基于本地多源数据对错接雨水泵站的雨天溢流污染进行风险感知预测 可购买

《Environmental Science: Water Research and Technology》：Risk-aware prediction of wet-weather overflow pollution from misconnected stormwater pumping stations using local multisource dataAvailable to Purchase

　　

错接雨水泵站的雨污合流溢流污染受复杂的源贡献、强烈的事件尺度变异性和显著的高浓度尾部分布影响。对于历史记录不完整且连续监测有限的城市，组织异构本地数据用于浓度预测、高值风险识别和不确定性量化仍然困难。本研究针对上海典型的错接雨水泵站开发了一种本地化的多源数据驱动框架。以泵站 - 降雨事件为基本样本单元，该框架将 COD、SS、NH₃-N 和 TP 的事件平均浓度与前序空气质量、降雨事件特征、流域属性、土地利用结构和污水错接程度相结合。总体和部分相关性分析表明，污水错接程度是四种污染物中最稳定的统计指标，而空气质量和流域相关变量主要作为背景代理，具有污染物特异性且对混杂因素敏感的影响。基准树模型支持浓度估算，但在高值样本上显示误差膨胀。因此，构建了一个双分支框架，将连续浓度预测与高值风险识别解耦，与阈值回归输出相比，独立的分类分支提高了对高值事件的敏感性。比较了四种风险感知预测区间策略。所选策略结合条件残差后校准与非对称上界扩展，在总体覆盖率、高值覆盖率和区间宽度之间取得了相对平衡的权衡。使用 SHAP 分析来解释模型行为，而非因果机制。所提出的框架为工程化城市排水系统中雨污合流溢流污染的历史数据集成、回顾性模式识别、辅助风险筛查、监测优先级排序和不确定性知情解释提供了基于本地数据的工作流程。

视觉摘要

查看大图 下载幻灯片

本地多源记录支持对错接雨水泵站雨污合流溢流污染进行风险感知预测和不确定性知情筛查。

查看大图 下载幻灯片

本地多源记录支持对错接雨水泵站雨污合流溢流污染进行风险感知预测和不确定性知情筛查。

关闭模态框

? 2026 作者。由英国皇家化学会出版

2026

作者

您必须请求许可才能在其他出版物中使用本文材料；请参阅我们关于在 RSC 许可 下发布的文章中重用材料的指南。