基于信息熵理论的突发水污染监测-预警-溯源技术研究

Due to the rise of the frequency and intensity of chemical spills, caused by discharging pollutant without permission or beyond pollution limits, production accidents, natural disasters and so on, further improvement of the monitor-control and early-warning system is of crucial importance to river water quality management. Meanwhile, it is significant to develop monitor-control and early-warning intelligent technology based on the supportive of big data. Although information entropy theory has been widely utilized in technical or engineering fields, the studies on river water quality system and contaminant transmission from the perspective of the information theory have not yet been found. Therefore, in this study, information entropy theory and information-driven Bayesian theory are used to establish intelligent technology system of water quality monitoring network optimization, abnormal data detection early-warning and source identification with combination of source apportionment and inversion based on the supportive of big data. Specific contents include revealing river pollution information transmission rule for water quality monitoring network optimization layout, analyzing monitoring data abnormal detection for chemical spill early-warning modeling development, identifying contaminant characteristic fingerprint for intelligent source apportionment technology improvement and integrating source apportionment and source inversion method for pollution source qualitative identification and emission process quantitative judgment. The whole technology system can provide technical support for river supervisory mechanism.

针对目前国内恶意偷排、生产事故、自然灾害等所引起的突发水污染事件不断发生的实际情况，进一步完善河流水质监控预警技术体系。开展大数据支撑下智能监控预警技术研究，具有学术价值和实际意义。信息熵概念在工程领域已得到广泛而成功的应用，尚未发现从信息论角度开展河流水质系统分析及污染传输的研究报道。本研究针对突发水污染，拟采用信息熵和信息驱动的贝叶斯理论，结合人工智能，建立大数据支撑下的水质监测网络优化-异常数据检测预警-源解析与反演综合溯源技术体系。开展河流污染信息传输规律与监测网络优化布设、水质监测网络数据流异常检测与污染预警模型、污染物指纹图谱特征分析与智能源解析、信息驱动源项反演与污染排放分析研究。进一步完善丰富水环境监管的理论基础，为水系统河长制管理提供技术支持。

本项目针对突发水污染时有发生的实际情况，在大数据背景下，结合信息熵理论和信息驱动的贝叶斯理论，建立大数据支撑下的水质监测网络优化-异常数据检测预警-源解析与反演综合溯源技术体系，开展河流污染信息传输规律与监测网络优化布设、水质监测网络数据流异常检测与污染预警模型、污染物指纹图谱特征分析与智能源解析、信息驱动源项反演与污染排放分析研究，进一步完善丰富水环境监管的理论基础，为水系统河长制管理提供技术支持，具有一定的学术价值和实际意义。. 针对地表水突发污染应急响应阶段的污染团监测问题，基于水质迁移模型和信息熵理论，构建了应急预警监测网络优化模型。基于概率密度曲线，确定不同位置浓度分布曲线的信息熵以及相邻监测断面的信息传递指数，结合Shannon采样定理和傅里叶变换，制定监测断面时空布设方案。针对突发污染事故快速预警响应的需求，（1）基于软测量方法和小波神经网络，建立了突发污染事故动态预警模型。综合考虑了突发污染事件特征、历史水质异常阈值等，结合水质异常阈值判断标准建立了异常预警框架。（2）基于自回归模型和孤立森林算法，建立了河流水污染异常检测模型，实现了对河流水质的多数据流协同作用的异常检测与预警。针对受纳水体中的潜在污染源定性识别的问题，（1）基于傅里叶变换和连续小波变换谱分析方法，揭示了河流水质波动的天、季节和年度等低频周期特征，8h、6h、4h等高频周期变化，以及异常时刻、持续时间和幅度等非周期性异常特征；（2）并利用PARAFAC-SOM组合方法，建立污染物荧光响应指纹图谱库和纯化学品荧光响应指纹图谱库，实现了基于指纹图谱特征响应的源解析方法。针对受纳水体中的突发水污染定量反演的问题，基于信息驱动的贝叶斯理论，构建了河流水污染定量反演模型。结合AM-MCMC采样方法，获取源项参数的目标后验分布，定量描述源项参数不确定性，并准确重构污染物排放历史（排放时间T、排放地点x、排放量M等），最终实现河流水质超标和水质异常的精准监管问题。