1vvedenie_v_ekologicheskoe_modelirovanie
.pdf(a)
(b)
Рисунок 7.17 - Влияние а ) токсических веществ, б) взвешенных твер дых частиц на экосистему реки.
Для оценки риска загрязнения реки были разработаны различ - ные математические модели. Большинство из них показываю т отношение между органическими веществами (БПК) и растворенным ки-
189
слородом (РК). Отдельно есть модели, ко торые описывают перенос нитратов в реке. Чис ленное имитационное моделирование, ме тод Монте-Карло и метод анализа качества во ды в различные периоды времени тоже можно применить для анализа риска загрязнения. Все они кратко описываю тся в следующей главе .
Математические модели с физическим обоснованием
При описании качества воды в реке, математические модели с физическим обоснованием описывают механизмы управления движ е- нием загрязняющих веществ в одномерном пространстве. Э то
(1)адвекция со средней скоростью U;
(2)турбулентная дисперсия с коэффициентом DT;
(3)био химические взаимодейс твия.
Закон со хранения масс n количества химических веществ C i, где
i = 1, 2,..., n может быть выражено набором сдвоенных, нелинейных, частично дифференциальных уравнений в виде
Ci U |
Ci ( |
1 |
) |
|
{(D |
|
) |
Ci } f (C , C |
|
, . . .,C |
|
) |
|
|
|
T |
2 |
n |
|||||||||
t |
xi |
|
x |
|
x |
i 1 |
|
|
|||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
(27) |
|
|
где - поперечное сечение реки и fi(C1,C2,...,Cn) |
- био химиче- |
ское произведение , зависящее от температуры или коэффициент истощения видов i.
Если рассматривать о дно загрязняю щее вещество, при и DT = const, уравнение (27) можно сохранить в форме уравнения одно мерной
адвективной дисперсии |
|
|
|||
C |
|
C |
2C |
|
|
t |
U |
x |
DT x2 |
|
(28) |
В классической работе Стритера и Фелпса рассматриваю тся два |
|||||
вида : |
|
|
|
|
|
C1: |
|
БПК органическими веществами ® C |
(29) |
||
и |
|
|
|
|
|
C2: |
|
дефицит кислорода |
D=Cs-DO |
(30) |
|
|
|
|
190 |
|
|
где Cs – концентрация насыщения растворенным кислородом (рисунок 7.18). Используя формулы (29) и (30), отношения между коэффициентами биологического потребления кислорода и конечной концентрации растворенного кислорода принимают форму следующих дву х дифференциальных уравнений в частных произво дных.
Рисунок 7.18 - Схематический вид кривой дефицита кислорода
C |
U |
C |
D |
|
2C |
|
K C K C |
(31) |
||
t |
x |
T x2 |
|
|||||||
|
|
|
1 |
3 |
|
|
||||
D |
U |
D |
D |
2D |
K C K |
D |
(32) |
|||
t |
x |
T x2 |
|
|||||||
|
|
|
|
1 |
2 |
|
|
|||
|
где K1 |
коэффициент распада (T-1), т.е . функция температуры и |
||||||||
состава |
органических |
соединений; |
|
K1 |
- порядка 10-6 s-1; |
K2 коэффициент реаэрации (T-1), который зависит от турбулентности по тока возле свободной повер хности во ды, скорости ве тра и т.д.
191
Эмпирические соотношения даю т:
K |
|
|
4.5 105 U1/ 2 |
[s-1] |
(33) |
|
2 |
H3/ 2 |
|||||
|
|
|
|
|||
|
|
|
|
|
где
U – средняя скорость (м/с), и
H – средняя глубина во ды (м)
Решение уравнений (31), (32) дает кривую дефицита кислорода (рисунок 7.18): рядом с местом сброса сточной воды БПК высокое и дефицит кислорода увеличивается вниз по течению. Затем, в связи с реаэрацией, дефицит постепенно снижается.
Более сложные модели с физическим обоснованием могут быть построены на основе уравнения (27). Например, химическую кинетику первого порядка можно использовать для представления процесса нитрификации, то есть разложения органического азо та и аммонийного азота до нитратного азота путем нитритно -азотно го преобразования
(Thomann и др., 1971)
ЛИТЕРАТУРА
Ганулис, Ж. (1994): Анализ риска загрязнения воды : вероятности и нечеткие множества, Вайнхайм, НьюЙорк, Базель, Кембридж, Токио, 306 с.
192
8 ТЕХНОЛОГИИ БЛУ ЖДАНИЯ Ч АСТИЦ ДЛЯ ОЦЕНКИ КАЧ ЕСТВА ВОДЫ
ВВЕДЕНИЕ
В этой лекции более подробно рассматриваются проблемы оценки загрязнения воды
Количественная оценка риска загрязнения в прибрежной, ре ч- ной и в зоне во доносного слоя анализируется с помощью соо тветственных численных технологий блуждания частиц, имитирующих движение, дисперсию, и физико -химические реакции.
В лекции показывается также пример использования подобных подхо дов для залива Термайкос (Греция).
1 МОДЕЛИРОВА НИЕ СЛУЧАЙНОГ О БЛУЖДА НИЯ
Рассмотрим одномерную диффузию массы M в период времени t = 0 на бесконечно малом расстоянии от x = 0 (рисунок 8.1). Математически начальное состояние будет записано следующим о бразом:
C0 C(x,0) M (x) |
(1) |
где (x) – дельта-функция Дирака. |
|
Считая, ч то масса M распространяется с помощью диффузии без переноса, концентрация C(x,t) – решение уравнения о дномерного
диффузионного уравнения: |
|
|
|
|
|
||||||||||||
C |
2C |
|
|
|
|
|
|
|
|
||||||||
|
t D |
x2 |
|
|
|
|
|
|
|
(2) |
|||||||
Общеизвестное решение уравнения (2) с начальным условием |
|||||||||||||||||
(1) таково: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
C0 |
|
|
|
x 2 |
|
|
||||
C(x, t) |
|
|
|
|
|
|
|
exp |
|
|
|
(3) |
|||||
|
|
|
|
|
|
|
|
||||||||||
4 Dt |
4Dt |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
Если выражение 2 = 2Dt подставить в уравнение (3), по лучим |
|||||||||||||||||
распределение Гаусса : |
|
|
|
|
|
|
|
|
|||||||||
|
C(x, t) |
|
|
|
|
|
1 |
|
|
|
x |
2 |
|
|
|
||
|
|
|
|
|
exp |
|
|
|
(4) |
||||||||
|
|
|
|
|
|
|
2 2 |
|
|||||||||
|
C0 |
|
|
|
2 |
|
|
|
|
|
|
с нулевым средним и вариацией 2.
193
Рисунок 8.1 - Диффузия массы, введенной в момент времени t = 0 при x = 0
Предположим теперь, что частица, расположенная в точке x = 0, совершает случайные колебания между максимальными ра с- стояниями +x или -x с равной вероятностью. Для однородной функции распределения вероятностей p(x) мы получим
|
p(x) |
= 0 |
|
|
если |
x < - x |
||||
|
1 |
|
|
|
|
- x < x < + |
x |
|||
p(x) = |
|
|
если |
|
||||||
2 x |
|
|||||||||
p(x) |
= 0 |
|
если |
|
x |
> + x |
|
|||
Среднее значение m = E(x) и отклонения E(x - m)2 э тих движе - |
||||||||||
ний равны |
|
|
|
|
|
|
|
|
|
|
m = E(x) |
= + x |
|
xp(x)dx |
= 0 |
(6) |
|||||
|
|
|
|
- x |
|
|
|
|
|
|
2 = |
E(x - m) 2 |
|
+ x |
x 2 p(x)dx = |
x 2 |
|||||
|
|
(7) |
||||||||
s |
|
|
|
|
|
|
|
|
|
|
- x |
3 |
|
В соответствии с центральной предельной теоремой, после n шагов, пло тность распределения вероятностей P(x,t) – Гауссова со
средним значением
n m = 0
и отклонениями
S2 = n s2
Это означает, что
194
|
|
1 |
|
|
x 2 |
|
|
P( x, t) |
|
|
|
exp |
|
|
(8) |
|
|
|
|
||||
|
|
2 (n 2 ) |
|
|
2(n s2 ) |
|
|
|
|
s |
|
|
|
|
|
Сравнивая уравнения (8) и (3) или (4), мы получаем, что оба решения идентичны, если
n 2 |
2 D t |
|
или |
|
||||
s |
|
|
|
|
|
|
|
|
2 |
|
|
t |
|
|
|
||
s = 2 D ( n) = 2 D t |
(9) |
|||||||
|
|
|
|
|
|
|
||
Из уравнений (9) и (7) мы можем оценить x как |
||||||||
|
||||||||
2 = |
x2 = |
2 D t или |
|
|||||
s |
3 |
|
|
|
|
|
|
|
x = |
6 D t |
(10) |
||||||
Если мы введем |
случайную перем енную rnd(-1, |
+1), которая |
равномерно распределена между -1 and +1, тогда уравнение (10) принимает следующую форму
x = 6 D t rnd (-1, +1) (11)
Моделирование случайного блуждания уравнения о дномерной диффузии (2), при начальных условиях (1) нужно решать в соот ветствии со следующими шагами (Ганулис ,1977):
(1)Вво дится большое количество N частиц при x = 0, t = 0;
(2)Частицы движутся с увеличением времени t. Если xn,p –
положение частицы p во время n t, тогда ее положение xn+1,p во время (n+1)t должно быть:
|
|
|
|
xn+1,p = xn,p + 6 D t rnd (-1, +1) |
(12) |
(3)Подсчитывается количество частиц, расположенных м ежду x
-x/ 2 и x + x/2, и делится на общее количество N частиц, таким образом можно получить численную аппроксимацию уравнения (4) или уравнения (8).
|
|
r n,p (xn,p , yn,p , zn,p ) p = 1, 2,. . .,N |
(13) |
195 |
|
В соответствии с принципом случайного блуждания, вероятность найти частицу в заданном положении после периода времени t сооветствует распределению Гаусса со средним значением 0 и откло-
нением s2=2 t D, где D – коэффициент дисперсии. Теперь частицы |
|||
движу тся о т момента времени t= t к моменту времени t+ t=(n+1) |
t |
||
в соотве тствии со сле дующими соотношениями |
|
|
|
xn1,p |
xn,p u t x1 |
(14) |
|
yn1,p |
yn,p v t x2 |
(15) |
|
zn1,p |
zn,p w t x3 |
(16) |
|
где u, v, w – компоненты скорости потоков, и x1, x2, x3 – случайные переменные, соответвтвующие нормальному распределению
со средним значением 0 и отклонением s2=2 t D.
Эта процедура показана на рисунке 8.2 для трех частиц, изна - чально нахо дящихся в о дной и точке A. Каждая частица движется в соответствии с уравнениями (14) и (15). Через 10 промежутков врем е- ни частицы занимают три различных положения - A1, A2 и A3.
A2
A 1
A
A3
Рисунок 8.2 - Случайное блуждание трех частиц после 10 пр о- межутков времени
Чтобы оценить вероятность и концентрацию частиц, площадь покрыта решеткой (рисунок 8.3). Зная компоненты скорости u, v в точках решетки, можно подсчитать скорость движения частиц с помощью линейной интерполяции. Вероятность о казаться в данной ячейке р е- шетки, и, соответственно, концентрация частиц оценивается при по д- счете количества частиц, ко торое оказалось в ячейке реше тки.
196
A 2 |
A 1 |
A |
A3 |
Рисунок 8.3 - Решетка, наложенная на рисунок случайного б луждания трех частиц
Если вместо начальных условий (1) мы введем непрерывную
концентрацию масс в x=0 |
|
C(x 0, t) Co |
(17) |
тогда аналитическое решение уравнения диффузии (2) со скоростью адвекции U будет следующим
|
x Ut |
|
||||
C Co 1 |
erf |
|
|
|
, x 0 |
(18) |
|
|
|
||||
|
||||||
|
|
4Dt |
|
Проверка достоверности модели случайного блуждания о тображена на рисунках 8.4 и 8.5 в предыдущей главе для D=1 и D=0.01 м2/с, соответственно. Во всех случаях мы имеем U=1 м/с и x =1 м; это означает, числа Пекле , основанные на x принимают значения 1
и 100.
При введении в 10 раз большего ко личества частиц (рисунок 8.4), колебания случайного блуждания про должаю тся, хотя первая волна хорошо показана на рисунке 8.5 для высоких чисел Пекле
(Ganoulis, 1977).
197
|
|
|
32 |
D= 1 |
|
|
24 |
|
|
|
16 |
|
U= 1 |
|
|
|
|
||
|
|
|
x=1 |
|
t=8s |
|
|
|
|
|
|
|
|
(a)
D= 1 |
U= 1 |
x=1 |
(b)
Рисунок 8.4- Сравнение между аналитическим решением и моделью случайного блуждания для (a) N=1,000 и (b) N=10,000 (малые числа Пекле )
198