水质综合评价及预测研究进展

吴岳玲

摘要 水质评价和水质预测研究是实现水污染精准化治理的基础和前提。在介绍水环境现状的基础上，主要阐述了水质评价和水质预测的基本概念，总结了水质评价、水质预测在国内外的研究进展以及基本方法，并对水质预测在未来的研究进行了展望，旨为解决水环境污染和制定相关保护政策提供一定的科学依据。

关键词 水质评价;水质预测;研究进展;评价方法

中图分类号 X824文献标识码 A

文章编号 0517-6611（2020）02-0023-04

doi：10.3969/j.issn.0517-6611.2020.02.007

开放科学（资源服务）标识码（OSID）：

Progress in Comprehensive Evaluation and Prediction of Water Quality

WU Yue-ling （School of Civil and Hydraulic Engineering，Ningxia University，Yinchuan，Ningxia 750021）

Abstract The research of water quality assessment and water quality prediction are the basis for achieving precise control of water pollution.Based on the introduction of the current situation of water environment，the basic concepts of water quality assessment and water quality prediction were mainly expounded，the research progress and basic methods of water quality assessment and water quality prediction at home and abroad were summarized，and the future research of water quality prediction was prospected.It is expected to provide a scientific basis for solving water pollution and formulating relevant protection policies.

Key words Water quality assessment;Water quality prediction;Research progress;Evaluation method

水資源是保障人类生活和促进社会经济发展不可或缺的自然资源，是地球上一切生物赖以生存的物质基础[1]。然而，随着科技的进步和人类社会的不断发展，水环境质量却日趋恶化，目前水污染问题已严重影响了我国经济、社会的可持续发展。水质评价的引入为解决水体污染提供了一定的依据[2]，在水资源紧缺和水环境污染严重的情形下，对河、湖水质进行综合性的评价，可以充分了解河、湖的健康状况、污染情况，对于解决水体污染、保护水资源和社会经济发展具有十分重要的现实意义，对水环境质量进行科学合理的预测，及时分析和掌握河、湖水环境质量的变化趋势，可为水环境保护奠定一定的基础。

1 水环境的现状

地球上的水资源总量约为 13.8×108 km3， 其中97.5%是海水，淡水仅占 2.5%，其中适宜人类使用的仅为 0.01%，联合国《世界水资源综合评估报告》预测，到 2025 年，全世界人口将增加至83 亿，而生活在那些水资源短缺国家的人口将增加到 30 亿[3]。21世纪以来，随着社会经济的不断发展和人口的大量增长，我国用水高峰预测将在2030年到来。我国是世界上水资源短缺最严重的13个国家之一，在水资源短缺的同时水资源的分布也极其不平衡：在空间上，我国南部地区的降雨量多于北部地区，东部地区的降雨量多于西部地区;在时间上，主要呈现夏季多于冬季的现象。当前水资源短缺已严重影响了我国经济的发展[4]。

根据生态环境部公布的《2017 年中国生态环境状况公报》[5]，2017 年我国地表水1 940个水质断面（点位）中，67.9%断面水质为Ⅰ～Ⅲ类，23.8%断面水质为Ⅳ～Ⅴ类，8.3%断面水质为劣Ⅴ类。在112个重要湖泊（水库）中，Ⅰ 类水质的湖泊（水库）占5.4%，Ⅱ类水质的湖泊（水库）占24.1%，Ⅲ类水质的湖泊（水库）占33.0%，海河流域仍为我国污染最为严重的区域。近年来，一些突发性的水污染事故频繁出现在我国重点流域，据统计，我国平均每 2～3 d 就会发生一起水体污染事故，这使得我国水资源更加匮乏，严重威胁了我国的生态环境和人类健康[6]。

2 水质评价在国内外的研究进展

2.1 水质评价的概念

水质评价，即水环境质量评价，水环境是指自然界中水形成过程所处的大环境。水环境评价所指的是这个大环境的质量状况。根据不同的水环境因素，水环境包括河流水环境、海洋水环境、湖泊水环境等，人类社会赖以生存和发展的场所是水环境，但同时水环境也是受人类干扰和破坏最严重的领域[7]。对水质的现状进行评价，首先确定需要评价的范围，根据所评价的范围选择合适的评价参数;其次，具体问题具体分析，根据不同的参数选择最为合适的评价方法;再次，对所评价区域的水质现状展开模拟计算[8]。

2.2 国内外研究进展

水质评价是解决水体污染和保护水环境的基础，水质评价工作最早出现在美国[9]，美国学者在水质评价的过程中提出了许多水质评价的方法，为水质评价方法的研究开拓了一条道路。20世纪60年代，水体质量评价的水质指数（QI）概念的提出标志着水质评价的开始，之后，各个国家以此理论为基础，不断对水质评价的方法进行补充和发展[10-11]。根据水质指数（QI）理论，Brown等[12]提出了水质现状评价的质量指数法（WQI） ，紧接着美国学者Nemerow[13]在其著作《河流污染科学分析》中提出了Nemero污染指数法，并将Nemero污染指数法用于分析美国地表水的污染情况。1977年，英国学者Ross[14] 在总结水质评价一些方法后，提出了一种计算较为简单的罗斯水質指数法。在 20 世纪 70 年代中，前苏联国家也积极展开了水质评价工作，根据莫斯科河和伏尔加河上采用基于物理、化学和生物学指标评价法建立了河流污染平衡模型，使评价结果更加全面、科学[15-16]。

我国在水环境质量综合评价方面起步较晚，我国水质评价研究始于1973 年第一次对北京西郊环境质量的评价[17]。1978 年，地表水质污染指数由中国科学院地理科学与资源研究所提出，并将该指数用于我国东部河流水质污染程度的评价中，1981 年，我国将单项评价法、地图重叠法和加权算术平均河长的水质指数法运用到了第一次全国水质评估中[18]。随着计算机技术的迅猛发展，各种数学模型得到了广泛应用，水质评价方法也在逐步完善以适应各种类型水体的水质评价，而且评价的整体水平也在不断提高。虽然水质评价工作在国内起步较晚，但发展十分迅速，郭晶等[19]运用主成分分析法对洞庭湖的水质进行评价，得出洞庭湖水质主要受TN、TP、BOD5、CODMn这4个因子的影响，该方法能从众多的污染因子中筛选出影响水体的主要污染因子;孙大明[20]运用层次分析法和单因子评价法对大连市沙河流域水质进行综合评价，结果表明，层次分析法的评价结果与大沙河流域各断面实际水质情况相吻合。我国水质评价研究到目前已有40多年的发展历程，现有水质评价方法主要侧重于对评价指标的处理、解决水环境的模糊和不确定性问题。

2.3 水质评价基本方法

水质综合评价已在水体污染防护中占主导地位，水质综合评价的首要工作是水质指标的选择[21]。水环境是一个极其复杂的大环境，在这个大环境中进行评价时，水质指标的选取、权重的确定等都会导致评价结果的不同，因此，至今为止，没有一个完全合理、被大家公认的评价方法。随着科技的进步和社会的发展，许多学者对水质评价做进一步的研究，提出了许多水质评价的方法[22]，如主成分分析法、层次分析法、灰色关联法、人工神经网络法等，这些方法的评价结果是否科学合理没有一个确切的定义，且每种方法都有其相对应的特征。因此，在水质综合评价的过程中，人们往往结合多种方法去评价，通过对每种方法的比较分析，使得评价结果更加科学合理。

2.3.1 主成分分析法。

主成分分析是一种多元统计方法，主要是从众多的污染因子中筛选出主要的污染因子，又称为主分量分析[23]。由于在水质评价时，所涉及到的因子数量较多，因此可能无法提取水体的重要信息，无法做出科学有效的水质评价。主成分分析不仅能在一定程度上减少指标数量，而且筛选出的水质指标两两之间不相关[24]，这样，在保证信息量损失最小的情况下简化计算，提高评价结果的可信度，筛选出重要的水质指标。

2.3.2 聚类分析法。

聚类分析又称为群分析，是利用数理统计的手段，对数据进行分类的一种方法，是建立在大量样本数据的基础上进行的，在指标的筛选中，将相关性或数据特征相近的水质指标利用聚类分析方法归为一类。聚类分析法常用于水环境时空特征分布中，分析流域水环境的时空分布特征[25]，在很多研究中将水质评价和聚类分析一起分析，应用聚类法将参与水体评价的流域或断面在空间尺度上进行归类，然后综合讨论[26]。

2.3.3 污染指数评价法。

污染指数法基于单因子评价法，根据水功能分区进行，将单项因子与水功能分区的水质标准进行比较，得出单项污染指数，再通过一定的计算方法计算各污染指标的相对污染指数[27]，以此来作为水质评价的基础。污染指数评价法能够直观地判断出综合水质是否符合功能区目标，由于在计算的过程中所采用的数学方法不同，所以得出的污染指数也就有所不同，因此污染指数评价法不能准确地去判断该水体的综合水质级别，不便于进行水体之间的水质对比。

2.3.4 模糊评价法。

由于水体环境的复杂性以及水体污染程度界限的模糊性，用污染指数的方法去判断水体的污染程度是不客观的，而模糊数学理论是针对现实中具有模糊现象问题的一门学科，对于研究水环境问题具有很好的贴合性。模糊评价法是通过样本数据，建立所选的水质指标对各类水质标准等级的隶属函数关系，也就是通过精确的数字手段处理模糊的评价对象，最后，根据隶属度最大的原则判断水体的水质类别[28]。然而，模糊综合评价法在水质评价过程中的计算较为复杂，而且对指标权重矢量的确定主观性较强，信息损失多，有可能会评价失败，对于劣Ⅴ类水质的评价偏保守。我国已有许多学者将模糊评价法运用到实际案例中，朱洁等[29]用模糊评价法对楠溪江的水质进行了评价，侯玉婷等[30]运用改进的模糊综合评价法对喀斯特山区的水质进行了评价。

2.3.5 灰色系统法。

灰色系统理论是由邓聚龙教授于1982年提出的一门新兴理论[31]。灰色关联法是基于灰色系统来确定2个水环境因子之间关联度的方法，灰色关联评价法充分考虑了水质分级界限的不确定性，使水质评价结果更加准确。灰色关联法的缺点是：在水质评价过程中当有太多指标需要评估时，指标权重的归一化和标准化可能会影响指标分得的权重值，从而忽略了这些指标在评价中的作用。现如今，许多学者将灰色评价法已应用到水质评价的实践当中，张彦波等[32]应用改进的灰色关联法对地表水环境的质量进行评价，储金宇等[33]采用灰色聚类法对长江镇江段的水质进行了评价。

2.3.6 层次分析法。使用层次分析法进行水质评价时，将待评测水体的评价指标按照一定的方法分解为几个层次，然后按照这些指标之间的关系进行分组，建立一个有序的层次结构，以确定每个层次之间的隶属关系，最后通过对每组中的水质指标两两比较确定层次中各因素的相对重要性顺序[34]。层次分析法是一种将定性和定量分析相结合的评价方法，具有较强的逻辑性和系统性。层次分析法的缺点是：没有考虑层次权值之间的关联性，导致分辨率降低，对劣Ⅴ类的水质评价偏保守。

2.3.7 人工神经网络法。

人工神经网络思想是 McCulloch和Pitts于1943年提出的，在水质综合评价中，由 Rumelhart 等学者提出的 BP（back propagation）网络是人工神经网络评价法中应用较广泛的，也是最具代表性的一种模型[35]，人工神经网络法计算简单，运算速度快，受外界影响小，且与真实结果相符度高，评价结果可信度高。人工神经网络法虽然在水质评价中得到了较为广泛的应用，但其也具有一定的缺陷，如收敛速度慢，网络对初始值比较敏感，因此容易陷入局部极小值。

3 水质预测在国内外的研究进展

3.1 水质预测的概念

水质预测是水质评价工作的延伸，河流、湖泊的水质预测模型是通过现有的监测资料对未来一段时间内的水质状况进行科学的推测和判断，对预防水质污染事件、保护水环境都具有重要的现实意义[36]。

3.2 国内外研究进展

随着研究者研究的不断深入和计算机技术的不断发展，水质预测的方法愈来愈多，如数理统计法、神经网络模型、水质模拟模型和混沌理论[37]，在数理统计法中，应用最广泛的是GM（1，1）模型。神经网络模型也是近几年来比较火热的预测方法，许多中国学者已将神经网络模型应用到实际案例中，如张青等[38]运用BP神经网络对洪湖的水质指标进行了预测，结果表明，BP神经网络模型预测的水质指标的相关性系数都在0.998以上。孔刚等[39]应用BP神经网络法对北京平原地下水水质进行评价，在12眼监测井中，第一眼井的水质最差，为Ⅴ类水，主要的超标因子有NH3-N、氟化物、总硬度。

1925年，美国工程师Streeter 和 Phelps提出第一个水质模型——氧平衡模型[40]。对于湖泊水质模拟方向，也从单一的有机污染模拟到复杂的富营养化生态模拟，其模型更加复杂也更加精确且切合实际。随着全球水污染和饮用水污染加重，经过30多年的发展，人们建立了各种新的水质预测模型。张学成[41]引入均值生成函数建立了MFAM模型，用于预测和模拟河流的污染，反映水质变化的规律，1963年，美国学者爱德华提出了一种兼具质性思考与量化分析的混沌理论，经过长时间的研究与发展，已成功应用到社会、经济和语言等方面[42]。目前，美国环境保护局提出的 WASP 水质模型系统在河流、湖泊等水體得到了广泛的应用。

3.3 水质预测的基本方法

水是人类赖以生存的基础，但水资源的管理在很长一段时间里被人们忽视和遗忘，由于工业的迅速发展，城镇化进程的不断加快，使得我国多数水体的水质受到了不同程度的污染。为了掌握水环境的污染情况，在污染情况严重时可及时采取相应的措施，需了解和掌握水质环境质量在将来的变化趋势，就需对水质进行预测，目前，常见的水质预测方法可分为机理性方法与非机理性方法两类。

3.3.1 机理性方法。

3.3.1.1 QUAL模型预测法。QUAL模型是20世纪70年代美国提出的，QUAL模型最初包括QUAL-Ⅰ 水体综合模型和 QUAL-Ⅱ 模型，随着研究区域和模型对象的日益完善，之后陆续推出 QUAL2E、QUAL2K 等版本，该版本能够较好地模拟预测水质。QUAL模型经过几十年的发展历程，在水质模拟预测上有了广泛的应用，既可以研究点源污染，又可以研究非点源问题[43-44]，特别是QUAL2K版本，具有功能齐全、数据量小等特点，因而有望得到更广泛的应用。

3.3.1.2 MIKE模型预测法。

MIKE模型是由丹麦水资源及水环境研究所（DHI）开发的，包括 MIKE11[45]、MIKE21[46]、MIKE3[47]。MIKE11是一维动态水质模型，应用于各类水体水质、泥沙等分析的综合模拟软件，在水工设计、洪水预报和水环境管理中均有广泛应用。MIKE21是适用于河口、海岸等地区水力和水流二维仿真模拟的综合模拟软件。MIKE3是三维模型，除此之外，MIKE 体系还包括其他一些界面友好的子模型。

3.3.1.3 WASP模型预测法。

WASP（water quality analysis simulation program，水质分析模拟程序）模型是应用最广泛的水质模型之一，最早由美国环境保护局开发出来，能够应用于自然或人为污染造成的各种不同水环境中，如地表河流、湖泊、水岸、河口等，也可针对各种不同水质目标进行模拟，如溶解氧DO、总磷、总氮以及金属离子等，经过研究者的不断总结创新开发，之后推出了WASP6系列模型，是美国环保局最完整实用的水质模型之一[48]。WASP模型的局限：WASP软件内嵌一维水动力模型DYNHYD5，DYNHYD5水动力模块不具有模拟水利工程运行的功能，没有考虑浮游动物的影响[49]。

3.3.1.4 QUASAR模型预测法[50]。

QUASAR（quality simulation along river system）是一维动态水质模型，适用于模拟混合良好的支状河流。QUASAR 模型包括PC-QUASAR、HERMES和QUESTOR三部分，可同时模拟水质组分生化需氧量、溶解氧、氨氮、酸碱度、硝氮、温度和一种守恒物质的任意组合。QUASAR模型在模拟河道水质预测的过程中，先将模拟河道划分为一系列非均匀河段，再将河段划分为若干等长的完全混合计算单元。

3.3.2 非机理性方法。

3.3.2.1 灰色模型预测法。

灰色系统理论（grey system theory）是由邓聚龙教授首次提出的[31]，在水环境保护中灰色理论及相关模型得到了广泛的应用。河流水质预测是水资源保护和环境评价不可缺少的组成部分，而在现实生活中，由于各种因素的影响，无法获得待预测水体水质信息的准确性和完整性，给预测方法的使用带来了很大的困难，灰色预测的引入为预测信息不完整的水质情况提供了一定的理论依据。其中，GM（1，1）模型在水质预测中得到了较为广泛的应用。

3.3.2.2 人工神经网络模型预测法。

人工神经网络是一种根据人脑神经元结构设计的计算方法，其研究起始于19世纪40年代[51]。人工神经网络的每个神经元都具有独立运算和处理的能力，作为一个高度的非线性动力系统，对于同一种网络结构，既可处理线性问题，又可处理非线性问题，在求解问题时，对实际问题的结构没有要求，不必对变量之间的关系做出任何假设，因此在各个领域得到了广泛的应用。随着社会的快速发展，城镇化的步伐加快，造成了水环境系统的恶化，水环境系统其本身特有的复杂性使其单纯利用传统的机理性与非机理性方法所得结果难以满足预测的需要，人工神经网络的引入为解决水体污染问题提供了一定的依据，通过监测资料建立适合的人工神经网络，以实现对水质的预测[38]。

4 结语

水污染和水资源短缺已成为我国首要关注的问题，为了解决这个问题，我国的水环境评价方法和预测方法正在不断地得到完善和发展，许多研究者也对相关方法的研究步伐不断加快，促使我国水环境评价和预测结果也更贴合实际。

水环境评价和预测的方法众多，但是由于水环境系统是一个不断变化、极其复杂、具有不确定性的大系统，所以至今为止，没有一个较为系统的方法去评价和预测水环境。水环境评价及预测的研究领域处于发展阶段，还有很多地方需要完善：①在进行水环境的质量评价时，应根据区域环境特征、评价目的和水质特性选择有代表性的评价指标和合适的评价方法，虽然水环境评价方法的种类很多，由于在不同的理论基础上的评价方法，在评价同一样本时，仍会有评价结果不稳定、评价结果变化不一致的情况发生，因此需研究出一种统一的水质评价模式，从而使得判别结果更加准确合理;②水环境系统虽然复杂，但其变化具有一定的规律，机理性模型的建立虽然复杂，但随着计算机的发展和通讯技术的广泛应用，机理性水质预测模型必将得到广泛的应用。

参考文献

[1] 杨永宇.黑河流域水环境因子分析及水环境质量综合评价[D].银川：宁夏大学，2017.

[2] 王兆波.长春市典型水库水质综合评价及预测研究[D].长春：长春工程学院，2018.

[3] 张薇，赵亚娟.国际水资源现状与研究热点[J].地质通报，2009，28（Z1）：177-183.[4] 中华人民共和国水利部.中国水资源公报[M].北京：中国水利水电出版社，2014.

[5] 2017年《中国生态环境状况公报》（摘录一）[J].环境保护，2018，46（11）：31-38.

[6] 李杰.漳河上游河流水质评价及预测[D].邯郸：河北工程大学，2018.

[7] STIFF M J.Rive pollution control[M].Chichester：Ellis Horwood Limited，1980：319-331.

[8] 刘克岩，王桂玲.以用水为主体的水质水量结合水资源评价方法[J].水文，2002（3）：32-33，17.

[9] 刘国梁.中英法律制度对环境影响评价作用的比较研究[D].大连：大连理工大学，2016.

[10] 保金花，黄勇.水质综合评价方法研究综述[J].水利科技与经济，2008（8）：639-642.

[11] JACOBS H L.Water quality criteria[J].Journal of water pollution control federation，1965，37（5）：292-300.

[12] BROWN RM，MCCLELLAND N I，DEININGER R A，et al.A water quality index：Do we dare？[J].Water & sewage works，1970，117：339-343.

[13]NEMEROW N L.Scientific stream pollution analysis[M].New York：McGraw Hill，1974.

[14] ROSS S L.An index system for classifying river water quality[J].Water pollution control，1977，76（1）：113-122.

[15] 陳荣.东江湖流域水质变化趋势分析与水质评价[D].长沙：中南林业科技大学，2016.

[16] 张士俊.基于 GIS 的辛安泉水质评价及污染物浓度的动态显示[D].太原：太原理工大学，2013.

[17] 杜兰.地表水水质监测现状分析与对策[J].资源节约与环保，2018（7）：34.

[18] 丁桑岚.环境评价概论[M].北京：化学工业出版社，2001.

[19] 郭晶，王丑明，黄代中，等.洞庭湖水污染特征及水质评价[J].环境化学，2019，38（1）：152-160.

[20] 孙大明.基于层次分析法的大连市大沙河流域水质综合评价[J].水电能源科学，2017，35（8）：53-55，115.

[21] 中华人民共和国地表水环境质量标准[N].中国环境报，2002-06-01（003）.

[22] 赵爱华.于桥水库入库河流水质评价及其趋势分析[D].天津：天津大学，2009.

[23] 鲁斐，李磊.主成分分析法在辽河水质评价中的应用[J].水利科技与经济，2006（10）：660-662.

[24] SINGH K P，MALIK A，SINHA S.Water quality assessment and apportionment of pollution sources of Gomti River （India） using multivariate statistical techniques：A case study[J].Analytica chimica acta，2005，538（1/2）：355-374.

[25] KANEL P R，LEE S，KANEL S R，et al.Chemometric application classification and assessment of monitoring locations of an urban river system[J].Analytica chimica acta，2007，582：390-399.

[26] 周丰，郝泽嘉，郭怀成.香港东部近海水质时空分布模式[J].环境科学学报，2007，27（9）：1517-1524.

[27] 刘琰，郑丙辉，付青，罗岳平，王梅.水污染指数法在河流水质评价中的应用研究[J].中国环境监测，2013，29（3）：49-55.

[28] 陈守煜，陈晓冰.水质模糊评价理论与模型[J].环境科学学报，1991，11（1）：1-8.

[29] 朱洁，连新泽，柯爱英，等.模糊评价法在楠溪江水质评价中的应用[J].浙江水利科技，2018，46（6）：8-13，28.

[30] 侯玉婷，周忠发，王历，等.基于改进模糊综合评价法的喀斯特山区水质评价研究[J].水利水电技术，2018，49（7）：129-135.

[31] 邓聚龙.社会经济灰色系统的理论与方法[J].中国社会科学，1984（6）：47-60.

[32] 张彦波，司训练.基于改进灰色关联法的地表水环境质量评价[J].人民黄河，2017，39（11）：109-111，127.

[33] 储金宇，柴晓娟.用灰色聚类法对长江镇江段水环境质量的评价[J].人民长江，2006（11）：76-78.

[34] 张耀辉，郭瑞，胡蕊，等.基于层次分析法的地下水水质综合评价[J].兰州交通大学学报，2015，34（6）：17-22.

[35] 郭小青，项新建.基于神經网络模型的水质监测与评价系统[J].重庆环境科学，2003，25（5）：8-10，59.

[36] 郑飞.基于数据挖掘的洞庭湖水质评价预测研究[D].长沙：湖南农业大学，2013.

[37] 李如忠.水质评价理论模式研究进展及趋势分析[J].合肥工业大学学报（自然科学版），2005，28（4）：369-373.

[38] 张青，王学雷，张婷，等.基于BP神经网络的洪湖水质指标预测研究[J].湿地科学，2016，14（2）：212-218.

[39] 孔刚，王全九，黄强.基于BP神经网络的北京昌平山前平原地下水水质评价[J].农业工程学报，2017，33（S1）：150-156，389.

[40] STREETER H W，PHELPS E B.A study the pollution and naturai purification of the Ohio River[R].US Department of Health，Education & Welfare，1958.

[41] 张学成.MFAM模型在河流水质污染模拟及预测中的应用[J].四川环境，1994（4）：10-15.

[42] 徐敏，曾光明，苏小康.混沌理论在水质预测中的应用初探[J].环境科学与技术，2004，27（1）：51-54，113.

[43] Hydraulics Laboratory （U.S.）.CE-QUAL-W2：A numerical two-dimensional，laterally averaged model of hydrodynamics and water quality：User's manual[R].1986.

[44] 陈月，席北斗，何连生，等.QUAL2K模型在西苕溪干流梅溪段水质模拟中的应用[J].环境工程学报，2008，2（7）：1000-1003.

[45] KANDA E K，KOSGEI J R，KIPKORIR E C.Simulation of organic carbon loading using MIKE 11 model：A case of River Nzoia，Kenya[J].Water practice & technology，2015，10（2）：298-304.

[46] JIAO R H，LI X.Forecasting the environment effect of draining water and residual chlorine on marine environment based on MIKE21 model from Dalian LNG project[C]//Znternational conference on consumer electronics.[s.l.].IEEE，2011.

[47] 韩龙喜，陆东燕，李洪晶，等.高盐度湖泊艾比湖风生流三维数值模拟[J].水科学进展，2011，22（1）：97-103.

[48] 张永祥，王磊，姚伟涛，等.WASP模型参数率定与敏感性分析[J].水资源与水工程学报，2009，20（5）：28-30.

[49] 张维江.干旱地区水资源及其开发利用评价[M].郑州：黄河水利出版社，2018.

[50] 徐明德，师莉红.浅析QUASAR河流综合水质模型[J].科技情报开发与经济，2005，15（2）：172-174.

[51] 陈丽华，臧荣鑫，王宏伟.人工神经网络及其在水质信息检测中的应用[M].北京：国防工业出版社，2011：75-80.