Page 333 - 《环境工程技术学报》2023年第1期

第 1 期 能昌信等： 受 HDP 膜影响下的垃圾填埋场渗滤液水位探测方法研究 · 329 ·
E
122 m。填埋场采用重力流直通管进行渗滤液导流， 液水位信息， 对 2 种算法进行分析比较， 个理想模
2
由于该地区降水量大，导致填埋场库底位置堆存了 型的示意及对应 的 2 种算法的反演结果如 图 7 所
大量的渗滤液，容易出现填埋场滑坡，造成安全事 示。需要说明的是，为了突显出反演结果中的渗滤
故，因此需对此位置进行检测。库底位置位于填埋 液区域，特将显示色阶值最大值设置为背景 值 (堆体
场靠近渗滤液调节池的部分，在库底位置地面布置 平均电阻率值 的 ) 3 倍，反演图中底部的红色区域为
3 条平行的测线，分别为测 线 1、测 线 2、测 线 3，测 受 HDP 膜的影响的高阻区域。
E
P
线间距 为 20 m，测 线 1 距填埋区域最西 侧 4 m 左右， 从 图 7 可以看出，对于仿真模 型 1，B 神经网络
填埋 场 1 的现场测线布置示意如 图 6 所示。填埋 场 2 的堆体高度预测 值 (红色区域以上部分 为 ) 6.7 m，比
的底面积 为 430 m×110 m，测线同样布置在渗滤液调 真实值减少 了 0.3 m，渗滤液高度预测值 为 0.8 m，比
S
节池旁，相邻的测线间距 为 25 m，测 线 1 距填埋区域 真实值减少 了 0.2 m，识别准确率 为 78.3%；L 法反
演得到堆体高度约 为 6.3 m，比真实值减少 了 0.7 m，
最西 侧 10 m 左右。
但由于受 到 HDP 膜边界效应的影响，并不能看出

E
渗滤液区域。对于仿真模 型 2，B 神经网络的堆体
P
高度预测值 为 7.8 m，比真实值减少 了 0.2 m，渗滤液
高度预测值 为 1.7 m，比真实值减少 了 0.3 m，识别准
确率 为 92.2%；L 法反演得到堆体高度约 为 7.4 m，
S
图 6 填埋 场 1 现场测线布置示意 比真实值减少 了 0.6 m，但依旧看不出渗滤液区域。
P
Fig.6 Schematic diagram of on-site survey line layout in 并且对于仿真模型测试的反演结果，B 神经网络的
landfill 1 MS 值均小 于 L 法，表 明 B 神经网络的预测误差
S
E
P

川形装置 按 1. 节描述的方式进行供电采集，并 更小，预测结果优 于 L 法。
S
2
对测线 2 使用温纳装置进行 1 次采集，使用美国 综上，基于川形装置 的 B 神经网络能有效消除
P
AG 公 司 研 发 的 反 演 软 件 （ 软 件 的 反 演 方 法为 由 HDP 膜引起的边界效应的影响，可以较准确地
E
I
S
L 法）进行反演。将川形装置采集到的数据用 识别出渗滤液所处位置及水位高度，而传统 的 L 法
S
B 神经网络反演，并 与 L 法结果进行比较，以检验 由于受 到 HDP 膜的影响并不能反映出渗滤液区域。
E
S
P
本方法的有效性和精度。 2.2 现场实测数据反演结果
对江西 的 2 座生活垃圾填埋场进行勘探的区域
2 结果与讨论 均位于填埋场库底位置，此处由于靠近渗滤液调节
2
2.1 理论模型结果分析 池，容易造成渗滤液堆积。 座填埋场均采用重力流
为了评 估 B 神经网络模型的性能，对川形装置 直通管进行渗滤液导流，由于年久失修加上多雨天
P
气，以致堆体下方堆积了大量渗滤液。实测数据的
在渗滤液不同水位高度下采集到的电势数据用
B 神经网络 与 L 法的反演结果如 图 8 所示。
S
P
B 神经网络反演，然后与传统 的 L 法反演结果进
S
P
从 图 8 可以看出，对于填埋 场 1，B 神经网络反
P
行比较。采用均方误 差 (MSE 对 ) 2 种反演算法的性
演结果识别出的堆体高度 为 6.1 m，渗滤液高度为
能进行评价，定义如下:
1.8 m；L 法反演结果识别出的堆体高度 为 5 m，但
S
N
1 ∑ ( ) 2
MSE = z i −b z i （5） 并不能反映出渗滤液区域信息。后经现场验证，勘
N
i=1 探区域的堆体高度 为 6.5 m，堆体下方堆积的渗滤液
式中： ˆ z i 为第 i个训练样本的预测值； 为第 i个训练样
达 到 2 m，B 神经网络对于现场实测数据的识别准
z i
P
本的真实值。 MSE描述的是算法的预测值与真实值
确率 为 84.3%。对于填埋 场 2，B 神经网络反演结
P
的误差，其值越小，说明算法的反演误差越小。
果识别出的堆体高度 为 8.4 m，渗滤液高度 为 2.3 m；
挑选 出 2 个仿真模型用于比 较 B 神经网络和 L 法反演结果识别出的堆体高度 为 7.9 m，但同样
P
S
L 法的结果，定义模型的识别准确率（acc）为： 不能反映出渗滤液区域信息。后经现场验证，勘探
S
√
acc = S /(S p ×S t )×100% （6） 区域的堆体高度 为 8.9 m，堆体下方堆积的渗滤液为
2
o
式中： S o 为预测的渗滤液区域与实际渗滤液区域重 2.6 m，B 神经网络对于现场实测数据的识别准确率
P
叠部分的面积； S p 为预测的渗滤液面积； 为实际渗 为 85.9%。综上，基于川形装置 的 B 神经网络能有
P
S t
滤液的面积。 效反演出堆体内的渗滤液信息，并得到较好的探测
根 据 B 神经网络 与 L 法的识别准确率及渗滤 结果， 而 L 法并不能反映出渗滤液区域。
S
S
P