基于模型參數不確定性的河流突發(fā)污染事故動態(tài)預測方法研究.pdf

1、水質安全對于人類生存發(fā)展影響重大，然而近年來突發(fā)性河流污染事故頻發(fā)，導致了巨大的國民經濟損失，并引發(fā)了一系列環(huán)境問題和社會問題。如何在河流突發(fā)污染事故發(fā)生后為相關應急決策者提供準確、可靠的污染物擴散規(guī)律信息，成為了亟待解決的問題。
　　本文通過研究應用不確定性方法、動態(tài)更新理論、普適似然不確定性(GLUE)算法以及基于馬爾可夫鏈蒙特卡羅(MCMC)算法的改進GLUE算法等，建立了基于模型參數不確定性的河流突發(fā)污染事故動態(tài)預測方法，

2、該方法可以在河流突發(fā)污染事故發(fā)生后為應急決策者提供污染物濃度的動態(tài)預測數據，方便他們有針對性地采取應急措施，應對污染事故。
　　論文的主要工作和創(chuàng)新點如下:
　　(1)為解決水質預測過程中的不確定性問題和實時性較差問題，本文分析了河流突發(fā)污染事故中的不確定性來源，提出了河流突發(fā)污染事故模型，并給出了基于模型參數不確定性的河流突發(fā)污染事故水質預測框架，然后以此為基礎，引入動態(tài)更新方法對前述水質預測框架進行改進，利用事故發(fā)生后的

3、污染物濃度實測數據對模型預測結果進行動態(tài)校正。
　　(2)采用河流突發(fā)污染事故模型，結合蒙特卡羅方法和GLUE算法具體實現了本文提出的基于模型參數不確定性的河流突發(fā)污染事故動態(tài)預測框架。實例驗證了本文方法的預測效果后，提出了將本文方法應用于實際突發(fā)污染事故中的具體步驟。
　　(3)針對本文提出的基于GLUE算法的河流突發(fā)污染事故動態(tài)預測模型無法辨識模型參數的實際分布這一問題，提出了基于MCMC算法的改進GLUE算法——Met