基于遗传算法的抽水蓄能电站水环境治理效果评价

田红霞

(山东省临沂市河东区应急救援指挥服务中心，山东 临沂 276000)

0 引 言

在抽水蓄能电站水环境治理过程中，需要实时分析水环境治理效果和综合评价水平，结合对沉积物营养状况特征分析，通过长链醇、腐殖酸及富里酸等指标参数分析，采用量化特征分析的方法，实现对抽水蓄能电站水环境治理效果的量化分析，提取降解组分的含量和表层沉积物的营养特征，通过碳素的转化速率分析及营养盐再生特征分析，实现抽水蓄能电站水环境治理的效果动态评价。研究抽水蓄能电站水环境治理评价方法，在促进抽水蓄能电站水环境治理具有重要意义，在海洋、湖泊、河流甚至水库的水环境质量和改善等方面具有很好的指导作用[1]。

对抽水蓄能电站水环境治理的效果评价是建立在对抽水蓄能电站水环境的约束特征分析基础上，通过对沉积物中有机质特征分析，结合来源辨析、粒径分布、迁移转化等分析方法，实现对抽水蓄能电站水环境治理效果的特征分析[2]。文献[3]中提出流域水环境污染生态修复技术和水环境治理效果评价模型，结合动态拟合特征分析，选取合适的植物构造植被带，有效控制面源污染，实现对水环境治理效果评价，但该方法无法满足社会经济承载力和生态环境承载力3个维度的动态分析，评价可靠性不好。文献[4]中提出基于倾向得分匹配(PSM)反事实估计的水环境治理效果评价模型，比较不同流域差异、地理区位及村庄规模下的组群差异性，通过AHP和熵权法相结合的主客观综合赋权，实现水环境治理效果测定，但该方法的模糊度较大，评价可靠性不高。

针对上述问题，本文提出基于遗传算法的抽水蓄能电站水环境治理效果评价方法，通过主成分特征分析方法提取水环境沉积物水土微界面理化特征参数，采用营养盐负荷性状分析方法，记录抽水蓄能电站水环境采样点位特征量，实现对水环境质量效果动态评价，最后进行实测分析，得出有效性结论。

1 抽水蓄能电站水环境约束指标和模型参数

1.1 抽水蓄能电站水环境治理约束指标

为了实现基于遗传算法的抽水蓄能电站水环境治理效果评价，结合易降解组分的含量和表层沉积物特征分析，采用表征生态系统的营养状态分析的方法，进行抽水蓄能电站水环境治理的约束参数分析。构建抽水蓄能电站水环境治理的约束指标分布集，以水土理化特性、含水营养盐特征分布、有机垂向特征值为一级约束指标[5]，得到抽水蓄能电站水环境营养状态分析模型，通过抽水蓄能电站水环境的沉积物表层分析，表征生态系统的营养状态分布，见表1。

表1 生态系统的营养状态分布表

根据表1中生态系统的营养状态分布，通过生物易降解有机质特征分析，根据抽水蓄能电站水环境中的约束指标分布，营养物质由PRT、CHO 和 LIP 组成，分析抽水蓄能电站水环境中的形状、大小、粒度、密度和水介质特征量，采用遗传算法，建立水污染动态评估模型，通过分析生物易降解的分解速度及分解度差异性，得到沉积的基本结构模型，通过分析固体形态参数，采用主成分分析，以水土理化特性、含水营养盐特征分布、有机垂向特征值为一级约束指标，分析水环境中堆积的水华藻类和底泥特征量，并进行水环境治理效果评价。总体技术路线见图1。

图1 抽水蓄能电站水环境治理效果评价结构图

根据图1抽水蓄能电站水环境治理效果评价总体结构，采用相关性检验和回归分析，引入周期尺度因子和季节性尺度因子，进行约束指标参数分析。

1.2 抽水蓄能电站水环境治理评价的参数模型

通过主成分特征分析方法提取水环境沉积物水土微界面理化特征参数，通过地下水蓄水的负荷结构参数分析，根据岩石圈负荷响应的持续监测，结合态磷和部分有机磷特征检测，估算沉积物生物有效磷含量。针对水样的测定，得到抽水蓄能电站水环境治理的多因素表达数学模型，表述为：

(1)

式中：φa为悬浮颗粒在垂向上存在的密度差异；ω11和ω21为黏土矿物等无机颗粒物含量贡献度。

通过水体悬浮物含量特征分析，进行水环境中的悬浮物含量及其有机质含量测定，分析以泥沙和黏土矿物为主成分的特征分量，得到梯度加权函数表示为：

F(x)=2JT(x)J(x)+Kx

(2)

其中：J(x)为风生流的作用下藻类和水草碎屑堆积量；Kx为抽水蓄能电站水环境中的累积沉降量。

外力作用下重新释放的颗粒物，采用遗传算法进行自适应学习，得到抽水蓄能电站水环境多维分布任务集合P(ni)={pk|prkj=1,k=1,2,…,m}。采用优先级属性调度，分析抽水蓄能电站水环境内部有机质含量，提取的内部有机质含量的遗传算法迭代方程为：

(3)

由此建立抽水蓄能电站水环境治理评价的参数模型，通过环境质量特征分析，进行抽水蓄能电站水环境特征检测。

2 抽水蓄能电站水环境治理效果评价模型优化

2.1 水环境治理效果特征检测遗传算法

通过主成分特征分析方法提取水环境沉积物水土微界面理化特征参数，采用营养盐负荷性状分析方法，建立空间差异性分析模型，采用动态特征分析，测定悬浮物沉降再悬浮速率。对于遗传因子w∈Z，采用样本回归分析，得到不同类型和来源的有机质沉降统计特征量为：

(4)

其中：ahi为沉降再悬浮过程监测特征参数；m为水环境分布空间维度。

根据水体pH监测，结合有机氮降解检测，得到水环境治理的多目标规划函数为：

(5)

式中：usi(k)为各处理组水体特征检测的遗传交叉迭代参数。

通过上述分析，建立水环境治理效果特征检测遗传进化模型参数，通过水体的电导率测试，记录抽水蓄能电站水环境采样点位特征量，采用遗传算法实现对碳、氮等营养盐及生物易降解有机质组成的测定和分析。

2.2 抽水蓄能电站水环境治理效果评价模型优化

在水环境藻类腐解过程中，水体TN浓度不断升高，采用生物累积贮存营养控制，得到抽水蓄能电站水环境治理效果评价的水体理化检测函数描述如下：

(6)

其中：Xij为藻类聚积量的影响度函数；Cij为次生代谢产物关联系数；m为藻类碎屑沉降速率差异；n为藻积层的厚度。

通过上述数学模型构建，采用动态参数检测和目标参数规划，结合抽水蓄能电站水环境沉降的颗粒物分布特性，采用遗传算法，实现对碳、氮等营养盐及生物易降解有机质组成的测定和分析，提高抽水蓄能电站水环境治理效果评价能力。

3 实证分析测试

采用SPSS统计分析软件进行抽水蓄能电站水环境治理效果评价测试，遗传算法的变异系数0.35，交叉系数0.63，遗传进化迭代次数为400，样本水体见图2。

图2 采样样本水体

设定抽水蓄能电站水环境动态评价参数，划定3个监测区域，得到各指标层对水环境质量效果评价的贡献权重，见表2。

表2 各指标层对水环境质量效果评价的贡献权重

根据表2的参数权重设计进行抽水蓄能电站水环境治理效果分析，得到水环境污染物监测值，见图3。

图3 水环境污染监测结果

分析图3可知，本文方法能有效检测抽水蓄能电站水环境污染性状特征。其中，水体悬浮物浓度变化范围在 12～104 mg/L，开敞湖区悬浮物浓度由30 mg/L升至149 mg/L，藻类堆积区悬浮物浓度仅从20 mg/L升至39 mg/L，对各类污染物质检测的准确性较好，测试水环境治理后的评价指标体系见表3。

表3 水环境治理后的评价指标体系

分析表3可知，本文方法对抽水蓄能电站水环境治理效果评价的可靠性较好，指标输出平稳性较高，对有机质组成测定和分析的精度较高，可为抽水蓄能电站水环境治理提供可靠数据支撑。

4 结 语

采用量化特征分析的方法，实现对抽水蓄能电站水环境治理效果的量化分析。本文提出基于遗传算法的抽水蓄能电站水环境治理效果评价方法，通过分析生物易降解的分解速度及分解度差异性，得到沉积的基本结构模型，采用营养盐负荷性状分析方法，建立空间差异性分析模型，结合遗传算法实现对碳、氮等营养盐及生物易降解有机质组成的测定和分析，提高抽水蓄能电站水环境治理效果评价能力。分析结果表明，本文方法能有效实现对抽水蓄能电站水环境污染检测和治理效果评价。