供水管网余氯衰减模型构建方法

作者：创始人　日期：2026-02-02　人气：9

根据搜索获取的最新研究资料，我为您详细介绍供水管网余氯衰减模型构建方法：

一、余氯衰减机理与模型分类

1. 余氯衰减机理

余氯在管网中的衰减由主体水衰减和管壁衰减两部分组成

：

主体水衰减（Bulk Decay）：

与水中还原性物质反应（有机物、Fe²⁺、Mn²⁺、硫化物等）
与氨氮反应（折点氯化）
光化学分解（透光管道）

管壁衰减（Wall Decay）：

管壁生物膜氧化
管材腐蚀反应（铸铁管、钢管尤为严重）
管壁沉积物消耗

2. 模型分类体系

表格

复制

模型类型	代表模型	适用场景	精度	复杂度
机理模型	一级动力学模型、二级动力学模型	水质稳定、数据缺乏	中等	低
半机理模型	EPANET模型、双区域模型	常规管网模拟	较高	中
智能模型	Transformer、LSTM、神经网络	大数据场景、复杂管网	高	高
混合模型	机理+智能校正	高精度需求	最高	很高

二、传统机理模型构建方法

1. 一级动力学模型（最基础）

基本方程：

C(t) = C₀ × e^(-kt)

其中：

C(t)：t时刻余氯浓度（mg/L）
C₀：初始余氯浓度（mg/L）
k：衰减系数（h⁻¹或d⁻¹）
t：水龄（h或d）

衰减系数确定方法

：

实验室测定法：

取管网水样于棕色瓶，避光恒温（25℃）
每2小时测定余氯，持续24-48小时
拟合ln(C/C₀)~t曲线，斜率即为k_b（主体水衰减系数）

现场测定法：

选择直管段，测定入口/出口余氯
结合水力停留时间计算k_w（管壁衰减系数）

2. 双区域模型（EPANET标准模型）

控制方程：

dC/dt = -(k_b + k_w)(C - C_s)

其中：

k_b：主体水衰减系数（d⁻¹）
k_w：管壁衰减系数（d⁻¹）
C_s：管壁平衡浓度（通常取0）

参数校核方法

：

步骤1：主体水系数校核

在实验室测定k_b = 0.265 d⁻¹（天津市案例）

步骤2：管壁系数校核（粒子群算法）

复制

目标函数：min Σ(C_observed - C_simulated)²
约束条件：0 < k_w < 5 d⁻¹
算法参数：迭代次数100，粒子规模30

通过EPANET2.0与粒子群算法耦合，自动优化k_w

3. 二级动力学模型（高浓度或复杂水质）

适用场景：初始余氯>3mg/L或含大量快速反应物质

模型方程：

dC/dt = -k₁C - k₂C²

k₁：一级反应系数（慢速衰减）
k₂：二级反应系数（快速衰减，前2小时主导）

参数特征：

前2小时：衰减速率1.0-1.1 mg/(L·h)（快速下降）
2小时后：转为一级动力学，速率0.13-0.16 mg/(L·h)

三、智能预测模型构建（前沿方法）

1. Patch-Transformer模型（最新技术）

模型架构：

输入层 → Patch分割 → Transformer编码器 → 自注意力机制 → 前馈网络 → 输出层

关键创新：

Patch模块：将时间序列分割为多个子序列（Patch），捕捉局部时序特征
自注意力机制：自动学习不同时刻余氯浓度的关联权重
多特征融合：同时考虑出厂水余氯、浊度、pH、水温等

构建步骤：

步骤1：数据预处理

采集参数：出厂水余氯(C₀)、管网监测点余氯(C_t)、浊度(T)、pH、水温
时间分辨率：10分钟（在线监测）
序列长度：144（24小时历史数据）
预测长度：72（12小时预测）

步骤2：特征工程

表格

复制

特征组合	MSE	MAE	水质预测误差δ
C_t, C₀	0.00619	0.0510	7.53%
C_t, C₀, pH	0.00632	0.0575	8.47%（负面特征）
C_t, C₀, T（最优）	0.00431	0.0403	5.34%
C_t, C₀, pH, T	0.00482	0.0458	6.75%

步骤3：模型训练

训练集：60%数据
验证集：20%数据（调参）
测试集：20%数据（最终评估）
优化器：Adam，学习率0.0001
Batch size：128（最优）
Dropout：0.1

预测效果：

提前12小时预测误差：5.34%
较传统机理模型提升：41.51%（机理模型误差9.13%）

2. 二次供水专用模型

管网余氯衰减模型：

k_pipe = 1.77291 + a·C₀ + b·TOC + c·T + d·v + e·C₀² + f·TOC² + g·T² + h·v²

水箱余氯衰减模型：

k_tank = 0.024999 + a·T + b/C₀ + c·TOC + d·(TOC/C₀) + e·T²

参数说明：

C₀：初始余氯浓度（mg/L）
TOC：总有机碳（mg/L）
T：水温（℃）
v：流速（m/s）
a-h：回归系数（通过历史数据训练确定）

四、EPANET模型构建实操指南

1. 模型搭建流程

步骤1：管网拓扑建立

导入GIS数据或手动绘制节点-管段
定义节点：编号、高程、需水量
定义管段：长度、管径、粗糙系数（Hazen-Williams或Darcy-Weisbach）

步骤2：水力模型校核

监测点压力对比：模拟值 vs 实测值
误差要求：±0.5m水头或±10%
调整粗糙系数直至吻合

步骤3：水质参数设置

复制

反应类型：一级衰减（First-order decay）
主体水衰减系数：k_b = 0.1-0.5 d⁻¹（根据水质测定）
管壁衰减系数：k_w = 0.5-2.0 d⁻¹（根据管材确定）
    - 塑料管：k_w ≈ 0
    - 水泥管：k_w = 0.1-0.5 d⁻¹
    - 铸铁管：k_w = 1.0-3.0 d⁻¹
    - 旧钢管：k_w = 2.0-5.0 d⁻¹

步骤4：水龄分析

运行水龄模拟（Water Age）
识别水龄>72h的节点（水质风险点）

2. 多物理场耦合优化（高级应用）

改进算法：

动态摩擦系数：根据流速实时调整C值
多尺度扩散模型：引入湍动能参数，模拟污染物扩散
智能反应动力学：利用机器学习动态预测k_b和k_w

并行计算：

OpenMP+MPI混合架构
计算效率提升：大型管网模拟时间从小时级降至分钟级

五、模型验证与精度评价

1. 评价指标体系

表格

复制

指标	公式	优秀标准	可接受标准
MSE（均方误差）	Σ(y-ŷ)²/n	<0.005	<0.01
MAE（平均绝对误差）	Σ\|y-ŷ\|/n	<0.05 mg/L	<0.1 mg/L
水质预测误差δ	\|ŷ-y\|/λ×100%	<5%	<10%
NSE（纳什效率系数）	1-Σ(y-ŷ)²/Σ(y-ȳ)²	>0.9	>0.75
R²（决定系数）	相关系数平方	>0.95	>0.90

2. 模型验证方法

时间序列分割法

：

训练集：前60%数据（历史数据）
验证集：中间20%数据（调参优化）
测试集：后20%数据（最终评估，模拟未来场景）

交叉验证：

K折交叉验证（K=5或10）
排除异常值影响

六、工程应用案例

案例1：重庆市巴南区Patch-Transformer应用

背景：城乡一体化供水，管网末梢余氯不达标方案：

部署在线监测：出厂水余氯、浊度；管网3个监测点余氯
构建Patch-Transformer模型，提前12小时预测效果：
预测误差：5.34%
优化加氯策略：精准投加，节省消毒剂15%
末梢余氯达标率：从82%提升至98%

案例2：天津市某区粒子群算法校核

模型参数：

k_b = 0.265 d⁻¹（实验室测定）
k_w = 0.8 d⁻¹（粒子群算法优化，迭代100次）应用：
实时模拟余氯衰减趋势
辅助调度决策，预警水质风险

案例3：二次供水智能循环系统

问题：夜间低峰用水，水龄过长导致余氯衰减至0方案：

建立管网+水箱双衰减模型
智能控制：当预测余氯<0.3mg/L时，自动启动循环泵效果：
避免二次加氯
保障末梢余氯>0.5mg/L

七、模型构建建议

1. 数据需求清单

表格

复制

数据类型	采集频率	用途
出厂水余氯	在线连续	模型输入
管网监测点余氯	在线连续（关键节点）/人工日检（一般节点）	模型验证
浊度、水温、pH	在线连续	辅助特征
水力参数（流量、压力）	SCADA系统	水力模型校核
管材、管龄、管径	GIS静态数据	管壁衰减系数估算
水中有机物（TOC、CODMn）	周检	主体水衰减系数校正

2. 模型选择决策树

复制

数据丰富度评估
    │
    ├─ 在线监测点<3个，历史数据<3个月
    │   └─ 采用一级动力学模型 + EPANET基础模拟
    │
    ├─ 在线监测点3-10个，历史数据3-12个月
    │   └─ 采用双区域模型 + 粒子群算法校核
    │
    └─ 在线监测点>10个，历史数据>12个月
        └─ 采用Patch-Transformer或LSTM智能模型
            └─ 预测精度可达5%以内，支持12-24小时提前预测

3. 实施步骤建议

第一阶段（基础搭建，1-2个月）：

建立EPANET水力模型，校核管网的拓扑和参数
开展瓶试实验，测定主体水衰减系数k_b
建立一级动力学基础模型

第二阶段（优化提升，2-3个月）：

增加管网监测点，采集实时水质数据
采用优化算法（粒子群、遗传算法）校核管壁衰减系数k_w
建立双区域精细模型

第三阶段（智能升级，3-6个月）：

积累大数据（>1年），构建智能预测模型
开发预警系统，实现加氯策略优化
建立数字孪生平台，支持实时仿真

总结：供水管网余氯衰减模型构建应从机理模型起步，通过实测数据校核提升精度，最终结合人工智能技术实现精准预测。对于新建系统，推荐采用EPANET+粒子群算法的组合；对于已有大量监测数据的成熟管网，应积极引入Patch-Transformer等深度学习模型，实现从"经验加氯"到"精准预测、智能调控"的跨越。

你觉得这篇文章怎么样？

0 0