Содержание к диссертации
Введение
1 Современное состояние и проблемы источников водоснабжения и систем водоподготовки (обзор литературы) 8
1.1 Современные требования к качеству питьевой воды в части антропогенных загрязнений 8
1.2 Анализ состояния водоисточников по микробиологическим и техногенным загрязнениям 10
1.3 Некоторые проблемы обеспечения качества питьевой воды из поверхностных водоисточников 14
1.4 Методы удаления микробиологических загрязнений в технологии водоподготовки 16
1.4.1 Обеззараживание воды химическими методами 16
1.4.2 Обеззараживание воды физическими методами 19
1.4.3 Физико-химические методы удаления бактериологических загрязнений.21
1.5 Взаимосвязь бактериологических загрязнений с технологическими показателями качества воды 25
1.6 Анализ возможности извлечения техногенных загрязнений на очистных сооружениях 29
2 Мониторинг состояния качества воды водоисточника и питьевой воды. Количественная и комплексная оценка работы очистных сооружений из поверхностного водоисточника 33
2.1 Мониторинг состояния качества воды водоисточника по показателям мутности, окисляемости, температуре 33
2.1.1 Объект исследования 33
2.1.2 Выбор показателей для мониторинга состояния воды водоисточника 33
2.1.3 Исследование структуры временных рядов окисляемости, мутности и температуры 35
2.1.4 Получение модельного годового периода, характеризующего изменение показателей качества воды 39
2.1.5 Сезонная декомпозиция временных рядов мутности, окисляемости, температуры 47
2.1.6 Проверка стабильности сезонных индексов 51
2.1.7 Дифференцирование годового цикла водоисточника на периоды 53
2.1.8 Оценка вклада компонент в изменчивость показателей 57
2.2 Мониторинг состояния качества питьевой воды и исследование технологических параметров 61
2.2.1 Выбор показателей для мониторинга состояния питьевой воды 61
2.2.2 Исследование структуры временных рядов мутности, окисляемости, остаточного алюминия в питьевой воде и дозы коагулянта 62
2.2.3 Сезонная декомпозиция показателя окисляемости в питьевой воде 66
2.2.4 Сезонная декомпозиция содержания остаточного алюминия 72
2.2.5 Сезонная декомпозиция временного ряда дозы коагулянта 78
2.3 Количественная оценка эффективности работы очистных сооружений по показателю окисляемости 82
2.4 Комплексный анализ работы очистных сооружений 86
2.5 Анализ взаимосвязи показателей качества воды водоисточника, питьевой воды и технологических параметров 92
2.5.1 Анализ взаимосвязи мутности, окисляемости, температуры воды водоисточника, дозы коагулянта, окисляемости, остаточного алюминия в питьевой воде 92
2.5.2 Анализ взаимосвязи эффективности извлечения бенз(а)пирена с эффективностью очистки по окисляемости 96
2.6 Возможность интенсификации работы очистных сооружений водоподготовки из поверхностного водоисточника 99
2.7 Рекомендации по интенсификации процесса водоподготовки 116
3 Экспериментальное изучение процесса водоподготовки в III и IV подпериодах паводка 121
4 Методы расчетов и эксперименты 134
4.1 Методы расчетов 134
4.1.1 Обзор методов исследования временных рядов 134
4.1.2 Изучение структуры временных рядов 139
4.1.3 Метод сезонной декомпозиции временного ряда 140
4.1.4 Изучение случайной компоненты 143
4.1.5 Расчет вклада компонент 148
4.1.6 Методы аппроксимации зависимостей: корреляционно-регрессионный анализ 149
4.2 Описание экспериментов 153
4.2.1 Описание пилотной установки 153
4.2.2 Технологические режимы и снимаемые параметры 156
Выводы 157
Библиография 159
Приложения
- Анализ состояния водоисточников по микробиологическим и техногенным загрязнениям
- Получение модельного годового периода, характеризующего изменение показателей качества воды
- Обзор методов исследования временных рядов
Введение к работе
Обеспечение устойчивого развития человеческого общества невозможно без стабильного состояния природной среды. Вода является необходимой частью среды существования, и оказывает существенное влияние на здоровье человека. Особенно это относится к той ее части, которая представляет собой питьевое водоснабжение. В последние годы наблюдается снижение качества воды поверхностных источников водоснабжения, что обостряет проблему чистой питьевой воды. В первую очередь, это связано с тем, что масштабы антропогенного воздействия стали, соизмеримы со способностью гидросферы к самовосстановлению. Поэтому, экологический мониторинг (далее "мониторинг") состояния водоисточника и питьевой воды приобретает все большее значение.
С другой стороны, сведения о качестве воды водоисточника являются основой для управления режимом работы сооружений водоподготовки. Традиционно сооружения водоподготовки рассчитываются на наихудший период, которым является паводок. Было общепризнанным, что сооружения, запроектированные на наихудший период, должны обеспечивать надлежащее качество питьевой воды во все остальные периоды года. Однако возрастание антропогенного воздействия на водоисточники, увеличение количества поступающих загрязнений и их накопление привели к повышению риска загрязнения водоисточников техногенными веществами и патогенными микроорганизмами. Это обуславливает необходимость повышения барьерной роли сооружений в течение всего года, даже в тех случаях, когда содержание природных взвешенных и органических веществ в исходной воде незначительно или удовлетворяет нормативным требованиям. Таким образом, повышение эффективности функционирования и совершенствование технологической системы подготовки воды хозяйственно-питьевого назначения на основе мониторинга состояния водоисточника и питьевой воды являются актуальными задачами.
В качестве объекта исследования выбран источник питьевого и хозяйственного водоснабжения г. Уфа и сооружения водоподготовки Северного ковшового водопровода.
Цель работы - мониторинг состояния воды водоисточника, питьевой воды и научное обоснование технологических решений (барьерных технологий) для обеспечения качества питьевой воды в условиях антропогенного загрязнения поверхностного водоисточника.
Задачами исследования являлись мониторинг состояния воды водоисточника по показателям мутности, перманганатной окисляемости, температуры статистическими методами; мониторинг состояния питьевой воды по показателям мутности, перманганатной окисляемости, остаточного алюминия статистическими методами; выявление возможности дифференцирования годового цикла водоисточника на периоды, в которых качество воды имеет характерные особенности; количественная оценка эффективности работы сооружений водоподготовки в течение годового цикла и обоснование технологий, методов интенсификации водоподготовки в отдельные периоды.
Решение поставленной цели и задач привело к следующим основным результатам. Впервые использован метод анализа временных рядов для проведения мониторинга состояния качества воды водоисточника и питьевой воды по показателям мутности, окисляемости, температуры и остаточному алюминию. Количественно оценен вклад компонент в изменчивость показателя перманганатной окисляемости, при этом выявлена весовая доля вклада фактора случайности (в питьевой - 38,4%, в воде водоисточника - 29,9%). На основании выявленных закономерных изменений показателей мутности, окисляемости и температуры проведено дифференцирование годового цикла водоисточника на периоды, в которых качество воды имеет характерные особенности. По сочетанию параметров (технологических и показателей качества воды) обоснованы периоды, в которых возможно повышение барьерной роли сооружений за счет интенсификации процессов водоподготовки. На основании анализа технологических параметров и мониторинга состояния качества питьевой воды и воды
водоисточника различных периодов предложены рекомендации по повышению барьерной роли сооружений, основанные на использовании известных методов интенсификации процесса водоподготовки.
Работа выполнена по постановлению Правительства Российской Федерации от 05.09.2001 г. № 660 "О федеральной целевой программе "Интеграция науки и высшего образования России на 2002-2006 годы", а также по приказу Министерства образования России от 02.11.2001 г. № 3544 "О проведении открытого конкурса на размещение заказов на выполнение работ по реализации федеральной целевой программы "Интеграция науки и высшего образования России на 2002-2006 годы". Тема выполняемого проекта: "Научно-образовательно-технологический центр по мониторингу водоисточников и обеспечению качества питьевой воды из источников, подверженных техногенным загрязнениям" (Государственный контракт П0026/1183 от 11.09.2002 г. и дополнение к государственному контракту № 1004 от 18.06.2003 г.).
Анализ состояния водоисточников по микробиологическим и техногенным загрязнениям
Системы централизованного водоснабжения, обслуживающие в настоящее время более 95% городского и около 60% сельского населения страны, ориентированны, как правило, на поверхностные источники водоснабжения. В начале массового строительства систем водоснабжения не прогнозировалось ухудшение качества поверхностных вод, связанное с интенсивным развитием химических, горнодобывающих, металлургических, лесоперерабатывающих и других производств [80]. Существенный вред качеству природных вод, используемых в системах водоснабжения, нанесли химизация и мелиорация сельскохозяйственных земель, недостаточное выполнение природоохранных мероприятий, сброс в водотоки и водоемы в значительных количествах недоочи-щенных бытовых и промышленных сточных вод, чрезвычайные ситуации и аварийные выбросы токсичных веществ.
В результате антропогенного воздействия в водные источники попадают тяжелые металлы, нефтепродукты, поверхностно-активные вещества, соединения азота и фосфора, ухудшается бактериологическая обстановка в водоеме. Все это приводит к значительному ухудшению качества вод в источниках хозяйственно-питьевого водоснабжения, в частности, по микробиологическим и техногенным загрязнениям [128, 130].
Анализ состояния водных объектов показывает, что практически во всех водоисточниках как поверхностных, так и подземных, используемых для централизованного водоснабжения, содержатся микробиологические загрязнения. По усредненным статистическим данным санитарное состояние водоемов как первой, так и второй категории остается не удовлетворительным: по микробиологическим показателям процент "нестандартных проб" составляет 20-25%. Высокий уровень загрязнения поверхностных вод относится, прежде всего, к бассейнам таких рек как Волга, Ока, Дон, Северная Двина, Нева, Обь, Томь, а также ряда других источников. Высокая степень контаминации яйцами гельминтов и цистами простейших обнаружена почти во всех источниках Ленинградской области. В течение последних лет удельный вес проб воды из поверхностных источников водоснабжения с выделенными возбудителями инфекционных заболеваний повысился [89].
Основная часть микробиологических загрязнений поступает в источники водоснабжения с неочищенными или недоочищенными бытовыми сточными водами, смывается с животноводческих ферм, территории которых прилегают к районам водозаборов. Лямблии и дизентерийная амеба попадают в водоемы с бытовыми стоками, в местах выпусков в водоприемник фекальных стоков и зонах купания населения количество цист лямблий может достигать 4-Ю экз/дм3. Источником инвазии водоемов цистами балантидиев являются сбросы свиноводческих хозяйств, ооцистами криптоспоридий - в основном стоки из телятников и овцеводческих ферм [4]. Так, изучение зараженности поверхностных водоисточников и систем водоснабжения в различных климатических зонах страны (Северо-Западный регион, Центральный район России, Дальний Восток) выявило, что все исследованные водоисточники содержат цисты лямблий и других патогенных простейших, концентрации которых зависят от места отбора проб. При этом наблюдается определенная корреляция с величиной лакто-зоположительных кишечных палочек, достигающей в этих пробах 25-90 тысяч едениц, что свидетельствует об антропогенном характере загрязнения воды цистами лямблий [143].
Микробиологическое загрязнение питьевой воды - одна из наиболее частых причин возникновения массовых заболеваний острыми кишечными инфекциями. Распространение водным путем возбудителей ряда инфекционных заболеваний (гепатита, болезни Коксакки, полиомиелита), вызываемых патогенными вирусами, является установленным фактом [145]. Кишечные простейшие, патогенные для человека: лямблии (класс жгутиконосцев), дизентерийная амеба (класс корненожек), балантидии (класс инфузорий) и криптоспоридии (класс споровиков) - вызывают заболевания, связанные с нарушением работы желудочно-кишечного тракта, хотя в ряде случае могут быть и другие проявления (расстройства нервной системы, дыхательного аппарата). Размеры этих микроорганизмов очень малы: цисты лямблий овальной или эллипсоидной формы (5-7)х(10-14) мкм; цисты дизентерийной амебы шаровидной (реже яйцевидной) формы диаметром 10-15 мкм; цисты балантидиев шаровидной формы диаметром 40-60 мкм ( 50 мкм); ооцисты криптоспоридии яйцевидной формы диа- П метром 5-6 мкм [145].
Во внешней среде микроорганизмы находятся в форме, хорошо защищенной от воздействия внешней среды плотной оболочкой. По данным [143], цисты лямблий при температуре воды 18-20 С выживают в течение 36 суток, при 8 С - 2 месяца; цисты дизентерийной амебы при температуре воды 12-22 С - до 30 суток; балантидиев при 18-20 С - 2 месяца; ооцисты криптоспори-диев - не менее 3 недель. При низких температурах воды сроки их выживаемости значительно удлиняются. Зависимость сроков выживаемости микроорганизмов от температуры обуславливает сезонный характер изменения их количества в водоисточниках. Как показывают исследования, в зимний период их концентрация возрастает в десятки раз и более по сравнению с теплым временем года [145].
При эксплуатации очистных сооружений осуществляется систематический контроль за содержанием бактериологических загрязнений в воде. В настоящее время этой проблеме уделяется повышенное внимание, при этом основным требованием всех нормативных документов является отсутствие патогенных орга-низмов в питьевой воде. Поскольку определение патогенных микроорганизмов трудоемко, длительно и дорого, микробиологи идут по пути определения инди каторных санитарно-показательных микроорганизмов, в качестве которых широко применяются колиформные микроорганизмы [5, 13, 89].
Анализ содержания техногенных загрязнений в поверхностных и подземных источниках водоснабжения показывает, что наиболее часто в воде встречаются такие загрязнения, как бенз(а)пирен, нитрозамины, анилин, бензол, ртуть и другие. При этом основными источниками загрязнения являются сточные воды предприятий органического синтеза, гидролизные, целлюлозно-бумажные, деревообрабатывающие, коксохимические, лакокрасочные, фармацевтические и другие производства [81, 82, 103, 105, 121, 146, 171].
Получение модельного годового периода, характеризующего изменение показателей качества воды
Для каждого показателя получены три вида трендов - скользящее среднее, ступенчатая функция среднегодовых значений и горизонтальная прямая среднего многолетнего значения (рис. 1, прил. 2). Средние значения трендов приведены в табл. 2.1.2.
Способы с использованием скользящего среднего и ступенчатой функции среднегодовых значений приводят к практически одинаковым результатам. При этом, если паводок годау+1 начинается раньше предыдущего, то на графике скользящего среднего появляется локальный максимум, и наоборот, если паводок годау+1 начался позже, чем года у, то на графике тренда появляется локальный минимум. Экстремумы на графике скользящего среднего наиболее выражены для показателя мутности (рис. 16, прил. 2), так как в этом случае соотношение между максимальными значениями в паводок и средними значениями наибольшие. Для температуры график скользящего среднего наиболее гладкий (рис. 1в, прил. 2), так как изменение температуры происходит плавно и период высоких значений более продолжителен во времени. Наличие экстремумов на графиках скользящего среднего (рис. 1, прил. 2) - это реакция скользящей средней на сдвиги по времени начала весеннего паводка относительно друг друга. Присутствие экстремумов на тренде при расчете сезонных индексов может вызывать их смещение, что устраняется заменой экстремальных значений на средние значения временного ряда.
Тренд в виде линейной горизонтальной функции (рис. 1, прил. 2), отображающий среднее многолетнее за рассматриваемый период, также отображает правильную тенденцию рассматриваемых временных рядов показателей. В этом случае разница между первыми двумя трендами и последним можно рассматривать как циклическую компоненту, которая отражает характерные особенности каждого года. Но ее трудно будет описать математически в виде модели. Для выбора правильного метода выделения тренда необходимо рассмотреть другие составляющие временного тренда.
Методом сезонной декомпозиции получены значения сезонных индексов (СИ) для трех вариантов сглаживания. Расчет значений сезонных индексов проведен по формулам (4.6), (4.7), (4.8). Как видно из графиков (рис. 2, прил. 2), значения СИ, полученные с использованием трех видов сглаживания, практически не отличаются друг от друга. Некоторые отличия в значениях индексов вызваны тем, что с использованием простого среднего и среднемноголетнего значения, количество элементов исходного ряда, участвующих в их определении, не сокращается. Таким образом, получается, что значения индексов сезонности в большей степени зависят от длины временного ряда, а от типа тенденции. Поэтому, для элиминирования сезонной составляющей, использовались СИ, рассчитанные вторым способом.
Значения случайных компонент рассчитаны по формуле 4.9, где в качестве трендов рассмотрены простое скользящее среднее, ступенчатая функция среднегодовых значений и среднее многолетнее значение (рис. 3, 4, 5, прил. 2). Вид графиков случайных компонент, полученных после элиминирования различных типов трендов, не имеет принципиальных отличий: для всех показателей на графиках присутствуют локальные максимумы, которые наиболее выражены для мутности, наименее для температуры, однако значения статистических характеристик имеет разброс (табл. 2.1.3). Средние значение СК для всех показателей при выделении тренда скользящего среднего не равны нулю. &»
Значение дисперсии при разных типах трендов колеблется: для окисляемости и температуры максимум зафиксирован при выделении тренда среднемного-летнего значения, для мутности — тренда скользящего среднего. Разность между максимумом и минимумом СК температуры, полученной после удаления тренда среднемноголетнего значения, шире на 1,8 С по сравнению со значением этой характеристики СК для других типов тревщов. Разброс величин статистических характеристик показывает, что выделение разных типов трендов изменяет структуру случайной компоненты незначительно.
Обзор методов исследования временных рядов
При эксплуатации очистных сооружений водоподготовки осуществляется постоянный контроль за качеством воды в водоисточнике и в питьевой воде. В результате систематических измерений формируются массивы данных, которые отражают изменения показателей качества воды в течение времени. Приемлемым способом анализа подобных систематические опытно-эксплуатационных наблюдений за работой каждого сооружения конкретной станции в периоды характерного изменения качества воды водоисточника наблюдений является статистические методы обработки [85].
Методы математической статистики находят широкое применение при решении практических задач в различных областях знаний. Это обусловлено тем, что используя эти методы на основе ранее существующих данных, можно определить закономерности изменения параметров, выявить зависимости между показателями, построить модели процессов, осуществить прогнозирование. Основным ограничением применения этих методов является наличие достаточного количества статистического материала.
Широко математико-статистические методы применяются в экономике, гидрологии, метеорологии, экологии, в химической технологии [94, 95]. Например, в гидрологических исследованиях методы математической статистики использовались для определения сроков начала и прохождения максимального уровня весеннего половодья на реках европейской территории России [41]. В метеорологии статистические методы широко используются для прогнозирования, выявления тенденций и так далее [59].
Одним из перспективных статистических методов исследования является теория анализа временных рядов. Развитие этого метода было обусловлено необходимостью использования для анализа данных, описывающих изменение процесса во времени, то есть в форме временных рядов [7, 75, 76, 162, 163].
Данные типа временных рядов широко распространены в самых различных областях человеческой деятельности. В экономике это ежедневные цены на акции, курсы валют, еженедельные и месячные объемы продаж, годовые объемы производства и т.п. В метеорологии типичными временными рядами являются температура, месячные объемы осадков, в гидрологии - периодически измеряемые уровни воды в реках. В технике временные ряды возникают в результате отслеживания различных параметров технологических процессов. Основное развитие анализ временных рядов получил в работах [17, 181].
Известно также применение теории временных рядов для решения задач по гидрологии, метеорологии, в экономике, в нефтедобыче. Так, в экономических исследованиях анализ временных рядов использовался для решения задач при моделировании сезонных волн реального валового продукта [159], при оценке сезонных колебаний и прогнозе численности безработных [52], для исследования зависимостей макроэкономических показателей региона [104] и т.д. В нефтедобыче анализ временных рядов применялся как метод прогнозирования и диагностики [11]. В гидрологии метод анализа временных рядов использовался для изучения показателей, характеризующих водопотребление и водо-отведение в бассейне Волги [65], а также для анализа весенних максимальных уровней природных вод [133].
Для исследования временных рядов применяют различные статистические методы анализа. Известно применение спектрального (гармонического) анализа для изучения структуры временных рядов весенних максимальных уровней природных вод [133], для исследования колебания состава сточных вод [54, 55], для выявления периодических составляющих показателей качества воды волжского водоисточника [167]. Для анализа структуры рядов показателей, характеризующих водопотребление и водоотведение в бассейне Волги, использовалась автокорреляционная функция [65]. Корреляционно-регрессионный анализ применялся для прогнозирования загрязнения водотоков [77] и сроков прохождения максимального уровня весеннего половодья [41]. Причем в [189] показано, что для анализа гидрологических данных корреляционный и гармонический анализ, эквивалентны. Также, в [65] показана возможность прогнозирования забора водных ресурсов в бассейне Волги с помощью моделей авторегрессии и скользящего среднего. Однако, для анализа качества воды водоисточника и оценки работы очистных сооружений применение этих методов имеет ряд недостатков.
Спектральный анализ дает сведения только о распределении колебаний параметра по частотам, при этом изменения показателя внутри частоты не описываются. Следует отметить, что в [200] установлено, что для температуры воды водоисточника с первой годичной гармоникой связано 95% всей дисперсии. Применение корреляционно-регрессионного анализа и моделей авторегрессии и скользящего среднего осложняется наличием в рядах показателей качества воды водоисточника сезонных составляющих.
Одним из перспективных методов анализа временных рядов показателей качества воды является метод сезонной декомпозиции, который позволяет выделить из элементов, образующих временной ряд, две важнейшие составляющие: детерминированную и стохастическую. Детерминированная или закономерная составляющая зависит от времени, стохастическая (случайная) составляющая - это то, что остается после исключения детерминированной компоненты. Детерминированная компонента включает в себя тренд-циклическую и сезонную составляющие.
Способов выделения трендов известно много, из них в экономических исследованиях наиболее часто используется скользящее среднее. На сегодняшний день в практике технического анализа выделяют три основных вида скользящих средних - простые, взвешенные и экспоненциальные [113]. Также практическое приложение метода выделения тренда скользящим средним нашло в метеорологии для изучения температуры, количества атмосферных осадков и других характеристик [59].
Сезонные колебания - наиболее яркий пример наличия цикличности, поэтому в экономике изучению проблемы проявления сезонного фактора во временных рядах и построению временных рядов с поправкой на сезонность уделяется значительное внимание. Для описания сезонной компоненты используют сезонные индексы (или индексы сезонности), применяют фиктивные сезонные переменные, метод "математического ожидания формы волны", метод "стохастической формы волны", используют разложение Фурье и непараметрические процедуры, основанные на вариационных признаках.
В экономических исследованиях для оценки сезонного влияния при расчете индексов потребительских цен и на производство основных видов продукции животноводства использовались индексы сезонности, причем в [18] расчет индексов выполнен пятью способами [18, 56]. При анализе сезонных колебаний численности безработных [52] применялся метод фиктивных сезонных переменных. Моделирование сезонных волн реального валового продукта проведено с помощью методов "математического ожидания формы волны" и "стохастической формы волны" [159]. В [60] выделение сезонной волны таких показателей как валовой внутренний продукт, объем промышленного производства, объем капитальных вложений, объем продукции сельского хозяйства, оборот розничной торговли проведено на основе вариационных признаков. Таким образом, в экономических исследованиях для оценки сезонных изменений показателей в зависимости характера колебаний применяют различные методы.
Известно, что для количественной оценки сезонных колебаний качества воды применялось два метода: описание сезонной волны с помощью сезонных индексов и выделение сезонных составляющих разложением в ряд Фурье. Так, в [93] показана возможность применения метода сезонной декомпозиции к анализу содержания бенз(а)пирена в водоисточнике. Для анализа гидрологических данных использовано преобразование Фурье [111, 189].
Однако, для решения инженерных задач в области водоснабжения анализ временных рядов не использовалась. С другой стороны, применения этого метода для исследования изменения качества поверхностного водоисточника, оценки качества питьевой воды, анализа работы очистных сооружений и последующего прогнозирования может оказаться полезным для оптимизации водоподготовки. Понятно, что закономерным особенностям показателей качества воды всегда сопутствуют факторы, которые будут вносить случайность. К таким факторам следует отнести такие явления и события как начало и интенсивность паводка, атмосферные осадки, флуктуации температуры, регулирование попуском водоем: хранилища и т.д. При этом знание состава воды и закономерностей, определяющих его изменения, представляют практический интерес в вопросах изучения и управления процессами водоподготовки. Математическим методом, который позволяет выделить из данных аналитических наблюдений закономерную составляющую, описывающую тенденцию процесса, найти компоненту, отражающую сезонные явления, а также случайную составляющую процесса, является теория анализа временных рядов [75, 163]. Этот метод математической статистики нашел широкое применение в решении экономических задач [76]. Ранее показана возможность использования метода анализа временных рядов для исследования содержания бен(а)пирена в водоисточнике [93].
