验证贝叶斯网络模型,以表征农村水域污水池系统中便指标生物的损失
Chisha Chongo Mzyece1, Miriam Glendell2, Zisis Gagkas2
1Biological and Environmental Sciences, Faculty of Natural Sciences, University of Stirling, Stirling, FK9 4LA, United Kingdom; Environmental and Biochemical Sciences Department, James Hutton Institute, Aberdeen, AB15 8QH, United Kingdom; Water and Environment Research Center, National Institute for Scientific and Industrial Research, Plot 15302, Lusaka, Zambia.
这项研究验证了贝叶斯网络 (BN) 模型,用于预测体标志生物 (FIO) 从污水池系统 (STS) 的损失. 这些模型与观察到的数据保持良好一致,突出显示了STS条件和处理是减少污染的关键因素.
科学领域:
- 环境科学与工程环境科学与工程
- 水质管理水质管理
- 贝叶斯网络建模 贝叶斯网络建模
背景情况:
- 模型验证对于可靠的预测至关重要,但在贝叶斯网络 (BN) 研究中经常被忽视.
- 污水池系统 (STS) 是农村水域便指标生物 (FIO) 污染的重要来源.
- 准确预测FIO损失对于有效的水质管理至关重要.
研究的目的:
- 验证一种BN模型,用于预测农村水域中STS造成的FIO损失.
- 为了比较混合 (连续和离散变量) 和完全离散的BN模型的性能.
- 确定影响FIO损失的关键因素,并评估预测不确定性.
主要方法:
- 采用了四种验证方法:概率分布比较,灵敏度分析,百分比偏差 (PBIAS) 和香农.
- 在两个测试采集区 (Cessnock和Mein) 评估了混合和离散的BN模型.
- 用土壤类型的利用水文学 (HOST) 来进行空间不确定性评估的风险因素.
主要成果:
- 两种BN模型都提供了一致的FIO负载预测,与观察到的数据密切一致.
- 灵敏度分析确定了STS条件和治疗水平作为FIO损失的关键预测因素.
- 香农表示在具有可变的HOST衍生风险因子的区域具有显著的预测不确定性.
结论:
- 这项研究提供了BN模型的首次演示,用于预测来自STS的FIO污染.
- 模型验证证实了BN模型的实用性,用于评估STS造成的FIO损失.
- 需要改善关于STS处理,维护和高分辨率水质监测的数据来完善预测.
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Microbial Wastewater Treatment
Biological Treatment of Effluent and Waste Water


