共同识别地下水污染源:一个改进的优化算法
Zheng Guo1,2, Boyan Sun1,2, Saiju Li1,2
1School of Civil and Hydraulic Engineering, Ningxia University, Ningxia, 750021, China.
一个新的EnKF-SPSO算法准确地识别了地下水污染源,包括位置,度和时间. 这种方法改进了传统方法,为污染事件提供可靠的解决方案,误差低于1%.
科学领域:
- 环境科学 环境科学
- 水文地质学 水文地质学
- 计算科学 计算科学
背景情况:
- 突发的地下水污染事件需要快速识别污染物来源信息,以进行有效的整治.
- 准确的来源识别涉及确定位置,初始度和排放时间,这在复杂的水文地质系统中具有挑战性.
研究的目的:
- 开发和评估一种新的混合算法,即卡尔曼波器生存粒子集群优化集团 (EnKF-SPSO),用于识别地下水污染源.
- 与现有方法相比,提高污染源识别的准确性和可靠性.
主要方法:
- 一种两阶段的混合方法,将集成卡尔曼波器 (EnKF) 用于源定位和生存粒子群优化 (SPSO) 用于参数估计 (初始度和发射时间).
- EnKF减少了SPSO的搜索空间,减轻了维度的诅咒.
- 通过两种溶液运输场景验证,不同的污染源数量不同,将EnKF-SPSO与EnKF,PSO和SPSO进行比较.
主要成果:
- EnKF-SPSO算法在识别污染物特征方面表现出更高的准确性,优于独立算法,避免了局部最佳.
- 污染源识别的平均相对误差小于1%.
- 混合算法被证明是非常可靠的,即使存在测量错误.
结论:
- EnKF-SPSO算法为地下水污染源的识别提供了强大而准确的解决方案.
- 这种综合方法为地下水污染补救,风险评估和责任确定提供了宝贵的技术支持.
更多相关视频
12:11A Modified EPA Method 1623 that Uses Tangential Flow Hollow-fiber Ultrafiltration and Heat Dissociation Steps to Detect Waterborne Cryptosporidium and Giardia spp.
Published on: July 9, 2012
11:19Measuring Carbon-based Contaminant Mineralization Using Combined CO2 Flux and Radiocarbon Analyses
Published on: October 21, 2016
相关概念视频
Bioremediation
Precipitation Titration: Endpoint Detection Methods
In the Volhard method, a standard excess of AgNO3 is first added to the...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Microbial Bioremediation of Uranium
Microbial Bioremediation of Hydrocarbons
Methods of Medium Optimization
