基于贝叶斯方法的突发水污染事件溯源研究

为快速对突发性水污染事件进行溯源,求得污染物的排放位置、排放量及排放时间,提出一种基于贝叶斯(Bayesian)和马尔科夫蒙特卡洛方法(MCMC)的污染源信息反演算法。基于Bayesian-MCMC方法可在已知污染源先验信息的基础上,构造似然函数,求得污染源的后验概率密度函数,进而将溯源问题转化为对后验概率密度函数的抽样问题。在抽样方法上本文选用M-H采样方法及GIBBS采样方法并加以改进、对比。结果表明:该方法能够较准确地对突发点源岸边污染物瞬时排放事件进行溯源,其计算结果接近于真实值,能够有效地解决点源岸边污染物瞬时排放的溯源问题。且改进的M-H采样方法可以有效加快迭代时的收敛速度,使待反演参数的抽样值更快地趋近于目标值。