地下水污染的风险评价模型研究

研究多种不确定性作用下的风险评价模型和风险评价体系，结合实际问题的需要，不对污染物浓度做出统计形态假设，而以概率密度函数为直接求解目标。在传统的风险指标P(X, t)的基础上，一方面建立P(X, t)的随机配点模型，另一方面引入其它指标如Pc(t)和PT作为风险评价的辅助指标，从而形成一套完整的高效的风险评价体系。主要研究内容包括：（1）多种不确定性作用下的风险评价随机配点模型；（2）风险评价指标Pc(t)和PT的研究；（3）基于建立的风险评价体系，探讨地下水质监测系统的设计理论和方法。该课题试图以较小的计算成本和新的方法来完成大型地下水和污染物迁移问题的风险评价，具有重要的理论价值和应用价值。

地下水污染事件难以被直接观测，其发生环境通常也具有多种不确定性，风险评价可以量化地描述下水污染事件的危害性。利用随机配点模型和多项式抽样技术，建立了高效的风险评价模型，考虑了渗透系数、孔隙率和弥散度等多种不确定性因子，探讨了复杂条件下的风险函数的分布特征；提出了非均匀介质中的条件模拟方法，采用Karhunen-Loeve (KL)展开将条件渗透系数场参数化，采用拉格朗日多项式来近似浓度随机场，利用配点技术将对流弥散方程蜕化为相互独立的非耦合的确定性方程；评估了观测值对风险和污染物运移的影响。研究结果表明：基于随机配点法的风险评价模型避免了多次重复求解对流弥散方程，通过计算成本低廉的随机配点技术得到浓度随机场的拉格朗日多项式，然后进行多项式抽样获取浓度样本并进而得到风险函数；与传统的解析算法相比，该方法无需对输入参数和浓度的分布形态做出假设；与传统的Monte Carlo算法相比，该模型具有明显的效率优势和优越的收敛速度；输入参数的分布类型对风险分布产生显著影响；随机配点法能够高效的考虑观测值对风险的影响；观测数据对地下水污染的风险分布产生了显著的影响。该课题提出了新的高效的地下水污染的风险评价模型，适用于大型地下水问题，具有重要的理论价值和应用价值。