Page 42 - 2025年第56卷第2期

等 ［１２］ 基于 ＥＦＤＣ和 ＷＡＳＰ模型，结合 Ａｃｃｅｓｓ建立的溯源数据库对西北江佛山段河网中突发水污染事
［１３］
件进行了溯源模拟，可估算出可能污染源及对应排放的污染负荷量。ＬｕｋａＧｒｂｃｉｃ 等采用随机森林算
ˇ ＇
法探究了两个典型供水水网的污染溯源问题，并对比分析了不同数据监测情景下的溯源结果。
总体上，对环状河网而言 ［１４ － １５］ ，无论是污染物迁移路径的高度不确定性还是河网水流的复杂度都
显著增加了污染溯源问题的求解难度，该类研究仍处于以模拟试算为主的探索阶段，成果未能推广应
用至实际河网区管理实践。在环状河网中，污染物排入水体后发生复杂的迁移扩散过程，甚至出现随
水流的往复运动 ［１６］ 。为此，研究结合机理模型与数据驱动算法，提出了一种可实现环状河网突发水污
染溯源的新方法。该方法将河网溯源分解成 “河网” 与 “河道” 两级展开：首先，利用 ＢＰ神经网络
算法计算出河网中污染溯源所在的具体河道，实现河网级溯源；然后，采用逆向位置概率密度方法计
算出污染物排放位置、排放时间和排放总量，实现河道级溯源。此外，针对污染源所在河道无监测数
据的情形，研究构建了水流水质正反向演算模型以推算污染源所在河道出口处的污染物浓度过程。所
提出的溯源方法旨在迅速掌握河网中突发水污染源信息，应用于突发水污染事件的应急处置。此项研
究对于改善河网区水环境治理现状具有重要意义。

２ 突发水污染溯源模型

如图 １所示，污染物排入河网后，经历两个阶段的运移
过程：停留在污染源所在河道 Ｒ１上和流出污染源所在河道
Ｒ１后经过节点 Ｎ２进入河网中。在环状河网中，水流的往复
流动会显著增加溯源问题的不适定性，实践中难以由监测数
据直接判定污染源所在位置。为此，研究将河网溯源分析分
解为 “河网” 和 “河道” 两级开展，如图 ２所示。
首先，由监测数据提取对应站点处的污染物浓度峰值、
历时以及峰现时间等特征参数，并由 ＢＰ神经网络算法计算
出污染源所在河道。追溯到污染源所在河道后，再根据该河
道出口处污染物浓度过程由逆向位置概率密度方法计算出具
体的污染源信息，包括污染物排放位置、排放时间和排放总 图 １ 环状河网示意
量。当污染源所在河道无浓度监测时，为实现河道级溯源，
还需利用河网水流水质正反向演算模型计算出污染源所在河道出口处的浓度过程。具体计算时，从河
网中临近监测站点出发，顺着水流方向采用正向模型计算，逆着水流方向则采用反向模型计算，将浓
度信息推算至污染源所在河道的出口节点。

图 ２ 河网突发水污染溯源技术路线图
— １ ８ —
２