一种基于HYDRUS-1D的参数预测方法

摘要

本发明公开了一种基于HYDRUS‑1D的参数预测方法：利用HYDRUS‑1D模拟已知浓度污染物的迁移穿透曲线，调整参数至最优拟合度；采用曲线估计对调整后的各参数与污染物浓度建立线性与非线性回归方程，选出与浓度变量拟合最优的参数作为控制参数；将其余参数与控制参数结合成新的变量参数，在新的变量参数与浓度之间建立线性或非线性回归方程；利用回归方程对其他待模拟浓度的污染物迁移进行输入参数预测。本发明能够对模拟污染物的输入参数进行有效预测，使得模拟和参数优化更加高效和精确。

权利要求

1.一种基于HYDRUS‑1D的参数预测方法，其特征在于，包括以下过程：第一步：利用HYDRUS‑1D模拟已知浓度污染物的迁移穿透曲线，调整参数至最优拟合度；

第二步：采用曲线估计对第一步中调整后的各参数与污染物浓度建立线性与非线性回归方程，选出与浓度变量拟合最优的参数作为控制参数；

第三步：将其余参数与控制参数结合成新的变量参数，在新的变量参数与浓度之间建立线性或非线性回归方程；

第四步：利用第三步中建立的回归方程，对其他待模拟浓度的污染物迁移进行输入参数预测。

2.根据权利要求1所述的基于HYDRUS‑1D的参数预测方法，其特征在于，第一步中所述的模拟适用于两点动力吸附模型，所述参数包括Smax、katt2、kdet2、katt1、kdet1；其中，Smax代表最大固相吸附浓度，katt2、kdet2分别代表动力位点2一阶附着系数和一阶脱附系数，katt1、kdet1分别代表动力位点1的一阶附着系数以及一阶脱附系数。

3.根据权利要求1所述的基于HYDRUS‑1D的参数预测方法，其特征在于，第一步中所述2

的最优拟合度为R>0.98。

4.根据权利要求1所述的基于HYDRUS‑1D的参数预测方法，其特征在于，第二步中曲线估计采用SPSS软件的曲线估计模块，选择的曲线估计模型为线性或非线性模型，包括一元线性、二次函数、三次函数、指数函数、幂函数线性模型。

5.根据权利要求1所述的基于HYDRUS‑1D的参数预测方法，其特征在于，第二步中控制2

参数，其回归拟合的拟合优度R大于0.98。

6.根据权利要求1所述的基于HYDRUS‑1D的参数预测方法，其特征在于，第三步中所述的新的变量参数为其他参数与控制参数代数相除获得。

说明书

一种基于HYDRUS‑1D的参数预测方法

技术领域

[0001] 本发明涉及砂滤介质中的污染物迁移模拟领域，更具体的说，是涉及一种基于HYDRUS‑1D的参数预测方法。

背景技术

[0002] 多孔介质中的污染物迁移常采用HYDRUS‑1D软件进行模拟及参数反解，在反解参数过程中需要输入估计的初始值，以此初始值为依据进行迭代。目前，HYDRUS‑1D中的两点动力吸附模型常用于模拟单污染物的迁移，用此模型模拟双污染物存在条件下各污染物迁移过程的研究较少。因此，由于相关参考资料不足，在双污染物存在时对输入参数的初始值无法较好地预测。

[0003] 在软件运行过程中，输入参数的初始值与参数反解的迭代过程直接相关，当输入的初始值与真实值有较大偏离时，对计算机的要求较高，软件运行也会由于计算压力而变得迟缓，甚至出现错误，进而也会导致模拟及优化结果不准确。

发明内容

[0004] 本发明的目的是为了克服现有技术中的不足，提出一种基于HYDRUS‑1D的参数预测方法，可以在一定程度上较好地预测污染物迁移模拟所需的参数，以此预测值为初始值进行参数优化可减缓计算机运行压力，并得到良好的优化及模拟效果。

[0005] 本发明的目的是通过以下技术方案实现的。

[0006] 本发明基于HYDRUS‑1D的参数预测方法，包括以下过程：

[0007] 第一步：利用HYDRUS‑1D模拟已知浓度污染物的迁移穿透曲线，调整参数至最优拟合度；

[0008] 第二步：采用曲线估计对第一步中调整后的各参数与污染物浓度建立线性与非线性回归方程，选出与浓度变量拟合最优的参数作为控制参数；

[0009] 第三步：将其余参数与控制参数结合成新的变量参数，在新的变量参数与浓度之间建立线性或非线性回归方程；

[0010] 第四步：利用第三步中建立的回归方程，对其他待模拟浓度的污染物迁移进行输入参数预测。

[0011] 第一步中所述的模拟适用于两点动力吸附模型，所述参数包括Smax、katt2、kdet2、katt1、kdet1；其中，Smax代表最大固相吸附浓度，katt2、kdet2分别代表动力位点2一阶附着系数和一阶脱附系数，katt1、kdet1分别代表动力位点1的一阶附着系数以及一阶脱附系数。

[0012] 第一步中所述的最优拟合度为R2>0.98。

[0013] 第二步中曲线估计采用SPSS软件的曲线估计模块，选择的曲线估计模型为线性或非线性模型，包括一元线性、二次函数、三次函数、指数函数、幂函数线性模型。

[0014] 第二步中控制参数，其回归拟合的拟合优度R2大于0.98。

[0015] 第三步中所述的新的变量参数为其他参数与控制参数代数相除获得。

[0016] 与现有技术相比，本发明的技术方案所带来的有益效果是：

[0017] 本发明通过对模拟所得的最优参数数据及其对应浓度条件进行回归分析，选择控制参数并将其与其他参数结合，找出其内在规律并由此预测其他浓度条件下的输入参数初始值。该方法可以为HYDRUS‑1D模拟并反解参数提供数据参考，基于此预测值来进一步优化参数可使模拟更加高效，得到的参数值更接近真实值，与此同时，也可在一定程度上减缓计算机运行压力。本发明为污染物迁移的模拟提供参考，使更高效、精确地进行参数优化。

附图说明

[0018] 图1是本发明一种基于HYDRUS‑1D的参数预测方法的流程图；

[0019] 图2是本发明实施例中采用预测值和优化值模拟出的污染物(4.5μm聚苯乙烯微球)穿透曲线对比图。

具体实施方式

[0020] 为使本发明的目的、技术方案更清晰，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

[0021] 本发明基于HYDRUS‑1D的参数预测方法，基于采用两点动力吸附模型模拟砂滤介质中两种污染物协同迁移的情况。如图1所示，具体实现过程如下：

[0022] 第一步：利用HYDRUS‑1D模拟已知浓度污染物的迁移穿透曲线，调整参数至最优拟合度。

[0023] 其中，所述参数包括Smax、katt2、kdet2、katt1、kdet1。Smax代表最大固相吸附浓度，katt2、kdet2分别代表动力位点2一阶附着系数和一阶脱附系数，katt1、kdet1分别代表2
动力位点1的一阶附着系数以及一阶脱附系数。拟合优度用确定系数R 衡量，其计算公式为：

[0024] R2＝SSR/SST＝1‑SSE/SST         (1)

[0025] 其中，SSR代表回归平方和，SSE代表残差平方和，SST代表总平方和。

[0026] 此处所述的最优拟合度为R2>0.98，在该情况下模型拟合良好，可以作为后续验证的可靠依据。

[0027] 第二步：采用曲线估计对第一步中调整后的各参数与污染物浓度建立线性与非线性回归方程，选出可与浓度变量拟合最优的参数作为控制参数，其所用函数模型作为控制参数的估算函数。

[0028] 其中，回归拟合的拟合优度R2大于0.98。曲线估计采用SPSS软件的曲线估计模块，在采用曲线估计进行函数模型选择时，根据数据散点图趋势，选择一元线性、二次函数、三次函数、指数函数、幂函数等线性或非线性模型进行回归分析，例如：

[0029] 三次函数模型公式为：

[0030] y＝b0+b1x+b2x2+b3x3          (2)

[0031] 指数函数模型公式为：

[0032]

[0033] 其中，x为自变量(本发明中指代污染物浓度)，y为因变量(本发明中指代各待解参数)，b0为常数，b1、b2、b3为回归系数。

[0034] 根据拟合优度(R2)检验、F检验及其所转换得到的显著性值(sig.)选择最佳的回归方程，显著性sig.<0.05代表F检验后结果显著。

[0035] 第三步：对于回归分析显著性不强的其他参数，将其与控制参数两两之间代数相除结合成新的变量参数，以达到放大原参数与自变量关系的效果。在新的变量参数与浓度之间建立线性或非线性回归方程。

[0036] 可以对回归方程模型进行检验及回代误差评估，其中，预测值的误差E用下式(4)计算，即预测值与准确值之差。

[0037]

[0038] 平均绝对百分比误差MAPE计算公式按下式(5)计算，范围为[0，∞)。

[0039]

[0040] 其中，n代表样本量，即数据组数；MAPE为0％表示完美模型，MAPE大于100％表示劣质模型。

[0041] 第四步：利用第三步中建立的回归方程，对其他待模拟浓度的污染物迁移进行输入参数预测，得到的结果为预测结果，采用HYDRUS‑1D模拟时可基于该结果作进一步的精确优化。

[0042] 具体实施例：

[0043] 本发明基于HYDRUS‑1D的参数预测方法，包括以下步骤：

[0044] (1)利用HYDRUS‑1D软件模拟实验测得的在100mM的KCl背景盐溶液中，在5mL/min6
流速时，不同浓度腐殖酸(HA)存在条件下，2×10 个/ml的4.5μm聚苯乙烯微球在石英砂柱
2
中迁移的穿透曲线，调整参数使得各个曲线的拟合优度R 均大于0.98，各浓度下的最优参数值如表1所示。

[0045] 表1不同HA浓度下拟合最优参数值

[0046]

[0047] (2)利用SPSS软件的曲线估计模块对上述最优参数与HA浓度建立线性与非线性回归分析，选取0.1ppm、0.5ppm、2ppm、10ppm、20ppm、30ppm浓度时的数据进行回归，以HA浓度为自变量，最优参数为因变量，得到的各参数与对应浓度的最佳回归参数值如表2所示。

[0048] 表2各参数最佳回归分析结果

[0049]

[0050] 根据R2及显著性结果可看出，可与HA浓度值建立最佳拟合的变量为katt1，因而将其确定为控制参数。其回归方程为：

[0051] y0＝1.274e‑0.056x             (6)

[0052] 其中，y0代表katt1,单位为min‑1；x代表HA的浓度，单位为ppm。

[0053] (3)对于回归分析显著性不强的其他参数，将其与控制参数结合成新的变量参数。此处将各参数与控制参数作商作为新的变量参数，分别为Smax/katt1、katt2/katt1、kdet2/katt1和kdet1/katt1。对这些新的参数与相应浓度值进行三次函数的回归拟合，得到的拟合结果如下表3所示。

[0054] 表3各新参数回归分析结果

[0055]

[0056] 根据R2及显著性结果可看出，新参数与相应HA浓度值的回归拟合优度较原参数显著提高，且拟合优度高，模型良好。各新参数对应的回归方程为：

[0057] y1＝1.112+0.701x‑0.097x2+0.003x3           (7)

[0058] y2＝14.110+0.972x+0.096x2‑0.002x3          (8)

[0059] y3＝31.978+5.093x‑0.297x2+0.010x3         (9)

[0060] y4＝0.001+0.004x+0.00000895x3          (10)

[0061] 其中y1、y2、y3、y4分别代表Smax/katt1、katt2/katt1、kdet2/katt1和kdet1/katt1，x代表HA的浓度，单位为ppm。

[0062] (4)将原数据回代，得到各浓度下的各参数值，见表4：

[0063] 表4数据回代结果

[0064]

[0065] 由回代结果可得到各参数的平均误差率MAPE见表5：

[0066] 表5各参数平均误差率结果

[0067]

[0068] katt2、kdet2、katt1的MAPE值均小于10％，模型较完美；Smax2的MAPE值相对较大，模型拟合准确度中等；由于kdet1值本身非常微小，回归系数也很微小，根据经验其值对于模型拟合的贡献不大，预测值可在0～0.1之间选取。

[0069] (5)用上述拟合方程预测HA浓度为1ppm时的各个输入参数，结果如表6所示：

[0070] 表6 HA浓度为1ppm条件下各参数的预测值与优化值

[0071]

[0072] 将该预测值输入HYDRUS‑1D中进行1ppm HA浓度条件下的模拟，得到的4.5μm聚苯2
乙烯微球穿透曲线如图2(a)所示。其中，拟合优度为R ＝0.988，平均绝对误差为0.014，拟合优度较好。

[0073] 在此基础上对各参数进行优化，优化后得到的4.5μm聚苯乙烯微球穿透曲线如图22
(b)所示。其中，拟合优度为R＝0.989，平均绝对误差为0.011，与预测值得到的拟合结果相差不大，运算过程较快，仅需8.08s，对计算机压力较小。而在没有预测依据情况下盲猜输入初始值进行优化所需时间在5～30s范围内不等。

[0074] 尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。