基于貝葉斯網(wǎng)絡的水質(zhì)風險分析.pdf

1、長期以來，水環(huán)境的治理效果受到許多不確定性因素的影響，這些不確定性來源于監(jiān)測資料的短缺以及人類認識水平的有限性。不確定性總是存在，不可能完全被消除，此時，傳統(tǒng)的確定性研究方法表現(xiàn)出不適應性。量化污染物預測結(jié)果的不確定性并制定考慮不確定性的管理決策成為目前的研究熱點。概率統(tǒng)計理論可以量化隨機不確定性，是目前最主要的不確定性研究方法?；诟怕式y(tǒng)計理論的不確定性研究方法又分為基于機理模型的方法和基于統(tǒng)計模型的方法。傳統(tǒng)的貝葉斯網(wǎng)絡是一種統(tǒng)計模

2、型，基于數(shù)據(jù)驅(qū)動，通過數(shù)據(jù)來建立變量間的統(tǒng)計關系。此外，還存在一種特殊的貝葉斯網(wǎng)絡，它利用機理模型代表變量間的關系，是基于機理模型的方法和基于統(tǒng)計模型的方法的融合。
　　 本文以錢塘江流域的子流域東陽江流域為案例，利用概率統(tǒng)計理論量化水質(zhì)超標風險。先后建立了基于機理模型的貝葉斯網(wǎng)絡BN1以及基于數(shù)據(jù)驅(qū)動的貝葉斯網(wǎng)絡BN2。前者用于計算不同降雨和氣溫條件下的水質(zhì)超標風險，后者用于計算考慮降雨和氣溫隨機性時的水質(zhì)超標風險。BN1的優(yōu)

3、勢是能夠基于少資料建模，BN2的優(yōu)勢是推理迅速，適用于大量的風險計算。本文對兩種方法取長補短，實現(xiàn)了優(yōu)勢互補。此外，以2020s時期(2011-2030年)為預測期，進一步研究了氣候變化對東陽江水質(zhì)超標風險的可能影響，以便決策者對未來水質(zhì)情況進行評估并做出預防性決策。論文的主要內(nèi)容和成果如下：
　　 (1)建立了基于降雨徑流模型和水質(zhì)模型的貝葉斯網(wǎng)絡BN1，將本案例的主要控制變量、中間變量和響應變量相互連接，并用降雨徑流模型、水

4、質(zhì)模型等機理模型(即子模型)來代表各變量之間的關系。利用一種新的MCMC算法一DRAM，對子模型進行貝葉斯參數(shù)估計(亦即對BN1的參數(shù)估計)，然后通過對BN1進行MC隨機模擬實現(xiàn)了不同降雨、氣溫、水庫下泄流量和點污染源排放條件下的水質(zhì)超標風險計算。并利用DRAM將點源與BN1的水質(zhì)模型參數(shù)一同進行貝葉斯參數(shù)估計，既有效量化了不確定性，又突破了數(shù)據(jù)的限制實現(xiàn)了少資料地區(qū)建模。
　　 (2)建立了基于數(shù)據(jù)驅(qū)動的貝葉斯網(wǎng)絡BN2，選擇

5、6月和12月為典型月份，將月均降雨和月均氣溫的隨機分布輸入BN1進行隨機模擬，利用基于概率分布的柔性離散方法對降雨、氣溫以及BN1模擬產(chǎn)生的隨機數(shù)進行離散以用于訓練BN2的參數(shù)，最后利用BN2推理計算了減排前后考慮降雨和氣溫隨機性的水質(zhì)超標風險。此外，還計算了增加水庫下泄流量對水質(zhì)超標風險的影響，結(jié)果顯示，通過增加水庫下泄流量可以有效降低水質(zhì)超標風險。BN2的一個重要優(yōu)勢是推理計算迅速，當參數(shù)估計完畢，各類風險計算可以通過推理計算很快完

6、成。尤其是當隨機模擬次數(shù)比較多、風險計算量比較大、機理模型比較復雜時，BN2的效率要明顯高于BN1。
　　 (3)擇2020s時期為預測期，利用大氣環(huán)流模式HadCM3在A1B、A2和B1三種氣候情景下的預測結(jié)果，并選擇天氣發(fā)生器對預測結(jié)果進行降尺度處理生成逐日降雨和氣溫數(shù)據(jù)。結(jié)果顯示2020s時期東陽市的月均降雨量和月最高、最低氣溫沒有明顯變化，但強降雨和高溫天氣發(fā)生的概率增加。然后利用BN2計算了2020s時期考慮降雨和氣溫