水中五日生化需氧量预测的模拟验证

曹 媛

（山西省运城生态环境监测中心，山西 运城 044000）

水资源为人类赖以生存的自然资源，其是保证社会经济可持续发展的关键物质基础。近年来，随着人口的增长和经济的发展，产生的生产和生活废水增多，若不加处理被直接排放至临近的水系统中，会导致水污染问题越来越严重，直接导致人类可直接应用的水资源不断减少[1-3]。因此，当前针对水资源的管理尤为重要。本文以水库水质的保护为例开展系列研究，重点对水库的水质进行评价包括建立水质模型，并对水质进行预测，为今后水质的监测和风险防控提供基础。

1 研究对象

本文的研究对象为水库，水库作为一个城市的生活用水、农业灌溉、防洪以及发电的综合性的大型水力枢纽工程，其对于社会经济发展和稳定具有十分重要的意义。我国北方中部地区大部分属于动压季风气候，平均年度降雨量为600 mm，水库的水源主要为大气降水。受到当地大陆气候的影响，水库的水位根据季节的变化处于变化状态。

结合当地的实际情况，水库的污染源主要来自农村生活污染、农药和化肥污染、禽畜养殖污染以及城镇地表径流负荷等4 种途径；直接导致水中的CODcr、NH3-N、TP 和TN 指标发生变化。上述4 种污染途径对水库面源污染量的估算结果如表1 所示：

表1 水库面源污染量估算成果 单位：t/a

分析表1 可知，导致水库污染的主要污染源来自农村的生活污染和农药、化肥的污染。其中，农村生活污染物主要为CODcr，农药和化肥污染物主要为TP、NH3-N 和TN。其余禽畜养殖污染和城镇地表径流负荷对该水库的污染较小。

该水库的目前面临的污染问题还并不严重。但是，考虑到水库属地工业化水平和城镇化水平的不断发展，其所面临的污染问题将会越来越严重。本文将重点开展对水质污染量的预测研究。

2 水质预测模型建立

一般情况下，水质指标通过pH 值、TP、NH3-N、DO、BOD5等数值来反映水质水平，针对本项目，为准确掌握水库的水质，在其水源站和出库站设置两个监测点对其相关指标数据进行预测。本文重点对水库中的五日生化需氧量指标进行预测。在实际预测时采用MASP 水质模型。

从理论上讲，WASP 水质模型可应用于水质、湖泊以及水流等水体水质的变化进行模型。WASP 水质模型包含有水动力模块和水质模块两部分，其中水质模块的富营养化模块可衡量水质的核心指标进行监测，包括有水质中的溶解氧、氨氮、总磷以及五日生化需氧量等指标[4-5]。WASP 水质预测模型的基本原理框图如图1 所示：

图1 WASP 水质预测模型框图

对于水库的水质而言，其具有非线性、突变型的特点，而且受到噪声的影响，水库的直接环境会受到水力学、气象学、生物学等综合性因素的影响。因此，为了提高对水质的预测精度，基于WASP 水质预测模型，采用高度自学习自适应能力相结合的方式实现对水质的预测，从而为今后水质的管理奠定扎实基础。以水中五日生化需氧量这一指标为例，选取该水库在近十年的监测结果为数据基础，为后续水质预测提供数据支撑。

该水库2008—2017 年阶段水中五日生化需氧量指标的监测结果如图2 所示。

图2 水库中水中五日生化需氧量监测结果

对上述数据进行归一化处理后，根据预测需求以图2 中的近2008—2015 年的水库中五日生化需氧量指标为基础数据，并以2016—2017 年两年内水库中五日生化需氧量为验证数据。其中，以水源站所监测到的数据为输入变量，以监测断面的数据为输出变量。结合BP 神经网络的相关理论基础确定针对水中五日生化需氧量指标确定网络层数和隐含层，完成算法选择等步骤后建立基于BP 神经网络的WASP 水质预测模型。

3 水质预测模型的建立及水中五日生化需氧量指标的验证

本文根据所研究水库的具体情况对WASP 水质预测模型中的基础参数进行设置，然后以水中五日生化需氧量指标的预测为例对结果进行分析。

3.1 水质预测模型的建立

WASP 水质预测模型需要综合水库的实际情况才能获取最为准确的预测结果。根据所研究水库的实际情况，WASP 水质预测模型的基本参数设置如表2所示。

表2 WASP 水质预测模型参数设置

3.2 水中五日生化需氧量指标的模拟验证

基于上述所构建的WASP 水质预测模型，对水中五日生化需氧量进行预测。将预测的将结果与图2 中2016—2017 年的实测结果进行对比，形成如图3 所示的对比结果。

图3 水中五日生化需氧量预测结果

如图3 所示，采用所构建的WASP 水质预测模型对水库中的五日生化需氧量进行预测，其最大相对误差为6.80%，最小相对误差仅为0.02%。总的来讲，基于BP 神经网络算法的WASP 水质预测模型的预测值与现场实测值大体变化趋势一致。说明，采用BP神经网络与WASP 水质预测模型相结合，可以获得更加的水质预测效果。

4 结语

水源是人类赖以生存的基础，其不仅关系着人类的日常生活，对于工业生产也非常重要。针对当前日益严峻的水质问题，实现对水源水质的精准预测，提前采用相应的预防措施对于保证水源的充足利用非常重要。本文以水库中的五日生化需氧量指标的预测为例开展系列研究，总结如下：

1）经对本水库实际情况分析，导致水库污染的主要污染源来自农村的生活污染和农药、化肥的污染。其中，农村生活污染物主要为CODcr，农药和化肥污染物主要为TP、NH3-N 和TN。其余禽畜养殖污染和城镇地表径流负荷对该水库的污染较小。

2）为实现对水质的预测，本项目采用WASP 水质预测模型为核心，融入BP 神经网络算法实现对水质的精准预测。

3）实践表明，采用所构建的WASP 水质预测模型对水库中的五日生化需氧量进行预测，其最大相对误差为6.80%，最小相对误差仅为0.02%。