徐祖信，汪玲玲，尹海龍

（同濟(jì)大學(xué) 污染控制與資源化研究國家重點(diǎn)實驗室，上海200092）

當(dāng)前，我國分流制排水系統(tǒng)普遍存在雨污混接問題，旱天排放水量接入雨水管網(wǎng)，并經(jīng)由雨水管網(wǎng)直排河道，嚴(yán)重影響了排水系統(tǒng)的效能，污染了受納水體[1－3].因此，診斷混接雨水管網(wǎng)潛在的旱流來源，為后續(xù)的混接改造工程提供科學(xué)指導(dǎo)至關(guān)重要.

針對雨污混接問題，國外較早地開展了相關(guān)研究工作.美國國家環(huán)保局（USEPA）在1993年和2004年先后頒布了解決雨污混接問題的技術(shù)指南，提出采用水質(zhì)特征因子法診斷雨水管網(wǎng)旱流污染來源[4－6].其核心是管網(wǎng)入流和出流的化學(xué)質(zhì)量平衡，即采用表征不同混接類型（如生活污水、工業(yè)廢水、地下水等）的水質(zhì)特征因子，通過旱天混接源以及雨水管網(wǎng)末端水質(zhì)監(jiān)測，利用流程圖法或化學(xué)質(zhì)量平衡模型法定性、定量判定雨水管網(wǎng)旱天水量來源及不同混接來源的比例.在此基礎(chǔ)上，國外還開展了生活污水水質(zhì)特征因子調(diào)查研究，將氨氮、表面活性劑、鉀[4－6]，以 及 微 生 物 指 示 菌[4－7]、總 氮[8]、甜 味劑[9－10]、咖啡因[11]、藥物及化妝品類指標(biāo)[12]等應(yīng)用于生活污水的識別.我國自“十一五”開始，開展了相關(guān)的調(diào)查研究工作，采用氨氮、表面活性劑、鉀、微生物指示菌等指標(biāo)，定性與定量判斷上海市典型雨水系統(tǒng)的混接來源[13－15].

特征因子法定量判斷雨水管網(wǎng)旱天水量來源的核心是化學(xué)質(zhì)量平衡模型（chemical mass balance model，CMBM）.目前采用的是確定性算法，即將某一混接類型的水質(zhì)特征因子質(zhì)量濃度數(shù)據(jù)直接以均值的形式代入CMBM公式.然而，同一類混接源的多個混接點(diǎn)水質(zhì)不可避免在空間上存在差異性，例如生活居住區(qū)的水質(zhì)特征因子質(zhì)量濃度與居民生活水平、居住區(qū)建成年代等因素有關(guān)；地下水水質(zhì)特征因子質(zhì)量濃度也受到不同區(qū)域的含水層物理化學(xué)性質(zhì)影響.這些因素將不可避免地導(dǎo)致計算結(jié)果的偏差和解析結(jié)果不閉合.例如，在針對上海市典型混接分流制系統(tǒng)混接解析的研究中，直接利用不同混接類型水質(zhì)特征因子質(zhì)量濃度實測均值數(shù)據(jù)建立CMBM方程，計算得到的旱流來源水量貢獻(xiàn)率之和約為80%，計算結(jié)果不閉合[15].因此，采用化學(xué)質(zhì)量平衡模型法定量分析雨污混接來源時，有必要考慮水質(zhì)特征因子數(shù)據(jù)的不確定性，提高計算結(jié)果的準(zhǔn)確性.

本研究提出采用蒙特卡羅（Monte Carlo）分析方法，改進(jìn)基于水質(zhì)特征因子的CMBM算法，以解決混接源的水質(zhì)特征因子質(zhì)量濃度空間差異等因素導(dǎo)致的計算結(jié)果偏差和解析結(jié)果不閉合問題.針對上海市中心城區(qū)某分流制排水系統(tǒng)的混接狀況進(jìn)行診斷，并通過與實測結(jié)果的對比分析，驗證該方法的適用性，從而為分流制系統(tǒng)旱流混接來源的分析診斷提供指導(dǎo).

1 研究方法

1.1 CMBM基本原理

CMBM法是根據(jù)管網(wǎng)中入流和出流的質(zhì)量守恒原理，對每種混接來源建立一個方程式，建立聯(lián)立方程組以求解各種混接來源的比例.其基本方程如下：

式中：ρi為第i個水質(zhì)特征因子的雨水管網(wǎng)旱天出流質(zhì)量濃度；αij為第j個混接來源（混接污染類型）的第i個水質(zhì)特征因子質(zhì)量濃度；xj為第j個混接來源的雨水管網(wǎng)旱天入流水量比例；n為混接來源的數(shù)量.

方程（1）的約束條件為

式中：det（A）為混接來源矩陣行列式矩陣.

CMBM方法中采用的理想水質(zhì)特征因子應(yīng)滿足以下特征：不同混接來源的質(zhì)量濃度差異顯著；具體針對每一種類型，質(zhì)量濃度相對穩(wěn)定；保守物質(zhì)（基本上不發(fā)生物理、化學(xué)及生物反應(yīng)）.具體分析，當(dāng)水質(zhì)特征因子滿足保守型物質(zhì)，就能夠滿足公式（1），即管網(wǎng)入流和出流質(zhì)量守恒；當(dāng)不同混接來源的質(zhì)量濃度差異顯著時，就能夠滿足公式（2），即混接來源的矩陣行列式不等于0.

1.2 基于Monte Carlo理論的雨水管網(wǎng)混接解析方法

在針對具體研究區(qū)域的雨水管網(wǎng)混接水量解析中，需考慮不確定性.不確定性通常與以下因素有關(guān)：

（1）同一種混接來源中多個混接點(diǎn)質(zhì)量濃度的空間差異性.例如，生活污水混接點(diǎn)的質(zhì)量濃度會隨著居民區(qū)生活水平、居民年齡分布、居民區(qū)建成年代等發(fā)生變化，還會與新舊小區(qū)混接的黑水和灰水比例相關(guān)（新式居民區(qū)通常以陽臺洗衣機(jī)的灰水混接為主，而舊式居民區(qū)以化糞池溢流或者污水管道中直接接入雨水管道為主）；地下水在雨水管網(wǎng)中的入滲點(diǎn)不止一個，不同空間位置的地下水化學(xué)性質(zhì)不完全相同.

（2）水質(zhì)特征因子指標(biāo)質(zhì)量濃度測量誤差.

（3）混接源質(zhì)量濃度測量和末端排放口質(zhì)量濃度觀測存在的非同步性等.

由于上述不確定性因素的存在，實際的水質(zhì)特征因子質(zhì)量濃度值往往存在波動范圍，將水質(zhì)特征因子數(shù)據(jù)庫中的質(zhì)量濃度均值作為單一值輸入模型，通常會與實際值產(chǎn)生偏差，造成不同混接來源的混接水量解析結(jié)果總和不等于100%，甚至產(chǎn)生很大的偏差（如總和低于80%或者大于120%）.為此，本文提出基于Monte Carlo理論的改進(jìn)CMBM算法用于雨水管網(wǎng)混接污染來源解析.

Monte Carlo方法是一種基于隨機(jī)數(shù)的模擬方法，即根據(jù)待求隨機(jī)問題的變化規(guī)律和物理現(xiàn)象本身的統(tǒng)計規(guī)律，人為地構(gòu)造一個合適的概率模型，依照該模型進(jìn)行大量的統(tǒng)計試驗，使它的某些統(tǒng)計參量正好是待求問題的解[16－17].

理論上，蒙特卡羅模擬方法可分為靜態(tài)蒙特卡羅法和動態(tài)蒙特卡羅法.在給定分布下直接進(jìn)行抽樣模擬、不改變抽樣過程中的分布的蒙特卡羅方法稱作靜態(tài)蒙特卡羅法；基于貝葉斯理論，應(yīng)用馬爾科夫鏈生成指定分布下平穩(wěn)分布（后驗分布）的方法稱為動態(tài)蒙特卡羅法.在污染來源的解析中，當(dāng)不同污染源的顯著性差異不明顯，并且水質(zhì)指標(biāo)的穩(wěn)定性較差時，通常需要應(yīng)用動態(tài)蒙特卡羅法.例如，Massoudieh[18]等在針對地表徑流污染來源解析的研究中，采用動態(tài)蒙特卡羅法對Fe，Mn等穩(wěn)定性較差，不同道路之間差異性不顯著的污染指標(biāo)進(jìn)行了解析，以盡可能獲得一個解析解范圍.

然而，對于本研究而言，由于理想水質(zhì)特征因子具備的不同混接類型之間顯著性差異以及入流和出流的質(zhì)量守恒關(guān)系，靜態(tài)蒙特卡羅方法已可滿足應(yīng)用需要，而且算法易于實現(xiàn)，因此，本研究采用靜態(tài)蒙特卡羅方法，以下直接稱作蒙特卡羅法.這也體現(xiàn)了水質(zhì)特征因子用作污染來源解析的優(yōu)勢所在.

具體到雨水管網(wǎng)混接污染來源的定量解析，本研究提出的基于Monte Carlo解析方法基本步驟如下：

（1）根據(jù)水質(zhì)特征因子的監(jiān)測數(shù)據(jù)，確定其數(shù)理統(tǒng)計參數(shù)（最大值、最小值、均值、方差等），形成表征某一混接來源的水質(zhì)特征因子概率分布以及雨水管網(wǎng)末端排放口水質(zhì)特征因子的概率分布，如均勻分布、正態(tài)分布、對數(shù)正態(tài)分布等.

（2）采用Monte Carlo方法隨機(jī)抽取混接源和末端排放口的水質(zhì)特征因子質(zhì)量濃度數(shù)據(jù)，得到n個樣本值，使其滿足特定的概率分布.

（3）將n個樣本值輸入公式（1），得到n個關(guān)于混接水量比例的解析結(jié)果.

（4）對n個解析結(jié)果進(jìn)行統(tǒng)計分析，獲得最接近真實解的概率分布區(qū)間.

上述步驟的基本流程如圖1所示.

圖1 基于Monte Carlo法的雨水管網(wǎng)混接解析方法流程圖Fig.1 Flowchart of dry－weather source apportion ment approach based on Monte Carlo approach

圖1中需要進(jìn)一步說明的是，解析結(jié)果的概率分布區(qū)間不應(yīng)過于寬泛，或者說解析結(jié)果方差值不應(yīng)過大，否則可能會導(dǎo)致解析結(jié)果與實際結(jié)果之間產(chǎn)生較大的偏差.造成這一現(xiàn)象的原因是輸入的混接源質(zhì)量濃度區(qū)間過大，或者是不同混接源之間的質(zhì)量濃度顯著性差異不明顯.為此，本文提出，當(dāng)所有混接源解析結(jié)果的變差系數(shù)均大于0.2時，應(yīng)當(dāng)進(jìn)一步縮窄混接源水質(zhì)特征因子濃度區(qū)間，重新生成蒙特卡羅隨機(jī)數(shù)計算.這樣，可以得到一個相對較窄、集中度較高的解析結(jié)果概率分布區(qū)間，以盡可能反映實際的混接水量比例和對應(yīng)的混接源總體質(zhì)量濃度值.

2 分流制排水系統(tǒng)雨污混接診斷案例分析

2.1 研究區(qū)域概況

研究區(qū)域為上海市中心城區(qū)某分流制排水系統(tǒng).該系統(tǒng)建于1986年，服務(wù)面積3.74 km2，四周為河道包圍，是一個相對獨(dú)立的排水系統(tǒng).自興建以來，雨污混接嚴(yán)重，雨水管網(wǎng)旱流排放嚴(yán)重污染了周邊河道水質(zhì)，甚至造成旱季河道黑臭.

為了確定該系統(tǒng)雨水管網(wǎng)的混接污染來源，2009—2010年期間在當(dāng)?shù)厥姓c水務(wù)管理部門的配合下，對該區(qū)域雨污混接情況進(jìn)行了全面的現(xiàn)場調(diào)查.調(diào)查分為兩個階段：第一階段是現(xiàn)場開井調(diào)查，對研究區(qū)域內(nèi)30 km雨水管網(wǎng)的檢查井，逐個開井調(diào)查，期間同步開啟雨水泵站對雨水管網(wǎng)預(yù)抽空，以降低雨水管道充盈度，目測判斷雨水檢查井內(nèi)是否有混接污染源接入，確定混接點(diǎn)的位置；第二階段是混接點(diǎn)流量調(diào)查，對確定的混接點(diǎn)，采用管道流量計逐個觀測其混接水量.基于調(diào)查結(jié)果，繪制混接污染源電子地圖，如圖2示.

根據(jù)調(diào)查結(jié)果，該區(qū)域內(nèi)共有混接污染點(diǎn)源150個，其中工業(yè)企業(yè)混接污染源1家（為某半導(dǎo)體企業(yè)），廠區(qū)污水站出水直接接入附近的雨水管網(wǎng)，混接水量1 959 m3·d－1；其余149個混接點(diǎn)源為生活污染混接源，混接水量共計15 346 m3·d－1.

圖2 研究區(qū)域雨水管網(wǎng)混接污染源調(diào)查結(jié)果Fig.2 Investigated dry－weather sources with inappropriate entries into stor m drains in Shanghai

由于上海市地下水水位較高，該系統(tǒng)還存在潛在的雨水管網(wǎng)地下水入滲問題.針對該系統(tǒng)雨水管網(wǎng)混接水量平衡分析的研究表明[19]，該系統(tǒng)雨水管網(wǎng)地下水入滲量約3 624 m3·d－1.因此，該系統(tǒng)雨水管網(wǎng)的旱天排放水量來源中，生活污水、工業(yè)廢水和地下水的混接水量比例分別為73.3%，9.4%，17.3%.

2.2 水質(zhì)特征因子的選擇

生活污水水質(zhì)特征因子.根據(jù)USEPA的相關(guān)技術(shù)指南，NH3－N是傳統(tǒng)的用來表征生活污水的水質(zhì)特征因子指標(biāo)[4－6].然而，雨水管網(wǎng)旱天充滿度相對較低，管道易處于好氧狀態(tài)，導(dǎo)致管道中NH3－N會發(fā)生硝化反應(yīng).因此，本研究采用TN作為表征生活污水的水質(zhì)特征因子指標(biāo).此外，近年來國外學(xué)者的研究指出，甜味劑是一種可用來表征生活污水的新型水質(zhì)特征因子指標(biāo)；其中，甜味劑中的安塞密被認(rèn)為是一種穩(wěn)定性的物質(zhì)[9－10].因此，本研究同時采用安塞密作為表征生活污水的水質(zhì)特征因子，對混接診斷結(jié)果進(jìn)行對比驗證分析.

半導(dǎo)體工業(yè)廢水水質(zhì)特征因子.根據(jù)對上海市典型電子類工業(yè)企業(yè)的水質(zhì)特征因子調(diào)查，半導(dǎo)體企業(yè)在其氧化和刻蝕工藝中使用氫氟酸作為主要化學(xué)溶劑，導(dǎo)致半導(dǎo)體企業(yè)排放廢水的氟化物質(zhì)量濃度遠(yuǎn)高于生活污水[20].因此將氟化物作為指示半導(dǎo)體工業(yè)廢水混接的水質(zhì)特征因子.

地下水水質(zhì)特征因子.在高地下水位地區(qū)，地下水補(bǔ)給與雨水下滲有關(guān).由于雨水在滲透過程中溶解石灰?guī)r，導(dǎo)致地下水的硬度較高.因此，硬度可作為表征地下水的水質(zhì)特征因子指標(biāo).

2.3 采樣方法

生活污水采樣.在該研究區(qū)域內(nèi)選擇某居住小區(qū)總排放口進(jìn)行采樣.每3小時采集樣品1次，采樣日期為2014年11月1日至11月7日，共計采集56個水樣.

半導(dǎo)體工業(yè)廢水采樣.選擇研究區(qū)域內(nèi)的混接排放半導(dǎo)體工業(yè)企業(yè)總排放口進(jìn)行采樣監(jiān)測（圖2示）.每3小時采集樣品1次，采樣日期為2014年11月8日至11月14日，共計采集56個水樣.

地下水采樣.在該研究區(qū)域內(nèi)鉆探一口地下水水質(zhì)監(jiān)測井（圖2示），進(jìn)行淺層地下水采樣.每天采集1個水樣，采樣點(diǎn)位于監(jiān)測井水位以下30 cm處.采樣日期為2014年11月1日至11月14日，共計采集14個水樣.

雨水管網(wǎng)旱天出流水質(zhì)特征因子監(jiān)測.在雨水管網(wǎng)末端的市政泵站前池安裝自動采樣器（ISCO 6712C），對雨水管網(wǎng)旱天出流進(jìn)行自動采樣.每3小時采集樣品1次，采樣日期為2014年11月16日至11月22日，共計采集56個水樣.

2.4 監(jiān)測分析方法

每天采樣結(jié)束后，將水樣及時運(yùn)回實驗室進(jìn)行分析.所有樣品在分析前通過0.45μm膜過濾.

TN監(jiān)測采用堿性過硫酸鉀消解紫外分光光度法（HJ636－2012）；硬度（鈣、鎂離子硬度總和）監(jiān)測采用電感耦合等離子發(fā)射光譜法（ICP－AES法；ICPAgilent 720ES）[21]；氟化物檢測采用離子選擇電極法（GB7484－87，雷磁PXSJ－216F型氟離子計）.

安賽蜜在水環(huán)境中通常以痕量水平存在，本研究中采用高效液相色譜－串聯(lián)質(zhì)譜技術(shù)（HPLC－MS／MS）對其進(jìn)行監(jiān)測.分析方法與條件闡述如下：

樣品濃縮：將CNW Poly－Sery PWAX（3 m L／60 mg）固相萃取小柱先用6 m L甲醇沖洗活化，保持流速約為1 m L·min－1，再用6 m L 25 mmol·L－1醋酸－醋酸鈉緩沖液（p H＝4）沖洗，然后加入150 m L待處理的提取液，用6 m L 25 mmol·L－1醋酸－醋酸鈉緩沖液（p H＝4）洗去雜質(zhì)，真空抽干5 min；再用6 m L含1 mmol·L－1Tris和5%（體積比）氨水的甲醇溶液（p H＝11）洗脫.洗脫液置于40°C下氮吹近干，用甲醇定容至1.5 m L，供 HPLC－MS／MS分析.

實驗條件：使用儀器為Thermo Fisher Scientific TSQ Quantum液相色譜－質(zhì)譜聯(lián)用儀，所用色譜柱為 Agilent SB－C 18（4.6 mm×150 mm，3 μm）.實驗過程中色譜柱溫控制在30°C，使用的流動相A為水（含1 mmol·L－1Tris和5 mmol·L－1醋酸銨），流動相B為乙腈（含1 mmol·L－1Tris和5 mmol·L－1醋酸銨）.質(zhì)譜所用離子源為電噴霧離子源，檢測方式為負(fù)離子掃描多反應(yīng)監(jiān)測（MRM）模式.實驗中采用梯度洗脫程序（0～8 min，0%B→75%B，保持1 min；9～10 min，75%B→10%B；10～10.5 min，10%B→70%B，保持1.9 min；在隨后0.5 min中內(nèi)降至0），待系統(tǒng)平衡8 min后進(jìn)樣，進(jìn)樣流速為0.4 m L·min－1，進(jìn)樣體積為10μL.

2.5 結(jié)果與討論

2.5.1 水質(zhì)特征因子監(jiān)測結(jié)果

不同混接來源和雨水管網(wǎng)末端旱流排放的水質(zhì)特征因子監(jiān)測結(jié)果，見表1.由表1可以得出：① 生活污水中TN和安賽蜜的質(zhì)量濃度明顯高于半導(dǎo)體工業(yè)廢水和地下水；② 工業(yè)廢水的氟化物質(zhì)量濃度明顯高于生活污水和地下水：③ 地下水的硬度高于生活污水和半導(dǎo)體工業(yè)廢水.這證明了不同混接類型水質(zhì)特征因子質(zhì)量濃度的差異性.

根據(jù)表1，還可以首先對雨水管網(wǎng)旱天污染混接來源進(jìn)行定性判斷.可以看出：① 雨水管網(wǎng)旱天排放的TN和安塞密質(zhì)量濃度介于生活污水和其他混接類型之間，表明存在生活污水混接；② 雨水管網(wǎng)旱天排放的氟化物質(zhì)量濃度明顯高于生活污水中的質(zhì)量濃度，表明存在半導(dǎo)體工業(yè)廢水的混接.進(jìn)一步，采用基于Monte Carlo法的化學(xué)質(zhì)量平衡模型，對雨水管網(wǎng)混接污染來源進(jìn)行定量解析.

2.5.2 基于確定性算法的混接解析結(jié)果

基于化學(xué)質(zhì)量平衡模型（公式1），得到基于確定性算法的混接解析結(jié)果，如表2所示.其中，不同混接污染來源和雨水管網(wǎng)末端排放口的水質(zhì)特征因子質(zhì)量濃度，依據(jù)表1中的均值輸入.

表1 雨水管網(wǎng)混接來源及旱天排放水質(zhì)特征因子監(jiān)測結(jié)果Tab.1 Statistics of monitored marker species of illicit source types and catchment outfall

表2 基于確定性算法的混接水量比例解析結(jié)果Tab.2 Source apportionment results based on deterministic approach

由表2分析如下：

（1）基于確定性算法的混接解析結(jié)果不閉合，主要原因是混接源質(zhì)量濃度均值與實際值存在偏差.以本研究區(qū)域為例，存在100多個混接生活污水排放點(diǎn)（圖1），某些排放點(diǎn)的實際水質(zhì)質(zhì)量濃度可能與監(jiān)測點(diǎn)的質(zhì)量濃度有較大偏差.例如，新建居住小區(qū)的污水混接特點(diǎn)可能表現(xiàn)為陽臺洗衣廢水接入，與生活小區(qū)的混合生活污水質(zhì)量濃度存在較大的偏差，這就會導(dǎo)致輸入模型中的生活污染源總體加權(quán)質(zhì)量濃度可能與實際排放點(diǎn)質(zhì)量濃度有較大偏差.而在實際中，也不可能對所有排放點(diǎn)的質(zhì)量濃度進(jìn)行監(jiān)測，得到一個接近實際值的流量平均加權(quán)質(zhì)量濃度.

（2）除了混接解析結(jié)果不閉合外，不同混接來源的混接水量比例與實際值也存在較大的誤差，尤其是生活污水和地下水的解析誤差明顯偏高.對于地下水而言，由于地下水的硬度與生活污水和工業(yè)廢水中的硬度差異性相對較低，通常地下水入滲點(diǎn)也不只一個，硬度值的波動將會產(chǎn)生明顯的偏差.對于生活污水，由于混接點(diǎn)較多，實際值與真實值的偏差也會造成較大的解析誤差，如上闡述.以下進(jìn)一步引入Monte Carlo法生成解析結(jié)果，進(jìn)行對比分析.2.5.3 基于Monte Carlo法的混接解析結(jié)果

無論是對于混接來源，還是雨水管網(wǎng)旱天排放，均通過某種形式的概率分布生成Monte Carlo隨機(jī)數(shù).其中，① 對于雨水管網(wǎng)末端排放口的質(zhì)量濃度，采用正態(tài)分布生成隨機(jī)數(shù)，以反映測量誤差造成的不確定性；② 對于混接源的水質(zhì)特征因子質(zhì)量濃度數(shù)據(jù)，則采用均勻分布生成隨機(jī)數(shù)，均勻分布區(qū)間基于表2中的最小值和最大值.采用均勻分布的原因在于生活污染混接點(diǎn)的來源較多，以本研究區(qū)域為例，存在100多個混接生活污水排放點(diǎn)，某些排放點(diǎn)的實際水質(zhì)質(zhì)量濃度可能與監(jiān)測點(diǎn)的質(zhì)量濃度有較大偏差，導(dǎo)致輸入模型中的生活污染源總體加權(quán)質(zhì)量濃度可能與實際排放點(diǎn)質(zhì)量濃度有較大偏差.相對于正態(tài)分布，均勻分布能夠更有效涵蓋研究區(qū)域內(nèi)實際生活污水質(zhì)量濃度數(shù)值區(qū)間，得到理想的、并且滿足化學(xué)質(zhì)量平衡和混接水量比例總和約束條件的混接解析結(jié)果.

進(jìn)一步，根據(jù)本文建立的Monte Carlo算法，采用MATLAB軟件編程，實現(xiàn)混接水量比例的計算.計算發(fā)現(xiàn)，當(dāng)Monte Carlo運(yùn)算次數(shù)達(dá)到1 000次以上時，計算得到的混接水量比例概率分布趨于穩(wěn)定.以安賽蜜、氟化物、硬度為水質(zhì)特征因子及以TN、氟化物、硬度為水質(zhì)特征因子的混接解析結(jié)果的概率分布直方圖如圖3所示.基于圖3的解析結(jié)果，得到概率統(tǒng)計結(jié)果的95%置信區(qū)間和均值，如表3所示.

圖3 基于Monte Carlo法的雨水管網(wǎng)混接水量解析結(jié)果概率分布Fig.3 Probability distribution of source apportionment results based on Monte Carlo approach（dashed line represents the apportioned source flow com ponents based on deter ministic approach）

由圖3和表3可知：

（1）相對于確定性算法，基于Monte Carlo的混接解析方法既能夠得到閉合的解析結(jié)果，同時基于概率分布得到的解析結(jié)果與實測值的吻合度良好.表3中，混接解析結(jié)果的最大相對誤差僅為8.1%，不超過10.0%.這表明，由于Monte Carlo方法在計算中考慮了水質(zhì)特征因子質(zhì)量濃度的誤差和混接點(diǎn)源空間質(zhì)量濃度差異性等不確定性因素，計算結(jié)果更加符合實際現(xiàn)狀.

表3 基于Monte Carlo法的混接水量比例解析結(jié)果Tab.3 Source apportionment results based on Monte Carlo approach

（2）無論是安賽蜜還是TN，均可以作為理想的用于生活污水混接判斷的水質(zhì)特征因子.在實際推廣應(yīng)用中，考慮到安賽蜜的監(jiān)測手段要求高，可以將TN作為生活污水混接判斷的水質(zhì)特征因子，從工程應(yīng)用的角度通常能夠滿足混接判斷的要求.然而，如果研究區(qū)域有高氨氮工業(yè)廢水接入，這時可以引入安賽蜜作為生活污水的水質(zhì)特征因子指標(biāo).

3 結(jié)論與建議

（1）本研究建立了基于水質(zhì)特征因子和Monte Carlo理論的雨水管網(wǎng)混接污染源定量解析方法，針對上海市某混接分流制系統(tǒng)的解析表明，由于Monte Carlo方法中考慮了混接來源中多個混接點(diǎn)空間質(zhì)量濃度差異性以及測量誤差等不確定性因素，與確定性解析方法相比，可以顯著提高解析結(jié)果的可靠性，解析誤差能夠控制在10%以內(nèi).

（2）利用Monte Carlo理論對雨水管網(wǎng)混接進(jìn)行解析，必須有足夠數(shù)量的樣本生成水質(zhì)特征因子的統(tǒng)計參數(shù)（變化范圍、均值、標(biāo)準(zhǔn)差等）.原則上，建議采樣樣本數(shù)量滿足10次以上.特別地，對于生活污水和工業(yè)廢水混接源，建議基于每日連續(xù)瞬時水樣而非混合水樣的監(jiān)測結(jié)果建立水質(zhì)特征因子數(shù)據(jù)庫，從而涵蓋水質(zhì)特征因子質(zhì)量濃度的變化范圍.

（3）實證研究表明，安賽蜜、TN、氟化物、硬度可以分別作為表征雨水管網(wǎng)中表征生活污水、半導(dǎo)體工業(yè)廢水和地下水混接的水質(zhì)特征因子.但是，不同區(qū)域混接的工業(yè)污染千差萬別，針對各種典型工業(yè)行業(yè)類型，分別確定水質(zhì)特征因子指標(biāo)，建立水質(zhì)特征因子數(shù)據(jù)庫，基于水質(zhì)特征因子的雨水管網(wǎng)混接污染源解析方法可以推廣應(yīng)用于不同雨水管網(wǎng)混接污染識別，科學(xué)指導(dǎo)分流制地區(qū)雨污混接改造工作.

[1] 張辰.排水系統(tǒng)雨污水混接現(xiàn)象淺析與對策[J].上海建設(shè)科技，2006（5）：16.ZHANG Chen.Analysis and measures on non－stormwater entries into storm drains[J].Shanghai Construction Science ＆Technology，2006（5）：16.

[2] 唐建國.對城鎮(zhèn)排水管網(wǎng)建設(shè)和運(yùn)行管理的幾點(diǎn)想法[J].給水排水，2007，33（4）：109.TANG Jianguo.Thoughts on urban drainage system construction and operation management [J]. Water ＆Wastewater Engineering，2007，33（4）：109.

[3] 張厚強(qiáng)，尹海龍，金偉，等.分流制雨水系統(tǒng)混接問題調(diào)研的技術(shù)體系[J].中國給水排水，2008，24（14）：95.ZHANG Houqiang， YIN Hailong， JIN Wei， et al.Investigation technology study on non－stormwater entries into separate storm drainage system[J].China Water ＆Wastewater，2008，24（14）：95.

[4] Environmental Protection Agency. Investigation of inappropriate pollutant entries into storm drainage systems：a user’s guide[R／OL].[2015－05－13].http：／／w ww.epa.gov／nrmrl／pubs／600r92238／600r92238.pdf.

[5] Field R，Pitt R，Lalor M，et al.Investigation of dry weather pollutants entries into storm drainage systems[J].Journal of Environmental Engineering，1994，120：1044.

[6] Environmental Protection Agency.Illicit discharge detection and elimination：a guidance manual for program development and technical assessments[R／OL].[2015－05－13].http：／／ww w.epa.gov／npdes／pubs／idde＿manualwithappendices.pdf.

[7] Ahmed W，Stewart J，Powell D，et al.Evaluation of bacteroides markers for the detection of human faecal pollution[J].Applied Microbiology，2008，46：237.

[8] Shelton J M，Kim L，F(xiàn)ang J，et al.Assessing the severity of rainfall－derived infiltration and inflow and sewer deterioration based on the flux s
Tability of sewage markers [J].Environmental Science and Technology，2011，45：8683.

[9] Burger I J，Buser H R，Kahle M，et al.Ubiquitous occurrence of the artificial sweetener acesulfame in the aquatic environment：an ideal chemical marker of domestic wastewater in groundwater [J].Environmental Science ＆Technology，2009，43：4381.

[10] Tran N H，Hu J Y，Li J H，et al.Sui
Tability of artificial sweeteners as indicators of raw wastewater contamination in surface water and groundwater[J].Water Research，2014，48：443.

[11] Kurissery S，Kanavillil N，Verenitch S，et al.Caffeine as an anthropogenic marker of domestic waste：a study from Lake Simcoe watershed[J].Ecological Indicators，2012，23：501.

[12] Fono L J，Sedlak D L. Use of the chiral pharmaceutical propranolol to identify sewage discharges into surface waters[J].Environmental Science Technology，2005，39：9244.

[13] 尹海龍，邱敏燕，徐祖信.一種基于微生物指示菌的雨水管網(wǎng)混接識別新方法[J].中國給水排水，2014，30（16）：39.YIN Hailong，QIU Minyan，XU Zuxin.Investigation of inappropriate non－stormwater entries into storm drainage system based on microbial indicator[J].China Water ＆ Wastewater，2014，30（16）：39.

[14] 孟瑩瑩，李田，王溯.上海市分流制小區(qū)雨水管道混接污染來源分析[J].中國給水排水，2011，27（6）：12.MENG Yingying，LI Tian，WANG Su.Study on sources of illicit discharge to separate stormwater systems in residential districts in Shanghai[J].China Water ＆Wastewater，2011，27（6）：12.

[15] 孟瑩瑩，馮滄，李田，等.不同混接程度分流制雨水系統(tǒng)旱流水量及污染負(fù)荷來源研究[J].環(huán)境科學(xué)，2009，30（12）：3527.MENG Yingying，F(xiàn)ENG Cang，LI Tian，et al.Identifying dry－weather flow and pollution load sources of separate storm sewer systems with different degrees of illicit discharge[J].Environmental Science，2009，30（12）：3527.

[16] 吉慶豐.蒙特卡羅方法及其在水力學(xué)中的應(yīng)用[M].南京：東南大學(xué)出版社，2004.JI Qingfeng.Monte Carlo method and its application in hydraulics[M].Nanjing：Southeast University Press，2004.

[17] 朱本仁.蒙特卡羅方法引論[M].濟(jì)南：山東大學(xué)出版社，1987.ZHU Benren.An introduction to the Monte Carlo method[M].Jinan：Shandong University Press，1987.

[18] Massoudieh A，Kayhanian M.Bayesian chemical mass balance method for surface water contaminant source apportionment[J].Journal of Environmental Engineering，2013，139：250.

[19] Xu Z X，Yin H L，Li H Z.Quantification of non－storm water flow entries into storm drains using a water balance approach[J].Science of the Total Environment，2014，487：381.

[20] 程云.電子類工業(yè)企業(yè)水質(zhì)特征因子分析與雨污混接診斷識別研究[D].上海：同濟(jì)大學(xué)，2014.CHENG Yun.Study on tracer parameters to identify electronic industry wastewater illicit discharge into storm drains[D].Shanghai：Tongji University，2014.

[21] 國家環(huán)境保護(hù)總局.水和廢水監(jiān)測分析方法[M].北京：中國環(huán)境科學(xué)出版社，2002.State Environmental Protection Administration.Water and wastewater monitoring and analysis methods[M].Beijing：China Environmental Science Press，2002.