基于伴随状态方法的地下水污染源识别研究

被引：4

作者：

曹彤彤 ^{[1
]}

曾献奎 ^{[1
]}

吴吉春 ^{[1
]}

卢文喜 ^{[2
]}

机构：

[1] 表生地球化学教育部重点实验室南京大学地球科学与工程学院

[2] 吉林大学环境与资源学院

来源：

高校地质学报 | 2016年 / 22卷 / 03期

关键词：

伴随状态方法; 污染源识别; 溶质运移; 灵敏度矩阵;

D O I：

10.16108/j.issn1006-7493.2015231

中图分类号：

X523 [地下水];

学科分类号：

0815 ;

摘要：

地下水污染源的识别不仅可为地下水治理方案的制定提供依据,还可用于追究相关排污对象的责任。传统的污染源识别方法面临计算负荷的困难,而伴随状态方法只需运行少量的污染物运移模型。通过灵敏度矩阵建立污染源特征与污染物分布的数学关系,根据溶质运移模型推导出伴随状态下的污染源识别模型。分别考虑二维均质、非均质含水层中的单点与多点污染源污染问题,将伴随状态方法应用于污染源特征识别的四个案例中,根据监测数据识别污染源的位置及源强。结果表明,伴随状态方法在地下水污染源识别中有较好的适用性,可用于识别地下水污染源的位置及源强特征,并具有很高的计算效率。

引用

页码：563 / 571

页数：9

共 12 条

[1] 基于污染羽形态对比的地下水污染源识别研究 [J].

江思珉 ;

张亚力 ;

周念清 ;

赵姗 .

水利学报, 2014, (06) :735-741

[2] 对流-扩散方程源项识别反问题的MCMC方法 [J].

曹小群 ;

宋君强 ;

张卫民 ;

张理论 .

水动力学研究与进展A辑, 2010, 25 (02) :127-136

[3] 地下水污染场地污染的控制与修复 [J].

赵勇胜 .

吉林大学学报(地球科学版), 2007, (02) :303-310

[4] Efficient Bayesian experimental design for contaminant source identification [J].

Zhang, Jiangjiang ;

Zeng, Lingzao ;

Chen, Cheng ;

Chen, Dingjiang ;

Wu, Laosheng .

WATER RESOURCES RESEARCH, 2015, 51 (01) :576-598

[5]

Inverse transport problem of estimating point-like source using a Bayesian parametric method with MCMC[J] . Aurélien Hazart,Jean-Fran?ois Giovannelli,Stéphanie Dubost,Laurence Chatellier.Signal Processing . 2014

[6]

Simultaneous identification of the pollutant release history and the source location in groundwater by means of a geostatistical approach[J] . Ilaria Butera,Maria Giovanna Tanda,Andrea Zanini.Stochastic Environmental Research and Risk Assessment . 2012 (5)

[7]

A sparse grid based Bayesian method for contaminant source identification[J] . Lingzao Zeng,Liangsheng Shi,Dongxiao Zhang,Laosheng Wu.Advances in Water Resources . 2011

[8] Characterizing an unknown pollution source in groundwater resources systems using PSVM and PNN [J].

Bashi-Azghadi, Seyyed Nasser ;

Kerachian, Reza ;

Bazargan-Lari, Mohammad Reza ;

Solouki, Kazem .

EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (10) :7154-7161

[9]

Extension and field application of an integrated DNAPL source identification algorithm that utilizes stochastic modeling and a Kalman filter[J] . Zoi Dokou,George F. Pinder.Journal of Hydrology . 2010 (3)

[10]

A linked simulation–optimization model for solving the unknown groundwater pollution source identification problems[J] . M. Tamer Ayvaz.Journal of Contaminant Hydrology . 2010 (1)

← 1 2 →