Page 335 - 《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 · 331 ·
E
3 结论 pollution survey[J]. Research of Environmental Sciences，2013，
26（8）：879-884.
(1) 川形装置相比于传统的高密度电法装置，其 ［10］ EL-QADY G, USHIJIMA K. Inversion of DC resistivity data
using neural networks[J]. Geophysical Prospecting，2001，49（4）：
建立的人工电流场电流流经的区域更广，采集的数 417-430.
据中包含更多的场地信息。 ［11］ CALDERÓN-MACÍAS C, SEN M K, STOFFA P L. Artificial
neural networks for parameter estimation in geophysics[J].
(2) B 神经网络具有较强的非线性映射能力，可
P
Geophysical Prospecting，2000，48（1）：21-47.
以实现电势数据到电阻率数据的非线性反演。 ［12］ 徐海浪, 吴小平.电阻率二维神经网络反演[J]. 地球物理学报，
(3) 基于川形装置 的 B 神经网络能有效消除由 2006，49（2）：584-589.
P
XU H L, WU X P. 2-D resistivity inversion using the neural
HDP 膜所引起的边界效应的影响，准确反映出填埋 network method[J]. Chinese Journal of Geophysics，2006，
E
场中堆体高度、渗滤液位置和水位高度等信息，识别 49（2）：584-589.
［13］ NEYAMADPOUR A, TAIB S, WAN ABDULLAH W A T.
准确率约 为 83.2%，而传统 的 L 法并不能反映出堆
S
Using artificial neural networks to invert 2D DC resistivity
体内的渗滤液信息。 imaging data for high resistivity contrast regions: a MATLAB
application[J]. Computers & Geosciences，2009，35（11）：2268-
(4) 利用川形装置进行填埋场渗滤液探测，能准
2274.
确识别出渗滤液严重堆积的区域，为后期开展垃圾 ［14］ NEYAMADPOUR A, WAN ABDULLAH W A T, TAIB S.
填埋场的渗滤液治理工作提供物探依据。 Inversion of quasi-3D DC resistivity imaging data using artificial
neural networks[J]. Journal of Earth System Science，2010，
119（1）：27-40.
参考文献 ［15］ 戴前伟, 江沸菠.基于混沌振荡PSO-BP算法的电阻率层析成像
［ 1 ］ 徐亚, 能昌信, 刘峰, 等.填埋场长期渗漏的环境风险评价方法 非线性反演[J]. 中国有色金属学报，2013，23（10）：2897-2904.
与案例研究[J]. 环境科学研究，2015，28（4）：605-612. DAI Q W, JIANG F B. Nonlinear inversion for electrical
XU Y, NAI C X, LIU F, et al. Method and case study to evaluate resistivity tomography based on chaotic oscillation PSO-BP
long-term environmental risks from landfill leakage[J]. Research algorithm[J]. The Chinese Journal of Nonferrous Metals，2013，
of Environmental Sciences，2015，28（4）：605-612. 23（10）：2897-2904.
［ 2 ］ 徐亚, 刘玉强, 刘景财, 等.填埋场渗漏风险评估的三级PRA模 ［16］ 能昌信, 孙晓晨, 徐亚, 等.基于深度卷积神经网络的场地污染
型及案例研究[J]. 环境科学研究，2014，27（4）：447-454. 非线性反演方法[J]. 中国环境科学，2019，39（12）：5162-5172.
XU Y, LIU Y Q, LIU J C, et al. 3-level of probability risk NAI C X, SUN X C, XU Y, et al. A site pollution nonlinear
assessment on environmental risk of landfill leakage and it's case inversion method based on deep convolutional neural network[J].
study[J]. Research of Environmental Sciences，2014，27（4）：447- China Environmental Science，2019，39（12）：5162-5172.
454. ［17］ BUTLER S L, SINHA G. Forward modeling of applied
［ 3 ］ 詹良通, 管仁秋, 陈云敏, 等.某填埋场垃圾堆体边坡失稳过程 geophysics methods using Comsol and comparison with
监测与反分析[J]. 岩石力学与工程学报，2010，29（8）：1697- analytical and laboratory analog models[J]. Computers &
1705. Geosciences，2012，42：168-176.
［ 4 ］ 孙汉武, 熊彬, 徐志锋, 等.高密度电法在垃圾填埋场勘探中的 ［18］ 王泽亚, 徐亚, 能昌信, 等.海滨垃圾填埋场渗滤液污染土壤的
应用[J]. 矿产与地质，2020，34（6）：1143-1148. 复电阻率特性[J]. 环境科学研究，2020，33（4）：1021-1027.
SUN H W, XIONG B, XU Z F, et al. Application of high density WANG Z Y, XU Y, NAI C X, et al. Complex resistivity
electric method in the exploration of waste landfill site[J]. properties of leachate-contaminated soil in coastal landfill[J].
Mineral Resources and Geology，2020，34（6）：1143-1148. Research of Environmental Sciences，2020，33（4）：1021-1027.
［ 5 ］ 朱紫祥, 胡俊杰.高密度电法在岩溶地区溶洞勘查中的应 ［19］ 朱勇, 能昌信, 陆晓春, 等.铬污染土壤超低频复电阻率频散特
用[J]. 工程地球物理学报，2017，14（3）：290-293. 性[J]. 环境科学研究，2013，26（5）：555-560.
ZHU Z X, HU J J. Application of high-density electrical method ZHU Y, NAI C X, LU X C, et al. The complex resistivity
to exploration of Karst caves[J]. Chinese Journal of Engineering dispersion properties of chromium-contaminated soil in the ultra-
Geophysics，2017，14（3）：290-293. low frequency power supply[J]. Research of Environmental
［ 6 ］ 龚育龄, 叶腾飞, 董路, 等.卫生填埋场黏土衬层密实性试验研 Sciences，2013，26（5）：555-560.
究[J]. 环境科学与技术，2011，34（9）：9-11. ［20］ 肖宏跃, 雷宛. 地电学教程[M]. 北京: 地质出版社, 2008: 150-
GONG Y L, YE T F, DONG L, et al. Experimental study on 163.
compactness of clay liners in sanitary landfill[J]. Environmental ［21］ 李春华, 胡文, 叶春, 等.基于BP神经网络预测地表水净化装置
Science & Technology，2011，34（9）：9-11. 总氮的去除效果[J]. 环境工程技术学报，2018，8（6）：651-655.
［ 7 ］ 付士根, 杜文利, 胡家国.垃圾填埋场渗滤液水位地球物理探测 LI C H, HU W, YE C, et al. Study on prediction of total nitrogen
技术初探[J]. 工程地球物理学报，2018，15（6）：749-754. removal effect of a surface water purification device based on BP
FU S G, DU W L, HU J G. Preliminary study on geophysics neural network[J]. Journal of Environmental Engineering
echnology of leachate level in landfill site[J]. Chinese Journal of Technology，2018，8（6）：651-655.
Engineering Geophysics，2018，15（6）：749-754. ［22］ 林佳敏, 陈金良, 林晶晶, 等.BP神经网络和ARIMA模型对污水
［ 8 ］ 张建智.时移电阻率法在垃圾填埋场渗滤液监测中的应用[J]. 处理厂出水总氮浓度的模拟预测[J]. 环境工程技术学报，
中国煤炭地质，2019，31（10）：80-85. 2019，9（5）：573-578.
［ 9 ］ 王玉玲, 能昌信, 王彦文, 等.2种电阻率法污染探测装置的抗噪 LIN J M, CHEN J L, LIN J J, et al. The simulation and prediction
声性能比较[J]. 环境科学研究，2013，26（8）：879-884. of TN in wastewater treatment effluent using BP neural network
WANG Y L, NAI C X, WANG Y W, et al. Comparison of anti- and ARIMA model[J]. Journal of Environmental Engineering
noise performance using wenner and dipole-dipole arrays in Technology，2019，9（5）：573-578. ⊕