基于粒子滤波的余氯衰减模型参数校准优化：水质参数分组技术的应用与性能评估

本研究针对供水系统中余氯衰减模型参数校准精度不足的问题，提出了一种基于粒子滤波算法（Particle Filter）的创新方法，通过融合传感器数据实现管壁衰减系数（Kw）和主体衰减系数（Kb）的同步优化。研究人员采用流速、管径、管龄和粗糙度四种分组策略，在合成网络和实际大型供水网络中进行验证，将平均相对误差从9.98%降至0.86%。该成果为供水系统（WDS）水质动态管理提供了高精度工具，对优化消毒剂投加、降低运营成本具有重要工程价值。

　　

在现代化城市供水系统中，保持管网末梢的余氯浓度如同走钢丝——浓度过高会产生致癌的消毒副产物（DBPs），过低又可能导致微生物滋生。尽管EPANET等模拟工具已能预测余氯衰减，但模型核心参数K_b和K_w的校准始终是瓶颈。传统实验室测定法无法反映实际管网动态变化，而优化算法易陷入局部最优。更棘手的是，现有模型常将整个管网视为均质系统，忽略了不同管道因流速、管材等差异造成的"个性特征"。

针对这一难题，中国某研究团队在《Journal of Water Process Engineering》发表研究，创新性地将机器人领域常用的粒子滤波算法引入水质模型校准。该方法通过"粒子群"迭代逼近真实参数：首先建立状态转移方程描述K_b/K_w的动态变化，再通过观测方程将传感器数据与EPANET模拟值关联。研究采用合成网络验证方法准确性后，进一步在实际大型供水系统中测试了四种管道分组策略（流速/管径/管龄/粗糙度）。

关键技术包括：1）基于蒙特卡罗采样的粒子滤波框架处理非线性估计问题；2）全局搜索与重采样技术避免局部最优；3）利用实际管网传感器数据进行数据同化；4）分组校准策略评估（测试3组和6组分类效果）。

方法性能验证
在合成网络测试中，粒子滤波将平均相对误差压降至0.86%，显著优于传统优化算法（SFLA）。当管道按流速分组时，24小时平均绝对误差仅0.0110 mg/L，证明流速是影响衰减的最敏感因素。

分组策略比较
实际管网测试显示分组校准显著提升精度：流速分组误差最低（0.0110），管径和粗糙度分组效果接近（0.0120-0.0121），而管龄分组表现稍逊。值得注意的是，六组分类并未比三组带来明显改进，提示过度分组可能导致过拟合。

讨论与结论
该研究突破了传统校准方法的三大局限：首次实现K_b/K_w动态耦合校准，验证了粒子滤波处理水质模型非线性的优势，并量化了不同分组策略的效益。流速分组的优越性可能与其对质量传输系数的影响直接相关，这与Rossman理论模型一致。未来研究可探索机器学习辅助的智能分组算法，以及温度、pH等多参数耦合校准。这项成果为智能水务系统建设提供了关键技术支持，其方法论框架也可拓展至其他水质参数（如TOC）的动态预测。