水质模型的研究进展及发展趋势

摘要 阐述了水质模型的概念、发展阶段和分类，介绍了水质模型应用情况及研究现状，并展望了水质模型未来的发展趋势。

关键词 水质模型；研究进展；发展趋势

中图分类号 TV51 文献标识码 A 文章编号 1007-5739（2013）06-0208-02

水污染问题日益加剧，带来了生态与环境问题，加剧了缺水地区的缺水程度，甚至导致安全饮用水危机。有关水污染问题的治理，加强对污水处理技术的研究及应用是一方面，更重要的应该是从水资源规划管理、水体污染综合防治方面出发，实现水资源的永续使用和社会的可持续发展。这就要借助水质模型，在掌握现有水体现状的基础上，归纳污染物在水体中的运动、迁移、转化规律，模拟或预报水质在不同时间不同地点的变化情况，达到模拟水质变化、进行水质评价、预报、预测的目的。为制订合理的污染物排放标准、水域水质的管理措施提供参考依据。

1 水质模型介绍

水质模型（water quality model）是根据物质守恒原理用数学的语言和方法描述参加水循环的水体中水质组分所发生的物理、化学、生物和生态学诸方面的变化、内在规律和相互关系的数学模型[1]。近些年，水质模型发展日趋成熟，被广泛地应用在水质预测、环境污染治理规划制订、水质预警研究等方面。

1.1 水质模型的发展阶段

自1925年Streeter和Phelps提出生化需氧量-溶解氧（BOD-DO）模型，水质模型的发展已历经80多年。水质模型的发展主要可归纳为3个阶段，具体见表1。

1.2 水质模型的分类

根据不同的分类标准，将水质模型进行分类。水质模型的分类见表2。

2 水质模型研究进展

2.1 基于模糊数学的水质模型

水体质量受多方面因素影响，在水质评价中，污染程度、水质类型和分级标准等都存在一定的模糊、不确定性。模糊数学模型就是用数学的方法研究处理实际中的随机复杂变化的问题，对其进行定量化处理，以反映水质状况的不确定性。韦林均等[2]对水资源价值构成进行了分析，依据模糊系统理论，建立水资源价值模糊数学模型，并运用该模型对兰州市水资源价值进行了综合评价，对合理制定水价具有一定的借鉴意义。李如忠等[3]将河流水体支撑能力和污染负荷水平表示三角模糊数，将一维稳态水质模糊参数模糊化，建立了模糊水质模拟模型，应用到控制断面的水质状况风险分析中，具有很好的适用性。王丹宁等[4]应用模糊数学模型将给水管网内定量的水质监测数据转化为定性的结论，确定各项指标的数值与评价标准的关系，将管网的水质归类。

2.2 基于人工神经网络的水质模型

人工神经网络（artificial neural network，ANN）是由大量处理单元互联组成的非线性、自适应信息处理系统，具有适应能力强、预测精度高、参数修正自动化等优点。基于人工神经网络的水质模型目的是利用现代神经科学研究的成果，模拟大脑神经网络处理、记忆信息的方式，对信息进行人工智能化处理。

运用神经网络模型对水质评价和水体富营养化的预测，可省略大量复杂的监测数据预处理过程，评价结果客观、准确、可靠。任 黎等[5]研制了一种能自动对湖泊富营养化程度进行评价的BP人工神经网络模型，只需提供观测数据，借助计算机就能得到客观反映水质富营养化状况的评价结果，该模型被应用到太湖富营养化评价中。Gurbuz[6]采用初期终止方法训练和校正人工神经网络模型，预测水库中主要藻类植物的浓度。邓大鹏等[7]建立了用于湖泊、水库富营养化综合评价的神经网络简单集成模型，将该模型应用于巢湖富营养化评价，对比分析发现该模型结果客观、可靠。

2.3 基于3S技术的水质模型

3S技术是RS遥感、GIS地理信息系统和GPS全球定位系统的统称，是对空间信息进行采集、处理、管理、分析、表达、传播和应用的现代信息技术[8]。它们各具特色，但单独使用各有不足，实际应用中将这3项技术整合成一个有机的整体。GIS的主要作用是进行空间分析，其分析的区域信息及空间数据主要来源于RS和GPS。从20世纪80年代开始，研究人员逐渐在水资源监测和保护中应用3S技术，建立了不同的水质基础信息平台、不同功能的水质模型及其相应的管理系统，为区域的环境风险管理提供数据支持[9]。将3S技术与水质模型相结合，精确、快速地提供具有整体性的动态资料，并对资料进行分析与处理。张 艳等[10]构建了基于3S技术的地下水水质调查评价模型，进行了系统设计和系统实践，并应用到地下水水质调查与评价中，通过与传统方法对比得出该方法工作量小、精度高、结果可靠、数据管理可持续性强，提高了地下水水质调查与评价的工作效率。刘 亮等[11]利用3S技术监测信息及实地监测数据，建立了湖泊水质参数预测模型，并应用到湖泊水质污染及湖泊富营养化状况及动态变化趋势的评价及预测中，提出了相应的措施与政策。

3 水质模型发展趋势

近年来，水质模型取得了一定的成果，已从点源污染模型发展到面源污染模型，从单一水质模型发展到综合水质模型。但其发展也受到一定的局限，主要表现在：污染物的机理研究不够深入，有关污染物在介质中的迁移转化过程不清楚，只能通过假设来模拟，会导致与事实偏差较大；水质模型的建立需要大量的数据资料，这就要求数据必须建立在真实、系统、完整的基础上，才能保证模拟结果的准确性；水质模型模拟过程是对众多数据和参数进行模拟的复杂过程，参数的准确性会对模拟结果产生直接影响。实际生产中，由于监测手段、模拟方式不能准确确定参数，模拟结果的随机性较大。 但是随着科学研究的不断深入和科学技术的不断融合，水质的变化规律将越来越准确地被掌握，水质模型的种类、数量、预测准确性等都将大大提高。今后水质模型的研究方向归为以下几个方面。

3.1 综合模型

机理性水质模型是水质模型发展的主要方向，但水环境系统是不确定性的复杂系统，需要随机性模型在水质预测中发挥重要作用。因此，建立机理性和随机性的耦合模型是具有一定的必要性的，这不是2种水质模型的简易耦合，而是要综合考虑地表径流、地下渗流、水生生态系统的水动力、水质模型与随机水质模型的耦合。

3.2 与新技术结合

利用ES专家系统相关理论进行水质模型研究是一个重要的研究方向，ES专家系统即一种模拟人类专家解决领域问题的计算机程序系统。将其与水质模型结合，对污染的扩散情况进行预测等研究。可视化技术和VR虚拟现实技术与水质模型相结合也将是今后水质模型中发挥重要的作用。将可视化技术运用到水质模型的建立中，最大的优势是能够将理论的数据转化为形象、生动的图形和图像，给人们更加直观、感性的认识，更有利于做出分析和判断。虚拟现实技术是利用先进的计算机技术，将实际的运行状态进行模拟和演示的技术。运用该技术可以查看生产过程、实验过程，实现人机真正的交互。将该技术运用到水质模型中，不但能够使模拟过程更加准确，而且模拟结果也更直接。

3.3 地表水与地下水耦合模型

地表水与地下水在一定地形、地质、气候条件下是相互作用、具有内在联系的有机整体，时刻进行着水量和水质的交换。长期以来，地表水与地下水的水质模型研究中，由于技术及数据资料的欠缺，模型构建不完整，可能导致系统偏差。而且模拟地下水水流状况和污染物的迁移转化过程较复杂，涉及许多物理、化学及生物过程。之前有关地表水与地下水水质模型基本上是独立的，没有作为一个相互影响的综合系统来考虑。但在今后的发展过程中，为了使模拟过程更加接近实际情况，要逐渐建立地下水、地表水相互耦合的模拟系统。

4 参考文献

[1] 田炜，王平，谢湉，等.地表水质模型应用研究现状与趋势[J].现代农业科技，2008（3）：192-195.

[2] 韦林均，包家强，伏小勇.模糊数学模型在水资源价值评价中的应用[J].兰州交通大学学报，2006，3（25）：73-76.

[3] 李如忠，洪天求，金菊良.河流水质模糊风险评价模型研究[J].武汉理工大学学报，2007，29（9）：43-46.

[4] 王丹宁，赵洪宾，丛颖.应用模糊数学模型对给水管网水质的综合评价[J].给水排水，2007，33（1）：103-105.

[5] 任黎，董增川，李少华.人工神经网络模型在太湖富营养化评价中的应用[J].河南大学学报，2004，32（2）：147-150.

[6] GURBUZ H.Predicting dominant phytoplankton quantities in a reservoir by using neural networks[J].Hydrobiololgia，2003，504（1-3）：133-141.

[7] 邓大鹏，刘刚，李血德.基于神经网络简单集成的湖库富营养化综合评价模型[J].生态学报，2007，27（2）：725-731.

[8] LI FANG FANG.Design and research of mineral resource verification system based on 3S technology[J].Procedia Environmental Sciences，2012（12）：1030-1033.

[9] 孙佳颖，徐卫东.河流水质预测模型研究进展[J].山西建筑，2010，36（36）：360-361.

[10] 张艳，徐斌.PDA和3S技术支持下的地下水水质调查评价研究[J].水文，2010，30（3）：56-60.

[11] 刘亮，程文，贾如宾.应用3S技术监测湖泊水质及富营养化程度[C].水力学与水利信息学进展，2009：722-726.