于其它算法的水质预测模型在实际应用中也取得了不错的效果。程铭等以河流碳化生化需氧量和氨氮为指标建立的WASP水质模型在对河流水质风险进行模糊评价时，可实现对水质安全风险程度的定量化分析和高效预测〔17〕。秦文虎等通过向量自回归模型预测水质背景参数，发现相较于自回归模型，向量自回归模型在水质预测上具有更高的准确性和异常检出率〔18〕。韩伟基于灰色模型预测葠窝水库的水质状况，结果表现出较高的可行性，其对氨氮、COD5以及总磷和总氮的预测误差均低于30%〔19〕。赵雪松结合交叉熵随机抽样算法预测辽宁省营口地区某河流总氮和总磷两指标的浓度区间，结果表明该算法具有较好的适用性，概率预测误差保持在20%以内〔20〕。钟艳红等利用T-S模糊神经网络预测湖南省四水干流的水质等级，显示湘潭站水质存在变优的趋势〔21〕。孙铭等基于小波分解的长短期记忆网络时间序列预测模型对安徽省阜南王家坝流域pH值、DO、COD、Mn和NH3N等4个水质指标进行训练和预测，相比传统的长短期记忆网络模型具有较高的预测精度和泛化能力〔22〕。

3 水质预警技术及应用研究现状

水环境污染事件的频繁发生，加上水质监测、预测技术及模型的不断发展，综合的水质预警技术及相关系统也逐渐进入了人们的视野。俄亥俄河流域水质管理委员会在俄亥俄河干流及主要支流下游地区的进水口处安装了由15台有机物监测器组成的水质预警系统，各监测站点的数据被统一传输到中央数据处理器，从而对污染物随时间的扩散规律做出精准评估〔23〕。英国在特伦特河新建水厂进水口处安装了在线水质监测预警系统，配备有液相、气相色谱以及常规在线水质监测仪和氨氮分析仪，旨在预警水质达到不同警戒级别时采取相应的处置措施。法国在塞纳河及其支流上建立了包含1个自动监测站和3个水处理站的水质监测预警系统，当水质污染事件发生时，可快速判断污染事件的性质和特征，并依据数据库的决策系统给出相应的处置流程。日本针对淀川河可能出现的污染物构建了包含生物监测仪、气相色谱仪、TOC、UV以及常规水质在线监测仪的水质监测预警系统，其由10余家水厂自身监测系统组成，当污染事件发生时，各水厂可从系统中获取及时有效的可靠信息。欧洲在莱茵河上建成了目前世界上最大的生物指示系统，由9个国际监测站和20多个本地监测站组成。此外，欧洲多瑙河国际保护委员会在多瑙河上建立的水质监测预警系统，相关水质参数可在11国间实现数据共享〔24〕。

自2004年松花江硝基苯事件发生后，国内许多学者都将目光投入到我国重要流域的水质预警系统研究上，张康等基于Zigbee的无线传感网络和多元回归模型建立水质预警模型，用以实时监测和及时有效发现水质异常事件的发生〔25〕。白云飞等在网络通讯、WebGIS技术、云计算、物联网和水质预测模型技术的基础上，针对清潩河水质的预警信息搭建了包含空间展示、可视化表达、动态推演和实时发布等功能的预警平台〔26〕。于益等利用EFDC模型设计了松花江哈尔滨段突发水污染事件的二维预警模型，其在预测污染物在枯水期、丰水期对断面影响时长和迁移中能够较为准确的反映出污染物的扩散过程〔27〕。史斌等结合高频水质自动监测、回归分析和人工神经网络分别建立了在线高频水质参数间线性关系的软测量和预测残差的最小阈值，借助有序监督聚类对水质进行突变检测，实现对水质突发污染事件的预警〔28〕。李若楠等基于水质多参数的协同反馈规律建立了典型相关系数和随机森林的水质预警模型，对已知和未知污染物具有超过96%的准备率，误报率不足0.2%，为突发水污染事件提供了有效的预警〔29〕。

4 展望

水环境安全形势依然严峻，发展水质指标多参数监测、预测和预警技术对于防治水环境污染以及维持生态平衡等方面具有重要意义。目前，国内对于水质监测、预测及预警技术的研究文献资料虽然众多，但总体来说我国水质预测预警体系尚不完善，相关技术仍处于试验阶段。此外，突发水污染事件具有不可预知性，事件的发生也无显著规律，不同流域和区域之间水质指标参数之间的多元性、复杂性以及时变形等特点增加了因素分析、模型建模以及管理的难度。吴季友等建议各流域应加强合作，成立上下游联动机制，跨部门协作开展各流域的水质预测预警工作〔30〕。其次，需完善应急响应机制，建立区域与流域相统筹的水质预测预报模式，构建架构统一、业务协同、资源共享的水质预测预警体系，同时搭建全国水质预测预警决策辅助平台，发展集水质预测、污染事件预警模拟、生态评估、应急预案为一体的水质管理能力，最终实现水环境安全的长治久安。