基于分布式传感器网络的地下水污染估计与预测方法研究

Groundwater contamination is an important factor that restricts the sustainable development of human beings. In groundwater monitoring, traditional manual sampling has gradually been replaced by the wireless sensor network. However, due to the lack of accuracy in the current sensor monitoring, limitation of observed parameters, and the lack of real-time and dynamics in the prediction of contamination diffusion, it is difficult to optimize the control of groundwater remediation. This project intends to investigate the status of groundwater contamination from three aspects, which are contaminant concentration monitoring, contaminant source parameters estimation and the prediction of pollutant diffusion. First of all, the adaptive data fusion algorithm on the basis of covariance intersection algorithm as well as the convergence condition will be studied, and this is for addressing the data fusion problem with partial correlation and improving the monitoring accuracy; Secondly, in order to solve the problem of optimal sampling and to rapidly retrieve the source information of groundwater contamination, a fast algorithm of optimal parameters estimation for contaminant source identification of multi-dimensional groundwater system will be proposed based on the model of groundwater diffusion; Last but not least, it is proposed to study the adaptive estimation and prediction of dynamic diffusion of groundwater pollutant, and to establish an adaptive fusion filtering algorithm based on multi-sensor measurements. Overall, this project will provide theoretical and methodological basis for the optimal control of groundwater contamination (including emergencies).

地下水污染问题严重影响着人类的可持续发展。在地下水监控方面，传统的人工采样已逐渐被无线传感器网络替代。然而，由于目前传感器监测精度不足、观测参数受限，且对污染物扩散的预测缺乏实时性和动态性，给地下水污染修复的优化控制带来了困难。本项目拟从污染物浓度监测、污染源信息获取以及污染扩散估计与预测三个方面对地下水污染状况展开研究：1）研究基于协方差相交算法的多传感器量测自适应数据融合估计算法以及收敛性条件，解决地下水污染监控网络中具有偏相关性的多传感器量测的数据融合问题，提高监测数据的准确性；2）基于地下水扩散模型，研究多维地下水污染源信息的最优参数反演快速算法，解决地下水污染源参数信息的最优采样监测及参数的快速反演问题；3）研究地下水污染物浓度动态扩散的自适应估计预测问题，建立基于多传感器量测的自适应融合滤波算法。本项目的研究将为地下水资源污染（包括突发事件）的优化控制提供理论和方法依据。

随着我国国民经济的迅猛发展，城市规模的不断扩大，地下水污染问题日趋严重。对地下水环境质量的科学评估、预测及控制已成为环境科学与环境保护者的首要课题。由于地下水系统结构复杂、构成要素多样化，再加上地下水污染的估计与控制涉及到多学科性交叉，亟需对不同尺度下污染体系物质过程学、污染源状态估计控制学等领域开展研究与创新。从控制理论角度上来看，尽管目前在多传感器下的数据融合、污染物的状态估计及控制等方面已取得了一些成果，但鉴于地下水环境的复杂性，同时也为能够更好地解决后续地下水污染修复与清除等相关方面的最优控制问题，在地下水污染预测准确度及工程的实际应用性上仍存在许多值得进一步研究的空间。.本项目主要围绕地下水污染监控过程中所涉及到的污染物浓度估计与预测、污染源参数信息反演等问题开展了研究工作。首先研究了地下水监控网络中多传感器量测的最优融合估计问题，相关研究成果发表在IEEE Transactions on Systems, Man, and Cybernetics: Systems期刊上；然后研究了基于多维地下水污染动态扩散模型的最优参数反演问题，相关研究成果发表在Automatica期刊上；最后，虑污染事件监测和预测估计过程中引入的各种误差统计特性，研究了基于多传感器量测的地下水污染物浓度动态扩散预测及控制问题，相关研究成果发表在IEEE Transactions on Automatic Control、IET Control Theory & Applications等期刊上。在项目执行期间，共发表SCI期刊论文9篇，申请发明专利12项，其中授权2项。基于上述成果，项目负责人通过了副高级职称评定。.本项目主要运用工程控制理论去解决环境工程中的实际问题。研究内容具有很强的学科交叉特色，并结合了多元化的研究手段，在理论上将进一步建立并丰富分布式数据融合、污染源参数反演、污染物状态估计及动态预测的方法，有力促进控制科学理论与环境科学领域的交叉与融合。本项目的研究成果可为地下水污染修复控制以及相关行业领域提供进一步的理论支持以及解决方法，有较好的应用推广前景。