張盛楠， 連 帥， 肖丁源， 周?？?， 張巧玲

(天津仁愛學(xué)院，天津301636)

隨著人類工業(yè)化腳步的加快，城市供水水質(zhì)問題也頻頻發(fā)生，人們對(duì)于自來水水質(zhì)安全問題愈發(fā)關(guān)注。解決水質(zhì)問題的技術(shù)和方法成為了近年來社會(huì)所關(guān)注的熱點(diǎn)問題。水質(zhì)預(yù)警是通過專門的技術(shù)和方法，對(duì)水質(zhì)可能的惡化污染提前進(jìn)行分析和警示。本文通過水質(zhì)監(jiān)測(cè)與預(yù)警相關(guān)文獻(xiàn)的可視化分析，總結(jié)和概括了生物在線監(jiān)測(cè)方法、環(huán)境衛(wèi)星遙感監(jiān)測(cè)預(yù)警方法、人工神經(jīng)網(wǎng)絡(luò)模型等水質(zhì)監(jiān)測(cè)預(yù)警方法的應(yīng)用，以期供研究機(jī)構(gòu)、水務(wù)工作人員與水質(zhì)研究人員參考。

1 供水水質(zhì)監(jiān)測(cè)預(yù)警技術(shù)研究背景

由于水源中污染物的性質(zhì)與種類的多種多樣，其污染特征也有所不同。隨著時(shí)代的進(jìn)步與發(fā)展，當(dāng)今社會(huì)水質(zhì)問題也有了不同且多元的處理方法、技術(shù)和對(duì)策。雖然世界各國(guó)生活飲用水水質(zhì)標(biāo)準(zhǔn)不盡相同，但是各國(guó)的水質(zhì)標(biāo)準(zhǔn)隨著時(shí)間的推移都在不斷被修訂。新的《生活飲用水衛(wèi)生標(biāo)準(zhǔn)》(GB 5749—2022)將于2023年4月1日開始正式實(shí)施,對(duì)飲用水水質(zhì)也提出了更高的要求[1]。

我國(guó)是一個(gè)水資源短缺的國(guó)家， 2012年廣西的龍江流域和2013年西江支流的賀江流域都發(fā)生了重金屬污染，造成了居民的飲水困難；2020年浙江杭州西湖地區(qū)由于易腐垃圾處置的操作不當(dāng)，造成供水管網(wǎng)飲用水污染；2021年南京市由于江面上船只碰撞大量物料傾瀉，造成水污染事件。要解決類似突發(fā)性污染問題，就要先從源頭上處理，對(duì)水源水質(zhì)與供水管網(wǎng)水質(zhì)進(jìn)行實(shí)時(shí)的監(jiān)測(cè)與預(yù)警，確保后續(xù)飲用水的安全。

關(guān)于水質(zhì)預(yù)警，早期提出概念及模型最多的是歐美國(guó)家。20世紀(jì)70至90年代，歐洲很多國(guó)家都設(shè)置了水質(zhì)預(yù)警的監(jiān)測(cè)站，例如英國(guó)特倫特河新建水廠的進(jìn)水口處、荷蘭的多個(gè)自來水水廠、德國(guó)符騰堡州多瑙河的上游與荷蘭馬斯河水源地的上游處[2]，當(dāng)?shù)氐乃|(zhì)有了較為完善的預(yù)警系統(tǒng)，方便了人員的監(jiān)測(cè)與管理。近幾年，隨著多地發(fā)生水源污染事件，我國(guó)也對(duì)供水水質(zhì)預(yù)警進(jìn)行了深入研究，發(fā)展了一系列相關(guān)的監(jiān)測(cè)技術(shù)，可以實(shí)時(shí)監(jiān)測(cè)水中的各類污染問題。

2 基于Citespace的水質(zhì)監(jiān)測(cè)與預(yù)警文獻(xiàn)的可視化分析

CiteSpace是一款適用于文獻(xiàn)分析的可視化工具，主要有研究前沿與熱點(diǎn)探測(cè)與分析、研究演進(jìn)路徑分析、研究群體發(fā)現(xiàn)等功能。CiteSpace可以形成知識(shí)的思維圖譜，給人更直觀的、可視化的分析與理解。

2.1 前沿研究熱點(diǎn)的分析

通過使用CNKI檢索北大核心、CSCD、EI來源等期刊，收集了時(shí)間跨度在1995—2021年間關(guān)于水質(zhì)預(yù)警相關(guān)熱詞研究的文獻(xiàn)資料，利用CiteSpace軟件進(jìn)行關(guān)鍵詞的可視化分析，了解現(xiàn)下水質(zhì)監(jiān)測(cè)預(yù)警方面相關(guān)的研究熱點(diǎn)趨勢(shì)，見圖1。

圖1 關(guān)鍵詞的聚類分析Fig.1 Cluster analysis of keywords

從圖1可以看到與水質(zhì)監(jiān)測(cè)與預(yù)警相關(guān)的文獻(xiàn)一共聚成10類，分別是水質(zhì)預(yù)警、水質(zhì)安全、預(yù)警、水質(zhì)、水質(zhì)檢測(cè)、水質(zhì)模型、水質(zhì)預(yù)測(cè)等。從0到10，數(shù)字越小，表示其中聚類包含的關(guān)建詞越多，每一種聚類都是由多個(gè)休戚相關(guān)的詞組成，圖1中聚類模塊值(Q值)和聚類平均輪廓值(S值)表征關(guān)鍵詞聚類程度好壞。一般認(rèn)為Q值大于0.3，聚類結(jié)果顯著。圖1中的Q值為0.628，顯然聚類結(jié)果是顯著的；S值達(dá)到了0.732 9(>0.7)，這意味著聚類結(jié)果是令人信服的。

基于選取的國(guó)內(nèi)部分文獻(xiàn)，我國(guó)對(duì)于供水水質(zhì)預(yù)警研究起步較晚，進(jìn)入21世紀(jì)后，隨著2005年“綠水青山就是金山銀山”的生態(tài)文明理念建設(shè)的提出，論文的發(fā)文量及實(shí)際應(yīng)用案例開始明顯增加。對(duì)于水質(zhì)預(yù)警，早在2007年已經(jīng)有了“城市水污染應(yīng)急措施”的實(shí)際應(yīng)用，之后有了實(shí)時(shí)監(jiān)測(cè)單元，這時(shí)已經(jīng)建有較粗糙框架設(shè)計(jì)，研究人員開始逐步意識(shí)到對(duì)于水質(zhì)檢測(cè)預(yù)警要建立一個(gè)完整的體系。隨著技術(shù)的發(fā)展，WASP水質(zhì)模型、基于數(shù)學(xué)評(píng)判的函數(shù)模型、人工智能等都融入了水質(zhì)預(yù)警功能體系中。南水北調(diào)中線工程、水源保護(hù)、城市供水甚至水產(chǎn)養(yǎng)殖都不同程度地用到水質(zhì)監(jiān)測(cè)預(yù)警技術(shù)。從最開始取水樣到實(shí)驗(yàn)室化驗(yàn)分析，到現(xiàn)在的模型化、數(shù)字智慧化，響應(yīng)及時(shí)，精度更高，水質(zhì)預(yù)警技術(shù)迎來了蓬勃發(fā)展。

2.2 相關(guān)學(xué)科與機(jī)構(gòu)分析

圖譜主要連線整體性較弱，整體呈現(xiàn)大分散小聚集趨勢(shì)，可能由于存在競(jìng)爭(zhēng)關(guān)系，機(jī)構(gòu)之間的合作并不頻繁，但同時(shí)也有少數(shù)在同一地域間機(jī)構(gòu)合作的出現(xiàn)。處在節(jié)點(diǎn)中心，也是發(fā)文數(shù)量排在前面的分別是西安建筑科技大學(xué)、中國(guó)環(huán)境科學(xué)研究院、哈爾濱工業(yè)大學(xué)、中國(guó)農(nóng)業(yè)大學(xué)、浙江大學(xué)等。邊緣小團(tuán)體有獨(dú)立機(jī)構(gòu)，也有相關(guān)企業(yè)，通過查詢作者單位可知，學(xué)者更傾向于與本單位機(jī)構(gòu)的人合作，且高校間的作者合作明顯多于企業(yè)合作，高校與企業(yè)之間幾乎處于孤立狀態(tài)。企業(yè)更為注重研究成果的實(shí)際應(yīng)用，各高校的學(xué)者可加強(qiáng)與企業(yè)的合作，做到互惠雙贏，架起學(xué)術(shù)溝通的橋梁。

3 水源地的預(yù)警模型

3.1 生物監(jiān)測(cè)預(yù)警模型

隨著工業(yè)化的快速發(fā)展，大量有機(jī)污染物在短時(shí)間內(nèi)進(jìn)入河流水體并迅速擴(kuò)散，導(dǎo)致水質(zhì)富營(yíng)養(yǎng)化甚至惡化，造成突發(fā)性水污染事故，對(duì)人類健康造成了損害。水中含有的有毒物質(zhì)多種多樣，傳統(tǒng)的理化分析方法只能對(duì)已知的有毒物質(zhì)進(jìn)行監(jiān)測(cè)，且監(jiān)測(cè)時(shí)間長(zhǎng)，成本高。水中的污染物質(zhì)擴(kuò)散速度極快，監(jiān)測(cè)的不及時(shí)導(dǎo)致數(shù)據(jù)具有滯后性。相較于傳統(tǒng)的理化分析方法，生物在線監(jiān)測(cè)預(yù)警系統(tǒng)可以利用水生生物對(duì)周圍環(huán)境變化的感知而產(chǎn)生的反常行為，快速進(jìn)行數(shù)據(jù)的監(jiān)測(cè)，進(jìn)而發(fā)出預(yù)警。目前廣泛使用的監(jiān)測(cè)生物包括細(xì)菌、藻類、魚類。

3.1.1細(xì)菌監(jiān)測(cè)

發(fā)光細(xì)菌在正常適宜的生存條件下會(huì)發(fā)光。在外界條件發(fā)生改變時(shí)，發(fā)光細(xì)菌的發(fā)光強(qiáng)度會(huì)受環(huán)境條件的影響而發(fā)生改變。一般認(rèn)為，受污染水中COD中的小分子有機(jī)物或其他毒性物質(zhì)的刺激可能導(dǎo)致發(fā)光菌發(fā)光強(qiáng)度減弱。因此，可以利用發(fā)光細(xì)菌發(fā)光強(qiáng)度的強(qiáng)弱在線監(jiān)測(cè)水質(zhì)，從而及時(shí)發(fā)出預(yù)警[3]。當(dāng)水質(zhì)發(fā)生污染后，發(fā)光細(xì)菌對(duì)污染物只進(jìn)行一次檢測(cè)，且檢測(cè)時(shí)間短于傳統(tǒng)生物的檢測(cè)周期。

我國(guó)已經(jīng)將發(fā)光細(xì)菌監(jiān)測(cè)飲用水的安全性成功運(yùn)用于2008年北京奧運(yùn)會(huì)及2010年上海世博會(huì)。張理兵等[4]以明亮發(fā)光桿菌為指示生物，研究出了一種光纖傳感器用于檢測(cè)重金屬含量。發(fā)光細(xì)菌的急性毒性已經(jīng)應(yīng)用于常州市地表水預(yù)警(含飲用水水源地)，共獲得約25萬個(gè)有效的生物毒性的數(shù)據(jù)，并且制定了相應(yīng)的預(yù)警限值[5]。細(xì)菌檢測(cè)方法快速有效，檢測(cè)時(shí)間短，檢測(cè)譜寬，靈敏度高，結(jié)果可靠，但成本較高。

3.1.2藻類檢測(cè)

藻類體積小，對(duì)外界因素的變化更為敏感。當(dāng)藻類與有毒物質(zhì)接觸時(shí)其光合作用會(huì)受到抑制，熒光和熱耗散相應(yīng)增加?？赏ㄟ^藻類熒光強(qiáng)度的不同來進(jìn)行毒性的監(jiān)測(cè)。在進(jìn)行毒性的監(jiān)測(cè)時(shí)，需要選擇靈敏度合適的藻種。熒光測(cè)試多使用綠藻作為測(cè)試生物。葉綠素?zé)晒庵饕獞?yīng)用于重金屬和農(nóng)藥的監(jiān)測(cè)，具有檢出限低、重復(fù)性好、反應(yīng)靈敏、測(cè)定時(shí)間短的優(yōu)點(diǎn)，但缺乏特異性，無法對(duì)某一類污染物進(jìn)行針對(duì)性的檢測(cè)。也有學(xué)者提倡利用底棲硅藻來判斷水質(zhì)情況[6]。底棲藻類分布廣、物種豐富、便于采集、生活史短，可以對(duì)環(huán)境的變化做出快速的反應(yīng)，分類特征明顯，是判斷河流水質(zhì)情況的最佳生物指標(biāo)之一。有研究表明，硅藻對(duì)有機(jī)污染物更加敏感，用硅藻作為指示生物監(jiān)測(cè)河流水質(zhì)，結(jié)果更準(zhǔn)確，更具預(yù)見性[6]。該方法在國(guó)外研究較多，為我國(guó)在底棲藻類方面的研究提供了新思路。

3.1.3蚤類的監(jiān)測(cè)

水蚤數(shù)量多但體積小，適應(yīng)性強(qiáng)靈敏度高，重現(xiàn)性較好，是國(guó)際公認(rèn)的一種標(biāo)準(zhǔn)毒性實(shí)驗(yàn)生物[7]。水蚤與污染物接觸后，生長(zhǎng)活動(dòng)會(huì)受到一定的影響，情況嚴(yán)重時(shí)甚至?xí)劳觥Ｒ虼?，可以用水蚤的死亡率來作為生物毒性檢測(cè)的指標(biāo)。目前，蚤類檢測(cè)大多是以大型蚤的在線監(jiān)測(cè)生物系統(tǒng)為主，萊茵河流域中9個(gè)水質(zhì)監(jiān)測(cè)中，7個(gè)都是大型蚤在線生物監(jiān)測(cè)系統(tǒng)[8]，而我國(guó)的蚤類監(jiān)測(cè)系統(tǒng)目前還處于起步階段。蚤類監(jiān)測(cè)系統(tǒng)系統(tǒng)成本低，但是由于水質(zhì)的多樣復(fù)雜性，其準(zhǔn)確度受到影響，也會(huì)出現(xiàn)報(bào)警錯(cuò)誤等情況。目前大型蚤在線監(jiān)測(cè)系統(tǒng)仍然處于發(fā)展階段。

3.1.4魚類監(jiān)測(cè)

魚類是水生生物的高級(jí)類群，可以根據(jù)魚類的種群變化來推測(cè)水質(zhì)變化。當(dāng)魚類與一定濃度的有機(jī)污染物接觸后，在形態(tài)和種群數(shù)量上會(huì)出現(xiàn)反常的變化?？梢詫Ⅳ~類的回避行為、正趨流行行為、撞壁頻率以及死亡等反應(yīng)作為水質(zhì)的生物監(jiān)測(cè)的依據(jù)。早期魚類水質(zhì)監(jiān)測(cè)多使用較大型的藍(lán)鰓太陽魚。20世紀(jì)70年代以后，環(huán)境毒理學(xué)家發(fā)現(xiàn)體型較小的斑馬魚與人類基因有著87%的相似度，且相較于其他魚群繁殖速度快。因此，斑馬魚成為重要的研究對(duì)象，也是國(guó)際通用的急性毒性實(shí)驗(yàn)標(biāo)準(zhǔn)生物。魚類監(jiān)測(cè)系統(tǒng)靈敏度高，具有良好的可靠性，但孕育成本偏高，相關(guān)技術(shù)較為復(fù)雜。

近年來，有學(xué)者提出根據(jù)農(nóng)藥對(duì)魚類活性的影響程度，用多層神經(jīng)網(wǎng)絡(luò)對(duì)魚體目標(biāo)活性狀態(tài)進(jìn)行準(zhǔn)確的分類判斷，從而判斷水質(zhì)中的毒性污染情況，進(jìn)行實(shí)時(shí)監(jiān)測(cè)與預(yù)警，這種方法已在紹興和蕭山某制水公司試運(yùn)行[9]。

3.2 遙感衛(wèi)星反演監(jiān)測(cè)預(yù)警

水源地水質(zhì)環(huán)境監(jiān)測(cè)是確保飲用水安全必不可少的環(huán)節(jié)。近幾年，水源地常遭遇突發(fā)性污染，富營(yíng)養(yǎng)化導(dǎo)致的水華現(xiàn)象尤為突出，再加上突發(fā)的工業(yè)廢水污染，亟需對(duì)水源地進(jìn)行相應(yīng)的監(jiān)測(cè)預(yù)警。水源地常規(guī)監(jiān)測(cè)手段主要是采集水樣，然后分析水樣數(shù)據(jù)，再對(duì)該水源地水質(zhì)狀況進(jìn)行評(píng)估。該方法的優(yōu)點(diǎn)是測(cè)量數(shù)據(jù)精度高，但數(shù)據(jù)結(jié)果具有明顯的滯后性。

伴隨高精度、多譜段衛(wèi)星的民用推廣，環(huán)境衛(wèi)星遙感技術(shù)正在水環(huán)境監(jiān)測(cè)中逐漸得到應(yīng)用。另外，GIS(地理信息系統(tǒng))與遙感技術(shù)的結(jié)合應(yīng)用已成為一種高效的監(jiān)測(cè)手段。地理信息系統(tǒng)在空間信息查詢與分析、結(jié)果的直觀表達(dá)等方面具有優(yōu)勢(shì)[10]。GIS主要是提供一系列基本數(shù)據(jù)庫，用以補(bǔ)償衛(wèi)星瞬時(shí)數(shù)據(jù)的不足，并增強(qiáng)信息處理和分析能力，譬如輔助遙感衛(wèi)星構(gòu)建背景圖層，繪制監(jiān)測(cè)斷面層、污染監(jiān)測(cè)斷面、飲用水取水口等[11]，用以提高遙感數(shù)據(jù)的分類精度?；谒w污染物指標(biāo)濃度越高，它在特定波段反射率就越大的原理，遙感衛(wèi)星監(jiān)測(cè)預(yù)警結(jié)合遙感影像數(shù)據(jù)、頻段數(shù)據(jù)的分析，以及GIS的輔助，可對(duì)多個(gè)水質(zhì)指標(biāo)進(jìn)行反演計(jì)算，對(duì)得到的各水質(zhì)指數(shù)進(jìn)行加權(quán)，得出綜合預(yù)警指數(shù)值[12]。

GIS與遙感技術(shù)相結(jié)合，既有傳統(tǒng)的方法，又有構(gòu)建模型的運(yùn)用，相輔相成，協(xié)同工作。

4 供水管網(wǎng)監(jiān)測(cè)預(yù)警技術(shù)

4.1 在線監(jiān)測(cè)技術(shù)

我國(guó)供水管網(wǎng)的拓?fù)浣Y(jié)構(gòu)越來越復(fù)雜，且管網(wǎng)后期的維修養(yǎng)護(hù)不到位，有6%的管網(wǎng)使用年限已經(jīng)超過了50年，同時(shí)部分管材低劣[13]，供水管網(wǎng)老化腐蝕導(dǎo)致飲用水二次污染的問題尤為嚴(yán)重。由于缺乏二次供水的水質(zhì)指標(biāo)監(jiān)測(cè)，自來水出廠后的安全性不能得到有效的保障。供水管網(wǎng)的二次在線監(jiān)測(cè)可以做到防患于未然，及時(shí)發(fā)現(xiàn)水質(zhì)不達(dá)標(biāo)的管段，以便采取措施。水質(zhì)在線監(jiān)測(cè)系統(tǒng)主要分為采樣單元、預(yù)處理單元、分析單元、控制單元、數(shù)據(jù)處理單元等。通過合理設(shè)置一定數(shù)量的有效水質(zhì)檢測(cè)點(diǎn)(采樣單元)，結(jié)合高敏感度儀器與計(jì)算機(jī)強(qiáng)大的演算能力，構(gòu)建起供水管網(wǎng)在線監(jiān)測(cè)系統(tǒng)。

4.1.1供水水質(zhì)在線監(jiān)測(cè)系統(tǒng)

在線監(jiān)測(cè)系統(tǒng)利用先進(jìn)的計(jì)算機(jī)軟件應(yīng)用技術(shù)，以及自動(dòng)檢測(cè)數(shù)據(jù)技術(shù)對(duì)水質(zhì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，監(jiān)測(cè)設(shè)備、GPRS無線信號(hào)傳輸網(wǎng)絡(luò)以及數(shù)據(jù)管理軟件平臺(tái)是在線監(jiān)測(cè)系統(tǒng)的主要單元構(gòu)件[14]。通過采樣單元采集管網(wǎng)中濁度、溫度、溶解氧(DO)、電導(dǎo)率(EC)、pH、總氯、流速等參數(shù)并進(jìn)行預(yù)處理，采集到的數(shù)據(jù)經(jīng)過分析單元、數(shù)據(jù)處理單元的計(jì)算推演，自動(dòng)與閾值匹配，實(shí)現(xiàn)高度的自動(dòng)化監(jiān)測(cè)，不僅節(jié)省了人力物力，也避免了實(shí)驗(yàn)室檢測(cè)數(shù)據(jù)所帶來的滯后性。通過對(duì)水溫、pH、總氯等參數(shù)的大量測(cè)定驗(yàn)證，得出在線監(jiān)測(cè)設(shè)備數(shù)據(jù)的可靠性。雖然實(shí)驗(yàn)室檢測(cè)和在線監(jiān)測(cè)設(shè)備都可以得到數(shù)據(jù)來反映管網(wǎng)中水質(zhì)的情況，但實(shí)驗(yàn)室檢測(cè)需要大量的人力物力，檢測(cè)時(shí)間過長(zhǎng)，水質(zhì)數(shù)據(jù)有明顯的滯后性，而在線監(jiān)測(cè)系統(tǒng)可以避免上述問題，實(shí)時(shí)監(jiān)測(cè)水質(zhì)各項(xiàng)指標(biāo)，及時(shí)發(fā)出預(yù)警。

4.1.2檢測(cè)點(diǎn)的優(yōu)化布置

設(shè)置合理的水質(zhì)監(jiān)測(cè)點(diǎn)是供水管網(wǎng)水質(zhì)監(jiān)測(cè)預(yù)警的前提。若監(jiān)測(cè)點(diǎn)數(shù)目過少，不能得到整個(gè)供水管網(wǎng)的水質(zhì)變化過程；監(jiān)測(cè)點(diǎn)過多，則會(huì)增加相應(yīng)的人力物力。因此，水質(zhì)監(jiān)測(cè)點(diǎn)的優(yōu)化布置尤為重要，通常依據(jù)人工經(jīng)驗(yàn)設(shè)置在大管徑大流量管段、用戶多的區(qū)域和水質(zhì)不穩(wěn)定的管段。

常用的水質(zhì)監(jiān)測(cè)點(diǎn)優(yōu)化布置方法是覆蓋水量法。覆蓋水量法通過監(jiān)測(cè)一定比例的水量來衡量供水管網(wǎng)整體的水質(zhì)狀況[15]。節(jié)點(diǎn)水齡法在覆蓋水量法的基礎(chǔ)上進(jìn)行改良，在正常工況下，節(jié)點(diǎn)水齡法假設(shè)水從源頭流向各個(gè)節(jié)點(diǎn)時(shí)，水質(zhì)隨著時(shí)間的延長(zhǎng)而降低。因?yàn)樗|(zhì)的變化只與時(shí)間有關(guān)，節(jié)點(diǎn)水齡通過余氯、濁度等參數(shù)來判斷水質(zhì)情況，設(shè)置管網(wǎng)的平均水齡處節(jié)點(diǎn)為監(jiān)測(cè)點(diǎn)來監(jiān)測(cè)整個(gè)管網(wǎng)的水質(zhì)變化情況。

節(jié)點(diǎn)水齡法只考慮了供水管網(wǎng)水齡這一單一因子，缺乏供水分界線、余氯質(zhì)量濃度等因素對(duì)水質(zhì)易產(chǎn)生影響的監(jiān)測(cè)。陳炳瑞等[16]在考慮供水管網(wǎng)水齡的基礎(chǔ)上，提出了多因子法。由于不同節(jié)點(diǎn)的水流來源不同、水量不同，計(jì)算需水量、水齡的余氯時(shí)應(yīng)為水流在該節(jié)點(diǎn)各供水路徑所經(jīng)歷時(shí)間的加權(quán)平均值。利用權(quán)重系數(shù)Ki確定一般節(jié)點(diǎn)、大用戶和供水分界線的位置。

以北方某供水管網(wǎng)為例，在人工經(jīng)驗(yàn)法的基礎(chǔ)上，進(jìn)行多因子優(yōu)化法的監(jiān)測(cè)點(diǎn)的計(jì)算，得到相同位置的監(jiān)測(cè)點(diǎn)占比為43.75%，預(yù)警時(shí)間最早的占據(jù)了83.3%[16]。這表明以人工經(jīng)驗(yàn)法為基礎(chǔ)，進(jìn)行多因子優(yōu)化法計(jì)算，得出的監(jiān)測(cè)點(diǎn)位置更加全面。

4.2 水質(zhì)模型

供水管網(wǎng)水質(zhì)模型以水力模型為基礎(chǔ)，模擬余氯等指標(biāo)在管網(wǎng)中的變化。根據(jù)水質(zhì)指標(biāo)的不同，將水質(zhì)模型分為4類。

4.2.1余氯濃度衰減模型

投加消毒劑是水處理工藝中常用的消毒方法。主體水余氯濃度衰減和管壁余氯衰減是余氯濃度衰減的兩個(gè)途徑。安小宇等[17]針對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型存在收斂速度慢、局部開發(fā)能力弱等問題，提出了改進(jìn)的正余弦算法優(yōu)化(ISCA)神經(jīng)網(wǎng)絡(luò)，在此基礎(chǔ)上建立了ISCA-BP模型并對(duì)水體余氯進(jìn)行預(yù)測(cè)。以平頂山市某水廠5月隨機(jī)選取的60組水體采樣進(jìn)行試驗(yàn)，得出ISCA-BP預(yù)測(cè)模型相對(duì)誤差平均值和絕對(duì)誤差平均值數(shù)值小于BP、RBF神經(jīng)網(wǎng)絡(luò)，精確度更高，泛化能力更強(qiáng)。

4.2.2消毒副產(chǎn)物模型

供水管網(wǎng)中，消毒副產(chǎn)物(DBPs)主要有三鹵甲烷(THMs)、鹵乙酸(HAAs)、鹵代醛等。消毒副產(chǎn)物存在致癌危害，其產(chǎn)生與管道材質(zhì)和余氯量有關(guān)。其中，三鹵甲烷被證實(shí)與微生物的增長(zhǎng)有關(guān)，也是研究最多的消毒副產(chǎn)物。姜旭等[18]以東北地區(qū)H市的某凈水廠為例，采用多元回歸分析方法對(duì)水庫原水經(jīng)過液氯消毒后的三氯甲烷(TCM)生成量建立模型，得出溫度、pH、CODMn與TCM生成量呈正相關(guān)。

江釓泓等[19]以南方某市的7個(gè)自來水廠為對(duì)象，對(duì)原水和出廠水的水質(zhì)參數(shù)分別建立出廠水THMs和HAAs生成量的預(yù)測(cè)模型，利用IBM SPSS Statistics 20作多元線型回歸方程。結(jié)果表明：THMs質(zhì)量濃度水平能夠通過多元線性回歸方程較好地預(yù)測(cè)；但回歸方程不能預(yù)測(cè)出HAAs質(zhì)量濃度水平。

4.3 人工神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)預(yù)警中的應(yīng)用

隨著信息技術(shù)的發(fā)展，人工智能逐漸成為產(chǎn)業(yè)革命的中堅(jiān)力量，各行各業(yè)都對(duì)人工智能技術(shù)與傳統(tǒng)產(chǎn)業(yè)的結(jié)合展開了深入研究，發(fā)展了人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)等智能算法。相比傳統(tǒng)統(tǒng)計(jì)學(xué)模型時(shí)效性差、操作復(fù)雜的缺點(diǎn)，人工神經(jīng)網(wǎng)絡(luò)具有高維性、自學(xué)性、高計(jì)算性以及強(qiáng)大的學(xué)習(xí)能力和泛化能力，對(duì)于水質(zhì)預(yù)測(cè)等復(fù)雜問題研究具有很好的適用性，很快成為了學(xué)術(shù)界和工業(yè)界的研究焦點(diǎn)[20]。

人工神經(jīng)網(wǎng)絡(luò)是一種以神經(jīng)元為基本結(jié)構(gòu)單元的大規(guī)模信息處理系統(tǒng)，通常由輸入層、隱藏層和輸出層組成[20]。ANN具有非線性、平行處理、學(xué)習(xí)和自適應(yīng)性等特點(diǎn)，是一種多變量系統(tǒng)。由于在水環(huán)境領(lǐng)域中，各個(gè)因素之間大多具有非線性，而ANN基于這一點(diǎn)，對(duì)于水環(huán)境污染建模、監(jiān)測(cè)預(yù)警等問題有很大的優(yōu)勢(shì)[21]。

在ANN訓(xùn)練過程中，數(shù)據(jù)通過加權(quán)相位激活函數(shù)計(jì)算輸出值，最后計(jì)算損失函數(shù)的值并更新權(quán)值。而ANN模型的預(yù)測(cè)能力倚重于對(duì)數(shù)據(jù)收集的訓(xùn)練量及其結(jié)構(gòu)的復(fù)雜性，所以數(shù)據(jù)越多，其準(zhǔn)確性越高。相應(yīng)的，這也顯示出了神經(jīng)網(wǎng)絡(luò)模型的缺陷，即運(yùn)行維護(hù)成本高；對(duì)于長(zhǎng)時(shí)間系列觀測(cè)數(shù)據(jù)獲取較困難，數(shù)據(jù)質(zhì)量不穩(wěn)定；缺乏這方面的人才，難以大范圍應(yīng)用ANN技術(shù)。

神經(jīng)網(wǎng)絡(luò)與水質(zhì)模型結(jié)合具有以下優(yōu)勢(shì)：一是其高速的計(jì)算能力能夠處理龐大的非線性計(jì)算；二是大容量記憶能力可以存儲(chǔ)大量的水體水質(zhì)數(shù)據(jù)；三是學(xué)習(xí)能力強(qiáng)大；四是有一定的容錯(cuò)能力。由于人工神經(jīng)網(wǎng)絡(luò)是模擬大腦分布式記憶，因此，對(duì)于不完整的數(shù)據(jù)輸入，抑或是少量的錯(cuò)誤數(shù)據(jù)，水質(zhì)模型輸出的結(jié)果仍是正確的[22]。

迄今為止，人工神經(jīng)網(wǎng)絡(luò)模型發(fā)展出很多分支，其中BP神經(jīng)網(wǎng)絡(luò)算法先進(jìn)成熟，應(yīng)用較多，適用于復(fù)雜的非線性計(jì)算。

BP神經(jīng)網(wǎng)絡(luò)是一種多層拓?fù)渚W(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成，每層向下傳播，不能向上一層反饋。BP神經(jīng)網(wǎng)絡(luò)由一個(gè)個(gè)神經(jīng)元組成，每個(gè)神經(jīng)元相當(dāng)于一個(gè)傳感器，而且每個(gè)神經(jīng)元只會(huì)影響下一個(gè)神經(jīng)元，對(duì)該層神經(jīng)元層沒有影響。BP算法先將得到的權(quán)值初始化，然后確定結(jié)構(gòu)參數(shù)并定義變量。通過輸入訓(xùn)練樣本，進(jìn)行正向和反向傳播，數(shù)據(jù)達(dá)到精度要求后便會(huì)輸出結(jié)果。以感知器為例，BP網(wǎng)絡(luò)的感知器就像大腦的神經(jīng)元，當(dāng)輸入層接到信號(hào)后會(huì)傳遞給下一層的隱含層。隱含層通過對(duì)權(quán)值閾值的函數(shù)處理，完成數(shù)據(jù)處理之后再傳遞給輸出層。輸出層將計(jì)算得到的數(shù)值與真實(shí)值進(jìn)行比對(duì)，再通過反向傳播調(diào)節(jié)各層的權(quán)值和閾值。通過大量數(shù)據(jù)的訓(xùn)練模型，最終會(huì)使預(yù)測(cè)值無窮趨于真實(shí)值，得到最終的BP神經(jīng)網(wǎng)絡(luò)算法模型[23-25]。

BP神經(jīng)網(wǎng)絡(luò)與ANN模型同樣屬于“黑箱模型”，只需要依靠水質(zhì)指標(biāo)本身來學(xué)習(xí)完善，不受外部環(huán)境因素和人為因素的影響。但BP神經(jīng)網(wǎng)絡(luò)模型相較于其他模型，建模時(shí)間更短，適應(yīng)性更強(qiáng)。因此，BP神經(jīng)網(wǎng)絡(luò)可以較好地應(yīng)用于水質(zhì)環(huán)境預(yù)測(cè)當(dāng)中。

表1簡(jiǎn)單概括了各種水質(zhì)監(jiān)測(cè)預(yù)警技術(shù)的優(yōu)缺點(diǎn)。各種水質(zhì)監(jiān)測(cè)預(yù)警技術(shù)各有優(yōu)劣，實(shí)際應(yīng)用中應(yīng)做到取長(zhǎng)補(bǔ)短，相輔相成。

表1 各種水質(zhì)監(jiān)測(cè)預(yù)警技術(shù)的優(yōu)缺點(diǎn)Tab.1 Advantages and disadvantages of various water quality monitoring and warning technologies

5 結(jié)論

① 現(xiàn)階段，國(guó)內(nèi)外高度重視供水水質(zhì)監(jiān)測(cè)和預(yù)警，并對(duì)其監(jiān)測(cè)預(yù)警的方法和技術(shù)展開了深度研究。飲用水水質(zhì)保障是居民用水中很重要的一環(huán)，關(guān)乎著民生大計(jì)。

② 水質(zhì)預(yù)警監(jiān)測(cè)的方法和技術(shù)較多，但仍有很多問題需要解決。建立健全完善的飲用水安全監(jiān)測(cè)系統(tǒng)、確定飲用水突發(fā)水質(zhì)問題的應(yīng)急預(yù)案、建立多方面監(jiān)測(cè)預(yù)警的水源水質(zhì)模型、加強(qiáng)對(duì)水源水質(zhì)在線監(jiān)測(cè)預(yù)警系統(tǒng)的研究、更快速反應(yīng)實(shí)時(shí)管網(wǎng)中水質(zhì)的變化情況，以及提高供水管網(wǎng)在網(wǎng)絡(luò)化方面監(jiān)測(cè)預(yù)警水平，都是現(xiàn)階段亟需解決的主要問題。

③ 飲用水水質(zhì)監(jiān)測(cè)預(yù)警的目的是為用水對(duì)象提供水質(zhì)合格的飲用水，讓水資源達(dá)到使用的良性循環(huán)，實(shí)現(xiàn)可持續(xù)利用發(fā)展。達(dá)到這一目標(biāo)，還需要社會(huì)多方面通力協(xié)作共同努力。