XiaoMi-AI文件搜索系统
World File Search System水文地质
可解释的机器学习，以预测地下水中五氯苯酚的命运和运输
五氯苯酚（PCP）是一种常见的顽固和有毒的地下水污染物，可抵抗降解，生物蓄积，并具有远程环境运输的潜力。采取适当的措施处理生命周期后果的污染物，需要更好地了解其在地下的行为。我们认识到，随着机器学习（ML）技术在环境应用中的到来，在受污染的地下水站点增强决策的巨大潜力。我们使用ML来增强对地下PCP传输特性动力学的理解，并确定影响其运输和命运的关键水力化学和水文地质驱动因素。我们证明了通过数据驱动方法提供的这种互补知识如何在两个高度受污染的瑞典地下水站点进行更有针对性的MONI进行和修复计划，并在此验证了该方法。我们评估了6种可解释的ML方法，3个线性回归器和3个非线性（即基于树的）回归体，以预测地下水中的PCP浓度。建模结果表明，发现简单的线性ML模型在没有任何缺失值的数据集的观察结果中很有用，而基于树的回归器更适合包含缺失值的数据集。考虑到在受污染的现场调查期间收集的数据集中缺少值很常见，这对于受污染的现场计划者和经理来说可能非常重要，最终降低了现场调查和监视成本。此外，我们使用SHAP（Shapley添加说明）方法解释了所提出的模型，以破译不同驱动因素在关键水力地球化学变量的预测和模拟中的重要性。其中，氯苯酚的总和在分析中具有最高的意义。除了模型，四氯苯酚，溶解有机碳和电导率外，还设置了该设置。因此，可以使用ML方法来改善对地下水污染运输动力学的理解，填补使用更复杂的确定性建模方法时仍然存在的知识空白。
鲁尔区废弃煤矿的矿井热能储存 (MTES) 系统
扩展摘要 欧盟的目标是到 2050 年实现温室气体 (GHG) 净零经济，到 2030 年比 1990 年的水平减少 55%。目前，供暖和制冷占德国最终能源需求的 50% 以上，主要由化石燃料衍生的能源供应（BMWK，2022 年）。供热系统脱碳面临的一个挑战是供热和可持续能源供热之间的季节性不匹配。只有通过灵活管理供热网络和各种不同的存储技术，才能充分利用不稳定的可再生热能的潜力。矿井热能存储 (MTES) 系统可以提供这样一种可复制且智能的解决方案，以抵消供暖和制冷需求的季节性下降和峰值。到目前为止，在 HEATSTORE 项目框架内仅建立了一个高温 MTES 试验工厂（德国波鸿），其中成功测试了在废弃煤矿中储存热能的可能性。鲁尔大学 (RUB) 的当地区域供热网目前由两个总容量为 9 MW 的热电联产模块和三个总热输出为 105 MW 的燃气峰值锅炉运行。它们位于 RUB 的技术中心内。废弃的 Mansfeld 煤矿位于地下约 120 m 深处，位于发电厂的正下方，计划用作储热池。PUSH-IT 项目中的波鸿 MTES 演示站点将与 RUB 一起在其技术中心内建立。该项目将在夏季从峰值负荷为 700 kW 的数据中心补充余热。为了在冬季利用这些余热，废弃的 Mansfeld 煤矿将通过四口井（计划于 2024 年第三季度）开发为 MTES，进入煤矿的第一个石巷。根据预见的泵测试结果，这些井将用作生产/注入井或监测井。图 1 展示了废弃的 Mansfeld 煤矿的矿井工作面（第一层），深度约为 120 mbgl，位于“技术中心”发电厂的正下方。根据 Leonhardt（1983）假设的地热梯度，第一层的天然岩体温度应约为 11 °C。FUW 电网的发电厂位于先前开发的 HEATSTORE MTES 试点东北仅 300 米处，因此现有结果（如地质、水文地质、区域数值模型）可用于 FUW 区域供热网络的下一阶段转型。必须更加仔细地考虑前曼斯菲尔德煤矿内的 MTES 中可能的季节性余热输入和输出，同时考虑到 FUW 电网区域供热网络的框架参数。季节性热储存和区域供热网络中不同的温度水平可能会带来问题。虽然 MTES 中最高储存温度似乎可以达到 90°C，但区域供热网络采用天气补偿流动温度运行。为了能够提供所需的热量输出，流动温度从室外温度低于 8°C 时的 80°C 线性上升到室外温度为 -10°C 时的 120°C。