基于主成分分析法的长江流域水质评价研究
主成分分析法在水质评价中的应用及分析
2005年A题全国数学建模优秀论文3
问题假设
1. 2. 3. 假设干流的自然净化能力是均匀的； 假设两个观测站之间河段的平均流速是等于两个观测站流速的平均值； 假设废水的处理对各类污染程度的河流的影响是均匀的。
符号说明
X1 X2 X3 X4 溶解氧的浓度（DO） 高锰酸盐指数（CODMn） 氨氮浓度（NH3－N） PH 值 污染物的浓度 水流的流量 污染物的降解系数 水流的流速 污染物流过的距离 第 n 个观测站（地区）水流所含污染物的质量 第 n 个观测站（地区）排放污染物的质量 第 i 类污染程度的河流总长度比例 第 t 年排污量
再根据排污量预测值，利用 BP 神经网络对未来十年的不同水质的河长比例进行了 预测。 为了得到排污量与各类水质的河长比例，本文再次利用 BP 神经网络的高精度逼近 能力对排污量与六类水质的河长比例的关系进行拟合。 从而可以得到每年控制污染所应 当处理的废水量：单位（亿吨） 年份 废水处理量 2005 58.2 2006 123.6 2007 133.3 2008 174.3 2009 163.0 2010 189.9 2011 245.4 2012 272.1 2013 300.5 2014 300.7
华南理工大学：李宁、董泽彦、林泽彬，指导教师：陶志穗
有很多传统的系统评估方法比如加权评估法、专家评估法、综合评分法以及层次分 析法都不免受到主观因素不同程度的影响。 而本文使用的基于主成分分析所构造的评估 机制则可以避免主观因素对评估的影响，使得评估结果客观的反映系统状况。 主成分分析方法是一种将多维因子纳入同一系统进行定量化研究、 理论成熟的多元 统计分析方法。通过分析变量之间的相关性，使得所反映信息重叠的变量 被某一主成分替代，减少了变量数目，从而降低了系统评价的复杂性。再以方差贡献率 作为每个主成分的权重，由每个主成分的得分加权即可完成对水质的综合评价。 为了确定主要污染物高锰酸盐指数（CODMn）和氨氮（NH3-N）的主要污染源,我 们需要知道各个地区主要污染物的排放质量。 而本地区污染物的排放质量可以通过当前 观测站的污染物质量与上游对本地区影响部分质量的差值来确定。 通过污染物的降解公 式分析出上游对本地区影响部分质量变化关系， 进而得出本地区污染物排放的质量关系 式。根据长江干流近一年多的基本数据计算出各地区污染物的平均排放速度，进而确定 主要污染源。 长江水质被分为六个级别，代表了不同程度的污染，不同水质河长的比例可以表征 一定时期内的水污染状况。所以说预测长江未来十年的水污染趋势，就是要预测未来不 同水质的河长的比例。对每年的排污量与不同水质河长的比例做一个相关性分析： 第I类 第 II 类 第 III 类 第 IV 类 第V类 劣V类 -0.8058 0.3164 -0.3371 0.3183 0.6624 0.9570 相关系数 可见排污量与不同水质河长的比例有很高的相关性， 与劣 V 类的相关系数更是达到 了 0.9570 的水平， 因此在作对不同水质河长的比例之前， 必须先对未来的排污量有比较 精确的预测。 由于附件中数据样本少,需要预测的时间长，直接应用神经网络很难取得理想的效 果，因此本文采用 GM(1,1)模型与神经网络模型联合预测长江未来十年的水污染趋势， 尝试着首先较精确预测出部分重要的数据， 为建立神经网络预测未来不同水质的河长的 比例提供更多的数据，从而完成对不同水质河长的比例的预测。GM(1,1)模型就可以用 来较好的预测出未来的排污量。
长江水质的评价和预测
长江水质的评价和预测摘要本文在充分分析数据的基础上，运用了主成分分析法对长江的水质做出了定量的综合评价，并运用灰色预测和BP网络模型对长江未来的水质状况进行了预测分析，并求得要控制污染每年所要处理的污水量，最后针对现实情况对如何解决长江水质污染问题提出了建议。
问题一：由于《地表水环境质量标准》里面对水质的评断标准已经是综合的分析，我们就根据二十多个月来，根据此标准得到的数据进行一个累加对17个观测点近两年水质状况进行评价，得出综合质量等级和综合质量系数，并据此进行排名，得出水质最好的两个地区是江苏南京林山和湖北丹江口胡家岭，水质最差的两个地区是江西南昌滁槎和四川乐山岷江大桥。
并根据综合评价表格（见正文）分析了主要污染地区的主要污染指标问题二：由7个干流观测点，可分为6个河段。
以河段为对象进行分析。
首先建立了一维水质模型得到污染物浓度随河段长度的变化规律，然后将每个河段的污染源等效为中央污染源，根据污染物质量守恒得到排污方程，据此解出每个河段的排污量，由此指标的大小确定长江干流排污量最大的区段,即可以确定主要污染源。
代入数据计算，发现nCODM和的主要污染源都在第3个河段，即从湖北宜昌到湖南岳阳那一带。
问题三：根据现有近十年的数据，由于数字有太多未知，所以采用了灰色预测GM(1,1)与BP网络预测相互补充的方法，经过检验，确认得到了较为精确的未来十年发展情况。
问题四：根据问题三中，得到的干流未来十年各类水质的百分比，排污量等数据，由于一年分为三个时间段，我们假设排污量在各个时期是相同的，将劣V水比例乘上排污量加上多于20%的V，IV水量，进行处理，累加起来就是一年需要的排污量。
关键字：GM(1,1)、BP网络模型。
一、问题重述水是人类赖以生存的资源，保护水资源就是保护我们自己，对于我国大江大河水资源的保护和治理应是重中之重。
专家们呼吁：“以人为本，建设文明和谐社会，改善人与自然的环境，减少污染。
”长江是我国第一、世界第三大河流，长江水质的污染程度日趋严重，已引起了相关政府部门和专家们的高度重视。
长江水质的评价和预测
长江水质的评价和预测一．摘要：本文在参考一些数据,文献的基础上对长江水质以及变化趋势综合分析并建模，对母亲河的水质做出了一个客观的评价并对水质的变化趋势做出了预测，针对问题一，运用主成分分析法对长江流域主要城市水质检测报告进行分析，选取主成分，并把主成分得分按方差贡献率加权求和，得出每个地区的污染综合评价指数，进而可以计算长江流域的污染综合评价指数。
对问题二，我们建立了一个简单的模型，忽略各个支流对干流的影响，各个站点排放的高锰酸盐和氨氮的质量只与其本身的降解有关，利用质量守衡定理，得到了一些相关的数列，从而算出了长江干流各个站点的高锰酸盐和氨氮的排放量，并对其进行降序排布，排在前面的自然就是高锰酸盐和氨氮的主要污染源地区。
针对问题三，用可饮用水的比例刻画长江水质的好坏。
分析近两年的百分比发现其呈现波动下降的趋势。
因此，建立基于灰色GM（1，1）模型和时间序列分析法的组合式模型，预测未来十年可饮用水占总水量百分比，以描述长江水质污染情况趋势：若不治理，长江10年后可饮用水的比例在大多数情况下将低于50%。
关于问题四的解决，我们根据问题三废水排放的及各类水质比例的预测，按照比例粗略地算出了若长江干流的Ⅳ类和Ⅴ类水的比例控制在20%以内，且没有劣Ⅴ类水时，2005－2014这十年间需处理的污水量。
在最后，我们针对本篇论文的背景，同时结合长江水质恶化这样的严峻形势，给出了一些那建议，希望能引起有关部门的重视。
关键词：水质评价主成分分析灰色GM（1，1）模型时间序列分析二．问题重述：水是人类赖以生存的资源，保护水资源就是保护我们自己，对于我国大江大河水资源的保护和治理应是重中之重。
专家们呼吁：“以人为本，建设文明和谐社会，改善人与自然的环境，减少污染。
”长江是我国第一、世界第三大河流，长江水质的污染程度日趋严重，已引起了相关政府部门和专家们的高度重视。
由此，针对长江水系的水质恶化日益严重的问题，要求由题目中所给出的附件的统计数据以及附表《地表水环境质量标准》的相关内容建立相应的模型，对长江近两年的水质进行定量的综合评价，并由此分析出各地区的水质污染状况及长江干流主要污染物高锰酸盐指数和氨氮污染源主要在哪些地区的相关问题。
长江中上游重要渔业水域环境质量评估
淡水渔业,2024,54(2):23-33Freshwater Fisheries㊀㊀㊀㊀㊀㊀2024年3月Mar.2024㊀㊀收稿日期:2023-02-06;修订日期:2023-10-18资助项目:国家重点研发计划项目(2022YFC3202002);农业财政专项 长江渔业资源与环境调查 (CJDC-2017-10);中国水产科学研究院中央级公益性科研院所基本科研业务费专项资金(2023TD09)第一作者简介:吴㊀凡(1991-㊀),助理研究员,研究方向为渔业环境监测与保护㊂E-mail:wufan@ 通讯作者:李云峰㊂E-mail:lyf086@长江中上游重要渔业水域环境质量评估吴㊀凡1,魏㊀念1,高立方2,张㊀燕1,茹辉军1,吴湘香1,倪朝辉1,李云峰1(1.中国水产科学研究院长江水产研究所/国家农业科学重庆观测实验站,武汉430223;2.湖北省水产科学研究所,武汉430208)摘要:为准确评估长江中上游重要渔业水域水环境质量现状及变化趋势,提高水质评价效率,本研究基于11个水质参数,采用水质指数法(water quality index,WQI)对2006-2021年长江中上游三个重要渔业水域水质进行了综合评价,建立WQI min 综合评价模型㊂结果显示:(1)长江中上游重要渔业水域的水温和高锰酸盐指数呈上升趋势;基于地表水环境质量标准(GB38338-2002),单因素水质评价结果表明监测水域内整体水质处于地表水Ⅴ类水标准,部分年份达劣Ⅴ类,主要污染指标为总氮㊂(2)通过综合评价方法分析,长江中上游重要渔业水域整体为 良 ;2006~2021年长江中上游重要渔业水域水质质量呈逐年改善的趋势,且上游保护区的改善较大㊂(3)基于WQI 方法,确定了长江中上游重要渔业水域的关键水质参数为:总氮㊁高锰酸盐指数㊁汞㊁溶解氧㊁氨氮㊁悬浮物以及水温,分别构建了上游保护区㊁中华鲟保护区以及四大家鱼保护区的WQI min 模型;考虑权重和不考虑权重的WQI min 模型对比分析表明,考虑权重的WQI min 模型的水质评价结果更加准确,该方法可有效评估长江中上游重要渔业水域的水质变化特征并可扩展用于其他水域㊂关键词:长江中上游;重要渔业水域;水质指数法;WQI min 模型;水质评价中图分类号:S949㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀文章编号:1000-6907-(2024)02-0023-11㊀㊀充足㊁优质的水资源是生态健康和社会可持续发展的重要基础㊂随着我国经济的飞速发展和城市化的迅速扩张,人类活动加剧㊁自然扰动频繁,环境污染问题日益严重[1,2],水环境质量问题尤为突出[3]㊂因而,人们对水环境质量的评价㊁管理和修复具有重要意义㊂水质评价是水环境管理和治理的先决条件[4]㊂目前河流水质评价方法主要有两类,单因素评价和综合因素评价㊂单因素评价方法以监测断面的单个水质指标的最低等级来反映河流水质状况,结果简单易懂,但此方法评价结果片面,无法系统反映河流水质的整体状况[5]㊂综合评价方法相对繁琐,但可综合反映河流水质状况,有利于在水环境管理中的应用[6]㊂综合评价方法包括典型相关分析法[3]㊁主成分分析法[6]㊁水质健康评价法以及水质指数法[7](water quality index,WQI)等㊂与其他方法相比,WQI 可以将大量复杂的水质指标数据转化为单一数值来表征水质质量,并可用于评估水质时空变化趋势[8]㊂基于10个水质指标,HOR-TON [9]在20世纪60年代建立了第一个WQI 模型㊂随着研究人员对WQI 模型的不断改进和发展,该方法已成为一种常用的水质评估方法[10,11]㊂利用WQI 评价地下水质量,科研人员为地下水的开发㊁利用和保护提供了有效的科学建议[12-14]㊂目前,更多的研究集中在使用WQI 来识别和选择关键的水质指标,从而构建最小WQI(WQI min )模型㊂WQI min 模型简化了WQI 模型,同时WQI min 模型选择的指标易于衡量,降低了分析成本,并能够反映水质的整体变化和特征[15],因此该模型特别适用于发展中国家㊂研究表明,WQI min 和WQI 结果之间存在高度相关性[11,17],因此,选择合适的WQI min 模型能够有效反映WQI 结果,提高水质评价效率㊂长江是中国最大的河流,水资源总量9.62ˑ1010m 3,占中国河流总径流量的36%,是黄河的20倍,居世界第三位[18]㊂长江流域水质的健康情况,关系到沿线居民的用水安全及流域内水生生物的生长繁殖[19],其中重要渔业水域对于珍稀㊁特淡㊀水㊀渔㊀业㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2024年有和重要经济鱼类种群和种质资源的保护具有重要意义㊂基于此,本研究选择了位于长江中上游的长江上游珍稀特有鱼类国家级自然保护区(简称为上游保护区)㊁宜昌中华鲟省级自然保护区(简称为中华鲟保护区)以及长江监利段四大家鱼国家级水产种质资源保护区(简称为四大家鱼保护区)三个保护区的水质进行了系统分析,以期解析长江中上游重要渔业水域水质指标的时空变化㊂基于水质指数法(WQI)系统评估该水域水质,并构建低成本高效的WQI min 模型,以期为长江中上游流域及其他流域的水质评价和水资源管理提供重要的参考㊂1㊀材料与方法1.1㊀研究区域本研究区域主要涉及长江中上游重要渔业水域(表1),其中上游保护区坐标设置的10个采样断面分布于岷江㊁沱江和赤水河的汇合口以及干流的上㊁中㊁下游,中华鲟保护区设置的5个采样断面分布于上㊁中㊁下游㊂四大家鱼保护区设置的3个采样断面分布于上㊁中㊁下游㊂表1㊀长江中上游重要渔业水域简介Tab.1㊀Important fishery waters of the upper and middle reaches of the Yangtze River水域名称经纬度范围地理位置主要保护对象上游保护区东经104ʎ9ᶄ-106ʎ30北纬27ʎ29ᶄ-29ʎ4ᶄ云南㊁贵州㊁四川㊁重庆珍稀特有鱼类及其生境中华鲟保护区东经111ʎ16ᶄ-111ʎ36ᶄ北纬30ʎ16ᶄ-30ʎ44ᶄ湖北宜昌中华鲟的自然繁殖群体及其栖息地和产卵场等生境四大家鱼保护区东经112ʎ42ᶄ47ᵡ-113ʎ18ᶄ11ᵡ北纬29ʎ27ᶄ46ᵡ-29ʎ48ᶄ31ᵡ湖北省监利县青鱼㊁草鱼㊁鲢㊁鳙31°N30°N29°N28°N103°E104°E105°E106°E107°E108°E109°E110°E111°E112°E113°E114°EN图1㊀长江中上游重要渔业水域采样点示意图Fig.1㊀Schematic representation of sampling sites in the essential fishery waters of the upper and middle reaches of the Yangtze River1.2㊀样品采集和实验分析本研究的监测期为2006-2021年,其中上游保护区与四大家鱼保护区的采样时间为每年的5-6月㊁9-10月以及12月-次年1月,中华鲟保护区的采样时间为中华鲟的繁殖季节(11月初)㊂监测断面的水温(WT)㊁pH 和溶解氧(DO)使用美国哈希HQ30d 进行现场监测㊂同时,使用5L有机玻璃采水器采集0.5m 处水样,储存于1L 的全氟乙烯瓶中,尽快运送至实验室进行分析㊂根据地表水环境质量标准(GB3838-2002)和‘水和废水监测分析方法“第四版,总氮(TN)采用碱性过硫酸钾消解紫外分光光度法测定,总磷(TP)采用钼酸铵分光光度法测定,高锰酸盐指数(COD Mn )采用酸性法测定,氨氮(NH 3-N)采用水杨酸分光光度法测定,悬浮物(TSS )采用重量法测定,铜(Cu)㊁镉(Cd)㊁锌(Zn)采用原子吸收分光光度法测定,汞(Hg)采用冷原子吸收分光光度法测定㊂1.3㊀分析方法综合水质指标(WQI)的计算公式(1)为:WQI =ðn i =1C iˑP iðni =1P i (1)式中:C i 为水质因子i 的标准化得分;P i 为水质因子i 的权重㊂根据WQI 评分,水质分为5个等级:优(90~100)㊁良(70~90)㊁中(50~70)㊁差(25~50)㊁极差(0~25)㊂42第2期吴㊀凡等:长江中上游重要渔业水域环境质量评估各水质参数权重分别为WT =1,DO =4,pH =1,COD Mn =3,TN =2,TP =1,NH 3-N =3,TSS =4,Cu =1,Cd =1,Hg =1[6,8]㊂为便于对研究水域水质进行评价,本研究建立了基于多元线性逐步回归方法的WQI min 模型,以选取关键参数㊂考虑参数权重的WQI min 模型记为WQI min -w,按公式(1)计算,没有权重的WQI min 模型记为WQI min -nw,按公式(2)计算:WQI min =(ðni =1C i )/n(2)式中n 为水质指标总数;C i 是水质因子i 的标准化得分㊂通过EXCEL2019计算监测水域的WQI 值㊂使用R(版本4.1.3)对监测指标进行Spearman 相关性分析,并对监测水域水质指标的年均值和WQI 进行Mann -Kendall (M -K)test 趋势分析(Z>0,则呈升高趋势;Z<0,则呈下降趋势;P <0.01,则趋势极显著;P <0.05,则趋势显著;P >0.05,则趋势不显著)㊂通过SPSS26对监测指标与WQI 进行逐步多元线性回归分析,确定水质指标的关键参数,构建WQI min 模型㊂采用相关系数(R 2)来评价建立的WQI min 模型的拟合程度;均方误差(RMSE)和百分比误差(PE)用于评价WQI min 模型的预测精度㊂2㊀结果2.1㊀水质指标特征分析2.1.1㊀上游保护区水质指标特征分析2006-2021年上游保护区水质指标年均值变化如图2所示㊂WT 年均值的变动范围为18.36~19.42ħ,年际变化趋势总体表现为缓慢上升;TN年均值变化范围为1.32~2.85mg /L,年际变化趋势为缓慢上升,在2014年达到最大值后开始缓慢下降;NH 3-N 年均值变化范围为0.06~0.14mg /L,年际变化趋势表现为逐年平稳下降;TSS 年均值17.22~223.62mg /L,年际变化趋势为2013年后急剧下降,并维持在较低的水平波动;Hg 年均值变化范围为0.00003~0.00073mg /L,年际变化趋势为在2014年后急剧下降后维持在较低的水平;Cd 年均值变化范围为0.0005~0.0061mg /L;pH年均值的变动范围为7.45~8.97;COD Mn 年均值变化范围为0.73~2.04mg /L;TP 年均值变动范围为0.05~0.16mg /L;Cu 年均值变动范围为0.0017~0.0092mg /L㊂M -K 分析结果显示(图2),NH 3-N㊁TSS㊁Cd 和Hg 年均值整体呈极显著下降趋势;TN 年均值整体呈显著上升趋势;WT㊁pH㊁DO㊁COD Mn ㊁TP和Cu 年均值的变化趋势不显著㊂根据地表水环境质量标准(GB 3838-2002),DO㊁NH 3-N㊁COD Mn 年均值基本达到地表水Ⅰ类水标准;TP㊁Cu㊁Cd㊁Hg 年均值基本达到地表水Ⅲ类标准;TN 年均值大部分为Ⅴ类水标准,部分年份甚至达到劣Ⅴ类㊂图2㊀2006-2021年上游保护区水质指标的M -K 检验结果以及时间变化曲线Fig.2㊀Results of M -K test and time -changing curve of water quality indicators in the national nature reserve forrare and endemic fish in the upper reaches of the Yangtze River from 2006to 202152淡㊀水㊀渔㊀业㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2024年2.1.2㊀中华鲟保护区水质指标特征分析2006-2021年中华鲟保护区水质指标年均值变化如图3所示㊂WT年均值变化范围为18.60~ 20.50ħ,整体呈缓慢上升的趋势;COD Mn年均值变动范围为1.06~4.54mg/L,年际变化趋势表现为2007-2017年缓慢上升,2018年后上升趋势明显;TN年均值变动范围为0.84~2.92mg/L,年际变化趋势表现为先上升后下降,2018年后又开始上升;TP年均值变动范围为0.05~0.19mg/L,年际变化表现为阶梯式下降;DO和pH年均值变动范围分别为7.07~8.76mg/L和7.56~8.06;NH3-N年均值的变化范围为0.15~0.81mg/L;TSS年均值变动范围为2~18.6mg/L,整体有缓慢上升趋势;重金属指标(Cu㊁Cd)整体维持在较低的水平, Cu最大值为0.0072mg/L,Cd最大值为0.0025 mg/L㊂M-K分析结果显示(图3),COD Mn年均值呈显著上升趋势;TP年均值呈显著下降趋势;WT㊁DO㊁pH㊁TN㊁NH3-N㊁TSS㊁Cu㊁Cd年均值的变化趋势不显著㊂根据地表水环境质量标准(GB 3838-2002),DO㊁NH3-N年均值基本达到地表水Ⅱ类水标准;COD Mn㊁TP㊁Cu㊁Cd㊁Hg年均值基本达到地表水Ⅲ类水标准;TN年均值大部分为Ⅴ类水标准,部分年份甚至达到劣Ⅴ类㊂图3㊀2006-2021年中华鲟保护区水质指标的M-K检验结果以及时间变化曲线Fig.3㊀Results of M-K test and time changing curve of water quality indicators in the Chinese sturgeon naturereserve of Yangtze River in Yichang from2006to20212.1.3㊀四大家鱼保护区水质指标特征分析2006-2021年四大家鱼保护区水质指标年均值变化如图4所示㊂WT年均值变动范围为18.06~20.49ħ,年际变化趋势表现为缓慢增加;COD Mn年均值变化范围为1.52~2.23mg/L,年际变化趋势为2008年达到最小值后开始上升;Hg年均值变动范围为0.00003~0.00013mg/L,年际变化趋势为阶梯式下降;TSS年均值变动范围为14.07~95.84mg/L,年际变化趋势为2008年达最大值后急剧下降,2009年开始缓慢下降;TN年均值变动范围为1.42~2.23mg/L,年际变化趋势为先上升后下降;DO和pH年均值变动范围分别为7.56~8.68mg/L和7.84~8.06;TP年均值变动范围为0.03~0.17mg/L;重金属指标(Cu㊁Cd)整体维持在较低的水平,年均值变化范围分别为0.0021~0.0133mg/L和0.0007~0.0057mg/L㊂M-K分析结果显示(图4),COD Mn年均值呈显著增加趋势;TSS㊁Hg年均值呈显著下降趋势;WT㊁DO㊁pH㊁TN㊁TP㊁NH3-N㊁Cu以及Cd年均值的变化趋势不显著㊂根据地表水环境质量标准(GB3838-2002),DO年均值基本达到地表水Ⅰ类标准;NH3-N㊁COD Mn年均值基本达到地表水Ⅱ类标准;TP㊁Cu㊁Cd㊁Hg年均值基本达到地表水Ⅲ类标准;TN年均值大部分为Ⅴ类水标准,部分年份甚至达到劣Ⅴ类㊂62第2期吴㊀凡等:长江中上游重要渔业水域环境质量评估图4㊀2006-2021年四大家鱼保护区水质指标的M -K 检验结果以及时间变化曲线Fig.4㊀Results of M -K test and time changing curve of water quality indicators in the fish resource of national aquaticgermplasm resources reserve for four major Chinese carps from 2006to 20212.2㊀水质指标间的相关性分析采用Spearman 相关性分析方法对长江中上游重要渔业水域11个水质指标之间的相关性进行分析㊂结果表明,上游保护区(图5a )的NH 3-N㊁COD Mn ㊁TP 两两之间极显著正相关;TSS 和Hg 之间极显著正相关;DO 分别与TP㊁NH 3-N㊁WT 之间极显著负相关;TSS 与TN 极显著负相关㊂中华鲟保护区(图5b)的TSS㊁COD Mn ㊁Cd两两之间极图5㊀2006-2021年长江中上游重要渔业水域水质指标的Spearman 相关性分析Fig.5㊀Spearman correlation analysis of water quality indicators in the important fishery waters of the upperand middle reaches of the Yangtze River72淡㊀水㊀渔㊀业㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2024年显著正相关;NH3-N㊁Cu㊁TP两两之间呈极显著正相关关系;pH与COD Mn之间呈极显著负相关关系;WT分别与Cu㊁NH3-N之间呈极显著负相关关系㊂四大家鱼保护区(图5c)的Cu与TN㊁Cd呈极显著正相关关系;WT分别与TSS㊁COD Mn之间呈极显著正相关关系;WT与DO之间呈极显著负相关;TP与Cu呈极显著负相关㊂2.3㊀基于WQI的水质评价由图6可知,上游保护区㊁中华鲟保护区㊁四大家鱼保护区的WQI值分别62~95㊁69~93㊁65~ 89,整体水质质量均为 良 ㊂对2006-2021年长江中上游重要渔业水域WQI的年均值进行M-K趋势分析,结果表明,上游保护区WQI年均值呈显著上升趋势(Z=3.28,P<0.01);中华鲟保护区WQI年均值整体呈上升趋势,但不显著(Z=0.59, P>0.05);四大家鱼保护区WQI的年均值整体呈显著上升的趋势(Z=2.97,P<0.01)㊂a:上游保护区,b:中华鲟保护区,c:四大家鱼保护区图6㊀2006-2021年长江中上游重要渔业水域WQI变化趋势Fig.6㊀Change trend of WQI in the important fishery waters of the upper and middle reaches of the Yangtze River2.4㊀WQImin模型建立2.4.1㊀上游保护区WQI min模型建立通过上游保护区水质指标与WQI进行逐步多元线性回归分析,确定WQI min模型㊂结果表明,TSS对上游保护区的WQI值的贡献最大,R2=0.730㊂加入其他水质指标后,比较WQI min模型的拟合度㊂结果表明,模型中加入TN㊁COD Mn和Hg后,R2值增加,分别为0.841㊁0.953和0.973;TP和NH3-N的加入也能略微的提升R2的值,分别为0.986和0.992;而Cd的加入仅使R2值提升0.003㊂因此,我们将TSS㊁TN㊁COD Mn和Hg作为上游保护区的关键水质指标,分别加入TP和NH3-N后,构建四种不同的WQI min模型㊂对构建的四种不同的WQI min模型进行分析(表2),结果表明WQI min-w3模型的表现最好,其RMSE和PE值最低㊂同样选用5个指标的WQI min-w2模型和选用6个指标的WQI min-w4模型则表现较差,与WQI min-w3模型相比,虽然R2较大,但RMSE和PE值也较大,表明这两种模型的预测能力均不如WQI min-w3模型㊂因此,WQI min-w3模型是最适合上游保护区水质评价的模型㊂表2㊀上游保护区WQI min模型评价Tab.2㊀WQI min model evaluation of the national nature reserve for rare and endemic fish in theupper reaches of the Yangtze River参数选择WQI min-w有权重模型R2RMSE PE/%PWQI min-nw无权重模型R2RMSE PE/%P TSS㊁TN㊁COD Mn㊁Hg w10.94013.8718.24<0.01nw10.77414.8322.93<0.01 TSS㊁TN㊁COD Mn㊁Hg㊁TP w20.96715.7221.37<0.01nw20.79718.6928.86<0.01 TSS㊁TN㊁COD Mn㊁Hg㊁NH3-N w30.965 5.928.68<0.01nw30.7987.2813.70<0.01 TSS㊁TN㊁COD Mn㊁Hg㊁TP㊁NH3-N w40.9847.8511.81<0.01nw40.80811.7120.18<0.01 82第2期吴㊀凡等:长江中上游重要渔业水域环境质量评估2.4.1㊀中华鲟保护区WQI min模型建立逐步多元线性回归分析结果表明,TN和NH3-N对中华鲟保护区的WQI值贡献最大,R2= 0.595㊂加入其他水质指标后,比较WQI min模型的拟合度㊂结果表明,模型中加入DO和COD Mn后, R2增加,分别为0.767㊁0.912;Hg和WT的加入也能略微的提升R2的值,分别为0.941和0.954; TP和Cd的加入则对R2的提升不明显,R2值仅增加0.008和0.004㊂因此我们将TN㊁NH3-N㊁DO 和COD Mn作为中华鲟保护区的关键水质指标,分别加入Hg㊁WT后,构建四种不同的WQI min模型㊂对构建的四种不同的WQI min模型进行分析(表3),结果表明WQI min-w4模型的表现最好,其R2 (0.951)最大,且RMSE和PE值最低,分别为3.29和2.88%㊂分别加入Hg和WT的WQI min-w2模型和WQI min-w3模型表现均不如WQI min-w4模型,R2较小且RMSE和PE值较大㊂因此,WQI min -w4模型是最适合中华鲟保护区水质评价的模型㊂表3㊀中华鲟保护区WQI min模型评价Tab.3.WQI min model evaluation of Chinese sturgeon nature reserve of Yangtze River in Yichang参数选择WQI min-w有权重模型R2RMSE PE/%PWQI min-nw无权重模型R2RMSE PE/%PTN㊁NH3-N㊁DO㊁COD Mn w10.909 6.07 5.98<0.01nw10.89411.0912.58<0.01 TN㊁NH3-N㊁DO㊁COD Mn㊁Hg w20.941 4.57 4.34<0.01nw20.809 6.82 6.99<0.01 TN㊁NH3-N㊁DO㊁COD Mn㊁WT w30.917 4.59 4.29<0.01nw30.901 6.17 6.86<0.01 TN㊁NH3-N㊁DO㊁COD Mn㊁Hg㊁WT w40.952 3.29 2.89<0.01nw40.826 3.65 3.16<0.012.4.3㊀四大家鱼保护区WQI min模型建立逐步多元线性回归分析结果表明,TSS对四大家鱼保护区的WQI值贡献最大,R2=0.501(P< 0.01)㊂加入其他水质指标后,比较WQI min模型的拟合度㊂结果表明,模型中加入TN㊁DO和Hg 后,R2增加,分别为0.656㊁0.794和0.923; NH3-N和COD Mn的加入也能略微提升R2值,分别为0.943和0.958;Cd和TP的加入则对R2的提升不明显,R2值仅增加0.008和0.005㊂因此我们将TSS㊁TN㊁DO和Hg作为四大家鱼保护区的关键水质指标,分别加入Cd和TP,构建四种不同的WQI min模型㊂对构建的四种不同的WQI min模型进行分析(表4),结果表明WQI min-w3模型的表现最好,其RMSE和PE值最低,分别为1.52和0.68%㊂同样选用5个指标的WQI min-w2模型表现不如WQI min-w3模型,其R2较小且RMSE和PE值较大㊂选用6个指标的WQI min-w4模型,与WQI min-w3模型相比,虽然R2略大,但RMSE和PE值均较大,表明WQI min-w4模型的预测能力不如WQI min-w3模型㊂因此,WQI min-w3模型是最适合四大家鱼保护区水质评价的模型㊂表4㊀四大家鱼保护区WQI min模型评价Tab.4㊀WQI min model evaluation of the fish resource of national aquatic germplasm resources reserve forfour major Chinese carps参数选择WQI min-w有权重模型R2RMSE PE/%PWQI min-nw无权重模型R2RMSE PE/%PTSS㊁TN㊁DO㊁Hg w10.819 4.97 4.97<0.01nw10.49311.9813.12<0.01 TSS㊁TN㊁DO㊁Hg㊁NH3-N w20.876 2.70 1.61<0.01nw20.5868.178.35<0.01 TSS㊁TN㊁DO㊁Hg㊁COD Mn w30.901 1.520.68<0.01nw30.631 4.57 4.55<0.01 TSS㊁TN㊁DO㊁Hg㊁NH3-N㊁COD Mn w40.929 1.97 1.96<0.01nw40.659 5.18 4.78<0.0192淡㊀水㊀渔㊀业㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀2024年3㊀讨论3.1㊀水质现状及其影响因素从各水质指标的年际变化来看,长江中上游重要渔业水域的水温整体呈上升的趋势,与前人研究结论一致[20-22]㊂水温是影响鱼类正常生长繁殖的重要因子[23,24],河流水温的持续升高可能会影响长江中上游重要渔业水域内鱼类的产卵繁殖行为[21,22]㊂长江中上游重要渔业水域的COD Mn整体呈上升趋势,其中中华鲟保护区和四大家鱼保护区的COD Mn呈显著上升趋势㊂COD Mn作为有机污染物指标,其上升表明河流里有机污染物的污染程度增加[25],应加强对COD Mn指标的监测㊂上游保护区的TSS在2013年后急剧下降,主要是由于向家坝和溪洛渡水电站的相继运行,悬浮物由于沉降作用滞留于水库,导致下游水体的悬浮物减少[26]㊂长江中上游重要渔业水域的重金属含量维持在较低的水平,主要是由于长江中上游各高体大坝的建成,使得水体重金属沉积于水库底部[27],导致河流上层重金属含量减少㊂根据地表水环境质量标准的Ⅲ类标准,长江中上游重要渔业水域主要超标的水质指标为TN㊂这可能是由于农业面源污染㊁城镇废水以及居民生活污水的排放导致的[28],应加强对流域内的生态管理㊂长江中上游重要渔业水域水质指标间的关系主要表现为水温和DO呈显著的负相关,主要是由于水温的升高会降低氧气在水体里的溶解度[29,30]㊂悬浮物与重金属指标呈正相关,可能是由于水体重金属容易吸附于悬浮物[26,27]㊂TP和NH3-N呈正相关,与前人研究结果一致[25,31]㊂上游保护区中, COD Mn和TP显著正相关,可能是这些污染物都受到人类活动的影响,例如生活废水㊁工业废水和农业废水等都会导致它们的含量升高[32]㊂DO和TP 呈负相关,可能是当水中磷的含量过高时,导致藻类和大型水生植物的生长增加,从而导致溶解氧的减少[33]㊂中华鲟保护区中,水温和NH3-N呈负相关,可能是水温升高会导致水体中的营养盐浓度升高,这些无机盐会抑制氨氮的生物降解[34]㊂根据地表水III类水标准,TN是长江中上游重要渔业水域主要的超标因子,其超标导致根据单因子评价水域水质仅为Ⅳ类水标准㊂可以看出,单个指标对水质评价的影响较大,导致评价结果可能与实际环境质量之间存在偏差㊂因此,综合水质质量的评价显得尤为重要㊂本研究采用WQI综合11项水质指标,对长江中上游重要渔业水域的三个保护区进行水质质量评价㊂结果表明,长江中上游重要渔业水域整体水质质量为 良 ,且在监测期间水质逐渐改善,其中上游保护区和四大家鱼保护区的改善较大㊂LIU等[31]监测长江流域2008-2020年水质变化,结果表明长江流域水质有所改善,但COD Mn有上升的趋势㊂DUAN等[35]对长江流域2004-2015年水质进行监测,研究表明,长江流域水质逐年改善且长江上游水质改善较大,与本研究结果一致㊂随着生态文明建设的推进和中华人民共和国长江保护法的实施,长江流域的环境质量日趋渐好[36-38]㊂3.2㊀关键水质参数选择本研究使用多元逐步线性回归分析,选取了TN㊁COD Mn㊁Hg㊁DO㊁NH3-N㊁TSS以及水温为长江中上游重要渔业水域的关键水质参数,分别构建了上游保护区㊁中华鲟保护区以及四大家鱼保护区的WQI min模型㊂WQI min相较于WQI选择的水质参数较少,能够充分反映水质的整体变化特征,有助于以相对较低的成本对水质进行有效评价㊂本研究中选取的WQI min水质指标与其他地区建立WQI min模型的具有相似性㊂通过WQI和WQI min模型选择TN作为太湖水质进行评价的关键参数,模型结果对太湖水质评价具有很强的适应性[39-41]㊂作为有机污染的指标,COD Mn是确定阿克苏河WQI的两个最重要的水质参数之一[42]㊂DO和Hg 是评价中国南水北调工程WQI的重要水质参数[16]㊂研究证明NH3-N在水质营养水平的重要性,QI等[43]将NH3-N作为构建沂河WQI min模型的重要参数㊂悬浮物能够吸附水体中的重金属和各类营养盐,同时能影响水体里的光照强度,进一步影响浮游植物的光合作用,因此是河流的重要水质指标[44]㊂水温反映了水的物理和化学性质,可以影响水中细菌的生长和繁殖以及水的自然净化[45]㊂因此,本研究选取的关键水质参数对其他地区WQI min模型的构建具有重要的参考价值㊂3.3㊀权重对WQImin模型的影响早期的研究中,通常对水质参数增加权重来计算WQI㊂然而,WQI min模型中没有包含权重计算[15,46]㊂在后来的研究中,学者们改进了基于WQI的水质评价方法,并考虑了权重对WQI min模型的影响,以提高实验结果的准确性[16]㊂本研究对水质指标进行加权归一化处理,使水质评价结果更加符合实际情况㊂使用相同的关键水质指标构建03第2期吴㊀凡等:长江中上游重要渔业水域环境质量评估WQI min模型,然后比较它们的加权和未加权计算结果(表2~4)㊂结果表明,加权WQI min模型比非加权WQI min模型更好地解释了WQI的变化,能够更准确地预测水质㊂因此,我们推荐使用加权WQI min模型来评价长江的水质㊂此外,权重强调指标的相对重要性,这受研究区域差异和研究人员个人经验的影响,可能会导致权重有所不同㊂因此,我们建议在实际研究中,研究人员应查阅相关文献并根据实际研究地点和实测数据调整权重,以构建更符合实际的WQI min模型㊂参考文献:[1]LIU J G,DIAMOND J.Chinaᶄs environment in a globalizing world [J].Nature Publishing Group,2005,435(7046):1179-1186.[2]XU Z,ZHANG X,XIE J,et al.Total Nitrogen Concentrations in Sur-face Water of Typical Agro-and Forest Ecosystems in China,2004-2009[J].PLoS ONE,2014,9(3):e92850.[3]HUANG J,ZHANG Y,BING H,et al.Characterizing the River Water Quality in China:Recent Progress and On-Going Challenges[J]. Water Research,2021,201(4):117309.[4]ZAMPARAS M,ZACHARIAS I.Restoration of eutrophic freshwater by managing internal nutrient loadsA review[J].Science of the Total Environment,2014,496(15):551-562.[5]LIU Q,TIAN Y L,LIU Y,et al.Characteristics of two comprehensive assessment methods for water quality based on different evaluation criteria and their applications in aquatic environment management [J].Acta Ecologica Sinica,2019,39(20):7538-7546. [6]WU T,WANG S,SU B,et al.Understanding the water quality change of the Yilong Lake based on comprehensive assessment methods[J]. Ecological Indicators,2021,126(15):107714.[7]YANG S,HAO H,LIU B,et al.Influence of socioeconomic develop-ment on river water quality:a case study of two river basins in China [J].Environmental Science and Pollution Research,2021,28(38): 53857-53871.[8]SEVGILI M.Parameters selection for water quality index in the as-sessment of the environmental impacts of land-based trout farms [J].Ecological Indicators,2014,36:672-681.[9]HORTON R K.An index number system for rating water quality[J]. Water Pollution,1965,37:300-306.[10]GIKAS G D,SYLAIOS G K,TSIHRINTZIS V A,et parativeevaluation of river chemical status based on WFD methodology and CCME water quality index[J].Science of the Total Environment, 2020,745(5):140849.[11]SILVA M I,GONALVES A,LOPES W A,et al.Assessment ofgroundwater quality in a Brazilian semiarid basin using an integra-tion of GIS,water quality index and multivariate statistical tech-niques[J].Journal of Hydrology,2021,598(4):126346. [12]GORGIJ A D,WU J,MOGHADAM A A.Groundwater quality rank-ing using the improved entropy TOPSIS method:a case study in Azarshahr plain aquifer,east Azerbaijan,Iran[J].Human Ecologi-cal Risk Assessment,2019,25(1-2):176-190. [13]HE X D,WU J H,HE S.Hydrochemical characteristics and qualityevaluation of groundwater in terms of health risks in Luohe aquifer in Wuqi County of the Chinese Loess Plateau,northwest China[J].Human ecological risk assessment,2019,25(1-2):32-51. [14]WANG D,WU J,WANG Y,et al.Finding High-Quality groundwa-ter resources to reduce the hydatidosis incidence in the shiqu coun-ty of sichuan province,china:analysis,assessment,and management [J].Exposure Health,2020,12(3):1-16.[15]PESCE S F,WUNDERLIN D e of water quality indices to ver-ify the impact of Córdoba City(Argentina)on Suqua River[J].Water Research,2000,34(11):2915-2926.[16]NONG X Z,SHAO D G,ZHONG H,et al.Evaluation of water qual-ity in the South-to-North Water Diversion Project of China using the water quality index(WQI)method[J].Water Research,2020, 178(15):115781.[17]AKKOYUNLU A,AKINER M E.Pollution evaluation in streams u-sing water quality indices:A case study from Turkeyᶄs Sapanca Lake Basin[J].Ecological Indicators,2012,18:501-511. [18]DUAN W,HE B,CHEN Y,et al.Identification of long-term trendsand seasonality in high-frequency water quality data from the Yan-gtze River basin,China[J].Plos One,2018,13(2):e0188889.[19]SONG C,YAO L,HUA C,et al.A water quality prediction modelbased on variational mode decomposition and the least squares sup-port vector machine optimized by the sparrow search algorithm (VMD-SSA-LSSVM)of the Yangtze River,China[J].Environ-mental Monitoring and Assessment,2021,46(14):9541-9552.[20]邹㊀珊,李㊀雨,陈金凤,等.长江攀枝花-宜昌江段水温时空变化规律[J].长江科学院院报,2020,37(8):35-41,48. [21]郭文献,王鸿翔,夏自强,等.三峡-葛洲坝梯级水库水温影响研究[J].水力发电学报,2009,28(6):182-187. [22]黄膺翰,严忠銮,卢晶莹,等.向家坝水电站下游水温变化分析[J].水力发电,2022,48(12):1-5.[23]STEEL E A,LANGE I ing wavelet analysis to detect changesin water temperature regimes at multiple scales:Effects of multi-purpose dams in the Willamette River basin[J].River Research and Applications,2007,23(4):351-359.[24]SALTVEIT S J,TROND B,JOHN E B.Effect of a changed temper-ature regime on the benthos of a norwegian regulated river[J].Reg-ulated Rivers Research Management,1994,9(2):93-102. [25]杨婉玲,赖子尼,刘乾甫,等.不同养殖品种池塘化学耗氧量(COD Mn)变化趋势及环境影响因素[J].广东农业科学,2014, 41(8):161-165.[26]孙维民.水体悬浮物环境特性与富集采样技术研究[D].辽宁大连:大连理工大学,2018.[27]朱㊀林.水库沉积物中重金属的迁移与富集效应研究[D].辽宁大连:大连理工大学,2019.[28]丁肇慰,郑㊀华.长江流域总氮排放量预测[J].环境科学,2021,42(12):5768-5776.[29]KULWINDE S P,RASHMI B.Fractal,predictability index and vari-ability in trends analysis of river-water dynamics[J].International journal of river basin management:JRBM,2014,12(4):285-297.13。
《2024年基于主成分分析法的环境质量综合指数研究》范文
《基于主成分分析法的环境质量综合指数研究》篇一一、引言随着社会经济的快速发展，环境问题日益凸显，环境质量综合评价成为了一个重要的研究领域。
环境质量综合指数作为一种重要的评价工具，可以全面、客观地反映环境质量的综合状况。
本文将利用主成分分析法，对环境质量综合指数进行研究，以期为环境管理和政策制定提供科学依据。
二、研究背景及意义环境质量综合指数是一种集成了多种环境因素的综合性评价指标，它可以全面、客观地反映一个地区的环境质量状况。
然而，由于环境因素的复杂性和多样性，如何科学、合理地构建环境质量综合指数成为一个亟待解决的问题。
主成分分析法作为一种多元统计分析方法，可以有效地提取数据中的主要信息，降低数据的维度，同时保留原始数据中的大部分信息。
因此，基于主成分分析法的环境质量综合指数研究具有重要的理论和实践意义。
三、研究方法与数据来源本文采用主成分分析法，以某一地区的环境质量数据为基础，构建环境质量综合指数。
数据来源包括该地区的空气质量、水质、土壤质量、生态环境等多方面的环境监测数据。
在数据处理过程中，首先对数据进行标准化处理，然后利用主成分分析法提取主要信息，构建主成分，最后根据主成分的贡献率和累计贡献率，确定各主成分的权重，进而计算环境质量综合指数。
四、实证研究1. 数据处理首先，对收集到的环境质量数据进行标准化处理，消除量纲和量级的影响。
然后，利用主成分分析法提取主要信息，得到若干个主成分。
通过分析各主成分的贡献率和累计贡献率，确定各主成分的权重。
2. 主成分分析通过主成分分析，我们可以得到几个主成分，每个主成分都包含了原始数据中的一部分信息。
这些主成分可以很好地解释原始数据中的变化趋势和主要特征。
在本文中，我们选取了几个具有代表性的主成分，如空气质量主成分、水质主成分、土壤质量主成分等。
3. 环境质量综合指数的计算根据各主成分的权重和得分，我们可以计算出一个地区的环境质量综合指数。
该指数可以全面、客观地反映一个地区的环境质量状况，为环境管理和政策制定提供科学依据。
应用主成分分析法评价东昌湖水质状况
应用主成分分析法评价东昌湖水质状况摘要:采用主成分分析方法,对东昌湖湖区的水质监测数据进行定量化研究,试验结果表明,东昌湖的主要污染因子是CODCr､TN､TP,因此东昌湖的污染属于有机污染和富营养化污染｡2001~2009年东昌湖水质呈现出逐渐好转的趋势｡关键词:东昌湖;水质;主成分分析;有机污染;富营养化Application of Principal Component Analysis for Comprehensive Analysis of Water Quality in Dongchang LakeAbstract: Based on the principal component analysis, the water quality of Dongchang Lake was evaluated. The results showed that the main pollution factors were CODCr, TN, TP. So Dongchang Lake was suffering organic pollution and eutrophication. And from 2001 to 2009, the water quality in Dongchang Lake presented a gradually improving trend.Key words: Dongchang Lake; water quality; principal component analysis; organic pollution; eutrophication东昌湖位于聊城市中心,环绕聊城古城四周,总面积4.2 km2,库容在1 000万m3以上,水深2~3 m,其湖岸沿线长约16 km,引黄河水为源｡东昌湖水域面积略小于杭州西湖,为济南大明湖的5倍,是我国长江以北最大的城市人工湖泊｡水环境有不同于一般湖泊的特点:湖岸带及湖体人工化､湖盆浅､换水周期长､湖区被割裂成多块水体､人工干预强等,并且东昌湖水源完全依靠黄河调水,补给单一,水量补给缺乏保障;另外,东昌湖补给水源水质难以保障｡黄河来水水质整体上为Ⅳ类,东昌湖每年从黄河补水带来的总磷约1.98 t､总氮约30.10 t,COD约599.60 t,分别占入湖总磷的84.03%､总氮的87.46%､COD的92.94%,这导致东昌湖水体质量出现富营养化加重的现象[1]｡湖泊水质污染是目前比较突出的水环境问题之一,它与一个国家或地区的经济发展和人民生活质量密切相关｡水质系统是由各种污染物指标变量组成的复杂系统,每一因子从某一方面反映了水质质量[2]｡同一湖泊的监测站点和水质指标多,从中难以综合判断各监测断面及整个湖区的水质状况｡主成分分析方法是比较普遍的多元统计分析方法之一[3,4],在环境质量综合评价方面应用广泛[2,5],它能够在最大限度地保留原始数据信息的基础上,对高维变量进行综合和简化,并且能够客观地确定各个指标的权重,避免了主观随意性｡本文将主成分分析法应用于东昌湖的水质综合评价,以期能够为东昌湖的水环境管理工作提供参考依据｡1 主成分分析法原理主成分分析是把各变量之间互相关联的复杂关系进行简化分析的方法｡在研究中,为了全面系统地分析和研究问题,必须考虑多种指标,这些指标能从不同的侧面反映所研究对象的特征,但在某种程度上存在信息的重叠,具有一定的相关性｡主成分分析试图在力保数据信息丢失最少的原则下,对这种多变量的截面数据表进行最佳综合简化,也就是说,对高维变量空间进行降维处理,即研究指标体系的少数几个线性组合,并且这几个线性组合所构成的综合指标将尽可能多地保留原来指标变异方面的信息,这些综合指标就称为主成分[6-8]｡主成分分析法在水环境质量评价中的应用主要有两方面:一是建立综合评价指标,评价各监测断面的相对污染程度,并对各监测断面的污染程度进行排序;二是评价各单项指标在综合指标中所起的作用,指导删除那些次要的指标,确定造成污染的主要成分｡主要步骤有:(1)将指标数据原始矩阵进行标准化,即对同一变量减去其均值再除以标准差,以消除量纲影响｡(2)在标准化数据阵X=(Xij)的基础上,计算原始指标的相关系数矩阵R及其特征值λi(i=1,2,…,p),特征向量矩阵L(即各个指标变量xj的系数)｡L为原变量上的载荷值,体现了原指标变量与综合指标变量的相关程度｡(3)计算方差贡献率(i=1,2,…,p)和累计贡献率(i=1,2,…,p),一般取累计贡献率达85%~95%的特征值λ1,λ2,…,λm所对应的第一､第二,……第m(m≤p)个主成分｡并据以确定主成分的个数,建立主成分方程｡(4)解释各主成分的意义,并将各单位的原始数据代入方程中,计算各主成分得分Fj｡(5)最后以方差贡献率为权数求和计算得出综合得分进行排序后分析比较｡2 东昌湖水质的主成分分析本文选取2001~2009年东昌湖每月1次的水质资料作为研究对象｡监测项目包括pH､DO､CODCr､CODMn､NH3-N､TN､TP 7个指标｡2.1 数据的预处理与标准化本文利用2001~2009年各站点为对象求取各指标的年均值,最后得到9×7的水质指标原始矩阵,对指标原始矩阵进行数据标准化,因为溶解氧是随着数据值的增大,表示水质越好,呈正相关关系;而其他因子则是随着数据值的增大,表示水质越差,呈负相关关系,所以DO为逆指标,先将其进行倒数变换,然后标准化,结果见表1｡2.2 计算相关系数矩阵R利用SPSS 16.0软件求得2001~2009年整个湖区7个指标的相关系数矩阵R,结果见表2｡2.3 计算特征值和累计贡献率利用SPSS 16.0软件进一步计算相关系数矩阵的特征值与主成分贡献率及累计贡献率,结果见表3｡由表3可知:第1､2主成分的特征值分别为4.02､1.83,均大于1,方差贡献率分别为57.48%､26.10%,其累计方差贡献率达到了83.58%,这说明二维主成分几乎综合了所有7项水质指标,超过了主成分分析中75%的要求,所以对应的两个主成分已经能够反映原始指标所提供的绝大部分信息,可利用它们对东昌湖6个湖区的水环境质量进行综合评价｡所以提取前2个主成分｡利用SPSS 16.0软件进一步计算每个因子在主成分上的载荷量,每一个载荷量表示主成分与对应变量的相关系数,提取的2个主成分的初始因子载荷矩阵如表4｡取相应特征值对应的正规化单位特征向量作为线性表达式的系数,构造出两个主成分Z1和Z2:Z1=0.707x1-0.130x2+0.963x3+0.753x4-0.622x5+0.937x6+0.865x7,Z2=0.587x1+ 0.913x2-0.254x3+0.616x4-0.079x5-0.306x6-0.323x7｡第一主成分1反映了东昌湖营养化,对这一指标起主要作用的是CODCr(x3)､TN(x6)､TP(x7),他们的系数值分别为0.963､0.937､0.865,在主成分1的正方向上起作用｡CODCr是反映水体有机污染的指标,CODCr与主成分1的相关系数最高,说明在第一主成分中CODCr对第一主成分的贡献最高｡说明东昌湖水体中的污染类型是有机污染｡TN和TP是反映水体营养化程度的主要指标,其值越大,水体营养化程度越高,它们主要表示引起湖泊富营养化的营养元素污染状况｡因此可以认为东昌湖的主要污染物是CODCr､TN､TP,这也说明东昌湖水体的富营养化程度可能很高｡第二主成分2从另外一方面反映了东昌湖的营养化｡在第二主成分中,DO(x2)和CODMn(x4)的系数值比较高,分别是0.913､0.616,这说明DO(x2)和CODMn(x4)对第二主成分的贡献最高,因为水体中的DO的倒数越高,表明水体水质越差,这与第一主成分中CODCr对第一主成分贡献最高相对应,同样反映了东昌湖水体中有机污染比较严重,其次是无机污染｡2.4 综合评价函数的确定将初始因子载荷矩阵两列的数据分别除以主成分相对应的特征根的平方根,便可得到特征向量,见表5｡F1=0.352 4Z1-0.064 8Z2+0.480 1Z3+0.375 4Z4-0.310 1Z5+0.467 1Z6+0.431 2Z7F2=0.434 3Z1+0.675 5Z2-0.187 9Z3+0.455 7Z4-0.058 4Z5-0.226 4Z6-0.239 0Z7将得到的特征向量与标准化后的数据相乘,便可以得出主成分表达式,即综合评价函数F=■F1+■F2=0.69F1+0.31F2｡由综合评价函数计算每一个主成分的得分,然后进行综合排序,得分较大者说明湖水污染较重,得分较小者说明湖水污染较轻,具体排序见表6｡根据表6绘制出东昌湖水质得分曲线(见图1)｡由表6的主成分得分排序可知,2001年的水质最差,2002年的水质最好｡除去个别年份的数据可能出现的误差,水质较差的两年主要集中在2005､2006年,2007年之后的年份水质相对要好些｡从图1水质得分不断下降的趋势,可以看出东昌湖在2001~2009年时间跨度上水质发展情况呈上升趋势,一定程度上也反映了东昌湖水质在近几年不断好转｡其原因可能与2003年东昌湖的综合治理工程的开展有关｡2003年之前,各湖区周围居民和单位的生活污水直接排入湖内,近湖区部分单位的排污管道未与市区污水管网联结而将污水直接排入湖中｡据估算,东昌湖每天要接纳约6 000 t的生活污水,这些污水主要通过大大小小的排污口排入湖内｡其中古城区内的最大排污口是前人在建古城区时留下的4个排水口,其中原南城墙处有2个,原北城墙和原西城墙处各有1个｡除以上4个大的排污口外,其他较大的排污口主要分布在:1#湖内围有南泽园餐厅排污口,排放大量的餐饮业废水;2#湖外围有区人民医院的排污口,向湖内排放大量医疗废水,还有堆放在湖边大量的医疗垃圾产生的污水;3#湖外围有区人大､鼎舜花园两个较大排污口,排放大量的生活污水;4#湖内围有东昌府区职工活动中心排污口､国奥饭店排污口,外围有东昌宾馆排污口,排放大量的餐饮业废水;5#湖内围有钓鱼台宾馆排污口､公路局排污口,排放大量的餐饮业废水和生活污水｡另外,在1#湖､2#湖､3#湖､5#湖､6#湖的内围湖岸以及1#湖､2#湖､3#湖的外围湖岸还有许多居民生活小排污口,有的是一家一个排污口,有的是一片居民有规划地把生活污水汇到一起,建造桥涵,组成较大的排污口｡还有古城区内和近湖区的几十家单位,主要有区委､区政府､海源阁宾馆､聊城市教育学院､光明眼科医院､聊城九中､聊城四中等也将自身产生的大量污水直接或间接排入湖中｡因湖西公园建设,对西部湖区以西的大部分民房已进行了拆迁,故4#湖､5#湖､6#湖的外围湖岸基本上无生活小排污口｡“十五”初期,聊城市委､市政府抢抓机遇,提出建设“中国江北水城”的号召,对聊城市城区内的小运河重新挖掘,同时对人为填湖建造的违章建筑坚决拆除,退地还湖,扩大东昌湖水域面积,并将东昌湖与小运河联接起来｡建设老城区截污工程,杜绝古城区污水排入东昌湖｡对于湖外围排污量较大的排污口,例如市公路局排污口､区人大排污口､鼎舜花园排污口等的排污管道进行改道,并与市区污水主管道联接,停止向东昌湖排污｡严禁周边居民乱放垃圾,并做到及时清运,避免垃圾对湖水的污染｡禁止在湖中洗衣､洗车等行为｡增加引黄频次,既增加各湖区的水量,又加大了水的流动性,从而进一步提高水体的自净能力｡因此,在2003年后,东昌湖水质明显好转,到2009年总体呈现水质转好的趋势｡3 结论本文采用主成分分析方法,对东昌湖湖区的水质监测数据进行定量化研究,结果表明:前2个主成分已经可以综合83.58%的因子信息,完全可以代表7个指标因子对东昌湖水质的综合评价｡说明主成分分析方法数据处理简单,是水质综合分析的一种非常重要的方法｡通过主成分分析得出:第一,东昌湖的主要污染因子是CODCr､TN､TP,说明东昌湖的污染属于有机污染和富营养化污染｡第二,从2001~2009年东昌湖水质呈现出逐渐好转的趋势,这说明在东昌湖的综合治理､古城区综合整治的初期,政府关闭排污口､古城区截污等措施对湖水水质改善效果明显;同时也进一步说明,东昌湖水体污染早期与古城区生活污水排放关系密切,所以表现出东昌湖的主要污染因子是CODCr､TN､TP｡因此,在今后的水体治理工作中仍然要加强古城区及新城区的生活污水的截污工作,减少输入到湖水中污水的量,就可以使东昌湖水质得到明显改善｡参考文献:[1] 陈友媛,崔香,杨世迎,等. 东昌湖流域生态补水管理模式探讨[J]. 中国工程科学,2010,12(6):65-69.[2] 王晓鹏. 河流水质综合评价之主成分分析方法[J]. 数理统计与管理,2001,20(4):49-52.[3] 冯利华. 环境质量的主成分分析[J].数学的实践与认识,2003, 33(8):32-35.[4] 孙文爽,陈兰祥. 多元统计分析[M]. 北京:高等教育出版社,1994.295-475.[5] 鲁斐,李磊. 主成分分析法在辽河水质评价中的应用[J]. 水利科技与经济, 2006,12(10):660-662.[6] 高惠璇. 应用多元统计分析[M].北京:北京大学出版社, 2005. 265-289.[7] 董菁,张毅,张佐,等. 基于主成分分析法的城市交通路口相关性分析[J]. 西南交通大学学报,2003,38(6):619-622.[8] RICHARD A J, DEAN W W. 实用多元统计分析[M]. 陆璇,译. 北京:清华大学出版社,2001.388-425.。
长江水源调查报告长江水质的评价和预测
变化趋势总结
通过分析数据，发现长江水质整体稳定，但部分区域如江苏、安徽等省份的河流 存在水质变差的风险，需要加强管理和保护。
04
预测分析
水质预测模型和方法
基于水文和水质…
利用长江流域内的水文和水质监 测数据进行多元线性回归，建立 模型来预测未来水质变化。
水质评价标准和方法
水质评价标准
根据国家《地表水环境质量标准》和《生活饮用水卫生标准 》等相关法规和规定，将长江水质分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ 类，其中Ⅰ类为最优，Ⅴ类为最差。
水质评价方法
采用单因子评价和综合评价相结合的方法，其中单因子评价 主要考虑各水质指标是否达标，综合评价则考虑各水质指标 之间的相互影响。
长江全长6,300多公里，是中国第一长河，也是亚洲最长的河 流
长江发源于青藏高原唐古拉山脉各拉丹冬峰西南侧的沱沱河 ，干流流经青海、*、四川、云南、重庆、湖北、湖南、江西 、安徽、江苏、上海等11个省（自治区、直辖市）
主要水源区域和污染源
主要水源区域
长江上游及沿江地区，包括沱沱河、通天河、金沙江、川江、汉江、赣江等 河流
基于主成分分析…
利用主成分分析方法，将复杂的 水质影响因素简化为几个主成分 ，建立模型来预测未来水质变化 。
基于人工神经网…
利用人工神经网络算法，将水质 影响因素和未来水质变化之间的 关系进行学习，建立模型来预测 未来水质变化。
水质预测结果和分析
01
根据建立的多元线性回归模型，预测未来十年内长江流域的水质变化趋势，预 测结果包括未来十年内各断面的高锰酸盐指数、氨氮、总磷等指标的变化趋势 和变化范围。
通过对长江水源进行调查，可以了解长江水资源的数量和质量状况，为合理利用和保护水 资源提供基础数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于主成分分析法的长江流域水质评价研究论文摘要
本文基于主成分分析法，对长江流域的水质进行了评价研究。
结果表明，长江流域水质普遍存在不良情况，主要是COD、BOD5、NH3-N等化学指标超标。
为了改善长江流域水质，需要采取措施，如加强环境保护、推动绿色发展等。
引言
长江是中国最长的河流，也是世界上重要的河流之一。
长江流域的水资源丰富，具有重要的经济、社会和生态价值。
然而，由于人类活动和自然因素的影响，长江流域的水质受到了严重的污染，从而对人类生产和生活带来了很大的影响。
因此，对长江流域的水质进行评价研究，具有重要的现实意义。
方法
本文采用主成分分析法对长江流域的水质进行评价。
主成分分析法是一种多元统计分析方法，用于确定主要变量并将它们组合成少数几个主成分，以解释总变异的大部分部分。
该方法在水质评价中被广泛应用，能够有效地评估水体质量。
结果和讨论
通过对长江流域各水质指标的主成分分析，得到了以下结果：
第一主成分代表COD、BOD5、NH3-N等化学需氧量指标，占
总变异的37.1%;
第二主成分代表TP、TN、NO3-N等营养物质指标，占总变异
的25.2%;
第三主成分代表DO、pH等生态指标，占总变异的13.2%。
由此可见，长江流域水质主要存在化学污染问题，其次是营养
物质过剩问题，生态状况相对较好。
从各指标的贡献率上看，COD、BOD5、NH3-N等化学需氧量
指标对水质影响最大。
这些指标的超标，会导致长江水体产生恶臭、变色等不良反应，严重影响人们的生产和生活。
由于长江流域地域辽阔，水质因素较多，因此在实施水质改善
措施时需要采取区域性的治理措施。
比如，在工、农业生产中加
强环境保护措施，推广环保技术和设备；在城市规划中加强污水
处理设施的建设；在农村改善生活条件，提高农民的环保意识等。
结论
本文采用主成分分析法对长江流域的水质进行了评价研究。
结
果表明，长江流域水质普遍存在不良情况，主要是COD、BOD5、NH3-N等化学指标超标。
为了改善长江流域水质，需要采取措施，如加强环境保护、推动绿色发展等。
希望本文的研究成果能够为
长江流域水质治理提供一定的参考。