基于貝葉斯網(wǎng)絡技術診斷尼爾基水庫水環(huán)境風險

鄭國臣，支麗玲，張 怡，3，張 正，趙 峰，吳 杰

(1.松遼流域水資源保護局,吉林 長春 000000；2.江南大學環(huán)境與土木工程學院，江蘇 無錫 214122；3.吉林大學植物科學學院，吉林 長春 130062)

1 概述

隨著經(jīng)濟社會的發(fā)展，我國水庫水環(huán)境問題日益突出。當前，水庫環(huán)境監(jiān)測系統(tǒng)還不夠完善，水庫水質(zhì)模型的建立缺少基礎數(shù)據(jù)，一定程度上限制水庫水環(huán)境的有效管理。模糊數(shù)學、灰色系統(tǒng)和人工神經(jīng)網(wǎng)絡等現(xiàn)代系統(tǒng)方法已經(jīng)應用于水環(huán)境質(zhì)量評價[1- 2]。這幾種統(tǒng)計方法對樣本數(shù)據(jù)要求較高，而且計算復雜、具有人為因素等特點，不適用于水質(zhì)資料相對缺乏的水體(如嫩江中上游流域)。

在解決水庫水環(huán)境中的不確定性問題時，如水污染事故預警、水環(huán)境風險評估和水環(huán)境風險決策管理等，可以利用貝葉斯網(wǎng)絡模型。近年來，考慮水庫風險源與生態(tài)環(huán)境之間的關系，在水質(zhì)基礎數(shù)據(jù)不充足的前提下，一些研究者采用簡單易懂的形式表示水庫環(huán)境中的不確定性關系，進行預測或診斷推理[3- 4]。貝葉斯理論將所有參數(shù)作為隨機變量，并根據(jù)專家經(jīng)驗賦予其先驗分布，以使參數(shù)估計更可靠，貝葉斯網(wǎng)絡模型的優(yōu)勢在于靈活的拓撲結(jié)構(gòu)、易于理解的邏輯關系和便于解釋的分析結(jié)果[5- 6]，通過貝葉斯網(wǎng)絡技術推斷水庫水環(huán)境風險等級，以達到高效、精準的水庫水環(huán)境管理水平。

尼爾基水利樞紐坐落于嫩江干流中游，控制流域面積6.78萬km2，占嫩江流域面積的22.7%，多年平均徑流量104.7億m3，占嫩江流域的45.7%。尼爾基水庫總庫容86.11億m3，其中防洪庫容23.68億m3。工程實施后，滿足下游的城市生活用水10.29億m3，為農(nóng)業(yè)灌溉供水16.46億m3，可灌溉下游454萬畝農(nóng)田[7]。本文針對嫩江流域水資源保護中亟需解決的重點問題，根據(jù)貝葉斯網(wǎng)絡建立尼爾基水庫(嫩江中游)的預警機制，分析尼爾基水庫水環(huán)境風險狀況，通過貝葉斯網(wǎng)絡技術推斷出尼爾基庫末的最大概率水環(huán)境風險等級，從而實現(xiàn)水環(huán)境風險診斷的目的。

2 研究內(nèi)容及方法

2.1 斷面布設

如圖1所示，嫩江中上游五個點位分別為：尼爾基庫末(繁榮新村斷面)、甘河匯入(柳家屯斷面)、上游支流(嫩江浮橋斷面)、上游匯入(石灰窯斷面)以及嫩江縣排污口。依據(jù)貝葉斯概率公式，計算在尼爾基庫末各水質(zhì)指標不同等級下，上游支流、上游匯入、甘河匯入以及嫩江縣排污口水質(zhì)指標為不同等級的概率，對水質(zhì)數(shù)據(jù)進行分析[8]。綜合考慮對尼爾基水庫水質(zhì)有較為明顯影響的斷面，構(gòu)成貝葉斯網(wǎng)絡模型的節(jié)點，按照尼爾基水庫上游到下游水質(zhì)影響的情況，干流上游斷面依次為石灰窯、嫩江浮橋、嫩江排污口、繁榮新村，支流上的斷面為柳家屯。

圖1 嫩江中上游斷面示意圖

2.2 貝葉斯方法

根據(jù)歷年水質(zhì)數(shù)據(jù)可知，斷面的水質(zhì)指標取不同等級的概率服從正態(tài)分布，取等級I與等級V的概率最小，取等級II與等級IV的概率較大，而取概率III的概率最大，這里采用了[5，20，40，30，5]的取值，斷面的水質(zhì)指標取不同等級的概率分布，并經(jīng)條件概率輸入到貝葉斯網(wǎng)絡模型中，貝葉斯信度網(wǎng)絡模擬軟件為Netica[6]。

3 貝葉斯網(wǎng)絡模型分析

3.1 氨氮(NH3-N)

按照水質(zhì)為不同類型的獨立事件概率表，由貝葉斯概率公式計算出尼爾基庫末(繁榮新村斷面)的不同等級NH3-N濃度條件下，上游4個監(jiān)測點位的氨氮濃度為I～V級水質(zhì)的條件概率見表1—6。

表1 石灰窯-嫩江浮橋氨氮濃度條件概率表

表4 嫩江排污口-尼爾基庫末氨氮濃度條件概率表

表5 庫末-庫中氨氮濃度條件概率表

表6 庫中-壩前氨氮濃度條件概率表

圖2 氨氮指標的貝葉斯網(wǎng)絡模型

將表1—6數(shù)據(jù)輸入貝葉斯網(wǎng)絡模型中，獲得基本的NH3-N貝葉斯網(wǎng)絡模型如圖2所示，使網(wǎng)絡能夠自動計算尼爾基庫末(繁榮新村斷面)NH3-N取不同等級時上游四個空間因素的概率。尼爾基庫末(繁榮新村斷面)的氨氮水質(zhì)I～V級的概率為19.5%，14.9%，21.9%，24%，19.8%的情況下，上游來水(石灰窯斷面)的水質(zhì)狀況為I級水質(zhì)的概率為83.3%，II級水質(zhì)的概率為16.7%，III級水質(zhì)，IV級水質(zhì)和V級水質(zhì)的概率為0%；上游支流匯入(嫩江浮橋斷面)的水質(zhì)概率情況為I級水質(zhì)的概率為0%，II級水質(zhì)的概率為66.6%，III級水質(zhì)的概率為33.4%，IV級水質(zhì)和V級水質(zhì)的概率為0%；甘河匯入(柳家屯斷面)的氨氮水質(zhì)概率分布為I級水質(zhì)的概率為0%，II級水質(zhì)為的概率為57.1%，III級水質(zhì)的概率為42.9%，IV級水質(zhì)和V級水質(zhì)的概率為0%。而當上游的4個監(jiān)測點位的氨氮水質(zhì)為II級水質(zhì)時，尼爾基庫末(繁榮新村斷面)的氨氮水質(zhì)分布情況，其I級水質(zhì)概率為25.9%，II級水質(zhì)的水質(zhì)概率為18.6%，III級水質(zhì)的概率為29%，IV級水質(zhì)的概率為5.94%，V級水質(zhì)的概率為20.5%；庫中斷面的氨氮水質(zhì)狀況類別概率分布為I級水質(zhì)的概率為25.9%，II級水質(zhì)的概率為18.6%，III級水質(zhì)的概率為38.4%，IV級水質(zhì)的概率為14.5%，V級水質(zhì)的概率為2.56%；庫末斷面中I級水質(zhì)的概率為25.9%，II級水質(zhì)的概率為18.6%，III級水質(zhì)的概率為36.2%，IV級水質(zhì)的概率為16.7%，V級水質(zhì)的概率為2.56%。

3.2 高錳酸鹽指數(shù)(CODMn)

與氨氮類似，將水質(zhì)數(shù)據(jù)輸入貝葉斯網(wǎng)絡模型中，獲得基本的CODMn網(wǎng)絡，之后對網(wǎng)絡進行編制，自動計算尼爾基庫末上游四個空間因素的不同等級CODMn時的概率。如圖3所示，尼爾基壩前的CODMn為I～V級時的概率分別為0%，0%，37.7%，62.3%，0%，石灰窯斷面CODMn為I～V級時的概率分別為0%，33.3%，33.3%，33.3%，0%，嫩江浮橋斷面CODMn為I～V級時的概率分別為16.7%，16.7%，33.3%，33.4%和0%，柳家屯斷面CODMn為I～V級時的概率分別為42.9%，14.3%，14.3%，28.6%和0%，嫩江縣排污口處CODMn為I～V級時的概率分別為5%，20%，40%，30%和5%。

當上游4個空間因素的CODMn全部為II級時，則貝葉斯網(wǎng)絡模型給出的尼爾基庫末預警為I級的水質(zhì)概率17.1%，II級水質(zhì)概率為14.1%，III級水質(zhì)概率為20.3%，IV級水質(zhì)概率41.7%，V級水質(zhì)概率為6.84%，水質(zhì)情況在IV級的概率最大。庫中的水質(zhì)概率分布情況則為I級水質(zhì)概率為17.1%，II級水質(zhì)概率為0%，III級水質(zhì)概率為59.9%，IV級水質(zhì)概率為16.2%，V級水質(zhì)概率為6.84%，水質(zhì)情況在III級的概率最大。壩前的水質(zhì)概率分布情況為I級水質(zhì)、II級水質(zhì)、V級水質(zhì)概率為0%，III級水質(zhì)概率為50.2%，IV級水質(zhì)概率為49.8%，III級與IV級水質(zhì)概率相當。以此類推，可以依據(jù)貝葉斯網(wǎng)絡模型通過檢測上游水質(zhì)，對下游水質(zhì)進行預警。

圖3 高錳酸鹽指數(shù)貝葉斯網(wǎng)絡模型圖

4 結(jié)語

采用貝葉斯網(wǎng)絡模型技術，可以有效突出預警決策中的定量化優(yōu)勢，實現(xiàn)尼爾基水庫的水環(huán)境風險預警與決策。當尼爾基庫末水質(zhì)狀況已知時(如氨氮、高錳酸鹽指數(shù)等水質(zhì)類別為IV類)，可以實現(xiàn)對空間因素的溯源，可依據(jù)貝葉斯模型推斷重要空間點位中對尼爾基庫末污染物貢獻率，從而實現(xiàn)水環(huán)境風險診斷的目的。由此可見，采用貝葉斯網(wǎng)絡模型技術可以豐富水庫環(huán)境風險評價的研究方法，促進了水庫環(huán)境風險評價的實際應用，可為后續(xù)建立評價-預警-決策平臺提供理論依據(jù)與技術支持。