基于葠窝水库的水质预测研究

韩 伟

(辽宁省辽阳水文局，辽宁 辽阳 111000)

0 引 言

近年来，随着水生态文明建设的加快及水资源保护力度的增强，水环境保护规划越来越引起人们的重视。因此，准确预测水质未来变化趋势，可为科学合理的制定水环境保护规划、实施有效的保护措施等提供数据支撑，水库特别是水源地水库的环境状况已成为公众和社会关注的焦点。目前，关于水环境、水库水质等诸多学者利用不同方法开展了预测研究，其中应用效果较好的为灰色模型与变量回归相结合的方法，在水质预测中该模型的适用性较好、精准度较高，然而在不同区域灰色模型的适用范围和条件存在一定差异[1-3]。据此，文章以葠窝水库为例，对其水质状况利用灰色模型加以预测，并结合采样数据验证了模型的适用性与可靠性，以期为灰色模型的推广应用提供数据支持。

1 研究方法

1.1 水质监测方法

一般地，评价水库水质的主要指标有生物学、化学和物理学等指标。其中，TP|(总磷)、TN(总氮)、氨氮、COD5(五日化学需氧量)为控制水库水质的主要因子，另外湖库富营养化程度还受到总氮与总磷比值的影响。遵循科学性、代表性、数据可获取性等原则，文章选择监测项目有氮磷、TP|(总磷)、TN(总氮)、COD5(五日化学需氧量)，这也是常规的水质监测指标，监测方法如下：

采用紫外分光光度法测定样本中的TN含量，先把纯化的碱性过硫酸钾融入水样中加热30min，温度控制在126℃-127℃，自然冷却后测其275nm、220n处的吸光度，并以无氨水为基准加以对比。采用钼酸铵分光光度法测定水样中的TP含量，将过硫酸钾融入水样中加热20min，温度控制不超过140℃，将钼酸铵与抗坏血酸待自然冷却后加入，监测波长为700nm处的吸光度，若吸光度测定受水样中色度的影响还要补偿色度[4-6]。在酸性条件下采用高锰酸钾氧化样本中的还原性物质以及有机物，并用过量的草酸处理过量的高锰酸钾，通过对高锰酸钾消耗量的计算，求解出水样中的化学需氧量。此外，氮磷指标监测方法借鉴文献。

1.2 灰色预测模型

回归方程为使用灰色模型的理论依据，通过求解方程确定已知变量的预测值，且通常以常用水质指标作为已知变量，即利用回归方程和水质指标系列数据预测其未来变化值，数学表达式为：

(1)

式中:u为水库水质预测指标，即预测变量；a为模型求解系数；t为预测时间步长，h；x(1)为水质指标预测浓度，mg/L。采用下式求解系数值a，即：

(2)

(3)

式中：YN、B为模型求解的不同变量值，可利用下式计算各各变量，即：

YN=[x(0)(2)·x(0)(3)·∧·x(0)(N)]T

(4)

式中：x(0)(2)、x(0)(3)、x(0)(N)为水质样本系列数据；经一系列转换计算确定水质预测方程，数学公式为：

(5)

2 结果与分析

2.1 水库概况

葠窝水库地处太子河干流，最大库容7.91亿m3，控制流域6175km2，正常蓄水位96.6m，最高水位102.0m，该水库是一座兼顾防洪、发电、灌溉、供水和旅游等功能的综合型水利工程。水库周边年降水量900-1000mm，年蒸发量约600mm，入库河流有一级支流兰河、细河和主河道太子河，每年汛期来水量增加、水域面扩大、河水漫摊；春、冬季节水面变小，河滩显露、河水落槽，丰、枯水期库容和水域范围变化较大。

近年来，随着乡镇企业的崛起以及工农业生产的发展，葠窝水库入库河流和地表径流所携带的工业废弃物、面源污染等排入湖库，水质富营养化趋势日趋显现。文章利用灰色模型和长系列样本数据构建归回方程，并对水库水质利用回归方程合理预测。

2.2 参数设置

以氨氮、COD5、总磷及总氮样本系列数据为基础，利用残差分析法合理设置预测精度和模型参数，如表1所示。

表1 预测精度及模型参数的设置

续表1 预测精度及模型参数的设置

从表1可知，参数调整前COD5模型的精度指标系数较低(0.136 1)，而参数调整后精度指标系数明显增大(0.442 8)，所以COD5指标预测时应选用调整后的模型参数；同理，参数调整前氨氮模型的精度指标系数较低(0.235 7)，而参数调整后精度指标系数明显增大(0.465 5)，因此氨氮指标预测时应选用调整后的模型参数。可见，模型参数的调整能够显著的提高水质指标的预测精度，应选用调整后的参数进行氨氮、COD5、总磷及总氮预测[7-9]。

2.3 水质指标预测分析

2.3.1 COD5指标

在合理设置模型参数的基础上，对葠窝水库COD5指标利用灰色模型进行预测，并分析模型的适用性，如表2所示。

表2 COD5指标预测结果

由表2可知，水质样本COD5监测值与灰色模型预测值之间的绝对误差均不超过30%，其相对误差处于0.03-0.38mg/L范围，该模型能够满足COD5的月尺度预测精度要求。通过分析发现，较长系列的样本数据保证了灰色模型回归方程的精准度，从而使得COD5预测值与实际值具有较高一致性，模型预测精度随着样本系列数据的增加而提高[10-12]。

2.3.2 氨氮指标

通过合理设置模型参数，对葠窝水库氨氮指标利用灰色模型进行预测，然后分析模型的适用性，如表3所示。

表3 氨氮指标预测结果

由表3可知，水质样本氨氮监测值与灰色模型预测值之间的绝对误差均不超过20%，其相对误差处于0.05mg/L以内，该模型也能够满足氨氮的月尺度预测精度要求。深入分析可知，以一致性和连续性较好的样本数据构建的灰色模型，在预测氨氮时呈现出较高的精度；同时，较COD5预测精度灰色模型对氨氮的精度更高[13-15]。

2.3.3 总氮指标

采用已设置好的模型参数，对葠窝水库总氮指标利用灰色模型进行预测，并分析模型的适用性，如表4所示。

表4 总氮指标预测结果

由表4可知，水质样本总氮监测值与灰色模型预测值间的绝对误差处于7.41%-20.32%，其相对误差处于0.20-0.63mg/L范围，该模型也能够满足总氮的月尺度预测精度要求。通过分析可知，水库水质总氮和氨氮指标存在较好关联性，所以在总氮预测时灰色模型的适用性也较好，可以利用该模型预测总氮的变化趋势。

2.3.4 总磷指标

根据已设置好的模型参数，对葠窝水库总磷指标利用灰色模型进行预测，从而评判模型的适用性，如表5所示。

表5 总磷指标预测结果

由表5可知，水质样本总磷监测值与灰色模型预测值间的绝对误差处于0.00%-14.29%，其相对误差为0.01mg/L，该模型也能够满足总磷的月尺度预测精度要求。深入分析发现，其原因为水资源具有较低的总磷浓度，而农业面源无人以及空气中磷元素固结为总磷的主要来源[16]。近年来，为解决库区水体富营养化和农业面源污染问题，辽阳市相关部门加大了整治力度，经过多年整治进一步降低了总磷的污染。

3 结 论

1)根据灰色模型和预测精度指标，通过有效调整模型参数有效提升水库水质指标预测精度；在葠窝水库水质预测过程中灰色模型表现出较强的适用性，可以采用改进的模型准确预测区域水环境整体状况，结合预测结果及其未来变化趋势可为水环境规划、水资源保护等提供科学依据。

2)采用改进的灰色模型预测重金属指标时存在较大的难度，所以该模型还具有一定的局限性，为进一步扩大模型适应范围未来仍需对重金属指标进行预测研究。