王海濤，金星

（中國水產(chǎn)科學(xué)研究院黑龍江水產(chǎn)研究所，黑龍江 哈爾濱 150070）

海洋、河流、湖泊、水庫等水體是維持生物生存的基礎(chǔ)物質(zhì)水的來源，也是地表熱量傳遞的重要一環(huán)，擔(dān)負(fù)著保持地表溫度的重任，在地球生物的繁衍生息和進(jìn)化中也扮演了十分重要的角色。隨著人類文明的發(fā)展，尤其是工業(yè)革命以后，這些水體的水越來越多地作為工業(yè)的生產(chǎn)材料或降溫等作用的輔助材料，生產(chǎn)和生活的廢物也排放到這些水體中，使水質(zhì)發(fā)生了變化，甚至污染[1-3]。

21世紀(jì)以來，工業(yè)用水需求的增加促進(jìn)了水污染的修復(fù)和預(yù)警技術(shù)迅速發(fā)展。相對于修復(fù)技術(shù)，能預(yù)判水質(zhì)變化，盡早做出應(yīng)對措施的預(yù)警技術(shù)吸引了科學(xué)界的注意，水質(zhì)變化預(yù)測和模型因此快速發(fā)展起來。Reder等[4]認(rèn)為，水質(zhì)模型能被用來分析污染物排放量和受納水體水質(zhì)的關(guān)系，預(yù)測水質(zhì)的變化趨勢，為水域管理部門提供技術(shù)支持。本文通過分析水質(zhì)模型的種類，闡述水質(zhì)模型的發(fā)展現(xiàn)狀，預(yù)測水質(zhì)模型的發(fā)展趨勢，以期為水質(zhì)模型研究提供參考。

1 水質(zhì)模型的種類

自第一次發(fā)現(xiàn)水污染開始，人類就試圖用簡單的模型預(yù)測和模擬水質(zhì)變化情況，所以水質(zhì)模型發(fā)展歷史悠久，種類也很多。按照不同的分類標(biāo)準(zhǔn)，把水質(zhì)模型進(jìn)行分類[5,6]。如按照變量的確定性來分類，可分為確定性模型、混合性模型、隨機(jī)性模型；按照模擬空間性質(zhì)來分，可分為零維模型、一維模型、二維模型、三維模型；按照評估水域來分，可分為河流模型、湖泊模型、海洋模型、河口模型；按照對水質(zhì)變化的了解程度可分為，黑箱模型、白箱模型、灰箱模型；按照模型參數(shù)的性質(zhì)來分可分為物理模型、化學(xué)模型等（表1）。

表1 水質(zhì)模型分類Tab.1 Classification of Water Quality Models

2 水質(zhì)模型的研究現(xiàn)狀

水質(zhì)模型是基于水質(zhì)模擬和預(yù)測工作需要，根據(jù)能量和物質(zhì)守恒定律開發(fā)出來，在多年的實(shí)際工作中得到了發(fā)展和豐富[5]。目前國際上使用較廣泛的模型有神經(jīng)網(wǎng)絡(luò)模型、MIKE系列模型、WASP模型系統(tǒng)和QUAL系列模型等[6-8]。

2.1 神經(jīng)網(wǎng)絡(luò)模型

20世紀(jì)80年代以來，隨著人工智能科技的發(fā)展，將人腦的神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象和模擬，建立了一種簡單實(shí)用的運(yùn)算模型，并應(yīng)用于包括水質(zhì)預(yù)測和模擬的很多科研領(lǐng)域。這種模型即人工神經(jīng)網(wǎng)絡(luò)模型，也稱神經(jīng)網(wǎng)絡(luò)模型（Artificial Neural Network，ANN）。ANN模型建立和廣泛使用后，逐漸修正和發(fā)展出了很多智能實(shí)用的模型。目前應(yīng)用較廣的是以多層感知器為基礎(chǔ)的誤差反向傳播前饋模型，也稱為BP（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點(diǎn)是能并行處理多個參數(shù)系統(tǒng)，可以擬合為非線性模式，有較強(qiáng)的自學(xué)習(xí)、自適應(yīng)能力和較好的容錯性，神經(jīng)網(wǎng)絡(luò)模型在模擬和預(yù)測中的應(yīng)用空間很大[4,9,10]。

Alizadeh等[11]應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ANN）和小波神經(jīng)網(wǎng)絡(luò)（WNN）建立了可以預(yù)測各種海洋水質(zhì)參數(shù)的模型，模擬了希洛灣（Hilo Bay）、太平洋（Pacific Ocean）的水質(zhì)變化趨勢，并利用不同組合的水質(zhì)參數(shù)作為輸入變量來預(yù)測水質(zhì)鹽度、溫度的日變化和小時(shí)變化。結(jié)果表明，小波神經(jīng)網(wǎng)絡(luò)模型優(yōu)于其他人工神經(jīng)網(wǎng)絡(luò)模型，小時(shí)變化模型優(yōu)于日變化模型，顯示這種模型可以用來預(yù)測海洋水質(zhì)變化。Ahmed等[2]開發(fā)了前饋神經(jīng)網(wǎng)絡(luò)（FFNN）模型和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBFNN）模型，用來預(yù)測孟加拉灣的蘇馬爾河（Surma River）水質(zhì)溶解氧、生化需氧量（BOD）、化學(xué)需氧量（COD）的變化。利用多年積累的實(shí)驗(yàn)數(shù)據(jù)，基于溶解氧相關(guān)系數(shù)的輸入組合，使用相關(guān)系數(shù)（R）、均方誤差（MSE）和效率系數(shù)（E）評價(jià)了神經(jīng)網(wǎng)絡(luò)模型的性能，結(jié)果發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)模型成功地預(yù)測了蘇爾馬河溶解氧、BOD和COD的變化[12]。

2.2 MIKE系列模型

MIKE系列水利模型由丹麥水力研究所（Danish Hydraulic Institute,DHI）開發(fā)，在單純預(yù)測水質(zhì)模型的基礎(chǔ)上，綜合了水動力參數(shù)，使該模型的外延更加擴(kuò)大，應(yīng)用范圍更加廣泛。最早的MIKE1系列模型是一維動態(tài)模型，不僅用于模擬河網(wǎng)模型，還能模擬灘涂、河口等地形和水文比較復(fù)雜地區(qū)的水質(zhì)，參數(shù)也涵蓋了水溫、溶解氧、總氮、總磷、生化需氧量、浮游動物、浮游植物、懸浮物等。經(jīng)過多年的發(fā)展，MIKE水質(zhì)模型已經(jīng)發(fā)展成為三維模型MIKE3系列，研究的水質(zhì)變化過程也很廣泛，應(yīng)用于世界上很多的國家和地區(qū)[4,13]。

Tang等[12]利用MIKE系列模型模擬和預(yù)測了南水北調(diào)工程運(yùn)河水質(zhì)的變化。他們認(rèn)為，保證長距離輸水系統(tǒng)中的水的轉(zhuǎn)移中的安全是一個挑戰(zhàn)。首先把橋梁穿越點(diǎn)確定為潛在污染源和位置，綜合考慮了車流、路況、人類的反應(yīng)等因素，用MIKE11一維水動力和水質(zhì)模型模擬了流體和污染物轉(zhuǎn)移過程，為制定應(yīng)急對策和措施提供了依據(jù)。熊鴻斌等[13]以典型的污染物質(zhì)化學(xué)需氧量和氨氮為考察指標(biāo)，結(jié)合水質(zhì)需求，應(yīng)用MIKE11模型模擬了渦河水質(zhì)和水動力指標(biāo)的時(shí)空演變規(guī)律，利用情景分析方法評估，量化和考察了不同措施處理污染源的能力，結(jié)果顯示，截污是改善渦河"引江濟(jì)淮"工程河段水質(zhì)的關(guān)鍵，利用這種手段能夠有效降低化學(xué)需氧量和氨氮對于河水的污染。閔志華等利用MIKE系列模型分別模擬了橋梁建設(shè)工程對長江和錢塘江相應(yīng)河段水質(zhì)的影響，預(yù)測了相應(yīng)的污染物變化趨勢[14]。

2.3 WASP系列模型

WASP水質(zhì)模型（The Water Quality Analysis Simulation Program）由美國國家環(huán)境保護(hù)局（United States Environmental Protection Agency,USEPA）于1983年發(fā)布的，這個模型綜合考慮了自然因素和人為因素引起的水質(zhì)變化，利用數(shù)學(xué)、水文學(xué)、流體力學(xué)、水化學(xué)等學(xué)科的知識和規(guī)律，模擬河流、湖泊和池塘等水體的水質(zhì)變化，預(yù)測因子涵蓋了溶解氧、COD等水質(zhì)參數(shù)以及各種有機(jī)污染物及無機(jī)金屬元素等污染物的變化規(guī)律，該模型也因此被稱為萬能水質(zhì)模型[4,16]。這種模型靈活高效，具有高效處理模塊，能模擬富營養(yǎng)化趨勢及有機(jī)污染物的變化趨勢，計(jì)算結(jié)果與實(shí)測結(jié)果可方便地直接進(jìn)行曲線比較，能與其它模型很好地耦合使模擬效果更加科學(xué)，趨于完善。

Wang等[16]用WASP水質(zhì)模型模擬計(jì)算了一條連接太湖和長江的河流對化學(xué)需氧量（COD）和氨氮（NH3-N）的納污能力，制定了控制污染物的總量（TMCP）。通過計(jì)算Gini系數(shù)驗(yàn)證基于水環(huán)境容量分布的污染物允許排放負(fù)荷及地理分布，分析了社會和環(huán)境效益。根據(jù)結(jié)果，重新分配了各個城鎮(zhèn)污染物的允許排放量，流域內(nèi)各鄉(xiāng)鎮(zhèn)的排放量有所減少。結(jié)果發(fā)現(xiàn)，慶陽鎮(zhèn)COD只減排了11.2%，澄江鎮(zhèn)減排了33.6%。相比之下，月城鎮(zhèn)、南閘鎮(zhèn)、慶陽鎮(zhèn)和澄江鎮(zhèn)的NH3-N削減量分別為52.9%、40%、61.4%和54.5%，而運(yùn)河流域總量減少達(dá)53.5%。針對這一情況，建立了重新分配河流污染物允許排放負(fù)荷的TMCP框架。它不僅結(jié)合水質(zhì)污染物的總量控制，也考慮了污染物允許排放負(fù)荷分配的公平與效率。張質(zhì)明等[17]利用WASP模型預(yù)測了北運(yùn)河通州段水質(zhì)硝態(tài)氮、生化需氧量、溶解氧和氨氮變化，結(jié)合CMIP5的RCP8.5與RCP4.5兩種氣候變化情況，定量考察了大氣溫度變化對流經(jīng)城市的河流自凈能力的影響，取得了令人滿意的結(jié)果。一些學(xué)者利用WASP模型模擬和預(yù)測了河流水質(zhì)COD和氨氮等水質(zhì)指標(biāo)，取得了滿意的預(yù)測結(jié)果，說明WASP模型適用于預(yù)測城市河流水質(zhì)變化趨勢[18,19]。

2.4 QUAL系列模型

QUAL系列模型是美國環(huán)保局（EPA）開發(fā)的一維綜合河流水質(zhì)模型，適用于普遍分布的樹狀和網(wǎng)狀河流。在模型中每個支流都被看做一個點(diǎn)源污染，這個模型的優(yōu)點(diǎn)是可以模擬河流沿岸有多個復(fù)雜的排污口和其他復(fù)雜污染源。模型為用戶提供了15種可選水質(zhì)參數(shù)，涵蓋了溶解氧、BOD、氨氮等常用參數(shù)，用戶在使用時(shí)可根據(jù)自身需要，把這15種參數(shù)自由組合進(jìn)行模擬預(yù)測[4,20]。

Kannel等[20]利用一維河流水質(zhì)模型QUAL2Kw模擬預(yù)測了Kathmandu Valley和Bagmati River的7種主要污染物。這條河的支流排入的廢水中營養(yǎng)鹽和有機(jī)物過量，使河流的溶解氧含量過低。預(yù)測結(jié)果令人滿意。靈敏度分析顯示，該模型對流速穩(wěn)定的深水區(qū)水質(zhì)總氮等指標(biāo)預(yù)測準(zhǔn)確靈敏，預(yù)測最大CBOD為8.5mg/L，這在發(fā)展中國家十分普遍，難以達(dá)到歐洲發(fā)達(dá)國家要求的3mg/L。模擬結(jié)果顯示，局部氧化和增加流量是有效增加河流溶解氧含量的措施。曹碧波等[21]利用QUAL2Kw水質(zhì)模型預(yù)測和模擬了潘家口水庫撤銷養(yǎng)魚網(wǎng)箱之后的水質(zhì)參數(shù)。在模型中，把網(wǎng)箱養(yǎng)魚的污染看作是一個整體的面源污染，對比了網(wǎng)箱撤銷前后的水質(zhì)模擬情況。結(jié)果顯示，該模型適用于水庫網(wǎng)箱養(yǎng)魚污染模擬，撤銷網(wǎng)箱對水質(zhì)污染減量的貢獻(xiàn)不大，減少排污口污染物的納入才是解決該水庫污染問題的有效方法。

3 水質(zhì)模型研究的發(fā)展趨勢

隨著全球氣候變化以及工業(yè)、經(jīng)濟(jì)和社會發(fā)展，水質(zhì)污染逐漸變得更具復(fù)雜性、突發(fā)性和擴(kuò)大性，對水質(zhì)變化趨勢模擬的需求也日益增加。目前國際上水質(zhì)模型的主要發(fā)展方向可概括為兩個方面：（1）建立集成現(xiàn)代科技的新水質(zhì)模型；（2）完善傳統(tǒng)水質(zhì)模型的評估能力。

3.1 建立集成現(xiàn)代科技的新水質(zhì)模型

經(jīng)濟(jì)和工業(yè)的全球化使得水質(zhì)污染的影響范圍越來越大，氣候變化的周期性也給水質(zhì)預(yù)測和模擬提出了新的要求。隨著地理信息技術(shù)和衛(wèi)星成像技術(shù)的發(fā)展，現(xiàn)代科技給傳統(tǒng)水質(zhì)預(yù)測模型增加了活力，地理信息系統(tǒng)使得模型的模擬結(jié)果定位更加準(zhǔn)確、客觀，衛(wèi)星影像系統(tǒng)有助于水質(zhì)模擬結(jié)果更可視和直觀。

Pontes等[7]建立了地理信息技術(shù)結(jié)合大范圍水質(zhì)變化模型MGB-IPH的新評估方法。利用該方法模擬和預(yù)測了面積為380 000 km2的阿拉瓜耶河（Araguaia river）流域河網(wǎng)水質(zhì)變化，預(yù)測結(jié)果和單獨(dú)使用MGB-IPH模型的模擬結(jié)果進(jìn)行了對比分析。結(jié)果顯示結(jié)合了地理信息技術(shù)的模型預(yù)測結(jié)果更加準(zhǔn)確和直觀。Lin等[22]和Mir等[23]建立了不同水質(zhì)模型和地理信息系統(tǒng)集成技術(shù)，對環(huán)境水質(zhì)進(jìn)行了預(yù)測模擬，解決了傳統(tǒng)水質(zhì)模型的一些問題，使預(yù)測結(jié)果更加準(zhǔn)確。周榮攀等[24]利用衛(wèi)星遙感技術(shù)補(bǔ)充和發(fā)展了水質(zhì)模擬技術(shù)，對博斯騰湖pH、懸浮物等水質(zhì)參數(shù)進(jìn)行了模擬和反演，構(gòu)建了歸一化數(shù)據(jù)、單波段數(shù)據(jù)和波段組合數(shù)據(jù)三種數(shù)據(jù)形式的模型。

3.2 完善傳統(tǒng)水質(zhì)模型的評估能力

傳統(tǒng)水質(zhì)模型的評估能力已經(jīng)不能適應(yīng)時(shí)代的需求，要修正傳統(tǒng)模型使之適合目前的需求，而完善模型的細(xì)節(jié)非常重要。Cho等[25]把影響系數(shù)和遺傳算法（POMIG）引入到QUAL2K的自動標(biāo)定模型中，用影響系數(shù)法優(yōu)化了非常規(guī)狀態(tài)下的參數(shù)，POMIG法使模型更簡單而容易理解，適用于解決復(fù)雜的數(shù)學(xué)問題，可以快速、有效地找到全局最優(yōu)解決方法。利用初始QUAL2K模型和經(jīng)過遺傳算法校正過的模型預(yù)測了江陵南大川河（Namdaecheon River）水質(zhì)和水動力參數(shù)預(yù)測結(jié)果，溶解氧和葉綠素等指標(biāo)的預(yù)測結(jié)果顯示，經(jīng)校正的模型的預(yù)測結(jié)果好于未經(jīng)校正的模型，修正后的模型更加準(zhǔn)確有效。龔清蓮等[26]深入研究和評價(jià)了QUAL2K水質(zhì)模型結(jié)構(gòu)和輸入數(shù)據(jù)等的不確定性，為規(guī)避利用該模型進(jìn)行水質(zhì)變化模擬工作中的不確定性提供了參考，減少了模擬結(jié)果的不確定性，使模擬結(jié)果更加準(zhǔn)確可靠，并為水資源的科學(xué)管理和決策提供了基礎(chǔ)。